BA无标度网络模型的应用及扩展

• 作 者: 刘美玲
• 出 处: 武汉理工大学
• 发表日期: 2004年期
• 关键词: 复杂系统 复杂网络 无标度网络 蛋白质二级结构预测 扩展

近几年随着人们对复杂巨系统认识的深入,对它不同层次上相对独立个体的属性和结构的研究,以及在分析工作中遇到的困难,越来越多地的发现其子系统之间存在着密切相互作用,种种依存关系,而且这些相互作用对于构成系统整体是很重要的。所以在计算机的高效计算能力的辅助下,在对于生态系统、internet、社会系统、生命系统等系统及其子系统这类开放复杂巨系统的观测基础上,人们开始重视系统部件之间的相互作用关系和整体性,在不同的领域进行了从整体出发的复杂网络理论研究。复杂网络理论是对不同领域的相对简单的网络拓扑结构进行观测的结果,而且,近几年的研究发现很多复杂系统均拥有无标度特性,即大部分节点只有少数几个连结,而某些节点却拥有与其他节点的大量连结。所以为了深入了解复杂系统,研究无标度网络成为一个必要。 无标度特性的发现突破了随机网络模型的束缚,使我们认识到各种复杂系统的网络结构,都遵从某些基本的法则,使我们看到了研究系统网络结构的普适规律的可能。它也使我们可能以复杂网络的拓扑特性研究为切入点,深入开展系统结构的研究。本文即着重从以下几个方面对无标度网络的代表模型——BA模型进行了概述和研究拓展: 一、无标度网络是一项最新兴起的系统分析工具,其普及性还不是很好。因此,有必要对其生成背景、生成机制、适用范围、统计特性及应用价值进行概述。这也是对其进行实际应用的理论基础。 二、蛋白质折叠结构预测是一项世界性的难题,面对能量函数的准确运用、构象空间中的上亿构象数必须要求有能处理大规模问题能力的工具来高效解决。但是,迄今为止的各种方法其预测精确度都还不是很理想。本文开拓性的运用新型的复杂网络理论于蛋白质结构预测研究中,并得到了一种粗粒化模型的较为精确的结果。 三、现有的无标度网络模型的典型代表——BA无标度网络模型是从现实网络中抽象而来的。但是,应用发现它对于指导现实有很大的局限性,所以为了使其满足更多现实系统的拓扑结构,本文对其算法进行了扩展。并依据二者静态统计量性质进行性态比较,证实了扩展后的模型的拓扑结构和发展状况更接近于现实网络,并且扩展模型生成网络的鲁棒性也更好一些。