随着近幾年關于複雜網絡（Complex network）理論及其應用研究的不斷深入，已有大量關于複雜網絡的文章發表在Science，ature，RL，NAS等國際一流的刊物上，側面反映了複雜網絡已經成為實體界的一個新興的研究熱點。人們開始嘗試應用這種新的理論工具來研究現實世界中的各種大型複雜系統，其中複雜系統的結構以及系統結構與系統功能之間的關系是人們關注的熱點問題。[1]
在自然界中存在的大量複雜系統都可以通過形形色色的網絡加以描述。一個典型的網絡是由許多節點與節點之間的連邊組成，其中節點用來代表真實系統中不同的個體，而邊則用來表示個體間的關系，往往是兩個節點之間具有某種特定的關系則連一條邊，反之則不連邊，有邊相連的兩個節點在網絡中被看作是相鄰的。例如，神經系統可以看作大量神經細胞通過神經纖維互相連接配接形成的網絡[2]；計算機網絡可以看作是自主工作的計算機通過通信媒體如光纜、雙絞線、同軸電纜等互相連接配接形成的網絡[2]。類似的還有電力網絡[3]、社會關系網絡[2,4-5]、交通網絡[6]、排程網絡[7]等等。
複雜網絡的研究由于其學科交叉性和複雜性的特點，涉及了衆多學科的知識和理論基礎，尤其是系統科學、統計實體、數學、計算機與資訊科學等，常用的分析方法和工具包括圖論、組合數學、矩陣理論、機率論、随機過程、優化理論和遺傳算法等。複雜網絡的主要研究方法都是基于圖論的理論和方法開展的，并已經取得了可喜的成果。但近幾年，統計實體的許多概念和方法也已成功地用于複雜網絡的模組化和計算，如統計力學、自組織理論、臨界和相變理論、滲流理論等[8]，如網絡結構熵的概念，并用它來定量地度量複雜網絡的“序”。複雜網絡模型在很多科學領域都得到廣泛的應用。
參考文獻：
[1] 孫玺菁, 司守奎. 複雜網絡算法與應用[M]. 國防工業出版社, 2015.
[2] Watts D J, Strogatz S H. Collective dynamics of 'small-world' networks.[J]. Nature, 1998, 393(6684):440.
[3] Faloutsos M, Faloutsos P, Faloutsos C. On power-law relationships of the Internet topology[J]. Acm Sigcomm Computer Communication Review, 1997, 29(4):251-262.
[4] Hofman J M, Sharma A, Watts D J. Prediction and explanation in social systems.[J]. Science, 2017, 355.
[5] Ebel H, Mielsch L I, Bornholdt S. Scale-free topology of e-mail networks[J]. Phys Rev E Stat Nonlin Soft Matter Phys, 2002, 66(3 Pt 2A):035103.
[6] 吳文祥, 黃海軍. 固定需求交通網絡的一般系統最優模型與性質[J]. 管理科學學報, 2015, 18(12):58-67.
[7] 宣琦,吳鐵軍. 複雜open shop問題的網絡模型及排程規則設計[J]. 浙江大學學報(工學版),2011,(06):961-968.
[8] Albert R, Barabási A. Statistical mechanics of complex networks[J]. Review of Modern Physics, 2002, 74(1):47-97.
1. 複雜網絡的研究曆史
1736，歐拉：哥尼斯堡七橋問題；1950，Erdos, Renyi: 随機圖論；1998，Strogatz, Barabasi:小世界和無标度網絡。
兩篇開創性的文章可以看作是複雜網絡研究新紀元開始的标志：
一篇是美國康奈爾（Cornell）大學理論和應用力學系的博士生Watts及其導師、非線性動力學專家Strogatz教授于1998年6月在Nature雜志上發表的題為《“小世界”網絡的集體動力學》（Collective Dynamics of ‘Small-World’ Networks）的文章；
另一篇是美國Notre Dame大學實體系的Barabāsi教授及其博士生Albert于1999年10月在Science雜志上發表的題為《随機網絡中标度的湧現》（Emergence of Scaling in Random Networks）的文章。這兩篇文章分别揭示了複雜網絡的小世界特征和無标度性質，并建立了相應的模型以闡述這些特性的産生機理。至此，人們逐漸展開了對複雜網絡的研究。
關于網絡的研究，數學家早在兩百多年前就開始了，他們已經發展出了成體系的理論與技術，而實體學家的進入隻有十幾年左右的曆史！到底是什麼鼓動實體學家來趟這塘渾水，他們的到來有意義嗎？
在我們看來，研究對象特殊的尺度效應是召喚實體學家到來的根本原因。
