论文部分内容阅读
复杂网络上的传播问题一直以来都是一个热点。随着理论研究的深入发展,各种各样的传播都可以依靠复杂网络的模型做进一步探索,例如“非典”,流感等传染病在人群中消长,各种计算机病毒在因特网中的蔓延,谣言和假新闻在社交网络中的扩散等。人们为了应对及利用传播带来的各种问题或者机遇,在不断提出各种模型来模拟并预测传播行为。从起源于疾病传播的SIS、SIR等模型,到以此为基础提出的各种变体来模拟信息传播、谣言控制等模型,很多都是利用复杂网络的拓扑结构作为传播行为的载体。疾病传播和信息传播的模型是本文研究的重点,它们之间有很大的区别,比如传播速度、反应及时性以及生存周期等。但是在复杂网络为载体的模型中,二者都是借助链路传播,动态更新节点的状态。更重要的是在实际生活中,两种传播通常都是同时出现、相互影响的。本文研究的内容就是围绕这两种传播的联系和相互影响展开,主要研究工作总结如下:（1）因为疾病传播和信息散播的紧密联系,我们提出双层复杂网络结构来作为传播的载体,两层网络分别作为疾病传播层和信息散播层。同时,我们提出模型SIR-A来模拟两层网络之间的信息传递和变量之间的关系,疾病传播层使用SIR模型,信息散播层引入警觉度。在SIR-A模型中,我们考虑了社团结构对信息散播的影响,个体的警觉度会随交流进行更新并随时间退散。而且由于考虑到将感染比例i（t）作为疾病传播过程的评价标准的缺点,我们引入感染源位置信息,提出新的指标传播风险Rsp。在不同网络数据中的模拟实验证实了我们的模型能很好地将上述的因素融合在一起。（2）网络中个体所属社团结构的大小会影响个体对信息的敏感程度,从而影响个体对疾病做出不同程度的反应。我们提出将图论中最大完全子图发现算法和Memetic算法结合的多目标优化算法MARC-CD来获取网络的社团结构。这个算法的思想是先用最大完全子图发现算法——RC算法对节点做预划分,之后再用短编码Memetic算法做进一步优化。不同网络数据上的实验结果表明,RC算法预划分能得到满意的结果,在此基础上使用Memetic算法能更快收敛并得到更好的结果。（3）利用信息散播速度快、反应周期短的特点,人们可以利用信息散播这种低成本的行为作为控制疾病蔓延的有效手段。在SIR-A模型的基础上,我们提出四种信息散播策略:随机散播、目标散播、基于路径散播和基于感染源位置信息的散播策略。这几种策略通过在信息层选取一定数量的节点作为信息源散播积极的信息,从而最大程度降低疾病传播风险值Rsp的峰值以及延缓高峰期的到来。实验表明四种策略都能达到预期的目标,而使用Memetic算法来优化目标选择准则函数,从而选取最优目标节点集合的基于感染源位置信息的策略表现最好。