۱۳۹۴خرداد بهینه سازی ساختاری شبکه های پیچیده۵۳ از 1
بهینه سازی ساختاری شبکه های پیچیده
کارشناسی ارشدپایان نامه گرایش هوش مصنوعی
توسط:یاسین اروس خانی
:راهنمااستاد جناب آقای دکتر مهدی
جلیلی
ممتحن استاد :داخلی
جناب آقای دکتر حمید بیگی
ممتحن استاد :خارجی
جناب آقای دکتر مسعود اسدپور
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 2
فهرست مطالب
مقدمههای پیشینکار
شرح مسائل کنترل پذیریروش ارائه شدهنتایج شبیه سازی
جمع بندی و کارهای آتی
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 3
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
مقدمهوجود ساختار شبکه ای در زندگی روزمره
ساختارهای شبکه ای پیچیده در همه جا یافت می شوندوب•شبکه های برق•حمل و نقل•
وابستگی شدید جوامع مدرن به عملکرد درست این شبکه ها
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 4
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)ادامه(مقدمه
توانایی کنترل کامل این شبکه ها و حفاظت آن ها در برابر خرابی های عمدی و یا سهوی
کاربردهای کنترل پویایی شبکهشبکه های مغزی
شبکه های اجتماعیشبکه های حمل و نقل
همگامی و کنترل پذیری
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 5
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
همگامیکرم شب تاب
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 6
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیریشبکه های برق
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 7
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیریشبکه های اجتماعی
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 8
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)ادامه(مقدمه
تعامل سامانه های پویا بر روی یک شبکه
عدم توانایی کنترل تمامی راس های شبکه
وابستگی به ساختار شبکهرئوس محرک و ويژگی های آن ها
یال ها و ویژگی های آن ها
بهینه سازی ساختاری شبکه های پیچیده۵۳ از 9
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
هدف نهایی
کنترل با استفاده از رئوس محرک، ویژگی آن ها و ساختار شبکه
از 10۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کارهای پیشین
کنترل پذیریکنترل پذیری ساختاری
کنترل پذیری هدایتی
از 11۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیرییک سامانه ی پویا، کنترل پذیر خواهد بود چنانچه با
انتخاب مناسب از ورودی و آغاز از هر حالت، بتوان به حالت دلخواه در زمان محدود رفت.
اعمال ورودی به بعضی از رئوس سامانه
مشکل های پیشرو در کنترل پذیریساختار سامانه ی مورد بررسی
نحوه ی ارتباط پویایی میان مولفه های آن سامانه در گذر زمان
از 12۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیمعادله رفتاری هر راس
x بردار حالت :dبعدی F)( معادله پویایی هر سامانه :
: قدرت متصل کنندگیL( ماتریس الپالسین :=L=D-A)Hماتریس افکنش :
از 13۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیحالت مرجع وابسته به زمان
s(t)برای هدایت به پویایی مرجع
: بهره کنترل بازخورد:مشخص کننده ی راس محرک
از 14۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیدر کنترل پذیری هدایتی، رئوس محرک این وظیفه را
برعهده دارند که تمامی رئوس شبکه، به حالت دلخواه s(t)هدایت کنند. جایی که
استفاده از مفاهیم همگامی، معادله ی رفتاری هر راس و تابع اصلی پایداری
از 15۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیCمقادیر ويژه ی ماتریس
معیار کنترل پذیری
برای کنترل پذیری باالتر، می بایست این معیار کمینه شود.با توجه به رابطه ی برقرار بین مقادیر ویژه، کمینه ی این مقادیر
یک است.
از 16۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتی Sorrentino روش برای انتخاب رئوس محرک پیشنهاد شده است.]دو
2007]
انتخاب تصادفی•انتخاب اکتشافی•
درجه• مرکزیت میانی• نزدیکی• ضریب خوشه بندی•
به وسیله ی روش های باال، سعی بر پیداکردن بهره ی بازخورد و تعداد رئوس محرک دارد.
