复杂网络分析篇(1)

【关键词】拓扑；计算机网络；复杂网络理论

复杂网络理论已经广泛应用于人们的日常信息生活中，本文将对复杂网络的研究进展与基础知识进行介绍。复杂网络理论的研究工作自身则具有比较鲜明的跨学科特色，在研究过程中会遇到许多难点，本文重点探讨在网络拓扑应用中，复杂网络理论的模型与特性。

1复杂网络理论

复杂网络即是一种具有内部相似性、有组织的网络形式。复杂网络的复杂性体现在以下六个方面:第一，结构复杂，复杂网络内部包含了数量巨大的网络节点，对各个网络节点进行排列与组合可以形成不同类型的网络结构，不同结构所体现出来的特征也是多种多样的;第二，网络进化。网络进行即网络节点消失或产生的过程，比如链接或网页可能随时出现或消失，其根本目则在于提高复杂网络的实用性，体现出网络进化的特点;第三，连接多样性。复杂网络中由于不同节点的特点不同，所采用的连接形式也存在较大的差异;第四，动力学复杂性。在不同结构特征的表现下，不同节点之间会体现出一定的复杂性特点;第五，节点多样性。节点作为网络中十分重要的组成部分是网络不中同事物的一个具体体现，由于不同计算机设备之间存在着巨大的差异，这就造成节点的差异，体现出节点多样性的特点;第六，多重复杂性融合。这种表现就是以上五点综合起来所形成的特点，这种综合性的特点直接决定了拓扑结构的特点。

2复杂网络理论的应用

2．1计算机网络同步行为研究

复杂网络中最常见的现象是同步行为，不同节点与网络拓扑之间在内部关系上也存在着比较明显的同步性倾向，然而对于部分特殊情况来说，同步行为可能并不利于提升用户的使用体验，甚至会对数据的储存与计算造成干扰。随着当前我国无线通信技术的不断发展，许多网络内部的信息需要由同一台路由器进行传送，不可避免地出现同步现象，所产生的同步行为包含两种，其中一种是路由信息同时生成，另一种是路由信息同时中止，第一种同步行为可能造成局域网络拥堵，另一种行为而会造成局域网络瘫痪。随着各大通信企业已经会对这方面的问题提出了大量的解决方案，但到日前为止，还能够哪一种方法能够彻底纠正同步行为所造成了危害。

2．2计算机网络拓扑行为的演化模型

当前世界范围内所广泛应用的网络拓扑模型主要包含两种，其中一种是局部演化模模型，另一种是复杂网络演化模式。通过自治域与路由器两个层面对拓扑结构进行刻画。在路由器层面，不同网络节点通过路由器体现出来，路由器设备的连接即是网络边际。在自治域层面，不同节点之间的连接通过边界网关体现出来。

2．3计算机网络拓扑模型的架设基础

计算机网络拓扑形态结构当中所具有的各种形态结构都需要图2拓扑结构在单独的搭建标准与适用环境中才能够发挥作用，在传输技术方面，网络拓扑结构主要包含两大类，分别是广泛散播方式与点对点传播方式，这两种传播方式都一定程度会干扰至计算机网络拓扑行为，即使要对网络形态与结构进行改良，也需要在数据资源充足的条件下才能够发挥出网络协议分析技术的调整作用，只有在数据库能够采集至网际间信息数据时，网络分析技术才能够投入应用。

2．4病毒防治方法

做好网络安全工作本质上就是综合运用各种手段解除病毒或是抵抗病毒，最大程度上将病毒对于网络的破坏降到最低限度。已往所采用的防毒措施是在特定网络病毒传播模型的基础上，平等对待全部网络节点，对网络内部的各个节点进行随机选取，然而这种防毒方法所体现出来的局限性是十分明显的，无法防止病毒进一步的蔓延。而单位计算机出现病毒感染的概率比较低，一旦发生感染，病毒侵犯的面积则可能会十分庞大，防御计算机病毒工作即是挑战也是机遇。利用复杂网络理论，程序设计人员可以制作一个病毒传播模型，依照人们对于病毒传播原理的有关见解，产生专门的拓扑结构，使网络拓扑结构与病毒传播原理相互作用，对病毒的蔓延起到阻止作用，其中重点的研究内容是延缓病毒传播速度与防御病毒两个方面。

3复杂网络理论的应用前景

复杂网络理论需要仍处于比较初级的发展阶段，但在人类对于网络世界的理解与认识上，复杂网络起到了理论丰富与知识拓展的作用。可以预见的是，在当前社会全面进行信息化时间的大背景下，复杂网络理论所发挥出来的重要作用是其他理论与技术不可替代的，计算机网络拓扑与复杂网络理论相结合，可以在未来一段时间内形成一套固定的规律并投入到技术应用中，在有关研究成果与应用经验的不断积累下，能够对现有的网络结构进行进一步的优化，提高网络信息传递效率，改善用户的网络信息应用体验。

4结语

计算机网络具有系统复杂性与规模庞大性两方面的特点，通过已往所采用的排列与组织方法很难理清庞大且复杂的网络拓扑结构。这就需要针对计算机网络的复杂性特点专门形成一套理论体系，即复杂网络理论，通过这种理论，人们可以通过一种更加快捷、更加简单的方式来刻画出计算机拓扑行为，使人们能够发现优化网络拓扑行为的方法，推动网络信息的合理化发展。

参考文献:

