时间：2023-11-13 11:34:23
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇复杂网络分析，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
关键字：物流网络，复杂网络，复杂性
1.引言
物流网络是物流活动的重要体现，也是衡量物流活动有效性的重要指标。随着人工，仓租以及燃油费用的上升，企业要想有效地控制物流成本和提升服务客户的能力，就必须清楚地认识物流网络的结构和功能，以及合理地对物流网络进行管理，在达到满足客户需求的基础上最大程度地降低物流成本的目的，从而大大增加企业的价值。
物流网络系统是动态的复杂网络系统，是复杂网络系统的一个子集，因而它具有复杂网络系统的大部分特征。复杂网络理论的研究方法可以用来深入分析和准确研究物流网络系统运行的客观规律、物流网络系统的结构和功能以及物流网络系统的动态发展趋势和规律。
2.物流网络的研究现状
Mortiz Fleischmann等对不同行业的产品回收物流网络设计研究并概括产品回收网络的一般特征，并比较它们与传统的物流结构，此外，为不同类型的回收网络得出一个分类方案【1】。姚卫新等探讨了在电子商务环境下，为满足客户需要所形成闭环供应链物流网络的特点【2】。王建华等针对具有批量折扣和转运的供应链优化问题特征，提出供应物流网络的概念及其优化参数：节点、线路和流量【3】。杨光华等分析了区域物流网络的结构并阐述了物流宏观层面的特征，建立了基于加权网络的区域物流网络模型；从节点度和强度的分布、边的权重差异度等对区域物流网络的结构进行了定量分析【4】。吉迎东基于物流网络的整体性和动态性，分析了中国煤炭物流网络的特征【5】。韩舒怡等认为网络化是物流发展的方向，物流网络协同服务是物流网络化的主要表现形式之【6】。
从研究方法看，目前从复杂网络、复杂性来分析物流网络的研究较少，对物流网络系统的结构演化以及网络演化的内部规律探讨较少。从研究理论的视角来看，当前的研究往往基于静态、局部的视角，通常把物流网络系统的结构看成是相对稳定的、静止的，并试图优化网络系统中的物流、资金流和信息流，而没有充分注意到物流网络系统的动态适应性问题，没有从系统的整体运行规律上来考虑问题。在实际操作中，物流网络系统的结构是可根据企业的整体需要来改变的，目前的研究不能说明物流网络的形成演化机制，不同行业的物流网络为何有显著差别等问题。因此，有必要深入挖掘复杂网络理论、复杂性理论在物流网络分析中的应用价值。
3.物流网络的复杂网络特征
物流网络的小世界网络特征。研究表明：小世界网络具有高集聚系数和较小的平均路径长度。物流网络的聚集系数和平均路径长度反映了小世界的复杂性网络特征：
（1）平均路径长度是指网络中所有节点对之间的平均最短距离。网络中任意两个节点i和j之间的距离 定义为连接两个节点的最短路径。网络的直径为网络中任意两个节点之间距离的最大值，记为D= 。在无向网络中，网络中节点对之间最短距离的算术平均值为平均路径长度L，其公式为：L= 。其中，N表示网络中的节点总数。平均路径长度公式中包含了每个点到自身的距离（为0）。对于物流网络来言，平均路径可以表示产品交付给客户的时间也可以表示配送产品或者中间产品到客户的费用。随着商品生命周期不断缩短的同时客户对配送时间要求的提高，如何以最小费用、最短时间内将产品交付客户成为节点企业生存与发展的战略问题。物流网络中的任何一个节点企业为了在激烈的竞争中保持优势，必须做到以下几点：注重信息网络的建设，加快信息流通的速度，减少产品运输距离，提高自身协调和反应能力，建立配送物流中心，使物流网络具有较小的平均路径长度。
（2）聚集系数是衡量网络集聚特性的统计量，其定义有很多种不同的表述方式，本文介绍一个Watts等人提出的定义【7】： 假设网络中的某个节点i有 个节点与它相连，这 个节点就称为节点i的邻节点，这 个节点之中最多可能有 条边， 因此这 个节点之间实际存在的边数 和总的可能边数为 之比为节点i的集聚系数 ： = 。对于度为0或1的节点，上式中的分子和分母均为0，故认为集聚系数 =0。所有节点i的集聚系数 的平均值是网络的集聚系数C，记为：C= 。对物流网络而言，平均聚类系数是物流网络节点企业之间相互连接和交流的程度。随着计算机技术和互联网技术的高速发展，越来越多的企业应用信息技术和互联网建立连接，如ERP、EDI系统的使用等。通过信息共享，使得物流网络中各节点企业之间的联系更加紧密，交流更加频繁。因此，物流网络具有较高的聚集系数。
度分布是网络的一个重要统计特征，节点的度指是与节点连接的边数【8】。Barabdsi和Albert在1999年提出了著名的BA模型，准确地描述了无标度网络形成的机制。无标度网络最大的特点在于网络的度分布自相似性结构和存在节点度很大的节点。一个节点的度越大，表示它在网络中的重要性就越大。节点的度可以根据其邻接矩阵来定义，将其定义为： 。网络中节点的度分布可用函数P（k）来表示，它表示网络中任意的一个点，度值为k的概率。从统计学上来讲，即为网络中度数为k的节点个数与网络节点总数的比值：P（k）= 。其中， 表示网络中度数为k的节点个数，而N表示网络中总节点个数，即网络的规模。网络的节点平均度为网络中所有节点i的度 的平均值。从目前的研究来看，两种度分布较为常见：一种是指数度分布，P（k）随着k的增大以指数形式衰减；另一种分布是幂律分布，即P（k）- 。物流网络中，通常都有一个或者多个核心企业，众多的节点企业围绕核心企业建立的生产、营销、库存、配送网络体系，极大地体现了复杂网络的无标度性。近年来，基于低成本、高服务质量而建立的第三方、第四方物流的物流网络更是集中体现了复杂网络的无标度性。
4.物流网络的复杂性分析
首先，现实中的物流网络一般都有大量的节点数，其拓扑结构以及数量巨大的节点相互作用下“涌现”网络演化的规律和网络动力学的特性。物流网络中的节点数量不仅众多，而且各自的种类多样。从网络的拓扑结构来看，物流网络通常具有多层次性，由众多的子网络构成。子网络一层一层往下拓展，从而形成了复杂的空间拓扑排列，如图1.4所示【9】。
第二，节点之间的线路是不确定的。由于节点之间相互作用的关系是不确定的，那么节点之间的线路也是时刻在变化的。节点之间的线路意义很多，可以表示路径，也可以表示流量，还可以表示相互之间的策略选择等。物流网络内节点之间的连接是有机的，连接的方式是按节点企业之间的协议来进行的。从图上来看，物流网络内节点之间的连接是按非线性方式进行转化；连接各个节点的边所代表的内容多种多样，可表示配送线路的连接、有无库存供货的合作、合作的紧密度等，其连接方式呈现立体动态结构。物流网络内节点是相互影响，相互关联的，并逐步扩大为不同物流网络之间的相互连接、相互影响、相互作用，以复杂的耦合方式推动不同网络之间的演进，从而形成一个纷繁复杂的大世界。
第三，物流网络的动态性。物流网络是动态网络，而且网络具有实时动态演进的特征，这又导致了网络结构和功能的实时变化，并通过涌现和自组织的机理产生网络的复杂效应。物流网络随着时间的变化而变化，经过网络内部和外界环境的相互作用，不断适应、调节网络的结构和功能，同时通过自组织作用，整个网络向更高级的有序化发展，不断涌现出复杂网络独特的行为与特征。
第四，物流网络的运行环境是不确定的。物流网络的运行环境是瞬息万变的。从宏观环境来讲，经济、科技、信息的全球化使得信息的传播迅速且广泛，信息数量之多使得网络的反馈系统任务繁重。“牵一发而动全身”，由于宏观环境的任何一个细微的变化都有可能造成物流网络巨大的震荡。从微观环境而言，物流网络中的任何一个节点所处的外界环境都是不同的，而且每个节点对待环境的变化所持的策略和态度各异，因此对整个物流网络的作用而言是非常复杂且是不确定的。物流网络是开放的动态系统，它与外部世界相互联系、相互作用，系统与外界环境是紧密相关的。物流网络时刻与外界进行物质、能量、资源和信息的交换。只有通过交换，物流网络才能得以生存和发展。任何一个复杂网络，只有在开放的条件下才能形成，才能维持，才能发展。
第五，物流网络的自组织。物流网络都具有自组织能力，能通过反馈系统进行自控和自我调节，以达到适应外界变化的目的。物流网络一旦建立，在运行中无不表现出系统的自组织属性。物流网络的各个节点企业通过契约、合作、战略联盟等方式进行物流、资金流、现金流的交换，在市场的作用下进行物质和能量的交换，优胜劣汰。在物流网络系统远离平衡态的情况下，有些节点企业发展较好，获得的资源较多，技术力量也日渐雄厚；反之，有些节点企业在市场竞争的角逐下，日渐衰弱，从而推出原有的物流网络系统。
第六，物流网络的混沌性。物流网络也受自身结构和功能的种种参数约束。如物流网络中的牛鞭效应，充分说明了物流网络有时受初值的影响是巨大的，物流网络在动态演化的过程中，只要起始状态（初始值）稍微有一点点微笑的变化，这种变化会迅速积累和成倍地放大，最终导致物流网络行为发生巨大的变化。简单假设一个物流网络系统，这个网络只有1个零售商、1个批发商、1个分销商和1个制造商。零售商预测客户需求，然后向批发商订货，批发商向分销商订货，而分销商则向制造商订货，制造商根据分销商的订货量进行生产的同时保持一定的安全库存。如果客户需求是n，假设每个节点企业上的安全库存率是10%，那么零售商、批发商、分销商的订货量分别为1.1n， n， n，那么制造商的生产量应为 n（即为1.62n）。因为可以看出第1个时间段，制造商最后的产量是客户需求量的160%，那么第t个时间段，制造商的产量是客户需求的 倍，其中t大于等于1。因此，只要这个初始值n发生一个小小的变动，即可产生巨大变化。针对物流网络中产生的混沌效应，节点企业必须重视需求预测，信息共享，每个节点企业缩短供货的时间，尽量减少不确定性，建立战略伙伴关系，设置合理的安全库存。
第七，物流网络的稳定性。物流网络具有一定的稳定性，在一定的外界条件下能保证网络结构的稳定和基本功能的正常发挥，换句话说物流网络具有一定的抗干扰性，如网络的鲁棒性。网络的鲁棒性是指网络系统在一定的外界环境作用下，网络的某些结构发生变化、节点数量的增减或则是出现运行故障的情况下，网络系统仍能保持其正常的相关性能进行运转，网络系统的这种稳定的、自我调整、自我适应的能力称为“鲁棒性”。刘楚燕在她的硕士论文中提出集聚型供应链网络的内部存在多个核心节点企业，这些企业在战略、战术、资源和信息方面相互依赖、相互交互，以信息流、资金流、物流的交换方式构成一个复杂的供应链网络，而这种网络具有较强的鲁棒性【10】。浙江大学李刚的博士论文研究了供应链的网络鲁棒性，将鲁棒性具体分为静态鲁棒性和动态鲁棒性；关于静态鲁棒性，文中提出随机删除节点， 删除目标节点，随机删除连接边和删除目标连接边四种规则对其模拟研究，结果显示，供应链物流网络针对不同类型的破坏呈现出不同的鲁棒性能【11】。在物流网络中，由于受到突发事件的影响，如果有些节点不能正常运转，或者需要临时增加网络节点来满足需求，很多情况下，物流网络的整体运作是不受影响的，换句话说还是能正常完成其系统特有的功能的。这就说明，物流网络具有一定的稳定性。
随着经济、信息全球化的程度加深，竞争的加剧，内外部环境的不确定性增加，物流网络涉及到的节点企业越来越多，结构越来越复杂，功能的变化也趋于复杂。利用复杂网络的理论和复杂性理论来揭示物流网络的性质，研究物流网络的动态生成演化过程机制，探索物流网络节点企业之间的协调机制，分析各个节点的脆弱性、不确定性，以及整个网络的鲁棒性和适应性，以此来实现物流网络的优化。
参考文献
【1】Mortiz Fleischmann， Hans Ronald Krikke， Rommert Dekker， Simme Douwe P. Flapper. A characterisation of logistics networks for product recovery. Omega， Volume 28， Issue 6， December 2000， Pages 653-666；
