集群行为中的复杂网络结构合并优化方法

doi:10.16381/j.cnki.issn1003-207x.2017.12.007

中国管理科学 ›› 2017, Vol. 25 ›› Issue (12): 59-67.doi: 10.16381/j.cnki.issn1003-207x.2017.12.007

集群行为中的复杂网络结构合并优化方法

张锴琦^1,3, 杜海峰^2,3, 王晶晶^2,3

1. 长安大学经济与管理学院, 陕西西安 710064;
2. 西安交通大学公共政策与管理学院, 陕西西安 710049;
3. 西安交通大学公共管理与复杂性科学研究中心, 陕西西安 710049

收稿日期:2016-04-14 修回日期:2016-10-17 出版日期:2017-12-20 发布日期:2018-02-10
通讯作者: 杜海峰(1972-),男(汉族),四川巴中人,西安交通大学公共政策与管理学院,执行院长,教授,博士生导师,研究方向:社会网络分析、系统复杂性及系统优化,E-mail:haifengdu@mail.xjtu.edu.cn E-mail:haifengdu@mail.xjtu.edu.cn
基金资助:
国家自然科学基金资助项目（71071128）；国家社会科学基金重点项目（12AZD110）；中央高校基本科研业务费专项资金项目（西安交通大学基本科研业务费青年教师跟踪支持计划）；国家社会基金资助项目（17BJY139）

An Optimization Method for the Complex Network Structure Combination in Collective Behavior

ZHANG Kai-qi^1,3, DU Hai-feng^2,3, WANG Jing-jing^2,3

1. School of Economics and Management of Chang'an University, Xi'an 710064, China;
2. School of Public Policy and Administration of Xi'an JiaoTong University, Xi'an 710049, China;
3. Center for Administration and Complexity Science of Xi'an JiaoTong University, Xi'an 710049, China

Received:2016-04-14 Revised:2016-10-17 Online:2017-12-20 Published:2018-02-10

摘要/Abstract

摘要： 集群行为中的人际互动关系可以通过复杂网络结构予以表示，以特定结构特征为目标的结构合并优化问题对于研究集群行为具有很好的应用价值。本文通过数理模型分析，以最小平均路径长度为优化目标，以不同连边策略为变量构建了复杂网络合并优化模型，提出了启发式遗传算法的网络结构合并优化SCOA算法。最后，针对不同复杂网络模型进行实验与仿真，讨论集群行为群体合并的一般策略与相关特征。研究发现，不同的连边规则对网络结构合并性能有显著影响，网络结构合并优化问题客观存在；本文提出的SCOA算法优于现有的同配性连边规则、异配性连边规则与随机连边规则；其所得的连边规则是一个包含同配连边规则与异配连边规则的混合连边规则。本文研究为集群行为中解决群体隔离问题提供了新的分析思路与方法。

关键词: 集群行为, 复杂网络, 网络结构, 结构优化, 结构合并算法

Abstract: The interpersonal relationship in collective behavior can be denoted as the complex network structure. Changes of network structure will influence characteristics and functions of network. Such changes, with the characteristics and functions of network structure as optimal objectives, can be defined as the optimization problem of network structure. The combination of network structure is a common way of network changes, and the combination with a certain kind of structure characteristics is a practically significant optimization problem. Through the description of the mathematical model on the optimization problem of combination of network structure, the optimization problem with the average path length is solvable and sociologically significant. Thus' based on the genetic algorithm, a corresponding optimization is proposed on the combination of network structure. It is found through the experiment of the combination of random network models that the different connected rules have a marked impact on the performance of the combination of network structure, and the optimization problem of the combination of network structure does exist. While the results of proposed algorithms in this paper prove to be better than that of the existing connection rules, additionally, the connected rules of proposed algorithm is a mixed connection rule consisting of both assortative connection rule and disassortative connection rule.

Key words: complex network, network structure, collective behavior, structure optimization, structure combination algorithm

中图分类号:

F224.33

张锴琦, 杜海峰, 王晶晶. 集群行为中的复杂网络结构合并优化方法[J]. 中国管理科学, 2017, 25(12): 59-67.

ZHANG Kai-qi, DU Hai-feng, WANG Jing-jing. An Optimization Method for the Complex Network Structure Combination in Collective Behavior[J]. Chinese Journal of Management Science, 2017, 25(12): 59-67.

参考文献

[1] 罗植, 杨冠琼. 整体环境和个体关联对群体性事件产生与演化的影响[J]. 中国管理科学, 2015,23(3):159-167.

[2] 于建嵘. 当前我国群体性事件的主要类型及其基本特征[J]. 中国政法大学学报, 2009,14(06):114-120.

[3] Tajfel H. Social identity and intergroup relations[M]. Cambridge:Cambridge University Press,2010.

[4] Newman M E J. Networks:An introduction[J]. Oxford:Oxford University Press,2010.

[5] Kivelä M, Arenas A, Barthelemy M, et al, Multilayer networks[J]. Journal of Complex Networks,2014,(2):203-271.

[6] Holme P, Newman M E J. Nonequilibrium phase transition in the coevolution of networks and opinions[J]. Physical Review E, 2006. 74(5):1-5.