數學家經典的網絡理論，要麼是分析包含幾十數百個頂點，可以畫在一張紙上進而形成直覺印象的網絡；要麼是讨論不含有限尺度效應，可以精确求解的網絡性質。“随機移走一個頂點會對網絡的性能産生什麼樣的影響？”這個問題對于研究有限規則網絡的數學家是有意義的，對于擁有幾千萬個節點，接方式複雜多樣的真實網絡而言，或許“随機移走 3％的頂點會對網絡性能産生什麼樣的影響？”這個問題更有意義。這個尺度的網絡，是被實體學家稱作“足夠大”的網絡，對它們的研究，需要使用統計實體的方法。
數學家和實體學家在考慮網絡的時候，往往隻關心節點之間有沒有邊相連，至于節點到底在什麼位置，是長還是短，彎曲還是平直，有沒有相交等等都是他們不在意的。在這裡，他們把網絡不依賴于節點的具體位置和邊的具體形态就能表現出來的性質叫做網絡的拓撲性質，相應的結構叫做網絡的拓撲結構。
那麼，什麼樣的拓撲結構比較适合用來描述真實的系統呢？兩百多年來，這個問題的研究經曆了三個階段。在最初的一百多年裡，數學家們認為真實系統各因素之間的關系可以用一些規則的結構表示，如二維平面上的歐幾裡德格網，看起來像是格子體恤衫上的花紋；又或者最近鄰環網，總是會讓你想到一群手牽着手圍着篝火跳圓圈舞的姑娘。
到了二十世紀五十年代末，數學家們想出了一種新的構造網絡的方法，在這種方法下，兩個節點之間連邊與否不再是确定的事情，而是根據一個機率決定。數學家把這樣生成的網絡叫做随機網絡，在接下來的四十年裡一直被很多科學家認為是描述真實系統最适宜的網絡。直到最近幾年，由于計算機資料處理和運算能力的飛速發展，科學家們發現大量的真實網絡既不是規則網絡，也不是随機網絡，而是具有與前兩者皆不同的統計特征的網絡。這樣的一些網絡被科學家們叫做複雜網絡（Complex Networks），對于它們的研究标志着第三階段的到來。
國内學者對國外複雜網絡理論研究的介紹最早始于汪小帆(2002)發表在國外雜志上的一篇文章[3]，文中回顧了近年來國外複雜網絡研究所取得的重要成果，其中包括平均路徑長度、聚集系數、度分布等網絡度量，Internet、www和科學合作網絡等現實系統，規則網絡、随機網絡、小世界網絡、無标度網絡等網絡模型，以及複雜網絡上的同步等。
而在國内刊物上對國外複雜網絡理論研究的介紹可追溯到朱涵(2003) [4]在《實體》雜志上發表的“網絡‘建築學”’，文章以小世界、集團化和無标度等概念為中心，介紹了複雜網絡的研究進展。
之後，吳金閃等[5]從統計實體學的角度總結了複雜網絡的主要研究結果，對無向網絡、有向網絡和權重網絡等三種不同網絡統計性質研究的現狀分别作了綜述，對規則網絡、完全随機網絡、小世界網絡和無标度網絡等網絡機制模型進行了總結，并對網絡演化的統計規律、網絡上的動力學性質的研究進行了概括。
周濤等(2005)圍繞小世界效應和無标度特性等複雜網絡的統計特征及複雜網絡上的實體過程等問題，概述了複雜網絡的研究進展。
劉濤等[6]從平均路徑長度、聚集系數、度分布等複雜網絡的統計性質，小世界網絡和無标度網絡等網絡模型等層面簡述了複雜網絡領域的相關研究。
史定華[7]從對網絡節點度和度分布的了解入手，對網絡分類、網絡的演化機理和模型及結構湧現等方面取得的進展進行了總結。
遺憾的是，目前而言，科學家們還沒有給出複雜網絡精确嚴格的定義，從這十幾年的研究來看，之是以稱其為複雜網絡，緻少包含以下幾層意思：首先，它是大量真實複雜系統的拓撲抽象；其次，它至少在感覺上比規則網絡和随機網絡複雜，因為我們可以很容易地生成規則和随機網絡，但就目前而言，還沒有一種簡單方法能夠生成完全符合真實統計特征的網絡；最後，由于複雜網絡是大量複雜系統得以存在的拓撲基礎，此對它的研究被認為有助于了解“複雜系統之是以複雜”這一至關重要的問題。
[1] Watts D J, Strogatz S H. Collective dynamics of 'small-world' networks.[J]. Nature, 1998, 393(6684):440.
[2] Barabási A, Albert R. Emergence of Scaling in Random Networks[J]. Science, 1999, 286(5439):509-512.
[3] XIAO FAN WANG. COMPLEX NETWORKS: TOPOLOGY, DYNAMICS AND SYNCHRONIZATION[J]. International Journal of Bifurcation & Chaos, 2002, 12(5):885-916.
[4] 朱涵, 王欣然, 朱建陽. 網絡“建築學”[J]. 實體, 2003, 32(6):364-369.
[5] 吳金閃, 狄增如. 從統計實體學看複雜網絡研究[J]. 實體學進展, 2004, 24(1):18-46.
[6] 劉濤, 陳忠, 陳曉榮. 複雜網絡理論及其應用研究概述[J]. 系統工程, 2005, 23(6):1-7.
[7] 史定華. 網絡——探索複雜性的新途徑[J]. 系統工程學報, 2005, 20(2):115-119.