【2】姚卫新.电子商务条件下闭环供应链物流网络的设计.管理科学.2005年06期；
【3】王建华，李南，徐斌.具有批量折扣的供应物流网络优化遗传算法研究.中国管理科学，2007年03期；
【4】杨光华，李夏苗，谢小良.加权区域物流网络结构分析.计算机工程与应用.2009年26期；
【5】吉迎东.煤炭物流网络风险分析与应对研究.物流工程与管理，2012年12期；
【6】韩舒怡，徐杰.物流网络协同服务影响因素的实证研究.物流工程与管理，2012年03期；
【7】Watts D J， Strogatz S H. Collective dynamics of 'small-world' networks[J]. Nature， 1998， 393：440-442；
【8】R.Albert and A.L Barabasi，tatistical mechanics of complex networks，Rev，Mod，Phys.74，2002；
【9】李靖， 张永安.复杂网络理论在物流网络研究中的应用.中国流通经济2011年第5期；
【10】刘楚燕.集聚型供应链网络的鲁棒性研究.浙江工商大学，管理科学与工程，2011，硕士；
【关键词】拓扑；计算机网络；复杂网络理论
复杂网络理论已经广泛应用于人们的日常信息生活中，本文将对复杂网络的研究进展与基础知识进行介绍。复杂网络理论的研究工作自身则具有比较鲜明的跨学科特色，在研究过程中会遇到许多难点，本文重点探讨在网络拓扑应用中，复杂网络理论的模型与特性。
1复杂网络理论
复杂网络即是一种具有内部相似性、有组织的网络形式。复杂网络的复杂性体现在以下六个方面:第一，结构复杂，复杂网络内部包含了数量巨大的网络节点，对各个网络节点进行排列与组合可以形成不同类型的网络结构，不同结构所体现出来的特征也是多种多样的;第二，网络进化。网络进行即网络节点消失或产生的过程，比如链接或网页可能随时出现或消失，其根本目则在于提高复杂网络的实用性，体现出网络进化的特点;第三，连接多样性。复杂网络中由于不同节点的特点不同，所采用的连接形式也存在较大的差异;第四，动力学复杂性。在不同结构特征的表现下，不同节点之间会体现出一定的复杂性特点;第五，节点多样性。节点作为网络中十分重要的组成部分是网络不中同事物的一个具体体现，由于不同计算机设备之间存在着巨大的差异，这就造成节点的差异，体现出节点多样性的特点;第六，多重复杂性融合。这种表现就是以上五点综合起来所形成的特点，这种综合性的特点直接决定了拓扑结构的特点。
2复杂网络理论的应用
2．1计算机网络同步行为研究
复杂网络中最常见的现象是同步行为，不同节点与网络拓扑之间在内部关系上也存在着比较明显的同步性倾向，然而对于部分特殊情况来说，同步行为可能并不利于提升用户的使用体验，甚至会对数据的储存与计算造成干扰。随着当前我国无线通信技术的不断发展，许多网络内部的信息需要由同一台路由器进行传送，不可避免地出现同步现象，所产生的同步行为包含两种，其中一种是路由信息同时生成，另一种是路由信息同时中止，第一种同步行为可能造成局域网络拥堵，另一种行为而会造成局域网络瘫痪。随着各大通信企业已经会对这方面的问题提出了大量的解决方案，但到日前为止，还能够哪一种方法能够彻底纠正同步行为所造成了危害。
2．2计算机网络拓扑行为的演化模型
当前世界范围内所广泛应用的网络拓扑模型主要包含两种，其中一种是局部演化模模型，另一种是复杂网络演化模式。通过自治域与路由器两个层面对拓扑结构进行刻画。在路由器层面，不同网络节点通过路由器体现出来，路由器设备的连接即是网络边际。在自治域层面，不同节点之间的连接通过边界网关体现出来。
2．3计算机网络拓扑模型的架设基础
计算机网络拓扑形态结构当中所具有的各种形态结构都需要图2拓扑结构在单独的搭建标准与适用环境中才能够发挥作用，在传输技术方面，网络拓扑结构主要包含两大类，分别是广泛散播方式与点对点传播方式，这两种传播方式都一定程度会干扰至计算机网络拓扑行为，即使要对网络形态与结构进行改良，也需要在数据资源充足的条件下才能够发挥出网络协议分析技术的调整作用，只有在数据库能够采集至网际间信息数据时，网络分析技术才能够投入应用。
2．4病毒防治方法
做好网络安全工作本质上就是综合运用各种手段解除病毒或是抵抗病毒，最大程度上将病毒对于网络的破坏降到最低限度。已往所采用的防毒措施是在特定网络病毒传播模型的基础上，平等对待全部网络节点，对网络内部的各个节点进行随机选取，然而这种防毒方法所体现出来的局限性是十分明显的，无法防止病毒进一步的蔓延。而单位计算机出现病毒感染的概率比较低，一旦发生感染，病毒侵犯的面积则可能会十分庞大，防御计算机病毒工作即是挑战也是机遇。利用复杂网络理论，程序设计人员可以制作一个病毒传播模型，依照人们对于病毒传播原理的有关见解，产生专门的拓扑结构，使网络拓扑结构与病毒传播原理相互作用，对病毒的蔓延起到阻止作用，其中重点的研究内容是延缓病毒传播速度与防御病毒两个方面。
3复杂网络理论的应用前景
复杂网络理论需要仍处于比较初级的发展阶段，但在人类对于网络世界的理解与认识上，复杂网络起到了理论丰富与知识拓展的作用。可以预见的是，在当前社会全面进行信息化时间的大背景下，复杂网络理论所发挥出来的重要作用是其他理论与技术不可替代的，计算机网络拓扑与复杂网络理论相结合，可以在未来一段时间内形成一套固定的规律并投入到技术应用中，在有关研究成果与应用经验的不断积累下，能够对现有的网络结构进行进一步的优化，提高网络信息传递效率，改善用户的网络信息应用体验。
4结语
计算机网络具有系统复杂性与规模庞大性两方面的特点，通过已往所采用的排列与组织方法很难理清庞大且复杂的网络拓扑结构。这就需要针对计算机网络的复杂性特点专门形成一套理论体系，即复杂网络理论，通过这种理论，人们可以通过一种更加快捷、更加简单的方式来刻画出计算机拓扑行为，使人们能够发现优化网络拓扑行为的方法，推动网络信息的合理化发展。
参考文献:
［1］张志鹏．基于复杂网络理论的计算机网络拓扑研究［J］．电子制作，2015，06(01):29～30．
【关键词】 复杂网络；中药复方配伍；核心处方配伍结构
方剂是中医临床治疗疾病的主要手段，是在辨证、立法的基础上选药配伍而成的。在辨证确定病机和通过立法确定遣药组方指导原则的前提下，方剂的配伍仍遵循基本的组方结构和药物配伍原则，进行“君、臣、佐、使”配伍，从而使各药形成“有制之师”，针对患者或证或病或症，达到整体综合调节的作用[1]，体现了方剂在中药饮片层次的组织原则。同时，药物配伍的原则如“七情合和”研究两个药物之间的功能组配关系，与方剂配伍形成互补性的组织原则。
在中医临床诊疗过程中，我们通过对临床处方数据的初期分析，并与临床专家的交流中发现，名老中医的临床复方的配伍规律主要体现在两个层次。第一层次为临床医生一般以经典复方(包括经方、时方和验方等)为基础进行临床处方；第二层次为在药证或药症关系基础上的药物随症加减处理。这两个层次的临床处方配伍过程形成了既有核心处方结构，又具有较大灵活性的处方集合。因此，通过对名老中医处方集的共性网络结构分析，能够发现体现其处方思维和临床特点的核心处方配伍结构，从而辅助进行名老中医经验的传承和整理研究。
复杂网络是当前科学界研究的热点问题[2]，诸如蛋白质网络、万维网、生态网、交通网和文献引用网等都具有非常有趣的统计特性。其中，除了小世界网络特性[3-4]之外，无尺度网络(Scale Free Network)[5-6]是一种具有节点度幂律分布现象的复杂网络，科学家对其动力学原理和应用问题的研讨已经成为相关科学研究的亮点。复杂合作网络如文献作者网等也具有无尺度网络的规律[7]。何氏等[8]把中药复方视为广义的合作网络是合适的。无尺度网络现象反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律。我们认为，网络中节点个体的分类特征、网络组织的角色需求和组织中元素的关系分类是其潜在驱动力。不同于何氏等[8]的研究结果，我们基于古方及当代临床复方数据的分析表明，中医药理论指导下的复方配伍过程具有无尺度复杂网络现象。这对中医药理论如复方配伍、药物相互作用以及药性理论等的研究提供了实证基础，为进行中医特色的科学研究提供了方法学启发。笔者利用复方药物配伍的无尺度网络规律，研究实现了基于图论网络分析的处方核心药物配伍知识发现方法。该方法在名老中医处方经验的分析中得到了较好的应用。
1 复方药物配伍网络的构建
我们把单个复方的组成药物(目前仅考虑药物组成，对药物剂量暂不考虑)为节点相互构成完全图。连接某两个不同药物的边的权重表示这两种药物在多个复方中被使用的频度。由此，一个较大的复方集合构建的药物配伍网络将成为大量药物节点与带权重的边连接的网络。药物节点之间的连接边的权重在一定程度上表现了药物之间同时配伍应用的强度。中药配伍网络的构建过程的示例见图1，如大承气汤由大黄、厚朴、枳实和芒硝4味药物组成，因此，这4个药物构成了4个节点的完全图，其每条边的权重为1；而小承气汤则由大黄、厚朴和枳实组成，因此，连接该3个药物的每条边的权重都增加1，其权重为2；由此，随着复方的增加，该药物配伍网络的节点和边的权重会逐步增加。当大规模的复方集合如古方集和大量的临床复方集构成药物配伍网络时，该网络中节点及其相互关系反映了全局性的药物组配规律。而当由面向某一特定病证的复方集构成网络时，其网络反映了针对特定病证的药物配伍知识。当然，某名老中医一段时间的临床复方形成的药物配伍网络反映了其在某些病证条件下临床处方的配伍经验知识。
2 复方药物配伍网络的节点度分布特性
在辨证施治的基础上，复方反映了医生从治疗角度对患者病证一定程度的定性或定量认识，是患者病证演变的间接体现，用于临床治疗的稳定复方药物集系统性的自组织规律，是一个复杂的药物组织集。我们通过构建药物配伍网络并采用节点度分析方法发现，中医古方集合(80 000余古方数据，见图2)和临床处方(20 000门诊处方，见图3)等都具有无尺度网络现象(即节点的度分布服从幂函数分布)，是一种加权无尺度网络[9]，其边权重的幂值在2.2左右。复方药物配伍的无尺度网络现象在医生处方中的具体体现就是某医生对药物的使用具有比较集中的趋势，某些名老中医偏好使用某些药物，使得这些药物的已有或潜在功效得到更大的发挥或挖掘。
基于古方及当代临床复方配伍过程的无尺度复杂网络现象表明，某一特定复方集中存在可能共性或核心的药物配伍子网络。结合复方配伍中的无尺度网络规律和基于图论的网络分析方法，我们能够对名老中医的基本处方药物配伍经验或者面向某一特定病证的药物配伍经验进行分析，从而发现其关键的药物组配结构如核心药物、药对等信息，以辅助研究名老中医的处方思维和临床处方特点。
3 临床复方的核心药物配伍网络分析研究
无尺度网络的现象表明，中医处方中存在核心的组织结构，这些组织结构代表了医生临床处方的思维结构知识和临床经验。我们以无尺度网络的幂值为基准寻找医生(特别是名老中医)的核心处方药物配伍网络。我们通过开发相应算法实现了核心药物配伍结构的发现[10]。该算法基于无尺度网络现象，选取药物配伍网络中的“Hub”药物节点，从而寻找一定代表性和覆盖度的某名老中医的共性处方配伍网络。当针对某一病证或在总的日常诊疗过程中，某名老中医的处方配伍网络表达了该老中医的处方思路或首选处方结构，是其临床经验和处方“偏好”信息的表现。同时，我们可以根据处方配伍网络中的节点度分布，发现处方配伍网络的核心节点，并根据这些节点在处方中的同现频度计算其覆盖度。我们以北京市地区20余位名老中医的门诊病例数据为基础进行了核心处方配伍结构的知识发现应用研究，如分析方和谦老中医的和肝汤处方配伍结构、谢海洲老中医治疗类风湿疾病的核心处方配伍结构、田从豁老中医的核心穴位配伍结构、孙桂芝老中医的肿瘤治疗复方、薛伯寿老中医的和法处方配伍结构和咳嗽病痰热阻肺证门诊病例的处方配伍等等。下面以咳嗽病痰热阻肺病例的处方配伍核心网络分析作为示范。见表1。表1 门诊咳嗽病痰热阻肺证病例处方配伍网络对应的药物关联频度（略）