［1］张志鹏．基于复杂网络理论的计算机网络拓扑研究［J］．电子制作，2015，06(01):29～30．

复杂网络分析篇(2)

[关键词] 复杂网络 产业结构 投入产出

一、引言

网络可以用来描述从生物到社会的各类真实系统，其中节点表示真实系统中不同的个体或组织，而边则表示个体或组织之间的联系。近年来，国际科学界对复杂网络理论与实证的研究做了大量的工作，很多国际一流的刊物如Nature、Science等都陆续刊发了大量复杂网络的研究论文，研究所涉及的网络有：科学家合作网络、交通网络、神经网络、新陈代谢网络等。但综观这些论文，没有学者对产业结构进行分析和研究。

英国是世界经济强国之一，其国内生产总值在西方国家中居前列。2002年，英国经济规模居世界第四，是世界第二大海外投资国，同时是世界第四大贸易国。英国经济的发达与其产业结构有重要的关联。本文试图从复杂网络的角度对英国产业结构进行分析和研究。因此，本文以英国产业结构为研究对象，将产业结构抽象为由产业和产业间联系所组成的复杂网络，把产业看作是网络中的节点，将产业与产业之间的联系看作是网络中的边，计算网络的统计特征，分析其具有的复杂性，希望为我国产业结构的发展和优化提供决策依据。

二、英国产业结构网络

产业是同类企业的总和，产业结构由许多的产业部门组成，各产业部门之间相互依存、相互联系、相互作用，共同构成一个有机的整体。本文研究的英国产业结构网络由123个产业组成。所利用的数据来自英国2002年价值型投入产出表。为研究方便，对数据有以下说明：

1.不考虑本产业对本产业的中间投入，只有这样建立起来的网络才不是一个自环的网络。

2.引入消耗系数的临界值并进行无向化处理。临界值的计算过程如下：首先，计算出所有的直接消耗系数，其计算公式如下：

三、网络的相关统计特性

网络的相关统计特征有：平均最短距离、平均簇系数、度分布、度-度相关性、度-簇相关性、点介数。

1.平均最短距离

在英国产业结构网络中，最短距离表示任意两个产业之间最少的边的数目。整个网络的平均最短距离则是对所有节点对的最短距离的平均。其公式如下：

经过计算得到英国产业结构网络的簇系数为0.478，表现出聚集性。由于该网络同时具小的平均最短距离和较大的簇系数，因此可以认为它是一个小世界网络。

3.度分布

节点的度是指与此节点连接的边的数量，所有节点的度的平均值称为网络的平均度。网络中节点的度分布可以用分布函数p(k)来表示，p(k)被定义为随机地选择一个节点恰好有K条边的概率，或者等价地描述为网络中度为K的节点数占网络节点总数的比例。

根据英国产业结构网络的实际数据计算，可以得到网络的平均度为16.8，即每个产业平均连接17个其他的产业。英国产业结构网络的度分布，如图1所示。

图1为双对数坐标，横坐标表示点序号，纵坐标表示节点度。由图1可见，在这个网络中，节点度服从双段幂律分布，对所得数据进行双段拟合，得到的拟合斜率分别为-0.2778和-5.8826。

4.度-度相关性

度-度相关性表现的是节点之间相互选择的偏好性。一个节点i所有邻近节点的平均度记为

根据公式(3-7)可计算出123个节点当中的每个节点的介数Bi，点介数分布如图4所示。

由图4可知，点介数分布服从幂律分布，介数大的节点数目较少，介数小的节点数目教多，大部分节点的点介数均处在0.039832和0.01639之间，这些节点在网络中的影响较小。表中展示了介数值排名前10位的产业，由于点介数反映了其在网络中的影响力，那如果把表1中的任何几个节点或全部节点从网络中删除，则会极大地影响网络的运行。

四、结论与展望

以产业部门为节点的英国产业结构网络是一个小世界网络，具有短的平均路径长度和大的簇系数，且其度分布服从双段幂律分布。网络表现出负的度度相关性，表明度大的节点优先连接度小的节点。同时，此网络具有正的度簇相关性，说明度大的产业比度小的产业更倾向与集聚成团。

本文只是对英国产业结构网络无向性质的一个初步研究，在后续的研究工作中会深入研究边的方向及边权、点权对网络性质的影响。除此之外，还将对比各国的产业结构网络的性质，从而对各国经济的增长和同一产业的发展进行比较，进而能够采取措施促进整个经济的增长或单个产业的发展等。

参考文献：

[1]周涛柏文洁等:复杂网络研究概述[J].物理，2005，(1):31～36

[2]Newman M E J．The structure and function of complex networks[J]. SIAM Review，2003，45：167～256

[3]Wang X F．Complex networks: Topology, dynamics and synchronization[J].Int J Bifureation & Chaos, 2002,12:88～916

[4]Albert R，Barabasi A-L．Statistical mechanics of complex networks[J].Rev．Mod．PhyS，2002，74：47～97

[5]刘宏鲲周涛:中国城市航空网络的实证研究与分析[J] .物理学报，2007，(1):106～113

[6]郑金连狄增加:复杂网络研究与复杂现象[J].系统辨证学学报，2005，(4):8～13

[7]吴金闪狄增加:从统计物理学看复杂网络研究[J].物理学进展，2004，(1):18～46

复杂网络分析篇(3)