[7] Wang Yang, Charabarti D,Wang Chenxi, et al. Epidemic spreading in real networks:An eigenvalue viewpoint[C]//Proceedings of the IEEE Symposium on Reliable Distributed Systems, Florence,Italy,October 6-8,2003.

[8] Pastor-Satorras R,CasteUano C,Van Mieghem P,et al. Epidemic processes in complex networks[J]. Reviews of Modern Physics, 2015. 87(3):1-62.

[9] Hanaki N, Peterhansl A, Dodds P S, et al. Cooperation in evolving social networks[J]. Management Science, 2007, 53(7):1036-1050.

[10] Wu Bin, Zhou Da, Fu Feng, et al. Evolution of cooperation on stochastic dynamical networks.[J]. Plos One, 2010, 5(6):e11187.

[11] Acemo?lu D, Como G, Fagnani F, et al. Opinion fluctuations and disagreement in social networks[J]. Mathematics of Operations Research, 2013,38(1):1-27.

[12] Chiong R, Kirley M. Effects of iterated interactions in multiplayer spatial evolutionary games[J]. IEEE Transactions on Evolutionary Computation, 2012, 16(4):537-555.

[13] 陈潭, 黄金. 群体性事件多种原因的理论阐释[J]. 政治学研究, 2009,(6):54-61.

[14] Dorogovtsev S N, Mendes J F F, Samukhin A N, et al. Organization of modular networks.[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2008,78(5Pt2):56106.

[15] Dorogovtsev S N, Mendes J F F. Evolution of networks[J]. Advances in Physics, 2002,51(4):1079-1187.

[16] 陈庭强, 何建敏. 基于复杂网络的信用风险传染模型研究[J]. 中国管理科学, 2014,22(11):1-10.

[17] 刘德海, 陈东, 黄静. 管理越位现象:医患群体性事件社会网络的稳定性与效率[J]. 中国管理科学, 2016,24(01):169-176.

[18] 刘德海, 王维国. 维权型群体性突发事件社会网络结构与策略的协同演化机制[J]. 中国管理科学, 2012,20(03):185-192.

[19] Pan R K, Sinha S. Modular networks emerge from multiconstraint optimization[J]. Physical Review E, 2007,76(4):45103.

[20] Tan Fei, Wu Jiajing, Xia Yongxiang, et al. Traffic congestion in interconnected complex networks.[J]. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2014, 89(6):062813.

[21] Newman M E J. Assortative mixing in networks[J]. Physical Review Letters, 2002,89(20):111-118.

集群行为中的复杂网络结构合并优化方法

An Optimization Method for the Complex Network Structure Combination in Collective Behavior

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	谢赤, 胡雪晶, 王纲金. 金融危机10年来中国股市动态演化与市场稳健研究——一个基于复杂网络视角的实证[J]. 中国管理科学, 2020, 28(6): 1-12.
[2]	陈庭强, 周文静, 童毛弟, 刘海飞. 融合CDS网络的银行间信用风险传染模型研究[J]. 中国管理科学, 2020, 28(6): 24-37.
[3]	李守伟, 文世航, 王磊, 何建敏, 龚晨. 多层网络视角下金融机构关联性的演化特征研究[J]. 中国管理科学, 2020, 28(12): 35-43.
[4]	张奇, 李彦, 王歌, 朱丽晶, 胡滢, 王乐. 基于复杂网络的电动汽车充电桩众筹市场信用风险建模与分析[J]. 中国管理科学, 2019, 27(8): 66-74.
[5]	杨湘浩, 段哲哲, 王筱莉. 考虑遗忘机制的企业隐性知识传播SIR模型研究[J]. 中国管理科学, 2019, 27(7): 195-202.
[6]	邹星琪, 杨青. 基于项目网络支配和扩散关系的研发项目组合选择[J]. 中国管理科学, 2019, 27(4): 198-209.
[7]	庞晓波, 王克达. 国际金融危机潜在传染源的识别及其传染力分析[J]. 中国管理科学, 2018, 26(3): 43-50.
[8]	卞曰瑭, 李金生, 许露. 网络协调博弈策略下的股市羊群行为演化模型及仿真[J]. 中国管理科学, 2017, 25(3): 20-29.
[9]	王熹徽, 李峰, 梁樑. 救灾物资供应网络解构及结构优化模型[J]. 中国管理科学, 2017, 25(1): 139-150.
[10]	韩松, 苏熊. 中国商业银行结构效率研究: 基于复杂网络DEA模型[J]. 中国管理科学, 2016, 24(8): 1-9.
[11]	欧阳红兵, 刘晓东. 中国金融机构的系统重要性及系统性风险传染机制分析——基于复杂网络的视角[J]. 中国管理科学, 2015, 23(10): 30-37.
[12]	李军, 李向阳, 张佰尚. 自然异动下关键基础设施网络风险研究[J]. 中国管理科学, 2014, 22(9): 66-73.
[13]	张宏娟, 范如国. 基于复杂网络演化博弈的传统产业集群低碳演化模型研究[J]. 中国管理科学, 2014, 22(12): 41-47.
[14]	张来军, 杨治辉, 路飞飞. 基于复杂网络理论的股票指标关联性实证分析[J]. 中国管理科学, 2014, 22(12): 85-92.
[15]	段文奇. 基于复杂网络的第三方电子商务平台临界用户规模研究[J]. 中国管理科学, 2014, 22(12): 93-101.