在门诊咳嗽病中痰热阻肺证占有较大比重，在20 000余诊次病历中经数据筛选后，确认满足条件的病例为165诊次，以小儿支气管炎为主(这与我们选择收集的门诊病例特点有关，并不是咳嗽病痰热阻肺证的本身疾病分布特点)，样本中患者平均年龄为6岁左右。相应的症状体征除咳嗽之外，主要有咽红、舌红、有痰、大便干等。我们通过基于网络分析的方法确定咳嗽病痰热阻肺证的处方配伍结构知识。利用网络分析算法计算获得的分析结果，该网络中核心药物(通过节点度分布计算)为黄芩、杏仁、紫苏子、葶苈子、百部和仙鹤草，这些药物在90.2%的样本处方中出现。说明几乎所有咳嗽痰热阻肺证患者都使用以上药物。且网络核心节点的周围相关药物如前胡、芦根、瓜蒌、乌梅等表示对不同个体病例的主要随症加减思路。该网络中节点的颜色以节点药物的药性进行区分，药物配伍网络中节点3种颜色总体分布信息，有助于为有经验的中医临床医生提供该核心药物配伍网络相应的基本病机(如寒热、阴阳等方面)的直观认识。除了产生可视化的处方配伍网络之外，我们同时对该网络的药物关联频度信息进行数据库存储。该关联信息描述了临床处方中的主要药对知识如葶苈子、紫苏子，紫苏子、杏仁，葶苈子、杏仁，仙鹤草、百部，黄芩、杏仁等，这些药物配伍体现了我们所采集的门诊病例中治疗小儿支气管炎痰热阻肺证的主要药物搭配思路。因此，网络结构图与关联数据信息结合可以进行针对某特定病证的处方配伍结构分析，提炼归纳形成中医临床的处方经验知识，从而用于指导临床诊疗或供年轻医生学习。
由以上咳嗽病痰热阻肺证的处方分析可见，处方配伍网络具有直观的表现形式，对于中医临床中发现或者验证经验性的“小方”具有显著的效果；同时也能够辅助发现和验证临床医生针对特定病证的处方思维或思路。且这种结果是可靠的，因为我们已经试验表明临床处方中存在无尺度网络的现象，而无尺度网络的特点就是存在共性的核心网络结构。
4 探讨与未来研究工作
中药复方是一个有机整体，是理、法、方、药的主要环节之一。复方的有机配伍是实现药物增效减毒，针对病机对证用药的基础。《素问·至真要大论》说：“方制君臣，何谓也？岐伯曰：主病之谓君，佐君之谓臣，应臣之谓使。”《神农本草经·序列》将药物配伍关系归纳为单行、相须、相使、相畏、相杀、相恶和相反等“七情合和”的关系。由此可见，中药复方配伍是方剂形成之后中医处方用药的基本原则。大规模复方集的无尺度网络现象表明中医诊疗过程中复方的组配存在一些“偏好”现象。这些“偏好”现象可以表现在药物的选择、药物的组配、医生对病机的认识、疾病的发生发展机制和人体系统的状态变化与调整途径等。研究发现，这些“偏好”的来源、运行机制和病、症、证等相关知识将有助于人们对复方复杂干预的理解，对疾病发生发展的理解等。
本文针对中医临床中的处方配伍经验分析目标，研究利用复方配伍的无尺度网络现象和基于网络分析的数据挖掘方法，实现具体病证或名老中医的核心处方结构知识发现。该方法通过图形化的方式表达分析结果，从而为结果的阐释和临床专家的人机交互提供了便利。在未来的研究工作中，在一定适应症的条件下，具有稳定结构的复方组配知识发现问题；考虑多种“偏好”信息，进行复方配伍无尺度网络现象的组织动力学机制研究问题；对临床处方中的核心处方配伍群(多个反映处方集核心配伍结构的子配伍网络)的挖掘算法的深入研究等问题；将是揭示和发现中医复方药物配伍与临床诊疗规律的重要课题。
参考文献
[1] 于友华.方剂配伍理论的系统科学思想[J].中国中医基础医学杂志， 2004，10(8)：63－64.
[2] Newman MEJ， Barabási A-L， Watts DJ. The Structure and Dynamics of Networks[M]. Princeton：Princeton Univ Press，2006.
[3] DJ Watts， SH， Strogatz. Collective dynamics of’small-world’ networks[J]. Nature，1998，393：440－442.
[4] MEJ Newman， C Moore， DJ Watts. Mean-field solution of the small-world network model[J]. Phys Rev Lett，2000，84：3201－3204.
[5] R Albert， H Jeong， AL Barab’asi. Diameter of the world
wide web[J]. Nature，1999，401：130－131.
[6] AL Barabási， R Albert， H Jeong.Mean-field theory for scale-free random networks[J]. Physica，1999，272：173－187.
[7] Newman MEJ. The structure of scientific collaboration networks[J]. Proc Natl Acad Sci USA，2001，98(2)：404－409.
[8] 何 阅，张培培，唐继英，等.中药方剂的合作网络描述[J].科技导报， 2005，23(11)：36－39.
关键词：战略网络 复杂网络理论 网络效率 节点重要性
引言
战略网络是由不同利益成员构成的系统，由于各成员目标可能不同，每个成员都以自身利益最大化为目的参与合作，所以战略网络中存在不可避免的矛盾。目前国内外对于战略网络节点管理的研究角度多偏向于生态学理论、博弈论及系统论，对企业战略网络节点选择、节点数量及节点的进退机制进行研究。复杂网络研究的不同之处在于：从统计的角度出发，考察网络中的大规模节点以及节点之间的连接性质，这些性质的不同意味着网络内部结构的不同，而内部的结构不同将导致网络系统的功能不同。利用复杂网络理论，可以分析网络中各节点的重要程度，反映各个环节的瓶颈问题。还可以用来发现网络中的关键节点，从而对网络进行有针对性的优化，进而达到整体网络的优化。
复杂网络理论在企业网络中的应用
科学家们发现大量的真实网络既不是规则网络， 也不是随机网络，而是具有与前两者都不同的统计特征的网络，这样的一些网络被科学家们叫做复杂网络（Albert R，Albert-Laszlo B，2002；Newman M E J，2003）。复杂网络被发现具有很多与规则网络和随机网络不同的统计特征，其中最突出的是小世界效应和无尺度特性（Drik Helbing，2006；Christian Kuhnert，Dirk Helbing，2006；Marco Laumanns，Erjen Lefeber，2006）。由于现代企业网络越来越具有复杂性和不稳定性特点，复杂网络理论在企业网络方向上的应用也逐渐成为研究热点。
李守伟、钱省三（2006）在对产业网络供应链的复杂性研究中发现，我国的半导体产业的供应链条符合无标度网络的特征。此外，阮平南、李金玉（2010）将复杂网络理论用于战略网络，阐述了战略网络的无标度特征，建立了BA演化模型，解释了无标度网络演化的过程，进而解释了战略网络中核心节点的形成。庞俊亭等（2012）探索了集群创新网络所具有的小世界和无标度结构特性及集群网络在受到攻击时所具有的稳健性和脆弱性。
目前多数研究侧重定性研究网络的复杂网络特性及演化研究，有充分考虑企业网络的动态适应性问题，没有考虑到系统整体运行规律。另外，以网络效率为标准，研究网络中的节点重要性方面的文献还是很缺乏的。本文试图以复杂网络理论为基础，从这一全新视角来研究战略网络中重要节点识别问题。
战略网络的复杂网络特性分析
（一）战略网络拓扑结构
战略网络就是由那些具有战略意义的组织或个人组成的社会网络。它是由消费者、市场中介、供应商、竞争对手、其他产业的企业、利益相关者、其他组织和企业本身等节点构成的（见图1）。
用复杂网络理论研究战略网络，首先应将战略网络抽象成拓扑模型。将战略网络中的企业、科研机构、政府等作为网络中的节点。节点确定以后，根据各节点的实际联系确定是否存在边的关系。作为核心的网络节点企业存在众多的合作关系，这就导致战略网络的节点的边越来越多。为了能比较好地模拟出一个战略网络，根据战略网络的基本结构，描绘出一个简单战略网络拓扑图，如图2所示。
（二）战略网络的复杂特性
1.战略网络的小世界网络的特征。平均路径长度是指在网络中将两点间的距离被定义为连接两点的最短路所包含的边的数目，把所有节点对的距离求平均，就得到了网络的平均距离。网络的平均路径长度L（N）定义为任意两个节点之间的距离的平均值，平均路径长度表示产品的交付时间。为在保持激烈竞争环境中的优势，企业必须采取以下对策：重组整合，减少补给提前期，加快信息的流通速度，减少产品运输距离，提高自身的反应能力和适应变化的能力，建立配送物流中心，以便能够更好地实现准时供货。基于时间的竞争战略对于各节点成员来说是至关重要的，如何以最短的时间将产品交付给客户成为节点企业参与战略网络竞争必须应对的关键战略问题。在战略网络环境中，企业之间的平均最短路径，可以体现为产品或服务从一个环节到另一个环节所需要的平均最少中转数目。整个网络的平均最短路径L的计算公式为：
上述公式中，dij表示产品或服务从环节i到达环节j所需的最少中转次数，N表示战略网络中的企业总数。
聚集系数指与节点相邻的节点之间实际存在的边数与这些节点都互连的最大边数之比，网络中所有节点聚集系数的平均就是网络的聚集系数。对于战略复杂网络而言，平均聚集系数相应于网络节点企业之间相互交流的程度，随着信息高速发展时代的到来，越来越多的企业应用信息技术和互联网的媒介建立彼此之间的连接。通过信息共享的各种途径促使各节点企业之间联系更加紧密，交流更加频繁，这就体现战略网络具有较高的聚集系数。
2.战略网络复杂网络的无标度特征。无标度网络的特点是网络中的大部分节点的度值都很低，但存在着度数非常高的核心节点。各节点企业在企业网络中所处的网络地位不同，战略网络中的核心企业形成占有的知识不均匀，节点间的连接就具有择优性（Boschmma R A，Wal A L J，2007）。战略网络核心节点的形成主要来源于择优连接机制，在战略网络中，组织会倾向于选择连接数目较多的网络节点。通常一些节点企业通过先进的技术、富有竞争力的产品和良好的管理，在非常短的时间内获得大量的关系连接；网络中存在历史较长的企业，有较长的时间来积累与其它组织的关系连接。核心节点的连接数目远远超出了一般的节点，并且网络主要由这些核心节点所支配。
战略网络节点重要性模型构建
在复杂网络中，节点度是单个节点极其重要的属性节，点的度直接反映该节点在网络中与其他节点相联系的广度，定义为邻接矩阵中与该节点连接的其他节点边的数目。传统复杂理论中判断核心节点方法是依据网络中节点度或点强度参数，这个方法是具有很大片面性和局限性的。节点度高的企业只能说明企业与周围企业的联系程度密切，而不能真实地反映出该企业在网络中的作用和地位（朱大智、吴俊，2007）。因此本文将以网络效率为依据，从新的视角出发对战略网络中的节点进行重要性识别。
（一）战略网络的网络效率建模
网络效率指标被用来衡量网络中点与点之间的信息沟通程度。在战略网络中最短路径长度反映了战略网络内各节点企业产品交付时间的效率。路径越长，企业获取资源的时间越长，效率就越低；反之，路径越短，资源获取的时间成本越低，效率越高。为了计算网络效率E，首先要建立这样一个网络模型。假设忽略所有企业内部信息，只考虑企业间的联盟关系；任意两节点间的连接度是等值的。设网络G是一个无重边的无向网络，即网络中的边没有固定的方向，用G=（N，K）来代表，N是网络中节点集合，K是网络中边集合，G的邻接矩阵A=（aij）定义如下：
则A是一个n阶的对称矩阵，如果两个节点之间有联系，aij=1；否则aij=0。
假设节点i与节点j间的连通的效率eij与最短路径成反比，即eij=1/dij。那么，给出如下的战略网络效率计算公式：