一、基于流量和距离的Internet网络模型（FDM模型）

在Internet中，新增加的服务器在进行选择连接时不仅要考虑当时网络的繁忙情况（网络的流量）以及节点的处理能力（点权），还要考虑到与服务器所在地区的物理距离，为此提出了一种基于流量和距离的Internet加权网络结构。在Internet网络中，每台服务器都看作是一个节点，服务器之间的流量看作是边权。在Internet中，不断有新的服务器加入的同时，增加一些新的连接，提高节点的服务能力。基于这些情况，笔者给出了一个Internet 网络演化模型。网络模型的构建过程如下：

1.初始设定

网络为给定no个节点，e0条边的网络，初始的e0条边没有重连。其中每条边的权值为wo。

2.增长过程

每一步向网络中增加一个节点k以及m（≤no）条新边。

3.偏好连接

连接节点的选择按照如下的偏好选择规则进行。

这里 ； ，α是一个参数；τ（i）表示的是节点i的邻居的集合；距离L（u,v）用Kleinberg网络模型中的网格距离 来定义。依据“就近原则”，选择距离新增节点k较近的节点进行连接的可能较大。随着α值的增加，新产生的节点与较近的节点之间相连的概率就会越来越大。设新生成边的边权固定为w0。

4．边权值的动态演化

每个时间步网络中各节点的强度与边权值动态演化特征与BBV模型的边权值动态演化特征一致。节点 增加一条新连接后，节点与其邻居连边的权重受到影响，权值变化为：

重复以上过程，直到网络达到要求的规模。

二、基于复杂网络的Internet流量分析

1.FDM模型与BBV模型比较

按照FDM模型的生成方法，选择初始参数mo=eo=10，生成1000个节点的网络模型。选取50个具有较大度的节点作为模型中的中心节点，其余节点作为普通节点。每一次产生N=500个数据包，这些数据包的源节点和目标节点都在普通节点中随机选取，且保证源节点和目标节点不同。数据包允许在网络中传递的最大步数为T，循环产生10次不同的随机数据包，并将Dt的结果取平均后作为网络中数据流量变化的指标。

首先，假设网络中的每一个节点都具有任意的容量和处理速度，即每个节点队列都可以存储所有到达的数据包且可以一次处理完所有的数据包。从中可以知道，就整体而言，模型FDM中的丢包率要明显低于BBV中的丢包率。在BBV模型中，当T=4时，Dt；在FDM模型中，根据仿真结果表明，在T=4时，Dt=0.0020。与上面的数据相比，有大约3%的数据包将不能到达目标节点而被丢弃，这将直接影响到网络的数据包。这表明，在新模型FDM中数据传递比在BBV模型中更流畅。

2.节点的容量和处理速度对网络丢包率的影响

假设Internet网络中路由器的容量和处理速度都是有限制的，所以，在下面的仿真中给节点赋予了特定的值。

在普通节点的包容量和处理速度均为1，中心节点的包容量为8的情况下，可以画出丢包率Dt随v（v指的是中心节点的处理速度）的变化曲线。首先，从中可以得知，中心节点的丢包率随着中心节点的数据包处理速度的增加而逐渐减少，即网络中的流量得到了改善，但当处理速度逐渐增大到某一个值时，随着节点处理速度继续增大，网络的丢包率不再减少，而是稳定在一个很小的变化范围之内。需要说明的是，这一仿真结果并不表明中心节点的处理速度是影响网络的丢包率的惟一因素。由于初始配置中处理速度是制约节点性能的瓶颈，当进一步增加节点容量时，节点可以缓存更多的到达的数据包，然而依旧无法及时处理，因此，数据包会进一步缓存在队列中但同样无法及时到达目标节点，从而无法降低丢包率。

复杂网络分析篇(4)

关键词关键词：复杂网络；路由；层次分析法

中图分类号：TP302

文献标识码：A 文章编号文章编号：16727800（2013）007002303

0 引言

具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络[1]。自然界与社会生活中众多复杂系统都可用复杂网络来描述。近年来，关于复杂网络的研究正处于蓬勃发展阶段，其中复杂网络的传输能力与人们的工作生活关系密切，在现代社会中占据了非常重要的地位。因此，发生在复杂网络拓扑之上的各种动力学过程，如改善复杂网络路由效率以提高网络容量等问题，越来越多地受到统计物理学界和工程界的关注[1]。

1 相关研究

随着网络规模和信息量的大幅增加，拥塞现象成为现实网络中常见的动态特性之一。许多实际网络，如因特网、交通网络等经常发生拥塞，由此导致网络整体性能下降，甚至瘫痪。导致网络拥塞的主要原因有两方面：一是网络中传输的大量数据流（特别是并发数据）；二是网络本身的特性，包括节点容量、节点转发数据包能力、网络拓扑结构、通信链路带宽等。

目前，学者们通常用3种方式缓解网络拥塞的问题：一是使用特定的网络拓扑结构；二是提高单个节点转发数据包的能力；三是改进路由策略。第一种方法需要改变现有的拓扑结构，和第二种方法一样都存在成本高、资源浪费等问题。当网络规模较大时这些改变较难实现，单靠升级硬件能带来的改善效果也有限。因此，许多研究人员在改进复杂网络路由策略方面做出了很多有影响力的工作[1]。

