最佳化網路成長模型的理論研究

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：12

、訪客IP：18.191.228.88

姓名

鄭安良(An-Liang Cheng) 查詢紙本館藏

畢業系所

物理學系

論文名稱

最佳化網路成長模型的理論研究
(Theoretical Studies on Some Optimized Growing Network Models)

相關論文

★ Case study of an extended Fitzhugh-Nagumo model with chemical synaptic coupling and application to C. elegans functional neural circuits	★ 二維非彈性顆粒子之簇集現象
★ 螺旋狀高分子長鏈在拉力下之電腦模擬研究	★ 顆粒體複雜流動之研究
★ 高分子在二元混合溶劑之二維蒙地卡羅模擬研究	★ 帶電高分子吸附在帶電的表面上之研究
★ 自我纏繞繩節高分子之物理	★ 高分子鏈在強拉伸流場下之研究
★ 利用雷射破壞方法研究神經網路的連結及同步發火的行為	★ 高分子鏈在交流電場或流場下的行為
★ 驟放式發火神經元的數值模擬	★ DNA在微通道的熱泳行為
★ 皮膚細胞增生與腫瘤生長之模擬	★ 耦合在非線性系統中的影響:模型探討以及非線性分析
★ 從網路節點時間序列分析網路特性並應用在體外培養神經及心臟細胞	★ Predicting Self-terminating Ventricular Fibrillation by Bivariate Data Analysis and Controlling Cardiac Alternans by Chaotic Attractors

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

網路研究是一門非常重要的領域。網路可以描述我們世界中許多不同的系統，例如社會、生物、及科技網路等。如何找出最佳化的網路成長的模型是我們研究的目的。我們建構了許多不同的能量及限制條件的二維成長網路模型，運用 Metropolis 方法及 Simulated Annealing（模擬降火法）來執行模擬的工作。我們的目標是得到一個網路具有最小材料的消耗（例如網路的長度及能量）而同時間能夠得到最大的訊息內容。在這篇論文中，我們藉由不同的的能量及限制條件得到了許多不同特徵的網路，且在某些網路中觀察到了類似小世界網路及訊息內容的相變現象。我們對模擬出來的網路模型分析了許多網路性質，且進一步和一些真實的網路做比較。最後我們得到一些系統相圖，且發現到了一些和真實網路比較的有趣現象。

摘要(英)

Network research is important because complex networks can describe a wide variety of systems in our world. How to find a optimized growing networks is the purpose of this research. We construct models with different Hamiltonians and constraints for the growth of some two dimensional networks, and employ the Metropolis algorithm and Simulated Annealing to perform simulation. Our proposed model aimed at minimizing the material cost while at the same time maximizing the information content. In this thesis, we obtain different kinds of networks display small world characteristics. We also observe a possible phase transition phenomenon in the information content. We analyze many network properties of our results and go further to compare our model networks with some realistic networks. Finally, several "phase diagrams" for our model system are presented and it appears some interesting phenomena can also be found in realistic networks.

關鍵字(中)

★ 網路
★ 資訊理論
★ 最佳化
★ 小世界
★ 相互資訊
★ 相變
★ 成長

關鍵字(英)

★ network
★ information theory
★ optimized
★ small world
★ mutual information
★ phase transition
★ grow

