中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
復雜網絡的搜索策略與動力學行為模型 版權信息
- ISBN：9787030705112
- 條形碼：9787030705112 ; 978-7-03-070511-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
復雜網絡的搜索策略與動力學行為模型 本書特色
適讀人群 ：理工科大學高年級學生、研究生及其他科研工作者，自然科學和工程技術領域的研究人員本書著眼于復雜網絡搜索策略和動力學行為研究中已經取得的主要進展
復雜網絡的搜索策略與動力學行為模型 內容簡介
近年來，復雜網絡的研究領域不斷擴展，其應用領域也比較廣泛。本書著眼于復雜網絡搜索策略和動力學行為研究中已經取得的主要進展，介紹了筆者在復雜網絡領域研究的有關工作。全書包括9章，其中-2章介紹了復雜網絡的基礎知識和基本理論，第3-6章介紹了復雜網絡搜索策略、搜索引擎的設計與實現、搜索方法及藏文搜索引擎的設計，第7-8章介紹了復雜網絡動力學行為模型和應用案例，第9章對全書內容進行了總結與展望。 本書可供相關專業的研究生以及網絡信息搜索領域的科研人員參閱。
復雜網絡的搜索策略與動力學行為模型 目錄
目錄
前言
第1章 引論 1
1.1 引言 1
1.2 復雜網絡研究簡史 2
1.3 基本結構參量 3
第2章 相關理論及技術 7
2.1 復雜網絡理論概述 7
2.2 幾種智能路徑搜索算法 8
2.3 相關數學理論 11
第3章 面向藏文網頁的搜索策略 14
3.1 網絡模型 15
3.2 藏文網頁鏈接結構 22
3.3 基于PageRank的藏文網絡搜索 24
3.4 加速PageRank收斂算法 35
3.5 隨機初始吸引度演化模型 53
3.6 基于網絡爬蟲的數據搜索設計 64
3.7 本章小結 70
第4章 基于分布式爬蟲框架Scrapy的搜索引擎設計與實現 74
4.1 搜索技術介紹 74
4.2 數據爬蟲技術和搜索原理 79
4.3 Scrapy框架及Elasticsearch搜索引擎的概述 85
4.4 數據爬蟲及搜索引擎的實現 90
4.5 爬蟲測試與成果展示 114
4.6 本章小結 116
第5章 基于Lévy flight的搜索方法 118
5.1 冪律機制 120
5.2 空間和時間耦合的隨機搜索 122
5.3 布谷鳥搜索算法 134
5.4 改進的布谷鳥搜索算法 141
5.5 本章小結 151
第6章 藏文搜索引擎的設計 153
6.1 藏文信息搜索技術研究現狀 153
6.2 藏文分詞方法 153
6.3 藏文聚類方法 156
6.4 藏文網絡預處理 157
6.5 系統功能模塊 158
6.6 本章小結 160
第7章 復雜網絡動力學行為模型 161
7.1 應用背景 161
7.2 生成冪律分布的隨機變量 162
7.3 等分布網格算法 172
7.4 復雜系統中的數值方法 187
7.5 本章小結 193
第8章 基于Tempered Lévy flight的應用案例 196
8.1 動物的覓食行為 196
8.2 地震營救模型的建立 198
8.3 地震搜救過程模擬 203
8.4 本章小結 205
第9章 結論與展望 206
9.1 主要結論 206
9.2 展望 208
前言
第1章 引論 1
1.1 引言 1
1.2 復雜網絡研究簡史 2
1.3 基本結構參量 3
第2章 相關理論及技術 7
2.1 復雜網絡理論概述 7
2.2 幾種智能路徑搜索算法 8
2.3 相關數學理論 11
第3章 面向藏文網頁的搜索策略 14
3.1 網絡模型 15
3.2 藏文網頁鏈接結構 22
3.3 基于PageRank的藏文網絡搜索 24
3.4 加速PageRank收斂算法 35
3.5 隨機初始吸引度演化模型 53
3.6 基于網絡爬蟲的數據搜索設計 64
3.7 本章小結 70
第4章 基于分布式爬蟲框架Scrapy的搜索引擎設計與實現 74
4.1 搜索技術介紹 74
4.2 數據爬蟲技術和搜索原理 79
4.3 Scrapy框架及Elasticsearch搜索引擎的概述 85
4.4 數據爬蟲及搜索引擎的實現 90