广度优先[2]和随机游走[3]是复杂网络中最简单的路由策略，但它们没有考虑网络的拓扑结构，随着网络规模的扩大，网络中会产生大量的重复数据包，从而导致网络拥塞。因此，尽管它们在路由效率的理论分析中被广泛采用，在实际中却难以应用。目前，现实网络中的路由算法多采用基于最短路径路由算法[4]，但该算法要求所有节点都知道全局信息，只考虑了网络结构属性而忽略了网络中负载的动态特性。另外，上述研究都基于一种假设，即复杂网络的结构是单层的，所有节点在处理数据包能力等方面一致且每个节点等待队列的长度无限。但实际通信网络中，这些假设很难成立，需要依照实际设计综合考虑网络拓扑和负载动态等问题的更优化的路由策略[5]。另外，在网络的动态演进过程中，由于网络规模大，要每个节点都知道全局信息并不现实。因此，基于局部信息比基于全局信息的动态路由策略更易于部署实施。

在综合考虑网络中节点处理能力、空闲队列长度、聚类性、度等网络拓扑和动态负载参数的基础上，引入层次分析法[6]建模，提出了复杂网络中基于层次分析法的路由策略（Routing Strategy in Complex Network based on Analytic Hierarchy Process，简称RSAHP）。算法利用若干权重因子的组合来选取下一跳转发节点，其中权重因子的组合综合地反映了网络的拓扑属性和动态负载等当前状态。理论分析和实验证明，RSAHP具有如下良好性质：①分布式的网络路由策略在实际网络中易于实现；②具有自适应性，每个接收到数据包的节点在系统的观点下综合判断、决定下一跳转发点，通过合理选择下一跳有效地提高网络通信能力。理论分析和仿真实验表明，RSAHP比最短路径算法更能有效避免拥塞，并能进一步增强复杂网络的网络容量。

造成上述问题的主要原因是SPRS只考虑了网络拓扑结构属性而没有考虑网络中负载的动态特性，要传送的数据包也无法选择其它的路由路径，当最短路径中的节点发生拥塞时，SPRS会使拥塞节点更拥塞，从而进一步降低网络性能，甚至加速网络崩溃。而RSAHP在综合考虑网络中节点处理能力、空闲队列长度、聚类性、度等网络拓扑和动态负载参数的基础上，利用若干权重因子的组合来选取下一跳转发节点，综合地反映了网络的拓扑结构属性和动态负载等当前状态。理论分析和仿真实验表明，RSAHP比SPRS更适合大规模网络，更能有效避免拥塞，并进一步增加了复杂网络的网络容量。

参考文献：

[1] 臧海娟，任彦，薛小平等.复杂网络环境下的路由方法研究[J].计算机应用，2010（8）.

[2] SHARMA G，MAZUMDAR R R. Hybrid sensor networks： a small world[C].Proceedings of 6th ACM International Symposium on Mobile Ad Hoc Networking and Computing， 2005.

[3] 席峰. 基于复杂网络理论的无线传感器网络地理路由和信息融合.[D].南京：南京理工大学，2010.

[4] WU Z X，WANG W X，YEUNG K H.Traffic dynamics in scalefree networks with limited buffers and decongestion strategy[J].New Journal of Physics，2008（2）.

复杂网络分析篇(5)

复杂网络背景下的Java程序分析工具，大大提高了Java软件应用系统的前景，促进了软件行业的不断创新。本文就复杂网络背景下的Java程序分析工具进行概述，分析复杂网络背景下的Java程序分析工具JPAC的工作原理和结构，提出在复杂网络背景下Java程序分析工具的设计思想和方法。

【关键词】Java程序分析工具 复杂网络背景下 JPAC

网络信息技术的高速发展，使人们的生活向着自动化、智能化、信息化和现代，推动了我国经济的快速发展。复杂网络背景下的Java程序分析工具中，JPAC工具的应用，大大提高了Java软件系统的可靠性、稳定性和高效性，促进了现代化建设中软件产业的进一步发展。

1 复杂网络背景下的Java程序分析工具的概述

信息技术的发展使网络化环境变得越来越复杂，提高软件技术对系统的支持、管理和维护，成为了当前软件开发的重点，为了更好的开发软件，对复杂网络进行有效的管理，相关软件研发人员根据复杂网络的特点、性质和变化，提出了Java程序分析工具，以促进对Java程序代码的分析和复杂软件系统的研究。JPAC工具的开发和应用，为Java软件系统提供了复杂的网络环境，从而对Java系统软件的网络特征和变化进行深入的研究，促进Java软件系统在复杂网络背景下研究的不断探索和创新。

2 复杂网络背景下的Java程序分析工具工作原理和结构

2.1 JPAC工具的工作原理

利用JPAC可以进行大量的复杂网络研究，降低了研究人员的工作量，大大提高了Java系统软件的复杂网络化，使复杂网络的各种研究变得科学化和高效化。在Java系统软件的结构网络化中，可以运用软件协作图即构建JavaSCG，对Java系统软件的结构进行细致的描述，从而对Java系统软件的复杂网络特征和变化规律等进行分析和研究。另外，在Java系统软件的复杂网络化变化过程中，JPAC工具还可以采用软件演化模型进行Java系统软件复杂网络特征形成的全过程的模拟，从而提高对Java系统软件复杂网络的深入研究和分析。

2.2 JPAC工具的结构

根据对Java系统软件复杂网络的研究和演化过程的分析和对Java程代码的深入研究，可以更好地构建Java系统软件的复杂网络功能，促进软件研发人员对Java系统软件复杂网络特征和变化规律的认识。JPAC工具的结构可以分为以下三个部分：