از 17۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیBarabasi-Albertشبکه
دو یال اضافه شده در هر گامانتخاب رئوس محرک به صورت
(p=0.1تصادفی )
معیار کنترل پذیری بر اساس]۷ قدرت های بازخورد متفاوت [
Barabasi-Albertشبکه دو یال اضافه شده در هر گام
۱۰بهره ی بازخورد = انتخاب رئوس محرک
مثلث: درجهمربع: تصادفی
معیار کنترل پذیری بر اساس]۷ تعداد متفاوت رئوس محرک [
از 18۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیتشخیص رئوس محرک با استفاده از الگوریتم های
[Jalili,2015]تکاملی
لزوما بهینه نبودن انتخاب اکتشافیانتخاب بهینه تر نسبت به انتخاب اکتشافی
در شبکه های ناهم جنس در توزیع درجه ها:نزدیک به رئوس با درجه ی باال
در شبکه های هم جنس در توزیع درجه ها:نزدیک به میانگین در ویژگی های مختلف
از 19۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتی Barabasi-Albertشبکه ی
۵۰۰تعداد راس =
معیار کنترل پذیری بر اسcاس ویژگی های شبکه ی Barabasi-Albert ]۱۰[
m=3شکل سمت راست:
B=0شکل سمت چپ:
از 20۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کنترل پذیری هدایتیBarabasi-Albertشبکه ی
۵۰۰تعداد راس = B=۰
ویزگی های متفاوت رئوس محرک بر اساس]Barabasi-Albert ]۱۰ در شبکه ی mویزگی
از 21۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله، شبکه ی مورد بحثG=(V,E)شبکه ی
Rمعیار کنترل پذیری شبکه وابسته به ساختار شبکه، رئوس محرک وl ویژگی های
آن ها
تعریف مسئله در پنج گامشبکه ی بدون وزن و بی جهت در گام اول، دوم، سوم،
چهارمشبکه ی وزن دار و بی جهت به عنوان خروجی در گام
چهارمشبکه ی وزن دار و جهت دار در گام پنجم
از 22۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله-گام اولفرض یکسان بودن تمامی قدرت های بازخورد)(
موقعیت رئوس محرک )(متغیر آزاد:{0,1 مقدار گسسته }
مشخص بودن تعداد رئوس محرک)(
و پارامترهایی هستند که می بایست مشخص شوند.
از 23۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله-گام دومفرض داشتن موقعیت های رئوس محرک)(
رئوس با مقدار باال در ویژگlی های مختلف•رئوس بهینه ی بدست آمده در گlام اول•
قدرت بازخورد رئوس محرک)(متغیر آزاد: مقدار پیوسته در بازه ی مشخص
و پارامترهایی هستند که می بایست مشخص شوند.
از 24۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله-گام سومفرض داشتن تعداد رئوس محرک)(
{0,1 - مقدار گسسته } موقعیت رئوس محرک )(متغیر آزاد: قدرت بازخورد رئوس محرک)( - مقدار پیوسته در بازه ی مشخص
و و پارامترهایی هستند که می بایست مشخص شوند.
از 25۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله-گام چهارمفرض داشتن موقعیت رئوس محرک )(
قدرت بازخورد رئوس محرک)(
شبکه بدون وزن بی جهت وزن یال ها )( - مقدار پیوسته در بازه ی مشخصمتغیر آزاد:
بردار وزنی است که می بایست بهینه شود.wکه
از 26۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
شرح مسئله-گام پنجمفرض یکسان بودن تمامی قدرتc های بازخورد)(
موقعیت رئوس محرک )(متغیر آزاد:{0,1 مقدار گسسته }
مشخص بودن تعداد رئوس محرک)(شبکه بدون وزن جهت دار
و پارامترهایی هستند که می بایست مشخص شوند.
