通过参考大量文献,系统整理了几类经典的传染病模型,并对传染病模型基本再生数的几种导出方法做了一个综述。文中综合了传染病动力学模型的分析方法和复杂网络理论,分别从基本再生数的定义,初始时刻染病者的单调性,正平衡点的存在性,无病平衡点的局部稳定性,即通过计算基本再生矩阵或者雅克比矩阵的特征值,数值模拟,这几个角度给出了基本再生数的导出方法,并举例说明了几类主要的传染病模型,特别是网络传播模型中基本再生数的计算方法,给出了基本再生数的特点,并对基本再生数时变的情况进行了具体分析。

观点极化现象作为社会系统中的一种集群行为,会对社会稳定产生重大影响,据此对观点极化研究现状进行系统性的梳理和总结。在回顾社会与政治领域中的观点极化概念和建模研究的基础上,提炼出导致观点极化的两种观点交互方式。从个体视角出发,重点探讨两种可能导致观点极化的社会心理效应——偏见同化和敌意媒体效应。提出不同领域的极化现象研究整合的关键在于个体观点或态度变化的内在机制。在研究展望中指出今后研究的重点之一是模型与现实数据的相互印证。

一般情况下, 我们面对的网络都是有益的, 但是有时候我们面对的网络也可能是有害的, 例如恐怖组织网络、疾病传播网络等。如何通过阻断、干扰、免疫、封锁、隔离等手段有效瓦解这些有害网络成为一个亟待解决的挑战性问题, 其核心是找到网络系统的关键节点(边)。首先给出了网络瓦解问题的数学描述, 在此基础上从基于数学规划、基于中心性指标、基于启发式算法、基于进化计算、基于机器学习等几个方面系统总结了运筹学、网络科学、计算机科学等领域关于复杂网络瓦解问题的研究进展, 最后分别从目标网络维度、瓦解模型维度、瓦解算法维度对复杂网络瓦解问题未来发展进行了展望。

复杂网络上的演化博弈是复杂网络与演化博弈结合而形成的新型交叉研究领域,它以复杂网络和演化博弈动力学分别刻画个体间的交互关联结构以及决策范式,为分析和预测复杂交互环境下群体的决策行为提供了一个系统的研究框架。旨在从一个计算的角度对复杂网络上的演化博弈动力学进行一个简要的综述:介绍复杂网络上演化博弈动力学模型的数学描述;分析网络上演化博弈动力学的计算复杂性;概述复杂网络上演化博弈动力学的若干主要解析结果等。这些结果是对于复杂网络上演化博弈动力学仿真研究的一个有效补充。

复杂网络鲁棒性增强是近年来网络科学领域的热点,探讨鲁棒性增强策略对于网络结构设计与功能改进有着重要的科学意义和理论价值。在广泛整理与系统分析国内外文献的基础上,从事前防御、事中恢复与事后优化3个方面,全面梳理了当前复杂网络鲁棒性增强研究的关注重点与主要思想,对比分析了不同策略的优缺点与适用性,最后总结展望了该领域未来的研究方向。

人类复杂行为模式下合作自发涌现的条件已成为多个学科关注的焦点,探讨合作产生的条件对于理解人类社会中的制度安排有着重要的科学意义和理论价值。社会困境博弈为研究多人合作问题提供了理论原型。演化博弈论作为一种包含参与人学习和策略调整过程的动态分析框架,目前已成为分析社会困境中合作演化最有效的方法。对采用演化博弈方法研究社会困境博弈中群体合作问题的研究进展进行了系统总结和评述。具体包括:社会困境博弈模型、演化博弈论及均衡分析方法的研究进展;奖惩机制和声誉机制下的社会困境博弈与合作演化研究进展;具有分离策略和剥削策略的社会困境博弈与合作演化研究进展;网络互惠下的社会困境博弈与合作演化研究进展。最后对这一领域可以进一步拓展的研究问题进行了展望。

为提高预测舆情演化趋势的能力,提出了一种基于改进狼群算法(IWPA)优化长短期记忆(LSTM)神经网络的舆情演化预测模型。采用Halton Sequence进行初始化,提高种群多样性;设计步长因子进行高斯-正弦扰动变换,提高狼群探索开发能力;结合鲸鱼优化算法中的螺旋改进围攻机制,增强狼群的局部搜索能力;引入记忆力机制,使用双向记忆种群增加狼群协同合作能力,将改进后的狼群算法应用到LSTM神经网络的超参数预测。采用“新冠疫情”和“食品安全”等关键词作为实例,证明了IWPA-LSTM神经网络舆情演化预测模型具有良好的准确性和普适性,适用于多种舆情演化的预测。

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。

运用NetLogo仿真平台,采用ABM方法设计仿真实验,研究了规则格子网络、无标度网络和小世界网络3种典型社会网络拓扑结构下合作的演化,比较何种网络更有利于合作的发生。引入网络规模、初始合作概率、背叛收益、邻居节点选择方式、交互规则等因素,研究上述变量如何影响合作的发生和持续,并比较其不同的演化结果,探讨如何设计有效的激励机制以维持和促进合作。实验发现:规则格子网络和小世界网络的共性更多,而无标度网络更有利于合作的进化。设计激励机制应充分考虑群体的社会网络结构影响,以制定出有效的激励机制,促使合作发生并得以持续。

链路预测中,基于随机游走过程的相似性指标往往设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对粒子转移概率的影响。针对此问题,提出一种有偏向的重启随机游走链路预测算法。首先借鉴有偏向随机游走过程,重新定义游走粒子的转移概率,然后将其运用到有重启的随机游走中,探究粒子在游走过程中节点度值对其转移的作用,最后在粒子有偏向转移的基础上,将提出的指标同6个经典的相似性指标进行对比。通过对6个真实数据集进行链路预测,结果表明:与无偏向性转移相比,有偏向性转移的预测算法具有更高的预测精度,且高于其他相似性指标的预测值。