（1）
上述公式中，eij表示完全连通情况下两个节点企业之间的效率。在突况下，加入变量wij，即网络效率因子。0≤wij≤1，作为企业连通效率参数。Wij=1表示相关节点企业正常运营。在遭遇突况下，Wij将降低，取0≤wij≤1。这样可以比较真实地模拟出企业在面对不同风险时，网络出现效率变化的情况。随着wij的变化，与该企业有贸易往来的相关企业均会受到一定程度的影响，将导致整个网络的效率会出现非线性的变化。通过评价网络的效率，可以尝试改善网络的构造从而优化网络的效率，网络的效率得以提高，使网络更具稳定性。
（二）战略网络中重要节点的识别建模
网络效率E无疑成为衡量战略网络效率有效的指标，然而它只能表现网络的平均水平，因此需要更深入的研究，识别网络中的关键节点。此方法主要考察的是当从网络中剔除节点i以后，网络的效率变化，根据节点对于网络效率影响能力的大小，可以识别网络中的关键节点。
E=E=E（G）-E（G`） i=1，2，……N （2）
E（G`）表示wij变化时的网络平均效率。根据网络效率变化的大小对网络中节点的重要性指数进行排序，在wij一定的情况下，网络效率变化值较大的节点无疑是网络中重要性相对较高的节点。也就是去除该节点后，网络效率下降越大，说明该企业的重要性越高。针对企业对于网络整体的作用不同，需加强预防工作，做到真正的防患于未然。对于这些重要节点，必须予以重点关注，例如，更加频繁地关注它的运作状况、与其他企业的连通状况，建立完备的预警机制等。
结论
基于网络整体的考虑，本文运用复杂网络理论，侧重从宏观整体的角度去分析单独的点和整体网络之间的关系，通过建立网络拓扑结构、衡量网络效率、识别重要网络节点三个方面，阐述了复杂网络在战略网络管理中的应用前景。建立数学模型比较真实地模拟了网络在正常情况和突况下的网络效率。本文只是从复杂网络理论的角度讨论通过战略网络效率的办法计算节点重要性，而由此识别出来的重要企业也是具有现实意义的。
参考文献：
1.Albert R，Albert-Laszlo B.Statistical mechanics of complex networks[J].Reviews of Modern Physics，2002（74）
2.Newman M E J.The structure and function of complex networks[J].Siam Review，2003（45）
3.Drik Helbing.Information and material flows in complex networks[J].Physica A，2006，363（1）
4.Christian Kuhnert，Dirk Helbing.Scaling laws in urban supply networks[J].Physica A，2006，363（1）
5.Marco Laumanns，Erjen Lefeber.Robust optimal control of material flows in demand-driven supply networks[J].Physica A，2006，363（1）
6.李守伟，钱省三.产业网络的复杂性研究与实证.科学学研究，2006（4）
7.阮平南，李金玉.战略网络中基于无标度网络的核心企业形成研究.科技管理研究，2010（16）
8.庞俊亭，游达明.基于复杂网络视角的集群创新网络特性研究.统计与决策，2012（2）
关键词：
车载自组织网络；复杂网络；抗毁性；随意攻击；蓄意攻击；仿真
中图分类号： TP393.1 文献标志码：A
0引言
移动Ad Hoc网络（Mobile Ad Hoc NETwork， MANET）是一种自组织无线网络，由于它不需要基础设施支持，因此网络部署快速，扩展方便，使得它被广泛应用于军事、救灾、商业等各领域。近年来，城市车辆与日俱增，移动网络技术日益突破，车辆自组织网络（Vehicle Ad Hoc NETwork， VANET）[1]作为一种特殊的MANET网络也快速引起高度重视。在VANET中，在一定的区域内使用无线网络通信技术将车辆与车辆以及车辆与固定基础设施连接在一起，从而一个车辆间多跳通信网络在现有道路上被动态、快速地构建，且具有自组织、分布式控制的特点，因此，VANET在交通方面具有良好的应用前景，如信息预警、行车安全、车辆之间通信及车辆Internet访问等。
VANET既具MANET网络的特点，如拓扑结构动态变化、自组织无中心、低带宽等，又有自己的特点，比如快速移动性、拓扑变化频繁、间歇连通性、网络规模大、充足的能量供应等[2]。在VANET中，由于车辆的高速运动，网络拓扑随之变化，对网络性能造成直接影响，因此如果能够掌握VANET拓扑结构的动态特性，可以设计高效的拓扑控制算法，优化网络连通性，使网络能够持续稳定提供可靠的服务。抗毁性是评价网络拓扑特征的主要指标之一，通过抗毁性的研究可以发现网络中的安全隐患和薄弱环节，从而采取一系列有效的措施来提高网络的抗毁性，优化网络拓扑结构，保证网络的稳定的通信能力，这对拓扑动态变化的VANET协议开发和网络管理有着重要的意义。
目前，国内外对Ad Hoc网络的抗毁性研究较多。比如文献[3]研究了网络抗毁性受节点行为的影响，通过建立节点行为模型及分析三维网络连通性得到了三维MANET网络抗毁性的一种定量分析方法；同时仿真检验了它的有效性和合理性。文献[4]引入自然连通度为抗毁性度量指标，建立了能耗的移动Ad Hoc网络拓扑结构抗毁性综合测度模型，并确定了基于网络拓扑抗毁性的最优发射半径。Azni等[5]根据相关节点的行为建立了k相关抗毁性模型，通过仿真分析了Ad Hoc网络的全局抗毁性。文献[6]中有针对性地分别从失效成因、测度、提升策略与故障检测和修复等4个方面对无线传感器网络抗毁性的研究进行归纳和分类，着重探讨了基于网络重构和拓扑演化及路由控制的无线传感器网络抗毁性优化策略。
目前，对VANET拓扑结构的研究主要是基于复杂网络理论分析其网络的度分布、聚类系数、路径长度等。文献[7]以多Agent微观交通仿真器（Multiagent Microscopic Traffic Simulator， MMTS）为仿真工具，研究了瑞士城市苏黎世交通网络的瞬时特性，研究结果表明网络节点数服从参数幂律分布；通信半径越大，最大集团的值越大，集团的数目越少；VANET不存在小世界特性。文献[8]中利用4000多辆出租车收集的实时数据，分析了城市环境下车辆自组网的度分布、聚类系数、特征路径长度等拓扑特性，建立了一种车辆自组网的网络模型，通过仿真验证了所建模型的有效性。文献[9]以城市道路交通仿真软件（Simulation of Urban Mobility，SUMO）为仿真工具研究了德国科隆的交通网络的瞬时拓扑结构，其主要刻画参数包括最大连通分支、度及介数中心性等，分析结果表明车载自组织网不具有小世界特性。文献[10]应用Barabasi和Albert提出的BA（BarabasiAlbert）无标度网络对VANET拓扑进行建模分析，认为VANET具有小世界特性。文献[11]利用车辆全球定位系统（Global Positioning System， GPS）数据分析了VANET拓扑结构的动态演化特征。据研究所知，对VANET拓扑结构抗毁性的研究甚少，仅有文献[12]对VANET的抗毁性作了初步研究，但是该文认为VANET是无标度网络，然后用无标度网络模型产生VANET，事实上，这样生成的VANET就是一个无标度网络，与现实环境的VANET相差太远，几乎没有考虑VANET的任何特征，比如节点移动性、节点移动受到道路限制等，因此该文本质上是研究了无标度网络的抗毁性，并非VANET的抗毁性。
抗毁性是VANET拓扑结构的重要特性之一，它代表网络在某种极端攻击或错误条件下其服务能力下降的程度。由于真实、公开的VANET的trace比较少，而且能够获得的一些真实trace存在一些问题，比如GPS数据不完整、时间粒度、数据精度不够等，使得用真实VANET移动数据研究抗毁性存在一定困难，因此，本文通过VanetMobiSim车辆仿真软件，深入分析VANET的抗毁性特征，为网络拓扑结构的优化提供指导。
1VANET抗毁性研究方法及测度
1.1抗毁性研究方法
目前，抗毁性的主要研究方法是用不同的方式对网络进行攻击，用相应的测度指标对网络的抗毁性进行分析。网络攻击策略是指采取何种方式删除网络中的节点或边，在现有研究中主要应用Albert等[13]Albert提出的文献，与文献13的作者不匹配，请作相应调整，以便保持一致；要注意论文在正文中的依次引用顺序。提出的随意攻击（Random Attacks or Failure）和蓄意攻击（Intentional Attacks）两种方式。随意攻击通常是指随机选择网络的一个节点或边进行攻击，然后再随意攻击其余节点中的一个节点或边，直至将网络中所有节点全部攻击完为止。蓄意攻击又称为选择性攻击，选择重要的节点或边作为攻击对象，一般用度和介数度量节点和边的重要性。具体攻击过程为：首先选取网络中度或介数最大的节点或边作为第一攻击目标，攻击完以后重新计算网络各节点或边的度量等级，依旧对度量等级最高的节点或边进行攻击，重复该过程，直到网络中所有的节点全部被攻击完为止。
1.2节点重要度评估方法
蓄意攻击选择重要节点或边进行攻击，评估网络中节点或边重要性的方法很多，本质都源于图论及基于图论的数据挖掘。本文用度和介数评估车辆节点的重要性。
定义1节点的度。在网络中，节点vi的邻边数目ki称为该节点vi的度。网络的平均度为：
k=1N∑Ni=1ki（1）
直观上看，一个节点的度越大，该节点越重要。
定义2节点的介数。节点vi的介数Bi就是网络中所有最短路径中经过该节点的数量比例之和，即：
Bi=∑j，k∈V， j≠kNjk（i）Njk（2）
其中：Njk表示节点vj和节点vk之间的最短路径条数；Njk（i）表示节点vj和节点vk之间的最短路径路过节点vi的条数。介数是一个全局特征量，反映节点在整个网络中的作用和影响力。在VANET中，若一个节点的介数越大，则表明它在网络中交换的信息流越大，可视为网络中的核心节点，也意味着它更容易拥塞，成为网络的瓶颈。
1.3VANET抗毁性测度
设G=（V，E）为VANET的拓扑图，其中V={v1，v2，…，vN}是网络节点的集合，E={e1，e2，…，ek}是网络边的集合，节点数定义为N=V。定义子图Ci=G（Vi，Ei）为含节点vi连通分支，设m（G）=max1≤i≤nV（Ci）表示图G的所有连通分支中顶点数最多的那个连通分支的节点数，则节点数最多的连通分支为最大连通分支。
定义3最大连通度S。将网络中的最大连通分支中节点数与网络中总的节点数的比值称为最大连通度，即：
S=m（G）/N（3）
那么0
定义4连通分支平均规模s。当VAENT受到攻击后，网络被分割为若干连通分支，连通分支平均规模定义为去掉最大连通分支后其他连通分支的平均节点数，即：
s=（∑ni=1V（Ci）-m（G））/（n-1）（4）
显然0
定义5临界点移除比例fc。当网络中的节点受到攻击后，网络处于崩溃边缘时，网络中被攻击的节点数占总节点数的比例，称为临界点移除比例，记为fc。
网络在某种攻击模式下，百分比f的节点被移除，当f超过一定阈值，即f≥fc当在“=fc”时，属于哪种情形，需明确。时，网络分割成许多小的非连通分支；当f
设网络中任意两个节点vi与vj之间的距离dij为连接这两个节点的最短路径上的边数。VANET由于车辆的高速移动、拓扑变化频繁，使得网络间歇连通，因此存在dij=∞。而且当网络受到攻击时，网络的连通性也将发生改变，网络被破坏到一定程度时，会产生孤立节点，此时会存在dij=∞，因此，文献[13]提出用网络全局效率来描述非全连通网络的连通性。
定义6全局效率E。定义网络全局效率为：
E=1N（N-1）∑i， j∈V，i≠j1dij（5）
显然，网络全局效率越大，网络连通性越好。