2.2.1 数据分析

是数据分析层，与JPAC工具结构的其它部分相比，数据分析层是独立运行的，因此，可以根据实际的需求对数据分析层进行不同功能的添加，以提高JPAC工具的实际应用性。在JPAC工具中，数据分析层的作用主要是进行Java代码文件和XML文档的相互交换，并将Java代码文件和XML文档进行打包到网络计算机中，以提高Java系统软件的复杂网络功能。

2.2.2 数据运算

在JPAC工具中，数据运算层是可以进行扩展的层次，因此，可以扩大Java系统软件的应用范围，增强Java系统软件实际应用的高效性。数据运算是通过计算机来进行操作的，在数据分析层提供的网络功能上，进行数据的统计、计算和模拟等运算，实现JPAC工具的网络计算功能。

2.2.3 用户界面

用户界面是JPAC工具的最上层，与计算机操作者直接联系，可以实现JPAC工具的直接操作，将运算结果形象、具体的展示在用户面前，非常直观，使Java系统软件得操作变得可视化。

3 复杂网络背景下的Java程序分析工具的设计

JPAC工具的设计，根据JPAC工具的结构可分为三个方面：数据分析设计、数据运算设计和用户界面设计，以实现JPAC对Java系统软件应用复杂网络的构建，即构建JavaSCG。

3.1 数据分析设计

数据分析设计中，数据分析层主要包括分析Java代码、存取XML文档、计算机网络内部网络功能的生成三个功能，并且JPAC工具的设计中可以运用BCEL技术来进行字节码文的分析和DOM技术进行XML文档的分析。可以构建相应的网络，并进行储存，以提供给高层使用。数据分析层有五种类图：ProgInput、XMLParse、DataLayer、JavaBinDataLayer和RandomDataLaye，共同完成数据分析层的相关功能支持。其中，ProgInput是抽象的类图，可以对Java文件进行读入和解析的操作，实现Java文件的解析；XMLParse是运用的DOM技术对XML文档进行解析，从而实现XML文档的读入以及保存；DataLayer是一种抽象的类图，用于保存构建的网络；JavaBinDataLayer是具体的类图，用于保存Java系统结构构建的网络；RandomDataLayer是具体类图中的一种，用于保存随机网络。另外，用于Java代码读入的类图的含义主要有CustomVMConst和CustomJavaClassConst两种；用于XML文档的读入和保存的类图含义包括XMLConstruct、JavaBinConst和RandomConst三种。

3.2 数据运算设计

在JPAC工具的设计中，基于JavaSCG的构建，数据运算层可以进行多种运算，并根据实际的用户需求进行功能的扩充，因此，JPAC工具的数据运算层可以进行统计分析和演化模拟运算。

3.2.1 统计分析运算

在JPAC工具中，主要是通过元素级特征和网络级特征两个方面来进行JavaSCG的网络统计特征，因此，主要的类图有以下四种：一是，DegreeData可以用来达到度分布的统计，包含了出度、入度以及总的度分布，范围比较全面；二是，StaGraph用来统计网络级特征，包含了平均路径长度与平均聚集系数两个部分；三是，VertexSta用来统计元素级中的相关节点特征，包含了聚集系数、介数等的距离；四是，EdgeSta可以用来统计元素级中相关边的特征，它的主要包含是介数。

3.2.2 演化模拟运算

在JPAC工具中，演化模拟运算主要是运用于对软件模块的演化模型的演化模拟，便于软件研发人员对Java系统软件复杂网络特征和变化规律的深入研究。

3.3 用户界面设计

在JPAC工具中，用户界面的设计运用的是EclipseRCP框架，它具有运转速度快、功能强大、可扩展等特点，是RCP在Eclipse的基础上开发出来的一种客户端应用平台，使JPAC工具具备了以下几个优势：开发了插件功能，根据客户的要求，可以实现JPAC工具的扩展；由于Eclipse和Java具有跨平台的功能，因此，JPAC工具可以在多种平台下进行运行。与此同时，根据Eclipse提供的本地图形接口包，可以实现本地窗口的相关操作；随着Eclipse的开发和应用，JPAC工具的扩展性和实际应用性能得到了快速的提高，使软件研发人员对于对Java系统软件复杂网络的研究更加广泛。

4 复杂网络背景下的Java程序分析工具的实践

以Version1.5的JDK为例，使用JPAC工具的复杂网络统计特征进行计算（主要包括平均聚集系数和平均路径长度等指标）。通过对V1.5版JDK中Java包的分析可以得知：网络的中心节点的度数非常大，在中心周围也分布着少量度数较大的节点，小的节点则主要分布在网络的周围，进而表明了无标度特性的迹象。根据上述分析结可以推断出，IDK系统结构的网络具有小世界效应和幂律的度分布特征，证明复杂网络特征在JDK系统中存在。

由于JDK系统是常见的Java软件系统之一，因此，在一定意义上说明了在复杂网络背景下Java程序分析工具存在复杂网络特征。与此同时，通过相关应用、研究和分析，可以得出Java软件系统也具有演化的特性，为软件研发人员提供了有力的研究依据促进软件研发技术水平的不断提升。

5 结束语

信息技术的推广，使信息网络变得越来越复杂，给软件研发人员提出了更高的要求。JPAC工具的开发和应用，为Java软件系统提供了复杂的网络环境，软件研发人员对Java系统软件的网络特征和变化规律进行了深入的研究和分析，促进Java软件系统在复杂网络背景下研究的不断探索和创新。

参考文献

[1]李倩.Java程序指向分析研究[D].南京大学，2012.

