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。

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。

为了更好地揭示新冠肺炎(COVID-19)的传播机理,通过分析新冠病毒(2019-nCoV)的传播特性,考虑隐性潜伏者的自愈以及潜伏者的提前隔离,引入“入院隔离状态”,“隐性治愈状态”,考虑防控强度的变化,引入“发病状态”,提出了SEAIHR动力学模型。利用真实疫情数据,考虑不同阶段参数的变化,进行了多模型对比试验。实验结果表明,SEAIHR模型拟合和预测精度有明显提升,较经典模型在疫情前中期降低了34.4%~72.8%拟合误差,为疫情防控提供了参考与指导。

抗毁性分析是电网安全研究的核心内容之一,因传统分析方法无法有效分析故障产生的过程,对研究抗毁性存在局限性,基于复杂网络理论研究电力网络的抗毁性并以上海市崇明区为例实证分析。对电力网络随机攻击和蓄意攻击,得出攻击后网络效率和最大连通子图数量变化,并提出网络效率变化率作为评估抗毁性的参数。根据仿真结果,提出一种基于实时接近中心性优先攻击策略的分段式保护方案,提高电力网络的抗毁性,以保证电网安全。

为保证城市公共交通系统的正常运行,对其拓扑结构及韧性进行研究。依据城市公交与地铁之间的耦合距离,建立相互依赖的公共交通网络模型,通过深度学习对耦合网络的拓扑属性进行识别;结合熵权法与最优理想解距法提出节点综合重要性指标,根据节点重要性对节点进行择优恢复,对比不同恢复策略下的网络韧性。以武汉市公共交通网络为例,验证了该方法的适用性和准确性。

为揭示社交媒体中跨平台信息扩散的特征及影响因素,以昆山反杀案事件为例,利用统计推断和回归分析方法,研究了其他平台的信息在新浪微博中的扩散特征及相关因素。发现用户在微博的高信息量和获取信息的便利性之间权衡时更倾向于后者,跨平台信息的可传递性、基本再生数和扩散深度均显著小于非跨平台者。来自微信公众号、微博视频、微博文章和新浪新闻的信息在扩散深度和规模上相对其他类信息更有优势。与普通用户相比,认证为媒体和政务的用户从新闻平台转发的信息扩散规模更大。综合考虑信息的类型及来源平台能更好地理解突发社会事件在互联网空间中的传播,藉此有助于高效地引导或控制舆情演变。

新就业形态打破了传统就业模式。运用演化博弈思想,引入劳动者监管,构建平台组织—平台企业协同治理网络平台就业演化博弈模型,并进行仿真分析。演化结果表明,劳动者的监管力度显著影响平台企业自律行为与平台组织控制策略选择;强化劳动者监管更利于平台组织加强监管并改善平台企业行为规范;平台组织在网络平台就业协同治理中应充分发挥劳动者监管效用,实现相互信任和谐的平台组织—平台企业关系,促进劳动者有效就业。

为掌握新冠疫情传播规律、预测其发展趋势以及提供相应的防控依据,找到合适的COVID-19传染病动力学模型,采用SEIRV仓室模型,结合Conformable分数阶导数建立传染病动力学模型。利用数值方法来离散Conformable分数阶导数微分方程,求其数值解。对武汉市2020年1月23号到2020年2月11号的确诊数据进行数值仿真。 考虑武汉市政府在2020年2月12号对疫情数据进行了修订,新增数据将近14 000人。通过对SEIRV模型的阶数值进行修正,再对修订后的数据进行仿真。两次仿真结果与公布数据基本吻合。结果表明,相比于传统的整数阶模型,分数阶模型可以对修正后的数据进行仿真。这体现了分数阶传染病动力学模型的优势,并且能对COVID-19模型的预测提供一定的参考价值。

基于穿梭车仓储系统的“货到人”拣选系统中,料箱的出入库频率是影响作业效率的关键因素之一。当料箱中的货物充足时,同一批订单所需要的某一品项的料箱只需出库一次,尽量将相似程度高的订单分配到一个批次,可以降低料箱的出入库次数。为此,以料箱总出库次数最少为目标函数,建立了订单分批优化模型。针对模型特点,对遗传算法进行改进,设计了一种混合交叉策略,在精英保留的基础上,以一定的概率对每代的部分精英染色体进行局部搜索,以提高算法的收敛速度和求解精度。利用改进的遗传算法对模型进行求解,仿真结果显示,经过优化后,料箱的总出库次数得到减少,系统的拣选效率得到了提高,验证了所提方法的有效性。

协同是复杂网络上的传播过程的普遍现象,鉴于已有研究主要聚焦于连续模型,关于离散模型的研究相对较少,研究了两态(活跃或者怠惰)阈值模型,利用母函数方法重点考察了怠惰态个体之间协同对传播结果以及系统鲁棒性的影响。与不考虑协同相比,正的协同作用会促进传播,从而降低系统的鲁棒性;反之,负的协同作用会抑制传播,从而提高系统的鲁棒性。与均匀网络相比,非均匀网络上的传播受到协同的影响更大。