2仿真实验
2.1VANET仿真环境
本文采用VanetMobiSim[14]软件建立VANET环境，移动模型采用带有车道变换的智能驾驶员模型（Intelligent Driver Model with Lane Changes， IDMLC）[15]。该模型是一种微观交通流模型，是在IDM的基础上增加了车辆在十字路口的管理及车辆换道功能的智能移动模型，使得其更加符合真实的交通场景。仿真实验中，网络节点即为运动的车辆，可以获取任意时刻任意车辆的位置、速度、加速度、所处车道等瞬时信息。IDMLC移动模型中车辆长度为5m，加速度a和减速度b分别为0.6m/s2和0.9m/s2，礼貌参数p为0.5，其他参数设置如表1所示。
2.2VANET抗毁性分析
下面分析在不同攻击模式下VANET的抗毁性，为了在图中便于区分不同攻击模型，用符号Failure、RD和RB分别表示随意攻击、基于节点度的蓄意攻击和基于节点介数的蓄意攻击。图1为网络中车辆数为200、不同通信半径时，VANET受到Failure、RD和RB等三种攻击时网络最大连通度的变化趋势。由图1可知，当通信半径r=200m， f=0时，S=0.3630，即初始网络连通性较差。在攻击过程中当最大连通度低于0.1000时，视网络基本瘫痪。在随意攻击下，当S为0.0911时，临界点移除比例fc=53.42%；在RD攻击下，当S为0.0616， fc=28.77%；在RB攻击下，当S为0.0890时， fc=20.55%。当r=400m， f=0时，S=0.9521，初始网络近乎全连通（网络全连通时S=1）。在随意攻击下，当S为0.0747时， fc=82.19%；在RD攻击下，当S为0.0822时， fc=57.53%；在RB攻击下，当S为0.0959时， fc=36.99%。这一方面说明了通信半径越大，VANET连通性越好，临界点移除比例fc越大，抗毁性越强；另一方面，当通信半径相同时，随意攻击的临界点移除比例fc的值均大于蓄意攻击模式的，因此VANET有较强的鲁棒性，且在蓄意攻击下，由于将重要节点移除后网络迅速分割为多个连通分支，S先呈现迅速大幅度下降、然后缓慢下降趋势，即VANET又具有脆弱性。这种既鲁棒又脆弱的抗毁特征是VANET中车辆度分布不均匀所致。
图2为网络中车辆数为200、不同通信半径时，VANET受到Failure、RD和RB三种攻击时的网络连通分支平均规模。由图2可知，当通信半径较小（如r=200m）时，初始网络连通性较差，三种攻击策略下连通分支平均规模s均随移除节点比例的增加而逐渐减小。当通信半径较大时，网络初始连通性较好，则s随去除节点比例的变化趋势都是先变大后变小。当通信半径r=400m时，在遭受随意攻击时，s在阈值f=0.8220处开始缓慢变小，在遭受蓄意（RB、RD）攻击时，s分别在阈值f=0.4521和f=0.2055处开始变小。连通分支平均规模s之所以在阈值之前会变大，是由于随着节点被移除，网络总体连通程度变得越来越松散。在阈值之后会变小，是因为网络在大量节点失效时被分割成互不连通的多个较小的分支，当节点被全部移除时，网络则会消失。通过计算，在r=300m时，VANET在Failure、RD和RB三种攻击下连通分支平均规模s的方差分别为2.0306，2.4913和9.0228，即Failure攻击下s的波动最小，RB的波动最大，当通信半径发生变化时，也有类似的结论。这也说明了VANET既鲁棒又脆弱的特征。
图3分别为网络中车辆数为200、不同通信半径时，VANET受到Failure、RD和RB三种攻击时网络全局效率的变化趋势。由图3可知，通信半径越大，VANET效率越高；同时，随意攻击模式下的网络效率均高于蓄意攻击的。
另外，比较图1～3中最大连通度、临界点移除比例、连通分支平均规模和网络效率等抗毁性测度的值，可知对于蓄意攻击的两种策略，RB模式的攻击效能要强于RD模式。
下面研究车辆密度对VANET抗毁性的影响。图4～6为r=400m时不同车辆密度的VANET采取Failure、RD和RB攻击策略时表现出的抗毁性差异。从图4～6中分析得到：在通信半径一定时，车辆密度越大，VANET连通性越好，抗毁性越强，但是当网络达到全连通时，车辆密度对VANET抗毁性影响不大，因此，在VANET拓扑控制时，可以根据实际道路、地形、路边单元（RoadSide Unit， RSU）的配置等情况，对车辆通信半径和车辆密度进行优化设置，使得网络能够保持良好的连通性。
3结语
在VANET中，抗毁性对于分析整个网络性能来说十分重要，尤其是在增强安全性方面的应用。本文基于IDMLC移动模型对车载自组织网络的抗毁性特征作了研究，仿真结果表明，VANETs既有鲁棒性又有脆弱性；通信半径和车辆密度越大，VANETs抗毁性越好，但当网络全连通时，车辆密度对抗毁性影响很小。由于蓄意攻击（RD、RB）对网络破坏性强，因此，如何在拓扑控制时优化网络通信半径、车辆密度及路边基础设施配置等参数，使得网络中各个车辆节点保持相对均衡地位，从而提高VANETs抗毁性，这将是后续的研究工作。另外，本文只研究了VANET的瞬时拓扑结构及其抗毁性，然而，VANET的重要特征之一是网络拓扑结构的实时变化，其动态抗毁性特征也是接下来工作之一。
参考文献：
[1]
IEEE. IEEE Std.802.11p draft amendment， Wireless LAN Medium Access Control （MAC） and Physical Layer （PHY） specifications： Wireless Access in Vehicular Environments （WAVE） [S]. Piscataway： IEEE， 2005.
[2]
SAIF A S， MOATH M A D， ALI H A B， et al. A comprehensive survey on vehicular Ad Hoc network [J]. Journal of Network and Computer Applications， 2014， 37： 380-392.（无期）
[3]
PENG S， WANG G， HU Z， et al. Survivability modeling and analysis on 3D mobile Ad Hoc networks [J]. Journal of Central South University of Technology， 2011， 18（4）： 1144-1152.
[4]
胡兴雨，张学义，吴俊，等.移动Ad Hoc网络拓扑结构抗毁性测度模型[J].计算机工程与应用，2011，47（2）：78-80.（HU X Y， ZHANG X Y， WU J， et al. Measure of invulnerability of Ad Hoc network topologies based on natural connectivity [J]. Computer Engineering and Applications， 2011， 47（2）： 78-80.）
[5]
AZNI A， AHMAD R， NOH Z. Survivability modeling and analysis of mobile Ad Hoc network with correlated node behavior [J]. Procedia Engineering， 2013， 53： 435-440.
[6]
李文锋，符修文.无线传感器网络抗毁性[J].计算机学报，2015，38（3）：625-647.（LI W F， FU X W. Survey on invulnerability of wireless sensor network [J]. Chinese Journal of Computers， 2015， 38（3）： 625-647.）
[7]
PALLIS G， KATAROS D， DIKAIAKOS M. D， et al. On the structure and evolution of vehicular networks [C]// Proceedings of 17th Annual Meeting of the International Symposium on Modelling， Analysis and Simulation of Computer and Telecommunication Systems. New York： ACM， 2009： 502-511.
[8]
张丽丽，陈浩，李臣明，等.城市环境下基于拓扑特性的车辆自组网建模[J].软件学报，2013，24（S1）：51-61.（ZHANG L L， CHEN H， LI C M， et al. Modeling the vehicular Ad Hoc networks based on topology characteristics in urban scenario [J]. Journal of Software， 2013， 24（S1）： 51-61.）
[9]
NABOULSI D， FIORE M. On the instantaneous topology of a largescale urban vehicular network： the Cologne case [C]// Proceedings of the Fourteenth ACM International Symposium on Mobile Ad Hoc Networking and Computing. New York： ACM， 2013： 167-176.
[10]
ZHANG H， LI J. Modeling and dynamical topology properties of VANET based on complex networks theory [J]. AIP Advances， 2015， 5（1）： 017150.
[11]
ZHANG L， LI Y， TAN G， et al. Modeling the dynamic evolution of the vehicular Ad Hoc networks under the city scenario [J]. International Journal of Distributed Sensor Networks， 2015， 2015： Article ID 524857. doi：10.1155/2015/524857.
[12]
ZHANG H， LI J， LV Y. Structure performance analysis of vehicular Ad Hoc networks based on complex network theory [J]. Computer Modelling & New Technologies， 2014， 18（2）： 46-51.
[13]
LATORA V， MARCHIORI M. Efficient behavior of smallworld networks [J]. Physical Review Letters， 2001， 87（19）： 198701.
替换了文献13
ALBERT R， JEONG H， BARABASI A L. Error and attack tolerance of complex networks [J]. Nature， 2000， 406（6794）： 378-382.
[14]
HARRI J， FIORE M， FETHI F， et al. VanetMobiSim project [EB/OL]. [20160301]. http：//vanet.eurecom.fr.