4.5 爬蟲測試與成果展示 114
4.6 本章小結 116
第5章 基于Lévy flight的搜索方法 118
5.1 冪律機制 120
5.2 空間和時間耦合的隨機搜索 122
5.3 布谷鳥搜索算法 134
5.4 改進的布谷鳥搜索算法 141
5.5 本章小結 151
第6章 藏文搜索引擎的設計 153
6.1 藏文信息搜索技術研究現狀 153
6.2 藏文分詞方法 153
6.3 藏文聚類方法 156
6.4 藏文網絡預處理 157
6.5 系統功能模塊 158
6.6 本章小結 160
第7章 復雜網絡動力學行為模型 161
7.1 應用背景 161
7.2 生成冪律分布的隨機變量 162
7.3 等分布網格算法 172
7.4 復雜系統中的數值方法 187
7.5 本章小結 193
第8章 基于Tempered Lévy flight的應用案例 196
8.1 動物的覓食行為 196
8.2 地震營救模型的建立 198
8.3 地震搜救過程模擬 203
8.4 本章小結 205
第9章 結論與展望 206
9.1 主要結論 206
9.2 展望 208
展開全部
復雜網絡的搜索策略與動力學行為模型 節選
第1章 引 論 1.1 引 言 現實生活中的生物網絡、食物鏈網絡、互聯網、交通網、電力網絡、社會網絡等均擁有相對復雜的拓撲結構，其動力行為具有動態性和多樣性。Watts和Strogatz創造性地構建了小世界網絡（small-world networks）模型[1]以及Barabási和Albert構建了BA網絡演化模型[2]，由此掀起了復雜網絡的研究熱潮。 隨著工業和科技的快速發展，復雜網絡的形式和模型也在發生著變化。在這些不斷變化的不確定系統中，很多問題的解決方法和處理手段都有著共性。這些問題本質上都可以被看成是一個搜索問題[3]，我們可以把這些搜索問題歸結為復雜網絡中的搜索問題。傳統的網絡搜索[4]往往將固定系統作為研究對象，導致其無法滿足現有復雜網絡的實際應用需求。 復雜網絡中的節點屬性呈動態變化，因此，分析網絡的全局行為是非常困難的，對其進行研究具有很高的應用價值，科研人員也在不斷地尋求著高性能的搜索策略。目前的研究重點是怎樣使網絡搜索更加有效、準確與迅速。研究人員已經找到了社會網絡和隨機網絡（random networks）、規則網絡（regular networks）不一樣的拓撲性質。Watts和Strogatz設計了小世界網絡模型，使“六度分離”特性得到深入解讀，而實際網絡內的無標度特征被Albert發現。對復雜網絡進行搜索的算法有廣度優先搜索算法與深度優先搜索算法，這兩種搜索算法的搜索效率都不太理想，主要是很容易產生大量的查詢消息流量，造成網絡流量的急劇增加，從而導致網絡擁塞[5]或者是不符合用戶的需求。寬度優先搜索（breadth-first-search）是網絡中常見的搜索算法之一[6]，與隨機游走（random walk）算法屬于同一種深度優先搜索算法[7]，這兩種算法中，根據單個節點無法知道整個網絡的拓撲結構，甚至不知道目標文件存在的節點位置。*大度搜索（high degree searching，HDS）[8]是基于冪律的搜索算法。在每個節點都認識自己的鄰居并知道每個鄰居的度的條件下，應用*大度搜索策略在網絡中的節點上可以尋找指定的文件或者數據。 通過對復雜網絡搜索策略的研究，可以將相關的研究成果應用于解決現實中存在的很多問題（尤其是很多優化問題），這也是科研人員追求的目標。這有利于人們重新認識這個紛繁復雜的世界，并且更加清楚地了解和認識復雜網絡的特殊行為，使復雜網絡的理論和技術朝著有利于人類進步的方向不斷發展。 1.2 復雜網絡研究簡史 復雜網絡是近年來國內外學者研究的一個熱點問題。對網絡的研究*早可以追溯到18世紀偉大數學家歐拉提出的著名的“Konigsberg七橋問題”。隨后兩百多年中，各國的數學家一直致力于對簡單的規則網絡和隨機網絡進行抽象的數學研究。規則網絡因過于理想化而無法表示現實中網絡的復雜性，20世紀60年代，Erdos和Rényi提出了隨機網絡[6]。進入20世紀90年代，人們發現現實世界中絕大多數的網絡既不是完全規則的，也不是完全隨機的，于是提出了一些更符合實際的網絡模型。