از 27۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
روش ارائه شدهبهینه سازی
الگوریتم های بهینه سازیمعین•تصادفی•
الگوریتم های تکاملیژنتیک•اجتماع ذرات•کلونی مورچه ها•
الگوریتم گروهی گربه هافاز جستجو•فاز ردیابی•
از 28۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
مجموعه های دادهشبکه های حوزه ی برق
IEEEشبکه های محک شبکه های برق
شبکه های اجتماعیشبکه ی دوستی در فیس بوک
شبکه ی دنبال کنندگی / دنبال شوندگی در توییتر
شبکه های مصنوعیBarabasi-Albertشبکه ی Watts-Strogatzشبکه ی
از 29۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی فیس بوک(نتایج گام اول
500 1000 1500 20000
500
1000
1500
2000
2500
BetweennessDegreeClosenessOptimal
Nodes
R
از 30۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی فیس بوک(نتایج گام اول
از 31۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام اول
2 3 4 5 6 7 8 9 100
500
1000
1500
2000
2500
BetweennessDegreeClosenessOptimal
m
R
از 32۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای کوچک(نتایج گام اول
8 10 12 14 16 18 200
500
1000
1500
2000
2500
BetweennessDegreeClustering Coeff.ClosenessOptimal
p ( * 0.01 )
R
از 33۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام دوم
2 3 4 5 6 7 8 9 100
100
200
300
400
500
600
700
800
BetweennessDegreeClosenessOptimal
m
R
از 34۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای نتایج گام دوم
کوچک(
8 10 12 14 16 18 200
100
200
300
400
500
600
700
800
900
1000
BetweennessDegreeClustering Coeff.ClosenessOptimal
p ( * 0.01 )
R
از 35۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
(IEEE)شبکه های محک نتایج گام سوم
از 36۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
(IEEE)شبکه های محک نتایج گام سوم
از 37۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه های برق(نتایج گام سوم
France Spain Iran USA100
1000
10000
100000Phase1 - Betweenness Phase1 - Degree Phase1 - Clustering Coeff.Phase1 - Closeness Phase1 - Optimal Phase2 - BetweennessPhase2 - Degree Phase2 - Clustering Coeff. Phase2 - ClosenessPhase2 - Optimal Phase3
Power Grids
R (L
og)
از 38۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه های برق(نتایج گام سوم
از 39۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام سوم
2 3 4 5 6 7 8 9 100
100
200
300
400
500
600
700
800 Phase2 - Betweenness Phase2 - DegreePhase2 - Closeness Phase2 - OptimalPhase3
m
R
از 40۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام سوم
از 41۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای نتایج گام سوم
کوچک(
8 10 12 14 16 18 200
100
200
300
400
500
600
700Phase2 - Betweenness Phase2 - DegreePhase2 - Optimal Phase3
p ( * 0.01 )
R
از 42۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای نتایج گام سوم
کوچک(
از 43۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام چهارم
از 44۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی بدون مقیاس(نتایج گام چهارم
2 3 4 5 6 7 8 9 100
50
100
150
200
250
Comparison Between Various Selections for Driver Nodes
Degree - OptimalBetweenness - Op-timalOptimal - OptimalRandom - Optimal
m
R
از 45۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای نتایج گام چهارم
کوچک(
از 46۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه با خاصیت دنیای نتایج گام چهارم
کوچک(
8 10 12 14 16 18 200
20
40
60
80
100
120
140
160
180
Comparison Between Various Selections for Driver Nodes
Degree - OptimalBetweenness - OptimalOptimal - OptimalRandom - Optimal