随着计算机网络的飞速发展，传统的网络模型已经很难对计算机网络拓扑特性做出客观的描述和研究。针对这个现象，复杂网络理论的产生和应用，为计算机网络的拓扑发展带来了新的平台和思路。对于复杂网络理论在计算机网络拓扑中的分析已经成为计算机网络领域研究的重要课题。
二、复杂网络和计算机网络拓扑的基本理论
（一）复杂网络理论的含义及其复杂性
复杂网络是指具有内部相似、自行组织、吸引因子、小区域、无标度中的一部分或者全部的网络。其复杂性主要体现在以下六个方面：①结构的复杂性，表现在网络的节点数量较大。②节点的多样性，网络中的所有组成部分，代表的各种事物均为复杂网络理论中的节点。③连接的多样性，指的是网络中节点的连接方式不一致。④动力学的复杂性，指的是节点之间的复杂性，能够产生多样的结构特征。⑤网络结构的变化性，指的是网络节点之间消失和连接产生就像网页随时断开和连接一样，使得网络结构不断的发生变化。⑥多重复杂性的融合，指的是上述所有复杂性的结合表现出的复杂性。此外，复杂网络理论有小世界、集团集聚程度更加密集和幂律的度及介数涵盖的范围不断扩大等三种特性。
（二）计算机网络拓扑技术及分类
计算机网络拓扑最早是由瑞士数学家欧拉在1736年提出的，主要是用于连接计算机网络和传输不同设备之间数据的一种方式。不同的网络设计要选择适合的网络拓扑方式，在网络拓扑结构中，拓扑技术是以图像的方式来表示多种设备之间的相互关系。计算机网络拓扑的主要类型有星行结构、环形结构、总线型结构、混合拓扑结构、分布式结构等。由于计算机的分布和数据传输电缆的布置存在很大的差异性，每一种网络拓扑结构都有其相应的优缺点，因此在计算机网络拓扑形式的使用上，要具体问题具体分析。
三、复杂网络理论在计算机网络拓扑中的具体应用分析
（一）计算机网络的同步行为现象分析
这主要是指计算机各个网络节点之间的同步行为，在复杂网络理论中，网络节点之间的同步是较为常见的一种现象，主要是受网络拓扑和各节点之间的动力学性质决定的。但是值得注意的是，这种同步行为并不都是有益的，如由多个路由器发出路由信息的网络，其同步行为包括了发出同一种路由信息和同时不发送信息，这就很有可能会使得网络出现拥挤或者瘫痪的现象。从计算机网络技术的发展来看，人们采取避免计算机网络出现同步行为的措施并没能完全奏效，经常会出现一种同步行为结束，另一种同步行为又产生的现象。因此，如何有效杜绝计算机网络的同步行为现象仍然是人们研究的课题。
（二）计算机网络拓扑行为的演化模型
计算机网络拓扑行为的演化模型由复杂网络演化模型逐步转变为了局部演化模型，这两种演化模型都是从路由器和自治域两个不同的层次来描述计算机网络的拓扑结构的。从路由器上看，各个路由器相当于各个网络节点，而路由器之间的物理连接相当于边。从自治域上看，在边界网关协议的基础上，如果两个自治域之间对等连接的话，就说明这两个节点之间是有一条边相连的。复杂网络演化模型演化出的结果很大程度上出现富者更富，穷着更穷的现象，即那些新加入的用户会倾向于那些品牌好、质量好、连接数量多的网络服务商。该模型遵循的偏好连接原则是基于整个网络上的，与优先考虑连接到本地区的服务器或路由器的实际不符。而局部演化模型的偏好连接倾向性是在局部信息的基础上形成的，一定程度上克服了复杂网络演化模型的缺陷。
（三）计算机网络脆弱性和鲁棒性的动力学模型
1.计算机网络的鲁棒性。计算机网络的原始功能是保证军事资料的安全性，这样的保证就是所谓的鲁棒性。鲁棒性是指在计算机网络中的某个区域或节点中出现问题或故障时，不会扩散到整个计算机网络系统，计算机还能保持正常的运行。相关研究表明，一般在一个网络系统中，只要有百分之二十左右的正常区域和政策阶段就能够保障计算机网络的正常运行。
2.计算机网络的脆弱性。虽然计算机网络有鲁棒性的动力学模型，但是一旦计算机网络系统中的重要区域或节点受到破坏时，整个计算机网络将会异常脆弱。更有甚者，如果计算机网络中一小部分的中心阶段被破坏后，整个网络就会陷入瘫痪的境地，计算机网络也无法保障正常运行。
（四）计算机网络病毒扩散模型和病毒防治的方法
网络安全影响了计算机网络的日常运行，而影响网络安全的因素主要是病毒的袭击和扩散。因此，复杂网络理论在计算机网络拓扑中的应用，应该采取有效的措施来抑制计算机网络病毒的扩散，减少病毒的传播，避免病毒对计算机网络损害后带来的计算机网络安全问题。复杂网络理论开始应用于计算机网络拓扑行为中时，人们开始以复杂网络为基础不断研究和探索出新的防御病毒的方法，且取得了一定的进展。比如在规则网络中，人们经过研究发现计算机网络病毒只有在小世界中才能轻易的传播，在复杂网络理论里，计算机网络感染病毒的可能性较小，一旦感染的话，网络系统将会受到大面积病毒的袭击，这对预防计算机病毒的入侵技术而言是一大挑战。防御计算机网络病毒工作的开展，必须建立一个科学系统的防御病毒扩散模型，模型需要遵循的原则有网络的拓扑结构形式、知晓病毒的传播原理、网络拓扑结构形式和知晓病毒传播原理之间的关系和作用。此外，在计算机网络病毒扩散模型的构建和病毒防治的过程中，要格外注重预防网络病毒的产生和传播的速度，通过网络的拓扑结构和复杂网络理论来做好计算机网络的抗病毒工作。
针对复杂网络交叠团的聚类与模糊剖析办法设计Issue(问题),给出一种新的模糊度量及对应的模糊聚类办法,并以新度量为根底,设计出两种发掘网络模糊拓扑特征的新目标:团间衔接严密水平和模糊点对交叠团的衔接奉献度,并将其用于网络交叠模块拓扑构造微观剖析和团间关键点提取。实验后果标明,运用该聚类与剖析办法不只能够取得模糊勾结构,并且可以提醒出新的网络特征。该办法为复杂网络聚类后剖析提供了新的视角。
关键词:网络模糊聚类;团—点相似度;团间连接紧密度;团间连接贡献度;对称非负矩阵分解;网络宏观拓扑
团结构是复杂网络普遍而又重要的拓扑属性之一,具有团内连接紧密、团间连接稀疏的特点。网络团结构提取是复杂网络分析中的一个基本步骤。揭示网络团结构的复杂网络聚类方法[1~5]对分析复杂网络拓扑结构、理解其功能、发现其隐含模式以及预测网络行为都具有十分重要的理论意义和广泛的应用前景。目前,大多数提取方法不考虑重叠网络团结构,但在多数网络应用中,重叠团结构更为普遍,也更具有实际意义。
现有的网络重叠团结构提取方法[6~10]多数只对团间模糊点进行初步分析,如Nepusz等人[9,10]的模糊点提取。针对网络交叠团结构的深入拓扑分析,本文介绍一种新的团—点相似度模糊度量。由于含有确定的物理含意和更为丰富的拓扑信息,用这种模糊度量可进一步导出团与团的连接紧密程度,以及模糊节点对两团联系的贡献程度,并设计出新指标和定量关系来深度分析网络宏观拓扑连接模式和提取关键连接节点。本文在三个实际网络上作了实验分析,其结果表明,本方法所挖掘出的网络拓扑特征信息为网络的模糊聚类后分析提供了新的视角。
1新模糊度量和最优化逼近方法
设A=[Aij]n×n(Aij≥0)为n点权重无向网络G(V,E)的邻接矩阵,Y是由A产生的特征矩阵,表征点—点距离,Yij>0。假设图G的n个节点划分到r个交叠团中,用非负r×n维矩阵W=[Wki]r×n来表示团—点关系,Wki为节点i与第k个团的关系紧密程度或相似度。W称为团—点相似度矩阵。令Mij=rk=1WkiWkj(1)
若Wki能精确反映点i与团k的紧密度,则Mij可视为对点i、j间相似度Yij的一个近似。所以可用矩阵W来重构Y,视为用团—点相似度W对点—点相似度Y的估计:
WTWY(2)
用欧式距离构造如下目标函数:minW≥0FG(Y,W)=Y-WTWF=12ij[(Y-WTW)。(Y-WTW)]ij(3)
其中:•F为欧氏距离;A。B表示矩阵A、B的Hadamard矩阵乘法。由此,模糊度量W的实现问题转换为一个最优化问题,即寻找合适的W使式(3)定义的目标函数达到最小值。
式(3)本质上是一种矩阵分解,被称为对称非负矩阵分解,或s-NMF(symmetricalnon-negativematrixfactorization)。s-NMF的求解与非负矩阵分解NMF[11,12]的求解方法非常类似。非负矩阵分解将数据分解为两个非负矩阵的乘积,得到对原数据的简化描述,被广泛应用于各种数据分析领域。类似NMF的求解,s-NMF可视为加入限制条件(H=W)下的NMF。给出s-NMF的迭代式如下:
Wk+1=Wk。[WkY]/[WkWTkWk](4)
其中:[A]/[B]为矩阵A和B的Hadamard矩阵除法。
由于在NMF中引入了限制条件,s-NMF的解集是NMF的子集,即式(4)的迭代结果必落入NMF的稳定点集合中符合附加条件(H=W)的部分,由此决定s-NMF的收敛性。
在求解W之前还需要确定特征矩阵。本文选扩散核[13]为被逼近的特征矩阵。扩散核有明确的物理含义,它通过计算节点间的路径数给出任意两节点间的相似度,能描述网络节点间的大尺度范围关系,当两点间路径数增加时,其相似度也增大。扩散核矩阵被定义为K=exp(-βL)(5)
其中:参数β用于控制相似度的扩散程度,本文取β=0.1;L是网络G的拉普拉斯矩阵:
Lij=-Aiji≠j
kAiki=j(6)
作为相似度的特征矩阵应该是扩散核矩阵K的归一化形式:
Yij=Kij/(KiiKjj)1/2(7)
基于扩散核的物理含义,团—点相似度W也具有了物理含义:团到点的路径数。实际上,W就是聚类结果,对其列归一化即可得模糊隶属度,需要硬聚类结果时,则选取某点所对应列中相似度值最大的团为最终所属团。
2团—团关系度量
团—点相似度W使得定量刻画网络中的其他拓扑关系成为可能。正如WTW可被用来作为点与点的相似度的一个估计,同样可用W来估计团—团关系:
Z=WWT(8)
其物理含义是团与团间的路径条数。很明显,Z的非对角元ZJK刻画团J与团K之间的紧密程度,或团间重叠度,对角元ZJJ则刻画团J的团内密度。
以图1中的对称网络为例,二分团时算得
Z=WWT=1.33760.0353
0.03531.3376
由于图1中的网络是对称网络,两团具有同样的拓扑连接模式,它们有相同的团内密度1.3376,而团间重叠度为0.0353。
3团间连接贡献度
ZJK度量了团J与团K间的重叠程度:
ZJK=na=1WJaWKa(9)
其中:WJaWKa是这个总量来自于点a的分量。下面定义一个新指标来量化给定点对团间连接的贡献。假设点i是同时连接J、K两团的团间某点,定义点i对团J和团K的团间连接贡献度为
Bi=[(WJiWKi)/(na=1WJaWKa)]×100%(10)
显然,那些团间连接贡献大的点应处于网络中连接各团的关键位置,它们对团间连接的稳定性负主要责任。将这种在团与团间起关键连接作用的点称为关键连接点。为了设定合适的阈值来提取团间关键连接点,本文一律取B>10%的点为关键连接点。
4实验与结果分析
下面将在三个实际网络上展开实验,首先根据指定分团个数计算出团—点相似度W,然后用W计算团—团关系和B值,并提取关键连接点。
4.1海豚社会网
由Lusseau等人[14]给出的瓶鼻海豚社会网来自对一个62个成员的瓶鼻海豚社会网络长达七年的观测,节点表示海豚,连线为对某两只海豚非偶然同时出现的记录。图2(a)中名为SN100(点36)的海豚在一段时间内消失,导致这个海豚网络分裂为两部分。
使用s-NMF算法聚类,海豚网络分为两团时,除30和39两点外,其他点的分团结果与实际观测相同,如图2(a)所示。计算B值并根据阈值提取出的五个关键连接点:1、7、28、36、40(虚线圈内),它们对两团连接起到至关重要的作用。图2(b)为这五点的B值柱状图。该图显示,节点36(SN100)是五个关键连接点中B值最大者,对连接两团贡献最大。某种程度上,这个结果可以解释为什么海豚SN100的消失导致了整个网络最终分裂的影响。本例说明,s-NMF算法及团间连接贡献程度指标在分析、预测社会网络演化方面有着独具特色的作用。
4.2SantaFe科学合作网
用本算法对Newman等人提供的SantaFe科学合作网络[15]加以测试。271个节点表示涵盖四个学术领域的学者,学者合作发表文章产生网络连接,构成了一个加权合作网络。将本算法用于网络中一个包含118个节点的最大孤立团,如图3(a)所示。
图3(a)中,四个学科所对应的主要组成部分都被正确地分离出来,mathematicalecology(灰菱形)和agent-basedmodels(白方块)与文献[15]的结果一致,中间的大模块statisticalphysics又被细分为四个小块,以不同灰度区分。计算了24个点的团间连接度贡献值B,从中分离出11个B值大于10%的点作为关键连接点:1、2、4、6、11、12、20、47、50、56、57,其标号在横轴下方标出,见图3(b),并在图3(a)中用黑色圆圈标记,这些连接点对应那些具有多种学科兴趣、积极参与交叉研究的学者。除去这11个点时,整个网络的连接布局被完全破坏,见图3(a)下方灰色背景缩小图,可见关键连接点的确起到重要的沟通各模块的作用。
4.3杂志索引网络
在Rosvall等人[16]建立的2004年杂志索引网络上进行测试。网络节点代表杂志,分为物理学(方形)、化学(方形)、生物学(菱形)、生态学(三角形)四个学科领域,每个学科中各选10份影响因子最高的刊物,共40个节点,若某刊物文章引用了另一刊物文章,则两刊间有一条连线,形成189条连接。使用s-NMF对该网4分团时,聚类结果与实际分团情况完全一致,如图4(a)所示。
由本算法得出的团—点相似度W在网络宏观拓扑结构的挖掘方面有非常有趣的应用,如第2章所述,用W计算团—团相似度矩阵Z=WWT,其对角元是团内连接密度,非对角元表征团与团的连接紧密程度,故Z可被视为对原网络的一种“压缩表示”。如果将团换成“点”,将团与团之间的连接换成“边”,利用Z的非对角元,就能构造出原网络的一个压缩投影网络,如图4(b)所示。这是原网络的一个降维示意图,也是团与团之间关系定量刻画的形象表述,定量地反映了原网络在特定分团数下的“宏观(全局)拓扑轮廓”,图上团间连线色深和粗细表示连接紧密程度。由图4(b)可以看到,physics和chemistry连接最紧密,而chemistry与biology和biology与ecology次之。由此推测,如果减少分团数,将相邻两团合并,连接最紧密的两团必首先合并为一个团。实际情况正是如此:分团数为3时,biology和ecology各自独立成团,physics和chemistry合并为一个大团,这与文献[11]结果一致。
5讨论
网络模糊聚类能帮助研究者进一步对团间的一些特殊点进行定量分析,如Nepusz等人[9]用一种桥值公式来刻画节点在多个团间的共享程度,即节点从属度的模糊程度。而本文的团间连接贡献度B反映出节点在团间连接中所起的作用大小。本质上它们是完全不同的两种概念,同时它们也都是网络模糊分析中所特有的。团间连接贡献度指标的提出,将研究引向对节点在网络宏观拓扑模式中的影响力的关注,是本方法的一个独特贡献。无疑,关键连接点对团间连接的稳定性起到很大作用,如果要迅速切断团间联系,改变网络的宏观拓扑格局,首先攻击关键连接点(如海豚网中的SD100)是最有效的方法。团间连接贡献度这一定义的基础来自于对团与团连接关系(Z)的定量刻画,这个定量关系用以往的模糊隶属度概念无法得到。由于W有明确的物理含义,使得由W导出的团—团关系Z也具有了物理含义,这对网络的宏观拓扑分析非常有利。
6结束语
针对复杂网络交叠团现象,本文给出了一个新的聚类后模糊分析框架。它不仅能对网络进行模糊聚类,而且支持对交叠结构的模糊分析,如关键点的识别和网络宏观拓扑图的提取。使用这些新方法、新指标能够深入挖掘潜藏于网络的拓扑信息。从本文的聚类后分析不难看出,网络模糊聚类的作用不仅在于聚类本身,还在于模糊聚类结果能够为网络拓扑深入分析和信息挖掘提供支持,而硬聚类则不能。今后将致力于对团间连接贡献度指标进行更为深入的统计研究。
参考文献:
[1]赵凤霞,谢福鼎.基于K-means聚类算法的复杂网络社团发现新方法[J].计算机应用研究,2009,26(6):2041-2043,2049.