此時，國際上有兩項開創性工作掀起了一股研究復雜網絡的熱潮：一是Watts和Strogatz在Nature上發表了一篇文章，提出了小世界網絡模型，也稱WS（Watts-Strogatz）模型。該模型既具有規則網絡的高聚類性，又具有類似隨機網絡的小的平均路徑長度。二是Barabási和Albert在Science上發表了一篇文章，提出了BA（Barabási-Albert）網絡演化模型。他們認為，現實世界中大多數的復雜系統是動態演化的，是開放自組織的，實際網絡中的無標度現象來源于兩個重要因素，即增長機制和優先連接機制。 近年來，復雜網絡的研究已經成為很多領域，尤其是交叉學科領域的研究熱點之一。信息搜索是幫助人們快速、準確地獲取所需信息的技術。地理信息搜索是指在互聯網、數據庫或數字圖書館等數字資源中檢索跟地理位置有關的信息，并對搜索結果按某種方式進行排序，從而找到有用的信息。這些緊密相關的數據和信息可以用復雜網絡來描述，網絡中的節點往往只能通過相鄰節點的相關信息或者近鄰節點的局部信息進行搜索，而現實中的網絡通常是相當復雜的，加之人們對復雜網絡的拓撲結構和演化機制的認識還存在局限，很難像交通網中的一張地圖那樣準確標出各個節點之間的連接關系。因此，在復雜網絡搜索算法研究中，如何在提高網絡搜索速度的同時，增加搜索過程中所產生的有效信息，進而設計出更為行之有效的搜索策略，就成為科研人員不斷探討和深入研究的內容。 1.3 基本結構參量 隨著對復雜網絡的深入研究，人們提出了許多關于復雜網絡的概念和度量方法，用于表示復雜網絡的結構特性，現在普遍通過研究網絡的靜態統計量特征，來確定網絡的性質和實際意義。目前，用來刻畫現實網絡宏觀結構統計特征的靜態統計量主要有平均路徑長度、集聚系數、網絡的度與度分布、介數以及網絡彈性等。力求更加詳細和全面地描述復雜的現實網絡，尋找網絡的各種宏觀統計性質的微觀生成機制是網絡研究中極具意義和挑戰性的事情。 1.3.1 度分布 度分布是圖論和復雜網絡理論中的基本概念。一個圖（或網絡）由一些頂點（節點）和連接它們的邊（聯結）構成。每個頂點（節點）連出的所有邊（聯結）的數量就是這個頂點（節點）的度。度分布是對一個圖（網絡）中頂點（節點）度數的總體描述。對于隨機圖，度分布指的是圖中頂點度數的概率分布。 網絡的度分布是描述網絡性質的一個重要的靜態特征統計量。度分布是網絡的一個重要統計特征，是用來描述網絡局部特性的基本參數，用 表示。網絡中一個節點的度是指連接到這個節點的其他節點的數目[9]。節點 的度是與一個節點相關聯的邊的個數，對于有向網絡，節點的度又可分為節點的入度和節點的出度，其中入度是指向給定節點的弧的數量，出度是從給定節點出發的弧的數量。例如，在科技引文網絡中，節點的入度是指該文獻被引用的次數，節點的出度是指該文獻引用其他文獻的數量。網絡的度在不同的網絡中所代表的含義也不同，一個節點的度越大，則意味著這個節點在某種意義上就越重要。例如，在社會網絡中，網絡的度可以表示個體的影響力和重要程度，度越大，個體的影響力也就越大，在整個組織中的作用也就越大。 復雜網絡研究的一個重要內容就是要揭示所有節點的度所滿足的統計規律性。圖論中節點 的度為 ，用來表示節點 連接的邊的數目，所有節點 的度 的平均值被稱為網絡平均度，用 來表示[10]，公式為 （1.1） 其中， 和 分別表示網絡的邊數和節點數。 網絡中節點的度的分布情況可以用一個分布函數 來表示， 為一個隨機選擇的節點的度恰好有k條邊的概率，也等于網絡中度數為k的節點的個數占網絡節點總個數的比值。網絡節點度的分布函數反映了網絡的宏觀統計性質，理論上可以用度分布計算出其他表征全局特性的量化數值。 1.3.2 平均路徑長度 網絡中的兩個節點 和 之間的路徑長度 的定義為連接這兩個節點的*短路徑上的邊數[10]。在復雜網絡研究中，一般定義兩個節點之間的距離為連接兩者*短路徑邊的數目，網絡的直徑為任意兩個節點間的*大距離，而網絡的平均路徑長度是指所有節點對之間距離的平均值，它描述了網絡中節點間的平均分離程度，而且能夠較好地衡量復雜網絡的疏密程度，描述了網絡的隨機性和動態性。復雜網絡研究的一個重要發現是絕大多數大規模現實網絡的平均路徑長度比想象的要小得多，這被稱為小世界效應[11]。如果相對于隨機網絡來說平均路徑長度的值越大，則該網絡的動態性就越小，其隨機性也就越大。