p ( * 0.01 )
R
از 47۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی توییتر(نتایج گام پنجم
513 1043 1527 20530
20000
40000
60000
80000
100000
120000
140000
160000
180000
BetweennessInDegreeOutDegreeClustering Coeff.ClosenessOptimal
R
از 48۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
)شبکه ی توییتر(نتایج گام پنجم
از 49۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
جمع بندیبر اساس نتایج بدست آمده:
برتری روش بهینه سازی نسبت به روش های اکتشافی موجود
میانگین درجه ی رئوس محرک در شبکه های هم جنس و ناهم جنس
تاثیر قدرت های بازخورد یا بهره ی کنترلی
از 50۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
جمع بندیبراساس نتایج بدست آمده:
تاثیر وزن یا ل های شبکه در مسئله ی کنترل پذیری
توزیع نرمال در مقادیر وزن های شبکه
تاثیر درجه ی خروجی در شبکه ی جهت دارتاثیر انجمن در شبکه های اجتماعی
از 51۵۳
بهینه سازی ساختاری شبکه های پیچیده
مقدمه
کارهای پیشین
شرح مسائل کنترل پذیری
روش ارائه شده
نتایج شبیه سازی
جمع بندی و کارهای آتی
کارهای آتیبراساس سواالت مطرح شده در طول پژوهش:
تالش برای بهینه سازی تعداد رئوس محرکبررسی ویژگی های تاثیرگذار در قدرت بازخورد
بررسی دیگر کاربردهای کنترل پذیری
برقراری شروط مناسب برای تبدیل مسئله ی کنترل پذیری به یک مسئله ی محدب
از 52۵۳
بهینه سازی ساختاری شبکه های پیچیده
مراجع[1] Barabási, A.-L. , "Network science", Philosophical Transactions of The Royal
Society A, vol. 371, p. 20120375, 2013.
[2] Strogatz, S. H. , "Exploring complex networks", Nature, vol. 410, pp. 268-276, 2001.
[3] Liu, Y. , Slotine, J. , Barabasi, A., "Controllability of complex networks", Nature, vol. 473 , pp. 167-173 , Nature Publishing Group , 2011.
[4] Zhou, J. , Lu, J. ,Lü , J. Pinning adaptive synchronization of a general complex dynamical network, Automatica, Volume 44, Issue 4, pp. 996-1003, ISSN 0005-1098, 2008.
[5] Arenas,A. , Díaz-Guilera, A. , Kurths, J. , Moreno , Y. , Zhou, C., "Synchronization in complex networks", Physics Report, vol. 469, pp. 93-153, 2008.
[6] Jalili M., "Enhancing synchrozability of diffusivly coupled dynamical networks: a survey", IEEE Transactions on Neural Networks and Learning Systems, vol. 24, pp. 1009-1022, 2013.
[7] Sorrentino, F. , di Bernardo, M. , Garofalo, F. ,Chen, G. ,"Controllability of complex networks via pinning", Physical Review E, vol. 75, p. 046103, 2007.
از 53۵۳
بهینه سازی ساختاری شبکه های پیچیده
مراجع[8] Pecora L. M. , Carroll, T. L. , "Master stability functions for synchronized
coupled systems", Physical Review Letters, vol. 80, pp. 2109-2112, 1998.
[9] Wang, X. F. , Chen, G. "Pinning control of scale-free dynamical networks" Physica A 310, pp. 521–531 ,2002.
[10] Jalili, M, Sichani, O. Askari , Yu, X., "Optimal pinning controllability of complex networks: Dependence on network structure", Physical Review E, vol. 91, pp. 012803, APS, 2015.
[11] Lin, C.-T. , "Structural controllability" , IEEE Trans. Automat. Contr.19, pp. 201–208 , 1974.
[12] Chu, S.C , Tsai , P.W , Pan, J.S , "Cat Swarm Optimization", PRICAI 2006: Trends in Artificial Intelligence, Vol. 4099, No. 3, pp. 854– 858 , 2006.
از 54۵۳
بهینه سازی ساختاری شبکه های پیچیده
خیز تا بر کلک آن نقاش، جان افشان کنیمکاین همه نقش عجب در گردش پرگار داشت
با سپاس بی پایان از زحمات جناب آقای دکتر جلیلی
و قدردانی صمیمانه از جناب آقای دکتر بیگی و اسدپور
از 55۵۳
بهینه سازی ساختاری شبکه های پیچیده
با تشکر از توجه شما
?