[2]曹飞腾."Java程序设计"教学系统的设计与实现[D].湖南师范大学，2012.

[3]刘希.面向Java程序错误定位的动态切片技术的研究与应用[D].湖南大学，2011.

[4]杨克峤.Java程序优化与数据竞争检测的研究[D].复旦大学，2010.

[5]蒋曹清，应时，倪友聪，管华.一种Java程序Chopping方法[J].计算机科学，2011，01：150-155+161.

作者简介

岳珍梅（1975-），女，大学本科学历，硕士学位。现为许昌职业技术学院讲师。网络工程师，主要研究方向为网络技术。

张伟刚（1979-），男，硕士研究生学位。现为许昌职业技术学院讲师。主要研究方向为网络安全。

复杂网络分析篇(6)

关键词：社团结构特征 农业板块 复杂网络 创业板

复杂网络是针对巨型复杂系统，通过构建复杂网络模型对系统的基本拓扑结构，信息传播方式进行识别，从而研究系统的静态结构特征和动态发展演变的方法（汪小帆等，2006）。

本文针对复杂网络社团发现的特点选择有针对性的行业板块为一个研究对象，并选择具有代表性的阶段时间窗口进行分析，期待获得板块内部更有针对性的结果为投资组合的选择提供信息支持。

农业板块复杂网络模型构建

本文选择中国A股市场的农业板块作为研究对象。农业板块涉及农林牧副渔等行业属于国计民生产业，受到到国家政策支持，且行业发展现状相对稳定，适合进行行业结构分析。本研究选择通信达软件对板块的分类为标准，取其中农业板块包含的60只股票为元素。为保证行业结构分析的准确性本文选取两个时间窗口自2002年7月到2012年7月的长期时间窗口和以创业板发行为起点的短期期间窗口即2009年10月30日到2012年7月（受停牌和上市交易影响个股除外），以每个交易日的除权价格为研究对象。全文的数据处理通过R软件中igraph包，state4包，network包等软件工具按上述模型生成过程编程处理完成。

复杂网络模型的构建主要需要两个重要元素即网络的节点和各节点之间的边（line）。在板块网络模型之中，板块中的各个股票元素就是G（N，L）中的边（N）而各元素之间的相关系数就形成了股票之间的联系即网络中的连线（L）。所以板块复杂网络建模一般有三个过程：首先，确定板块中各个参与元素，确定节点。其次，选择元素相关系数指标（本文为农业板块价格波动率），计算指标间的相关系数，得到相关系数链接矩阵。再次，选择不同的阀值对链接矩阵进行噪音过滤，发现网络中的强联系从而形成固定的链接矩阵构造复杂网络。

假设在板块中包含N只股票（即有N个节点），第i只股票在T时刻的价格为pi（t），则在观测期[t0，t0+T]内任意时点t1可以得到该时刻的该股票价格的对数收益率为：

ri（t1）=lnpi（t1）-lnpi（t1-t） （1）

这样根据观测期的长短每只股票都可以形成一个波动序列Li，通过对T和t的控制我们可以选择波动率的长短周期，形成不同尺度的波动率网络，本文选择连续的波动收益进行研究。得到波动序列Li之后，可以对波动序列进行同时间段的匹配，从而为计算相关系数提供统一的时间窗口：

（2）

上式表明对股票i和股票j的波动序列进行时间匹配，得到两只股票同时交易时的交易序列数据。然后，通过配对的交易序列对股票i和股票j进行相关分析：

（3）

其中，-1

（4）

得到网络链接矩阵之后，本文将通过阀值法过滤弱联系形成最终的复杂网络模型Gθ（N，L）：

（5）

Gθ（N，L）由0，1组成，为无向无权网络。下文中如无特殊说明GLθ（N，L）代表长期价格波动网，GSθ（N，L）代表以创业板为时间窗口的短期价格波动网。

农业板块网络模型社团结构分析

（一）农业板块模型基本特征

基于模型的统计模拟结果，本文使用0.58为阀值控制网络噪音最终生成农业板块价格波动网络GLθ（N，L）。通过对模型网络的统计分析和与已有股市网络研究的统计结果比对（见表1）可得到农业板块模型的以下特征：

第一，长短期时间窗口形成的网络模型基本统计特征保持相对的稳定性都具有较小的平均最短路径和较大的平均度、聚类系数和幂律拟合值。

第二，不同时间窗口上农业板块呈现出极小的平均最短路径分别为2.29及1.64，而其聚类系数分别为0.65和0.60远大于同等规模的随机网络，且与其它研究中大盘网络呈现出一致的平均最短路径和聚类系数特征，所以农业板块呈现出典型的“小世界”特征。

第三，农业板块在设定阀值之下两个网络的度分布呈现出较好的幂律性质，幂律拟合值为-1.98和-1.76。且网络的平均度高达8.77和6.4，网络最大度分别为22和16，最大度远高于平均度，证明板块内部各要素有强烈的信息传播特征且网络中存在少数权重节点对板块有重要影响，所以农业板块呈现出显著的“无标度”特征。

（二）板块社团结构划分

为了认清板块内部各股票之间的关系，区分同类股票在板块类所组成的社团结构，本文运用随机漫步法对GLθ（N，L）网络进行社团分析，这里的社团是指在网络中联系较为紧密的群组，而随机漫步法是根据随机漫步理论在不同的步长阀值下对网络进行社团发现的方法，具有较好的搜寻效果。

