《2016控制系统与仿真期末作业》由会员分享，可在线阅读，更多相关《2016控制系统与仿真期末作业（25页珍藏版）》请在金锄头文库上搜索。
1、1西南科技大学研究生试题单西南科技大学研究生试题单年级年级 20152015 专业专业 控制控制 、控工、控工 2015-20162015-2016 学年第学年第 1 1 学期学期 考试科目考试科目 控制系统仿真控制系统仿真 命题人命题人 王建伟王建伟 共共 1 1 页页 第第 1 1 页页 20152015 级研究生选修课级研究生选修课控制系统仿真控制系统仿真考核内容与方式考核内容与方式一、一、题目（结合自己的研究方向，从下面题目（结合自己的研究方向，从下面 2 2 题任选一题）题任选一题）1结合自己的研究方向，选择一种你认为和仿真课程相关的题目书写一 份报告。 （70 分）2采用 MATL
2、AB 编程工具,选取和研究方向相近的自命题，编写仿真程序， 理解掌握程序代码的含义、使用方法及其每个程序段的目的和功能， 给出仿真结果。 （70 分）二、二、提交要求提交要求 1提交打印报告及电子稿，附录部分提交程序代码及其曲线图、注明程 序功能，理解代码含义。 2报告提交时间地点：2016 年 1 月 12 日上午 9 点，综合楼 402。2选题:2.采用 MATLAB 编程工具,选取和研究方向相近的自命题，编写仿真程序， 理解掌握程序代码的含义、使用方法及其每个程序段的目的和功能，给出仿真 结果。自我情况介绍: 姓名：王桂山 学号： 专业：控制科学与工程 学院：理学院 TEL： 主要利用理
3、论:复杂网络的社团结构计算和应用 研究方向: 网络在自然界和人类社会中普遍存在，包括自然界中天然存在的星系、食 物链网络、神经网络、蛋白质网络；人类社会中存在的社交网络、传染病传播网络、知识 传播网络；人类创造的交通网络、通信网络、计算机网络等。 本论文注解着重介绍了复杂系统与网络中的社团网络结构的程序. 自命题: 复杂网络理论在恐怖分子社团分析中的应用 利用资源:绵阳市移动数据及相关数据资料(个人数据保密) 本项目从今年十月份开始，陆陆续续开展，中间出了很多的问题，程序修改了很多次， 每次任老师叫我过去亲自给我讲解，通过王建伟老师的的课堂，让我更加明确了自己的研 究方向，坚定了对科研的追求，
4、然而从零开始的，从基础开始，也是很困难的事情，但是 任老师没有放弃我，然后每次又都能从王老师课堂上得到很多的鼓励，使我能够有足够的 多的信心去继续下去。非常喜欢王老师的课堂，自由，活跃的课堂气氛，是难得的学习的 机会。导师: 任学藻教授： 导师简历 男，47 岁，硕士、教授、硕士生导师 主要从事凝聚态理论和理论物理和复杂网络研究研究 课题负责人:朱俊芳老师（博士） （筹备中）申请项目:自然科学基金 3复杂系统与网络在社团中的应用姓名:王桂山 学号: 班级:2015 级理学院 专业:控制科学与工程 Tel: QQ:摘要： 网络社团结构的研究是了解网络结构和功能的重要途径之一.本文对复杂 网络社团
5、结构问题进行了综述.文章介绍了复杂网络中社团结构的定义、探索社 团结构的算法及算法的评价标准和检验网络。重点总结与类比了具有代表性的 算法及 其在检验网络上得到的结果,并依据这些结果和评价标准对算法进行了 评述.之后部分地概括了原有算法在如权无向网络中的推广方法.最后对部分社 团结构算法的特点进行了横向的比较，对社团结构与网络功能的研究进行简略 介绍，并对社团结构研究的发展做出展望。 关键词： 复杂系统与网络；凝聚算法；分裂算法； 派系过滤算法； 普平均法；一、前言 意义 复杂网络研究的学者来自社会各个领域，研究复杂网络有着重要科学意义。 网络社团结构的研究是了解网络结构和功能的重要途径。实际
6、网络中都存在众 多的社团结构。为了寻找大规模复杂网络中的社团结构,人们提出了很多算法。 揭示网络中的社团结构，对于了解网络拓扑结构、分析网络特性、理解网络中 各个部分的功能、发现网络中隐藏的规律和预测网络的行为都尤为重要，而揭 示社团结构的方法就是利用网络中所已知的特性和信息，将看似无规律的网络 划分出隐藏在其中的结构。概念： 复杂网络是复杂系统的表现形式，由于这样的网络其节点数量规模较大， 而且节点与节点之间的联系较为复杂，所以这样的网络就被称为“复杂网络” 。 由于现存的大部分社团发现算法是基于网络的整体进行计算和划分，其缺点为 时间复杂度相对较高，并且其针对性也相对较弱。背景： 20 世
7、纪 90 年代以来,对于复杂系统与网络飞速发展。信息技术的快速发展 促进了系统工程和复杂性网络理论的迅猛发展，复杂网络技术便是其中之一， 它具备了强大的研究复杂事物角色、关系及其交互作用的能力。它既能直观展 现复杂系统各类要素的关联互动，又能够通过计算实现对复杂系统结构特征、 规律的深入分析，因此被广泛应用于各种学科和领域。近年来，学界关于复杂 网络的研究方兴未艾。近年来，随着对复杂网络特性的分析不断深入，探索网 络中的社团结构逐渐成为研究热点。 课题的研究现状4国际上有两项开创性的研究复杂网络的热潮，一是 Wats 和 Strogata2提 出的小世界模型（WS 模型） 。该模型既具有规则网
8、络的高聚类性，又具有类似 随机网络的小的平均路径长度。二是 Barabs 和 Albert 在 Seience 上发表文章， 提出了无标度网络模型（BA 模型） 。他们认为现实世界中大多数的复杂系统是 动态演化的，是开放自组织的，实际网络中的无标度现象来源于两个重要因素， 即增长机制和优先连接机制。 国内外学者复杂网络的研究主要集中在三个方面：大量的真实网络的实证 研究，分析真实网络的统计特性；构建符合真实网络统计性质的网络演化模型， 研究网络的形成机制和内在机理；研究社会关系复杂网络，对企业网络的生长 模型进行分析。二、正文 对社区网络结构发现领域进行一下的研究，参考了一本不错的书，书是国防