[2]汪小帆,刘亚冰.复杂网络中的社团结构算法综述[J].电子科技大学学报,2009,38(5):537-543.
[3]NEWMANMEJ.Modularityandcommunitystructureinnetworks[J].ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,2006,103(23):8577-8582.
[4]WHITES,SMYTHP.Aspectralclusteringapproachtofindingcommunitiesingraphs[C]//ProcofSIAMInternationalConferenceonDataMining.2005.
[5]ENRIGHTAJ,DONGENSV,OUZOUNISCA.Anefficientalgorithmforlarge-scaledetectionofproteinfamilies[J].NucleicAcidsResearch,2002,30(7):1575-1584.
[6]BEZDEKJC.Patternrecognitionwithfuzzyobjectivefunctionalgorithms[M].NewYork:PlenumPress,1981.
[7]PALLAG,DERENYII,FARKASI,etal.Uncoveringtheoverlappingcommunitystructuresofcomplexnetworksinnatureandsociety[J].Nature,2005,435(7043):814-818.
[8]REICHARDTJ,BORNHOLDTS.Detectingfuzzycommunitystructuresincomplexnetworkswithapottsmodel[J].PhysicalReviewLetters,2004,93(21):218701.
[9]NEPUSZT,PETROCZIA,NGYESSYL,etal.Fuzzycommunitiesandtheconceptofbridgenessincomplexnetworks[J].PhysicalReviewE,2008,77(1):016107.
[10]ZHANGShi-hua,WANGRui-sheng,ZHANGXiang-sun.IdentificationofoverlappingcommunitystructureincomplexnetworksusingfuzzyC-meansclustering[J].PhysicalReviewA:StatisticalMechanicsandItsApplications,2007,374(1):483-490.
[11]PAATEROP,TAPPERU.Positivematrixfactorization:anon-negativefactormodelwithoptimalutilizationoferrorestimatesofdatavalues[J].Environmetrics,1994,5(2):111-126.
[12]ANTTILAP,PAATEROP,TAPPERU,etal.SourceidentificationofbulkwetdepositioninFinlandbypositivematrixfactorization[J].AtmosphericEnvironment,1995,29(14):1705-1718.
[13]KONDORRI,LAFFERTYJ.Diffusionkernelsongraphsandotherdiscretestructures[C]//Procofthe19thInternationalConferenceonMachineLearning.SanFrancisco:MorganKaufmann,2002.
[14]LUSSEAUD,SCHNEIDERK,BOISSEAUOJ,etal.Thebottlenosedolphincommunityofdoubtfulsoundfeaturesalargeproportionoflong-lastingassociations:cangeographicisolationexplainthisuniquetrait?[J].BehavioralEcologyandSociobiology,2003,54(4):396-405.
关键词 复杂网络；原油贸易；空间格局；差异
中图分类号 F119.9 文献标识码 A 文章编号 1002-2104（2013）08-0020-06 doi：103969/jissn1002-2104201308004
石油是现代工业的血液，上世纪50年代起，石油取代了煤炭成为世界主要能源与重要工业原料，且随着历史车轮的前进，世界石油消费总量不断增多，而储藏的增量却急剧减少，因此“罗马俱乐部”关于能源枯竭的预言不断地被重复。同时世界石油资源的生产与消费具有地理分布非均衡性特点，世界石油贸易呈现了石油自“心脏地带”向“内需求带”与“外需求带”流动的基本格局[1-3]。石油之于经济发展的重要性、石油枯竭的预言及石油需求与供给的错位，三者的共同作用使石油成为国际政治、外交乃至军事斗争的焦点，对石油产地的控制“传统上已经成为权力分配中的关键要素，谁能够将它加在自己的原材料资源上，谁就将更多的力量加在自己的资源上，并相应的削弱了竞争者的力量[4]。
1993年起中国成为石油净进口国，此后石油进口量逐年攀升，2009年石油进口依存度超过了50%，突破了国际公认的警戒线水平。且据国家计委能源所预计，在未来的一段时间内，原油进口量将进一步增加，随着进口量的增加，原油贸易流动与转化的空间尺度、规模，以及效应范围将进一步扩大。如果来源地较为单一，一旦发生进口来源地风险，很容易产生供给紧张的局面，进而影响经济社会的稳定发展，因此，进口地域多元化战略俨然已经成为解决中国原油进口安全问题首选的策略之一。本文则尝试通过原油进口大国（地区）的贸易空间结构比较，探究中国原油进口贸易多元化进程中的问题，以期为更好地实施进口多元化战略提供借鉴。
1 研究方法与数据
原油贸易空间格局体系是原油贸易活动过程在地理空间流动中的投影，贸易参与国众多，贸易国地域构成、地域间的贸易联系数量与强度，及贸易空间模式复杂。对世界及不同国家的原油贸易空间格局构成的统计特征研究发现，世界原油贸易空间体系及各国原油贸易进口空间格局既不同于规则网络，也不同于随机网络，而是符合复杂网络特征[5]。缺乏对经济流网络的复杂特征和流动机制的研究，就无法提出有效的管理复杂经济系统的方法和策略[6]。对全球原油贸易系统及中国的进口贸易系统进行深入研究，有利于更好地识别风险，制定有利于中国社会经济可持续发展的石油贸易战略。
人们对复杂网络的研究主要针对现实网络的拓扑结构进行测度，及在对网络拓扑结构认识的基础上研究网络演进机制[7]。而网络作为复杂系统的抽象，关注的是节点之间连接，而非节点的位置和边的形态。所以在对现实网络的研究中，还应结合对区域的分析，相似系数分析则是在前两者基础上，进一步分析贸易空间格局的差异及区位在贸易空间格局形成中的作用。
1.1 原油贸易空间格局网络描述
设V是一个由n个国家vi（i=1， 2，…，n）所组成的原油出口国集合，即V=v1， v2， …， vn， A是由n条有向线段ai （ i=1， 2，…，n）所组成的邻接向量，即A=a1， a2， …， an，ai取0或1，当ai=0，代表进口国与出口国之间不存在原油贸易关系，当ai=1则代表有原油贸易流自出口国vi流向进口国，且A中的任意一条线ai都以vi与进口国为端点，任意一条线除端点外，没有其他公共点。那么V与A共同构成了特定时点某国原油进口贸易空间结构网络，记作G=（V， A）。
1.1.1 度与贸易联系
度是指某时点与进口节点相连的有向线段ai的数量为N，即：
N=∑ni=1ai（ai=0，或1）（1）
代表在某时点进口国自N个国家进口原油。根据对度的描述可以看出不同的原油进口国所建立的贸易联系状况，并通过时间序列的描述了解不同原油进口国贸易联系的演进状况。
1.1.2 权重与贸易联系强度
对度的研究仅考虑了原油贸易关系建立情况，没有考虑原油贸易流量的规模，当前的国际原油贸易格局中流量的规模极不均衡，少数贸易联系的流量规模巨大，而绝大多数贸易联系的流量规模却很小，因此，仅对度进行分析不能准确描述原油贸易空间格局的结构特征，所以引入了对贸易强度的研究。在网络拓扑中，节点间关联强度是由权重来表示的，则权重向量W可以表示为：
1.1.3 标准权重熵与空间结构的非均质性
系统的熵值反映了其所处状态的均匀程度，系统的熵值越小，系统越有序，越不均匀；反之系统越无序，越均匀。在社会科学中，熵是被用来描述、表征系统混乱程度。为了刻画原油贸易空间结构的中贸易强度均匀程度，本文引入了权重熵的概念。
权重熵公式为：
J=-∑ni=1KilnKi（3）
其中Ki为权重要度，即vi在该国进口原油贸易空间结构中的贸易流量的重要度。表示为：
根据熵的涵义，熵刻画了系统的均质程度，当系统完全均质时，即Ki=1/N，权重熵最大，即：Jmax=lnN ；当贸易空间结构强度集中于一个国家时，空间结构最不均匀，K1=1，Ki=0（i≠1），权重熵取最小值Jmin=0 。
为了消除进口来源国数量不同给权重熵比较的影响，对空间结构权重熵进行归一化处理，得到标准权重熵JS，即：
1.2 空间结构相似指数
本文运用借用研究产业结构差异的产业结构相似性指数，从进口权重构成方面测算了各国原油贸易空间格局构成的差异。
产业结构的相似系数是由联合国工发组织（UNIDO）国际工业研究中心提出的度量方法，用于比较两个区域产业结构的相似性，现被广泛用于不同主体构成的比较，相似系数的数值一般是介于 0 和 1 之间[8]。
该指数用公式可表述如下：
1.3 数据说明
在全部石油贸易中，原油贸易一直保持在石油贸易的70%以上，部分年份达80%以上，因此一般认为原油的经济持续供给是保障一国石油安全的关键。基于此，本文选择原油为标的物比较了主要石油进口国的原油贸易空间格局。
文中的主要原油进口国是来自全球三大石油消费区域的10个国家和地区，分别为西欧的法国、德国、意大利与西班牙、亚洲的中国、日本、韩国、中国台湾与印度，及北美的美国。这10个国家与地区的石油消费量约占世界石油消费总量的70%左右，在世界石油贸易格局的形成中有着决定性的影响。
研究数据来源于贸易中心（International Trade Center， ITC）公布的统计数据。ITC是世界贸易组织和联合国的联合机构。该中心通过与各国相关机构合作，提供各国的进出口数据。研究时段为2002-2011年，由于该中心提供的印度进口数据是从2006年开始的，所以对于印度的研究时段是2006-2011年。
2 复杂网络研究结果及分析
2.1 入度差异
2.1.1 入度值比较
根据关联矩阵得各国入度。总的来看，美国是建立的原油进口贸易联系最广泛的国家，目前其贸易空间格局入度基本维持在45以上；其次是印度和中国，近几年印度和中国原油进口贸易空间格局的入度基本维持在42左右；而进口原油量排在世界原油进口大国第五位的韩国则以30位列入度平均值排序的第四位；以后依次是法、德、西班牙、日本、意大利和中国台湾。从时间序列上看，印度是入度增长最快的国家。2006年，印度仅从28个国家进口原油，而2009年其贸易空间格局的入度值则扩张到45，此后则在42左右徘徊；德与西班牙的入度有缓慢上涨，而韩、法和中国台湾则有一定的下降，其他国家与地区的入度仅在不同年份发生小幅波动，而没有明显上涨或下降趋势，见表1。
2.1.2 入度的空间分布比较
观察各国入度，可以看出各国入度的区域分布具有一定的规律性。
第一，本区域是区域内各国原油进口贸易联系最广泛源地之一。这一规律在东亚之于日本、中国与韩国，西欧四国之于西欧，美国之于美洲都有相同的体现。