表2对GLθ（N，L）网络的社团进行了划分，剔除少量异常社团后可以看出：第一，长周期农业板块形成了几个较为紧密的社团，其中大量股票集中于一个社团（二）说明板块内部的联系紧密程度高，这与农业板块的特征一致。第二，表2中黑体部分为创业板股票，板块（一）、（三）、（五）、（六）都独立形成社团且与大量常规股票划分在不同社团区，这说明在GLθ（N，L）网络中创业板股票明显分离于大盘股票之外，这表现出农业板块的价格波动在这两个领域有不同的特点。第三，GLθ（N，L）网络之中林业行业的股票都在本农业板块中独成体系，这说明林业行业的股票波动在板块内部自成特征。

由于如果单采用中长周期的时间阀值，可能造成板块中创业板股票由于观测样本与整个板块的时间周期差异而造成结果偏误，所以本文分阶段选择农业板块第一支创业板股票上市为时间周期，按照先前的分析方法再次对板块价格波动网络进行社团划分，结果如表3所示。

在这个GSθ（N，L）网络中，板块表现出一定的稳定性，通过图1中的对比也可以发现农业板块在长短周期呈现出一定的稳定性。虽然板块内个股社团结构有一定变化，但创业板股票在板块内仍表现出较高的独立性，且在该时期联系更为紧密，这说明在短周期内创业板块的价格波动联系更为密切且自成体系见社团（一）。GSθ（N，L）网络中林业股也同样存在着相同的异质性，且创业板中的个股"福建金森"的加入更加印证了这一特征。短期周期的板块内部细分更加明显，且行业相关性更强证明了其信息的时效性更显著。

（三）板块社团结构分析

在通过股票经济信息区分社团特点的情况下，本文对两阶段的GLθ（N，L）网络和GSθ（N，L）网络分别计算其各社团内部的平均相关系数发现：首先，GLθ（N，L）网络当中林业类股票所在社团（七）呈现最高的相关性，平均相关系数为0.721；创业板社团（一）、（三）、（五）、（六）的相关系数居中都大于0.6；其它社团相关系数均小于林业类股票和创业板块个股。其次，GSθ（N，L）网络当中同样林业类股票所在社团（五）呈现最高的相关性，平均相关系数为0.756；独成体系的创业板社团（一）的相关系数居中为0.675；同GLθ（N，L）相同，其它社团相关系数均小于该两社团。由此可知不同阶段的社团内表现出相同的结构特征，林业类社团和创业板社团内部股票连接层度较高，其内部影响更为集中，联系更为紧密，价格波动的传导强度也更大。此外，再对GLθ（N，L）网络和GSθ（N，L）网络中各社团之间的相关系数进行计算可得，创业板社团与其余社团之间的平均相关系数（分别为0.532和0.612）显著高于其它社团，这说明在农业板块的价格波动当中创业板社团起到重要的作用，这可能与创业板个股发行所引起的网络内羊群效应有关。且GSθ（N，L）网络中创业板的平均相关系数明显高于GLθ（N，L）板块，这说明，在短周期窗口中创业板表现出对板块更大的影响。因此，关注板块内创业板股票的变化会更好地把握农业板块的价格波动信息。

综上，本文研究发现在长短周期下农业板块内部创业板股票、常规农业股票及林业个股具有不同的价格波动特征，并形成了独立的社团结构；通过对社团内部和之间的平均相关性进行比较，发现了不同阶段农业板块内部联系最紧密的社团和影响强度最大的社团。不同时间窗口的网络信息将为投资者的投资组合构建提供更好的决策依据。

参考文献：

复杂网络分析篇(7)

自1960年起，随机图论一直是复杂网络的主要研究理论。到90年代末期，美国康奈尔大学的Watts和Srro-gatz通过文章《“小世界”网络的群体动力行为》建立了小世界网络模型，通过这个模型进一步揭示了复杂网络的小世界特性;1999年，Barabasi和Albert发表了《随机网络中标度的涌现》一文，该文进一步揭示了复杂网络的无标度性质，并建立了一个无标度网络模型。这两篇文章发现了复杂网络的小世界性和无标度性，开辟了复杂网络研究的新纪元。以这两篇文章的发表为起点，复杂网络的研究不仅仅局限于数学领域的研究，它开始涉及物理、系统科学、交通运输、机械制造和物流等多个领域的研究，为这些领域的研究发展做出了重大的贡献。本文将从四个方面对复杂网络理论在物流领域的应用进行论述。