9、 工业出版社的孙玺菁教授的论文复杂网络算法与应用整理的，主要是对社 区发现的一些算法进行简单分析。一、基于模块度优化的社团发现算法，也就是优化模块度 Q 值的一部分算法。Q 值是由 Newman 在 2004 年的论文“Fast Algorithm for Dectecting Community Structure in Networks“中提出的(也就是 FN 算法)。 通过优化 Q 值来提高模块度是这类算法的主要思路，在此基础上，本 文又划分了三个类别： 采用聚合思想，也就是分层聚类中的自底向上的作法。典型算法有 Newman 快速算法(FN 算法)、CNM 算法(Finding Loc
10、al Community Structure in Networks)和 MSG-MV 算法(Multistep Greedy Algorithm Identifies Community Structure in Real-World and Computer-Generated Networks)等。 采用分裂思想，也就是分层聚类中自顶向下的方法。代表当然就是 Newman 的 GN 算法，但是 GN 的复杂度实在是高了些，所以 Newman 之后 提出的一种谱方法(Modularity and Community Structure in Networks)，吐槽一句 Newman 真的
11、是这方面的大牛啊。再吐槽一句， Newman 的本真是好，真是想买，但真是贵。！ 直接寻优法，这类算法的两个代表 EO 算法(Community Detection in Complex Networks Using External optimization)和整数规划 方法我还都没有看过，但是一些基于遗传算法和蚁群的智能划分方 法也属于此类。但是在 2007 年的论文“Resolution Limit in Community“中认为基于 Q 值的优化方法无法处理粒度小于一定程度 的网络，虽然后续跟进了一些优化的算法，但是此类方法在处理真 实网络时还是很难反映真实的社团结构。 二、基于谱分
12、析的社团发现算法。 这类算法的普遍方法是将节点对应的矩阵特征分量看成空间坐标，将 网络节点映射到多维向量空间去，运用传统的聚类算法将它们聚集成社团。 这种方法不可避免的要计算矩阵的特征值，开销很大，但是因为能直接使 用很多传统的向量聚类的成果，灵活性很高。5三、基于信息论的社团发现算法。 Rosvall 的两篇论文，“An Information-theoretic Framework for Resolving Community Structure in Complex Networks“和“Maps of Random Walks on Complex Networks Reveal C
13、ommunity Structure“分别运用了模 拟退火优化算法和随机游走的有效编码方式。 09 年的论文“Community Detection Algorithms:A Comparative Analysis“已经测试表明该方法是目前非重叠社团发现算法中准确度最高的。四、基于标号传播的社团发现算法。 Raghavan 基于网络的边很多时候代表信息的传播这一思想提出的 LPA 算法(Near Linear Time Algorithmto Detect Community Structures in Large-scale Networks)。LPA 算法首先为每个节点指派唯一标号， 在
14、每一 步迭代中, 每个节点将自身标号更新为其邻节点出现次数最多的标号，如 果存在多个相同的最多标号， 则随机选择一个作为更新值，若干次迭代后 密集相连的节点会收敛于同一标号，最终，具有相同标号的节点归为一个 社团。该算法时间复杂度为 O(m)，收敛速度非常快。“Towards Rea-l time Community Detection in LargeNetworks“中改进了标号更新规则，进一步 降低了计算开销。 对于非重叠社团的划分算法已经相对成熟，但是真实世界的网络和这 种理想状态相去甚远，经常有某些节点同时具有多个社区的特性，属于多 个社区，在这种状况之下，对于重叠社区的划分明显更有
15、意义更贴近真实 世界，也因此成为近年来新的研究热点。相应的，本文将重叠社区划分算 法分为以下几类： 一、基于团渗透改进的重叠社区发现算法。 Palla 的论文“Uncovering the Overlapping Community Structure of Complex Networks in Nature and Society“中提出的 CPM 算法是第一个能 发现重叠社区的算法，CPM 算法就不展开讨论了，如果是研究重叠社区发现 算法的话肯定是看过的。值得一提的是 Kumpula 在前人基础上提出的 SCP 算法(Sequential Algorithm for Fast Cliqu
16、e Percolation)较大的提升了 团渗透算法的速度。该类算法的问题这篇文章虽然也是简单的一说，但是 比之前某些人简单的用一个 K 值不好确定来敷衍了事要来的有意义的多： 基于团渗透思想的算法需要以团为基本单元来发现重叠，这对于很多真实 网络尤其是稀疏网络而言，限制条件过于严格，只能发现少量的重叠社团 (Identification of Functional Modules in a PPI Network By Clique Percolation Clustering)。 (后面还有几个类别，我觉得因为一个算法而划分为一个分类，实在是没有介绍 的必要，当然，也部分因为我觉得那几个我实在是理