網絡中的任意兩個節點之間路徑的*大值被稱為網絡的直徑，即 。網絡的平均路徑長度 的定義為任意兩個節點之間距離的平均值，即 （1.2） 其中， 表示節點間距離， 表示網絡中的節點數。 1.3.3 集聚系數 集聚系數 也叫作簇系數，被用來描述網絡中節點周圍的連接情況，是網絡中的另一個重要參數。它衡量的是網絡中任意一個節點的鄰居節點之間相連接的平均可能性，即網絡的疏密程度。例如，在社會網絡中，你朋友的朋友可能也是你的朋友，或者你的兩個朋友可能彼此也是朋友。 集聚系數的計算方法[12]是，假設節點 通過 條邊與其他 個節點相連接，如果這 個節點都相互連接，那么它們之間存在 條邊，而這 個節點之間實際存在的邊數只有 的話，則它與 之比就是節點 的集聚系數，網絡的集聚系數就是整個網絡中所有節點集聚系數的平均值 （1.3） 這些現實的復雜網絡并不是完全隨機的，而是在某種程度上具有社會關系網絡中的物以類聚、人以群分的一些特性。 1.3.4 介數 在社會網絡中，有的節點的度雖然很小，但是該節點很可能是某兩個社團的中間聯系人，如果刪除該節點，就會導致兩個社團的聯系被迫中斷，因此該節點在網絡中起到非常重要的作用。對于這樣的關鍵節點，我們就需要定義新的衡量指標，由此引出了網絡的重要全局幾何量，也就是介數。 網絡的介數和度都是描述網絡拓撲結構的重要參數，不同之處在于節點的度描述的是單個節點或邊對網絡的影響。介數分為節點介數和邊介數[13]，節點介數為網絡中的所有*短路徑經過該節點的次數；邊介數的含義與節點介數的含義類似，是網絡中的所有*短路徑必須經過此邊的次數。介數反映了相應的節點或者邊在整個網絡中的作用和影響力，這對于在現實網絡中發現和保護關鍵資源具有重要意義。另外，網絡拓撲還有其他重要的特征，如大型連通分支的規模[14]是指圖中節點間相互連接的*大子圖的節點數，節點對之間的連接跳數[15]是指兩個節點之間的某條路徑中含有的中間節點數。 參 考 文 獻 [1] Watts D J， Strogatz S H. Collective dynamics of ‘small-world’ networks. Nature， 1998， 393(6684): 440-442. [2] Barabási A L， Albert R. Emergence of scaling in random networks. Science， 1999， 286(5439): 509-512. [3] Lv Q， Cao P， Cohen E， et al. Search and replication in unstructured peer-to-peer networks. ACM Sigmetrics Performance Evaluation Review， 2002， 30(1): 258-259. [4] Adamic L A， Lukose R M， Huberman B A. Local Search in Unstructured Networks. Handbook of Graphs and Networks. New York: ACM Press， 2003: 295-317. [5] Dijkstra E W. A note on two problems in connection with graphs. Numerische Mathematik， 1959， 1(1): 269-271. [6] Floyd R W. Algorithm 97: Shortest path. Communications of the ACM， 1962， 5(6): 345. [7] Cherkassky B V， Goldberg A V， Radzik T. Shortest paths algorithms: Theory and experimental evaluation. Mathematical Programming， 19
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我與地壇
- >
月亮虎
- >
莉莉和章魚
- >
山海經
- >
朝聞道
- >
龍榆生：詞曲概論/大家小書
- >
羅庸西南聯大授課錄
本類暢銷