2复杂网络在物流领域的应用

2.1基于复杂网络的物流网络的研究

在物流网络中各种各样的制约因素影响着运输、仓储、包装、流通和配送等各个物流环节，这种复杂性可以让我们运用复杂网络的研究方法去研究物流网络中存在的问题。在研究物流网络时，以各级影响因素为节点，对有制约关系的节点连边，根据各节点的性质赋予每个节点不同的边权，这时将该网络视为一个简单的加权网络，通过构建模型等方法，可以得出物流网络具有鲜明的无标度性质。目前，国内外学者运用复杂网络对物流网络主要进行了以下的研究:潘坤友等依据三轴和完全覆盖原则、时间最短原则、多重枢纽配置原则等构建了干线通道和支线通道，形成安徽沿江地区中心城镇“轴—辐”物流网络。董艳梅等认为城市节点作为区域物流网络系统的重要组成部分，应建构在经济中心城市或节点间的轴线(物流，信息流)之上。在应用复杂网络知识研究物流网络时，许多学者认为他的理论研究基础是，物流节点相互之间的关系并不是独立的而是相互依赖、相互作用的。杨广华等分析区域物流网络关系的程度中心性、中介中心性、凝聚性、核心—边缘结构性等结构关系指标，通过与其他数据结合分析，对区域物流结构进行优化。杨广华在其博士论文中以复杂网络理论为基础进一步对区域物流网络进行了研究，构建了区域物流网络节点优化模型和线路优化模型，为构建区域物流网络物流节点、线路、网络等提供参考。覃儒展等分析各个节点在整个物流网络中的重要程度，反映各个环节的瓶颈问题以及物流网络中节点的相互变化、市场的变化和环境的变化对物流网络的影响。通过以上文献综述可知:采用复杂网络理论可以有效补充物流管理领域宏观层面研究的不足。当代网络分析技术特别是网络模型分析技术取得了重大进展，通过研究网络整体运作及对网络整体进行模拟等，揭示出物流网络的结构。这些都对物流网络理论的研究提供了重要工具。在以后的研究中，复杂网络在物流领域可以重点研究各个物流节点之间的关系怎样影响以及在多大程度上影响网络成员的行为、物流网络整体发展对单个物流节点的限制和制约等诸如此类的问题。

2.2复杂网络在供应链中的应用

供应链在本质上讲它是一个开放的复杂巨系统，其复杂性体现在它的实体复杂性、结构复杂性和各环节相互联系的复杂性等。将复杂网络理论应用于供应链时，把核心企业、顾客和供应商作为节点，供应链中存在的物流、信息流、资金流和决策流等各种意义上的“流”作为网络的边，创建一个以复杂网络理论为基础的供应链网络。通过对这种网络的分析可知:复杂供应链网络的结构不是稳定的网络结构，它将随着外部条件的改变而改变。刘燕楚建立了集聚型供应链网络动态演化模型，分析了供应链网络的鲁棒性与不确定性、抗毁性的关系，最终从供应链视角提出了两种集聚型供应链网络的鲁棒性优化方案。刘小峰、陈国华分析了供应链网络在受到不同干扰以及有无局部联盟的情形下，供应链网络的稳定鲁棒性和性能鲁棒性表现，为实际进行供应链鲁棒性分析、提高其抗干扰能力、增强其鲁棒性提供了一定的研究思路。朱冰心等从评价网络结构、衡量网络效率、识别重要网络节点三个方面阐述了复杂网络在供应链应急管理中的应用前景。ChristianKuhnert发现城市的物资供应中，占少数的核心节点发挥重要的物资调度和配送作用，整个物资供应是一个无标度网络。叶笛认为，可以利用复杂网络理论来深入分析供应链系统整体运行规律和宏观行为、供应链网络的特征以及供应链网络动态生长演化规律。张纪会、徐军芹提出了基于复杂系统理论的适应性供需网的一个初步框架，并建立了其复杂网络演化模型。刘利军对煤炭的供应链特性进行分析，证明了煤炭供应链网络的复杂性和无标度性。郭进利建立了Poisson有向网络，通过对网络的研究发现有向网络的出度分布幂律特性受老节点之间相互连接的概率控制，但是入度分布与该概率无关。从以上文献综述可知，学者运用复杂网络理论在供应链的结构、网络等方面对其进行初步的研究，但是现有的研究一般只是证明供应链符合小世界特性、无标度特性，具有高鲁棒性等，没有给出具体的模型。随着复杂网络理论在供应链中的研究不断地深入，我们不应仅仅是建立一个供应链网络结构的描述性模型，还应朝着细化各种模型参数并量化模型的方向进行研究。

2.3复杂网络在配送网络中的优化研究

在利用复杂网络对配送网络优化的研究中，主要研究问题有道路最短研究、配送中心选址研究和配送路线优化研究三方面。薛艳肖通过对配送网络中的节点进行分类，基于无标度网络形成机理，建立了物流配送网络演化生长模型。运用平均场解析方法计算分析该模型的度分布函数，指出了配送网络具备复杂网络的无标度、小世界等特性。聂郁兰在研究配送网络时以复杂适应理论为指导，构建分析复杂物流配送系统的适应能力，为配送网络的研究提供新的研究思路和方法。张旭凤等通过计算分析发现第三方物流企业的配送网络符合无标度特性，为建立物流配送网络中的配送节点和客户节点的生成模型提供理论基础。从以上的文献研究可以看出，学者证明配送网络符合无标度网络的特征，同时利用无标度网络，进行了配送网络的建模和优化、从无标度网络的统计性质的角度进行分析构建复杂物流配送网络的模型等研究，但是现在国内外有关于复杂网络理论在配送网络中的应用还是很少。

2.4复杂网络在物流其他领域中的应用

武云霞以中铁快运行包快捷运输服务网络为例，证明了行包快捷货运服务网络具有小世界特性。白世贞、王文利从系统的自组织角度出发，通过构造吸引力函数，给出了各地区物流行业投资吸引力的计算方法。高义佳利用无标度网络模型，确定影响冷链物流网络抵抗各种随机或恶意毁坏的关键统计参数，并进行优化仿真分析，通过调整网络参数，改变网络结构，实现网络优化的最终目的。通过以上文献综述可以看出，学者运用不同的方式证明了冷链物流网络、集装箱运输网络和行包快捷运输网络符合无标度特性，并进行了相关的建模和优化。复杂网络在这些领域的研究还是相对较少，有关的研究也没有深入。