論文目次

1 Introduction 1
2 Theoretical Backgrounds 3
2.1 Review of Some network theories . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Basic network properties . . . . . . . . . . . . . . . . . . . . . 4
2.1.2 The Erdos-Renyi Random graph . . . . . . . . . . . . . . . . . 5
2.1.3 Small world networks . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Information theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1 Basic concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Information transfer in complex networks . . . . . . . . . . . . 13
2.2.3 Correlation function . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.4 Degree entropy . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 Comparison with real networks . . . . . . . . . . . . . . . . . . . . . 17
2.3.1 Random electric circuit networks . . . . . . . . . . . . . . . . 17
2.3.2 Growing neuronal networks . . . . . . . . . . . . . . . . . . . 18
3 Simulation Methods 20
3.1 Monte Carlo Methods . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.1.1 Metropolis method . . . . . . . . . . . . . . . . . . . . . . . . 21
3.1.2 Simulated Annealing . . . . . . . . . . . . . . . . . . . . . . . 23
3.2 Model and Simulation details . . . . . . . . . . . . . . . . . . . . . . 24
3.2.1 The Hamiltonian . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2.2 The Constraints . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4 Results and discussion 28
4.1 γ= 0 Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.1.1 Simple case: No added constraint . . . . . . . . . . . . . . . . 29
4.1.2 No bond crossing network . . . . . . . . . . . . . . . . . . . . 32
4.1.3 Network grown with special searching characteristics . . . . . 39
4.2 λ= 0 Case . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2.1 Simple case: No added constraint . . . . . . . . . . . . . . . . 48
4.2.2 No bond crossing network . . . . . . . . . . . . . . . . . . . . 54
4.3 λ≠0, γ≠0 Case . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4.3.1 No bond crossing network . . . . . . . . . . . . . . . . . . . . 59
4.4 Comparison with some realistic networks . . . . . . . . . . . . . . . . 71
5 Conclusion 76

參考文獻

[1] D. J. Watts and S. H. Strogatz, Nature (London) 393, 440 (1998).
[2] R. Albert, A. L. Barabasi, Rev. Mod. Phys. 74, 57 (2002).
[3] S. Milgram, Psychology Today, 2, 60-67 (1967).
[4] A.L. Barabasi, and R. Albert, Science 286, 509 (1999).
[5] A.L. Barabasi, Z.N. Oltvai, and S.Wuchty, Characteristics of Biological Networks, Lect. Notes Phys 650, 446 (2004).
[6] C. E. Shannon. Bell Sys. Tech. J. 27: 379, 623 (1948).
[7] E.T.Jaynes, Phys. Rev. 106, 620 (1957).
[8] A. H. Carter, Classical and Statistical Thermodynamics. 376, (New Jersey, Pretice Hall, 2001).
[9] This figure takes from David J.C. MacKay, Information Theory, Inference, and Learning Algorithms, Chapter 8. (Cambridge University Press, 2003).
[10] R. V. Sole and S. Valverde, Information Theory of Complex Networks: On Evolution and Architecural Constraints, Lecture Notes in Physics, Springer-Verlag, 189-207 (2004).
[11] M. E. J. Newman, Physical Review E 67, 026126 (2003).
[12] K. I. Goh, E. Oh, B. Kahng, and D. Kim, Physical Review E 67, 017101 (2003).
[13] R. Ferrer, R. V. Sole, Lecture Notes in Physics, Springer (Berlin), 114-125 (2003).
[14] The detail about action potential, Heinrish Reichert, neurobiologie 2e, Chapter 1 (2004).
[15] K. Macleod, A. Backer, G. Laurent , Nature 395, 693-698 (1998).
[16] L. F. Lago-Fernandez, R. Huerta, F. Corbacho, J. A. Siguenza1, Physical Review Letters 84, 2758-2761 (2000).
[17] L.A.N. Amaral, A. Scala, M. Barthelemy, H.E. Stanley, Proc. Nat. Ac. Sci. USA 97, 11149-11152 (2000).
[18] N. Metropolis, A.W. Rosenbluth, M.N. Rosenbluth, A.H. Teller, E. Teller, J. Chem. Phys., 21(6):1087-1092, June (1953).
[19] H. Gould and J. Tobochnik, An Introduction to Computer Simulation Methods, Applications to Physical Systems, (Addison-Wesley, 1996).
[20] S. E. Koonin, Computational Physics: Fortran Version, (Addison Wesley, 1998).
[21] M. E. J. Newman, Siam Review, Vol.45, No.2, pp. 167-256 (2003).

指導教授

黎璧賢(Pik-Yin Lai)

審核日期

2006-1-11

推文