本文選題：復(fù)雜網(wǎng)絡(luò) + 同步��； 參考：《物理學(xué)報》2017年06期

【摘要】：大規(guī)模網(wǎng)絡(luò)的同步問題是網(wǎng)絡(luò)科學(xué)的重要研究課題之一.粗�；椒ㄌ峁┝艘环N將大規(guī)模網(wǎng)絡(luò)轉(zhuǎn)化為小規(guī)模網(wǎng)絡(luò),同時又能較好地保持原始網(wǎng)絡(luò)的拓?fù)湫再|(zhì)或動態(tài)特性的研究途徑,其中比較有代表性的譜粗粒化方法能較好地保持初始網(wǎng)絡(luò)的同步能力.然而,譜粗�；椒ㄔ趯嶋H計算中計算量大、對實際大規(guī)模網(wǎng)絡(luò)可執(zhí)行性差.本文提出一種改進的譜粗�；惴�,能大幅減少計算量,同時獲得更好的譜粗粒化效果.通過理論分析和大量的數(shù)值仿真實驗驗證了所提改進算法的粗�；Ч陀嬎懔慷济黠@優(yōu)于原譜粗粒化方法.
[Abstract]:The synchronization of large-scale networks is one of the most important research topics in network science. Coarse-grained method provides a way to transform large scale networks into small scale networks while maintaining the topological or dynamic properties of the original networks. The representative spectral coarse granulation method can maintain the synchronization ability of the initial network. However, the spectral coarse-graining method has a large amount of computation in the actual calculation, and is poor in the performance of the actual large-scale network. In this paper, an improved spectral coarse granulation algorithm is proposed, which can greatly reduce the computational cost and obtain better spectral coarse granulation effect. Through theoretical analysis and a large number of numerical simulation experiments, it is verified that the coarse-graining effect and computational complexity of the proposed improved algorithm are obviously superior to those of the original spectral coarse-graining method.
【作者單位】： 桂林理工大學(xué)理學(xué)院;桂林電子科技大學(xué)數(shù)學(xué)與計算科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金(批準(zhǔn)號:61563013,61663006)資助的課題~~
【分類號】：O157.5

【相似文獻】

相關(guān)期刊論文 前1條

1 張佃中;;Lempel-Ziv復(fù)雜度算法中粗�；椒ǚ治黾案倪M[J];計算物理;2008年04期

相關(guān)會議論文 前2條

1 陳含爽;侯中懷;辛厚文;;復(fù)雜網(wǎng)絡(luò)上動力學(xué)過程的多尺度粗粒化方法的發(fā)展[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

2 張建國;郭洪霞;;系統(tǒng)粗�；椒ㄑ芯�5CB(4-n-pentyl-4'-cyanobiphenyl)液晶體系的相行為[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

相關(guān)碩士學(xué)位論文 前1條

1 侯威;基于復(fù)雜度的觀測數(shù)據(jù)的非線性時空分布特征[D];揚州大學(xué);2006年

，

本文編號：1878642