第二，中东、非洲与前苏联是各国主要的进口来源区域。资源禀赋决定了基本的供给地格局。
第三，中、美为在世界范围内建立进口贸易联系的国家。与法、德、日、韩等国与地区不同，中、美进口原油空间格局的入度区域分布较为广泛。中、美在非洲、中东、前苏联地区与西欧均有一定数量的进口来源地。
2.2 贸易联系强度差异
2.2.1 权重值比较
对贸易联系的比较主要依据总权重与平均权重，权重呈现了各国与各自贸易伙伴间的贸易联系强度。
与平均贸易联系强度相差悬殊。权重最高的是美国。其次是中国、日本、与印度等国。平均权重最高的是美国、日本与中国，其他国家相差不是太大。从时间序列上看，中国的平均权重上涨最为明显，韩国也有一定的上升，但升幅小于中国；美国与德国有一定的下降，其他国家变化不大。
2.2.2 权重的空间分布
根据进口数量的区域分布情况看，中国台湾、韩国、日本与印度的进口来源主要集中在中东地区，美国的原油则主要由中东、美洲与非洲国家供给，而法、德、意大利与西班牙的原油主要来自于非洲、前苏联与中东。且各国原油进口区域构成比例不同年份间变化不大，所以将各国自不同区域的进口量取年度平均值，见图1。
图1 主要原油进口国（地区）进口量区域构成
Fig.1 Regional distribution of crude oil import the main
crude oil importing nations
2.3 空间格局均质化程度差异
从前面对入度及权重的分析结果可以看出，各国原油进口贸易空间格局是非均质的，所以本文利用权重熵测度了各国贸易空间结构的均质性，见表2。
良好的区位环境造就了法国、西班牙与意大利贸易空间结构的均质性，而对美国来说，尽管其进口贸易定位于全球，但北美是其重要的进口来源，这也使美国空间格局具有有序性特征。在亚太的消费大国与地区中，韩国与日本更青睐于石油资源丰富、且运输距离较近的中东地区，尽管这几个经济体都有多元化的倾向，但韩日试图建立的是中东为主体的多元化贸易格局，而非实现原油贸易空间格局的均质化。而对于中国来说，尽管与日本、韩国地理位置相近，贸易通道也非常相似，但贸易空间结构却存在着巨大的差异。多元化战略在中国原油贸易空间格局中的决定性作用凸显。同时，从德国的贸易格局中，也可以看出，其在选择贸易伙伴时更倾向于近域或通道条件较好的国家与区域。而非像所有的出口国伸出橄榄枝。总的来看，中国进口来源国数量与均质化程度均较高。而尽管美国在进口来源国数量上与中国媲美，但美国的进口量却向南北美与西非集中，所以其空间结构的经济性要优于中国。
3 区域结构的相似性测度及分析
从图1中可以看出，部分国家间区域构成相似性明显。根据结构相似性指数，测算得各国原油贸易空间格局构成的相似系数（见表3）。当然相似系数也是国家间差异程度的测度指标。
根据原油进口国进口区域结构相似系数，可以看出韩国、中国台湾、日本与印度，意大利与西班牙，中国与意大利，德国与法国，中国与西班牙等几组最为相似。
3.1 日、韩、中国台湾、印度与中国区位相近，空间结构相似度不同
虽具相似贸易区位，但在相似性分析中可以看出中国
的原油进口空间结构与日本、韩国、中国台湾及印度不同。日本、韩国、中国台湾与印度的进口原油主要来自中东地区，来自中东的原油基本为韩、日与中国台湾进口量的80%-90%之间，其次为亚洲与非洲。印度的进口原油中也有70%左右来自中东，其他部分主要来自亚太。而在中国的进口原油中，来自中东的原油不足50%，其次为非洲，来自非洲的原油约占中国进口原油的30%，最后是亚洲其他国家。从原油的进口来源地域上看，中国原油进口输油距离明显高于日本、韩国、中国台湾与印度。
3.2 中国与意大利和西班牙贸易区位差异大，但进口空间结构相似
从相似系数看，与中国进口区域结构最为相似的是意大利与西班牙，意大利和西班牙国家建立进口贸易联系最广泛的区域均为非洲，中东与前苏联地区。意大利与西班牙自非洲进口原油有着明显的地缘优势，尤其意大利自非洲的进口来源国主要集中在北非，其距离与运输通道优势不言而喻。同时，来自中东的石油则可经红海进入地中海，或是通过中东地区管网直接运至地中海沿岸装船后，运抵意大利。而前苏联地区的原油则可在黑海装船经博斯普鲁斯海峡运往地中海至意大利，或在由管道运输至地中海沿岸装船运抵意大利。所以从贸易区位角度，意大利在进口中东、非洲，或是前苏联地区原油方面都有很好的贸易区位优势。石油安全压力致使的多元化选择是中国不断扩张自非洲的石油进口，进而导致了中国与意大利和西班牙的空间格局相似，贸易格局重心外移明显。
一般来说，距离与运输成本的呈正相关关系。Portes and Rey运用引力模型研究发现，距离意味着信息不对称，是跨境实物贸易的最大障碍[9]在其他条件相同的情况下，离资源输出地越近的区域，越容易从资源输出地调入资源。且空间距离的增加不仅增加运输成本，也增加了社会与时间成本。艾萨德认为：“……作为权益的处理方法，在将生产者相互分离时，运输成本和空间成本的特殊效应就必须被考虑到。它是如此重要，以致于无法通过暗含的方式加以回避”[10] 。
3.3 德、法、意、西同为欧州国家，但空间结构不同
虽均为西欧国家，但贸易区位却存在显著差异，因而各国的贸易结构也不尽相同。其中最为相似的是意大利与西班牙。同为地中海沿岸国家使其更容易或更经济地获得西非与北非的原油，中东石油也较容易经地中海运往这两个国家。当然法国也为地中海沿岸国家，但是相对于西非，法国进口北海原油更经济。所以在各自的进口量构成中可以看出，意大利与西班牙最大的原油进口来源地均为非洲，自非洲进口原油约占意大利和西班牙进口原油的近40%；其次为中东。而法国的原油主要来源于中东、非洲、中东与西欧，几乎各占1/4。显然法国与意大利和西班牙不同。德国进口原油70%以上源于前苏联和西欧，来自中东的原油仅占其全部进口原油的5%-10%之间。德国为非地中海国家，因此缺乏利用非洲进口石油的地理优势，同样中东石油运往德国同样缺乏通道与地缘优势。然而德国历来是俄石油出口大户，在俄德原油贸易中友谊管道起着不可估量的作用；德自西欧的原油大部分出自北海油田，所以说欧洲进口大国的贸易地域构成也彰显了原油贸易区位条件的决定性作用。
4 结 论
以上对各国原油进口贸易的拓扑结构与空间结构差异进行了比较研究，研究结果表明除中国外，其他进口大国的进口地域选择中区位条件是决定性因素，具体如下：
4.1 进口国原油贸易空间格局差别显著，区位条件是差异形成的根源之一
无论是入度、权重的空间分布，还是熵值比较均表明，各国的进口空间结构存在明显差异。相较于中国，美国、日本、德国与韩国的原油贸易空间格局更具有序性，有序性使得这些国家的贸易空间结构更经济。而在较高原油贸易空间格局均质性的国家中，法国、西班牙与意大利的原油贸易空间均质性源于各自的地理区位优势；
4.2 部分国家进口地域结构相似，区位条件是相似根本原因
大多数相似系数显示相近的地理位置与相似的石油贸易运输区位条件是原油进口大国进口地域结构相似的前提，如意大利和西班牙，韩国、日本、印度与中国台湾，及法国与德国。
4.3 多元化战略降低了中国进口空间格局的经济性，且无益于解决贸易风险
其他进口大国的源地结构的分析表明这些国家在选择贸易伙伴时更倾向于近域或通道条件较好的国家与区域。所以这些国家的进口来源国数量小，贸易地域相对集中度较高。相比之下，中国进口多元化与进口强度增长趋势明显；显然中国原油贸易空间格局的高均质化源于多元化战略，而非良好的贸易区位；多元化战略致使北非与西非国家成为中国原油进口源地，进而导致贸易区位相距甚远的中国与意大利和西班牙原油进口贸易格局的相似，中国原油贸易空间格局的重心外移，经济性下降，同时，多元化进程中，中国进口原油依旧来自较动荡区域，源地多元化并没有达到有效解决进口来源地风险的目的；且分散了源地风险的同时，多元化战略也增加了发生风险事件的机率；也无益于改变80%的进口原油通过马六甲进入中国的困局。
总的来看，与其他国家的经济性追求不同，中国原油进口多元化进程中，客观上实行了以牺牲经济性换取石油供给的持续性的策略，而石油安全要实现的目标是经济而且持续的石油供给，单纯追求持续性则有悖于安全供给的初衷，且就当前的国际原油市场的运行机制看，分散风险成本过高意义并不大。所以调整原油进口空间结构，使之更具经济性是必要的。
参考文献（References）
[1]
段进军.从地缘政治角度论冷战后资源的战略地位：以石油和水资源为例[J].地理科学进展，2000，19 （2）：181-186.[Duan Jinjun. Expounding Strategy of Resources after the Cold War from the Angle of the Geopolitics[J]. Progress in Geography， 2000， 19 （2）：181-186.]
[2]徐小杰.新世纪的油气地缘政治：中国面临的机遇与挑战[M].北京：社会科学文献出版社，1988：24-27.[Xu Xiaojie. Petroleum and Natural Gas Geopolitics in the New Century：China Facing the Opportunity and Challenge [M].Beijing： Social Sciences Academic Press， 1988.24-27.]
[3]贾文龙.世界石油供应格局演变及价格走势分析[J].中国国土资源经济，2007，（5）：4-6.[Jia Wenlong. Analysis on the Evolution of Supply Pattern and the Tendency of Price Concerning World Oil[J]. Natural Resource Economics of China， 2007，（5）：4-6.]
[4]Morgenthau H J. Politics among Nations： The Struggle for Power and Peace [M]. New York：McGraw Hill，Inc.1985：130-143.
[5]程淑佳，王肇钧.复杂网络理论下世界原油贸易空间格局演进研究[J].地理科学， 2011，（11）：1342-1347.[Cheng Shujia，Wang Zhaojun. Evolution of Spatial Pattern of World Crude Oil Trade Based on Complicated Network Theory[J]. Scientia Geographica Sinica， 2011，（11）：1342- 1347.]
[6]刘宝全.国际贸易网络测度与演化研究[D].上海：上海交通大学，2007：56[Liu Baoquan. Research on Measurement and Evolution of World Trade Network[D].Shanghai： Shanghai Jiao Tong University， 2007：56.]
[7]Newman M E J，Watts D J. Renormalization Group Analysis of the Smallworld Network Model[J].Physics Letters A.1999， 263：341-346.
[8]张云逸.吉林省中部核心地带产业整合研究[D].长春：东北师范大学，2006：32.[Zhang Yunyi. Study on Industrial Integration and Its Countermeasure Based on the Nuclear Region of Jilin Province[D].Changchun： Northeast Normal University， 2006：32.]
购物车(0)
