基于局域世界演化的BBV模型研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 95-98.

基于局域世界演化的BBV模型研究

周健1，李世伟2，程克勤1，2

1.合肥工业大学信息与网络中心，合肥 230009
2.合肥工业大学计算机与信息学院，合肥 230009

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

BBV weighted network evolving model research based on local-world

ZHOU Jian1，LI Shiwei2，CHENG Keqin1，2

1.Information and Network Center，Hefei University of Technology，Hefei 230009，China
2.Department of Computer and Information，Hefei University of Technology，Hefei 230009，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 在BBV模型和局域世界模型的基础上，提出了一个具有局域世界演化的BBV模型，该模型考虑了局域世界内部加点，加边，局域世界内外加边以及局域世界内减边四步操作。根据理论分析，导出了该模型的节点权值分布。通过合理地设置参数，该模型能自组织演化成幂律指数在2～3范围内的无标度网络，这与现实中的许多复杂网络相吻合。数值仿真验证了理论分析的正确性。因此，该模型更具有一般性。

关键词: 复杂网络, BBV模型, 局域世界, 幂律

Abstract: Based on the BBV scale-free model and the local-world model，the BBV weighted network evolving model based on local-world is presented which takes into account of adding and removing edges in the local-world，the weak links between the local-worlds.According to theory analysis，the strength distribution of nodes is obtained and the exponent of power-law can be adjusted between 2 to 3 with regulating the parameters，which accord with power-law exponent in the realistic networks.The numerical simulations prove the accuracy of theoretics analysis.This network model is a generic model.

Key words: complex networks, BBV model, local-world, power-law

周健1，李世伟2，程克勤1，2. 基于局域世界演化的BBV模型研究[J]. 计算机工程与应用, 2011, 47(14): 95-98.

ZHOU Jian1，LI Shiwei2，CHENG Keqin1，2. BBV weighted network evolving model research based on local-world[J]. Computer Engineering and Applications, 2011, 47(14): 95-98.

[1]	马满福，郭晨彪，李勇，张钟颖，张强，王常青. 基于结构熵的注意力流网络异构性研究[J]. 计算机工程与应用, 2021, 57(23): 98-105.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	李金海，何有世，张鹏. 融合情境语义推理及社会网络的团购推荐研究[J]. 计算机工程与应用, 2021, 57(18): 163-171.
[4]	陈杰，程胜，徐梦，史豪斌. 面向医疗辅助诊断的可视化多属性决策方法[J]. 计算机工程与应用, 2020, 56(8): 249-255.
[5]	王安，顾益军. 基于社区划分的节点重要性评估方法[J]. 计算机工程与应用, 2020, 56(8): 42-48.
[6]	赵亮，朱征宇. 融入K-核迭代因子的重叠社区发现算法[J]. 计算机工程与应用, 2020, 56(3): 61-67.
[7]	杜轻，辛守庭，雷新宇，于海涛. 基于脑网络和TSK模糊系统的癫痫脑电识别[J]. 计算机工程与应用, 2020, 56(2): 133-140.
[8]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[9]	蔡菲，张鑫，牟晓慧，陈杰，蔡珣. 深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用, 2020, 56(15): 153-161.
[10]	张昕，郭阳. 复杂网络中的一种介度熵抗毁性度量方法[J]. 计算机工程与应用, 2020, 56(12): 105-111.
[11]	盛津芳，刘家广，王斌. 基于Katz自动编码器的城市路网链路预测模型[J]. 计算机工程与应用, 2019, 55(8): 116-123.
[12]	姚蓉1，杨雄1，杨鹏飞1，阴桂梅1，2，李海芳1. 精分EEG脑网络同步稳定性研究[J]. 计算机工程与应用, 2019, 55(5): 60-64.
[13]	陈紫扬，张月霞. 结合二层节点度和聚类系数的链路预测算法[J]. 计算机工程与应用, 2019, 55(23): 40-44.
[14]	张昕，严沛，郭阳，王慧慧. 基于k-shell的复杂网络最短路径近似算法[J]. 计算机工程与应用, 2019, 55(14): 54-60.
[15]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.