2. 複雜網絡的統計特征
2.1平均路徑長度L
在網絡中，兩點之間的距離為連接配接兩點的最短路徑上所包含的邊的數目。網絡的平均路徑長度指網絡中所有節點對的平均距離，它表明網絡中節點間的分離程度，反映了網絡的全局特性。不同的網絡結構可賦予L不同的含義。如在疾病傳播模型中L可定義為疾病傳播時間，通網絡模型中L可定義為站點之間的距離等。
2.2聚集系數C
在網絡中，節點的聚集系數是指與該節點相鄰的所有節點之間連邊的數目占這些相鄰節點之間最大可能連邊數目的比例。而網絡的聚集系數則是指網絡中所有節點聚集系數的平均值，它表明網絡中節點的聚集情況即網絡的聚集性，也就是說同一個節點的兩個相鄰節點仍然是相鄰節點的機率有多大，它反映了網絡的局部特性。
2.3度及度分布
在網絡中，點的度是指與該節點相鄰的節點的數目，即連接配接該節點的邊的數目。而網絡的度<k>指網絡中所有節點度的平均值。度分布P(k)指網絡中一個任意選擇的節點，它的度恰好為k的機率。
2.4介數
包括節點介數和邊介數。節點介數指網絡中所有最短路徑中經過該節點的數量比例，邊介數則指網絡中所有最短路徑中經過該邊的數量比例。介數反映了相應的節點或邊在整個網絡中的作用和影響力。
2.5小世界效應
複雜網絡的小世界效應是指盡管網絡的規模很大(網絡節點數目N很大)，但是兩個節點之間的距離比我們想象的要小得多。也就是網絡的平均路徑長度L随網絡的規模呈對數增長，即L～In N。大量的實證研究表明，真實網絡幾乎都具有小世界效應。
2.6無标度特性
對于随機網絡和規則網絡，度分布區間非常狹窄，大多數節點都集中在節點度均值<k>的附近，說明節點具有同質性，是以<k>可以被看作是節點度的一個特征标度。而在節點度服從幂律分布的網絡中，大多數節點的度都很小，而少數節點的度很大，說明節點具有異質性，這時特征标度消失。這種節點度的幂律分布為網絡的無标度特性。
3. 各種網絡模型
3.1 規則網絡
最簡單的網絡模型為規則網絡，它是指系統中各元素之間的關系可以用一些規則的結構表示，也就是說網絡中任意兩個節點之間的聯系遵循既定的規則，通常每個節點的近鄰數目都相同。常見的具有規則拓撲結構的網絡包括全局耦合網絡（也稱為完全圖）、最近鄰耦合網絡和星型耦合網絡。
3.2 随機網絡
從某種意義上講，規則網絡和随機網絡是兩個極端，而複雜網絡處于兩者之間。節點不是按照确定的規則連線，如按純粹的随機方式連線，所得的網絡稱為随機網絡。如果節點按照某種自組織原則方式連線，将演化成各種不同網絡。
3.3 小世界網絡
規則的最近鄰耦合網絡具有高聚類特性，但并不是小世界網絡。另一方面，ER随機網絡雖然具有小的平均路徑長度但卻沒有高聚類特性。是以，這兩類網絡模型都不能再現真實網絡的一些重要特征，畢竟大部分實際網絡既不是完全規則的，也不是完全随機的。作為從完全規則網絡向完全随機網絡的過渡，Watts和Strogtz于1998年引入了一個小世界網絡模型，稱為WS小世界模型。
3.4 無标度網絡
很多網絡（包括Internet和新陳代謝網絡等）都不同程度擁有如下共同特性：大部分節點隻有少數幾個連結，而某些節點卻擁有與其他節點的大量連結，表現在度分布上就是具有幂律形式，即P(k)~k—γ。這些具有大量連結的節點稱為“集散節點”，所擁有的連結數可能高達幾百、幾千甚至幾百萬。包含這種集散節點的網絡，由于網絡節點的度沒有明顯的特征長度，故稱為無标度網絡。
3.5 自相似網絡
自相似是相似中的一種特殊情況，它是指系統的部分和整體之間具有某種相似性，這種相似性不是兩個無關事物間的偶然近似，而是在系統中必然出現并始終保持的。這種自相似是層次複雜網絡共有的拓撲性質，而自相似又是分型的一個基本特征，是以複雜系統與各層次子系統之間的自相似性，可以利用分形加以描述。
4. 複雜網絡主要研究内容及應用
4.1 主要研究内容
複雜網絡模型：
典型的複雜網絡：随機網、小世界網、無标度網等；
實際網絡及其分類。
網絡的統計量及與網絡結構的相關性：
度分布的定義和意義，聚集性、連通性的統計量及其實際意義等。
複雜網絡性質與結構的關系：
同步性、魯棒性和穩定性與網絡結構的關系。
複雜網絡的動力學：
資訊傳播動力學、網絡演化動力學、網絡混沌動力學。
複雜網絡的複雜結構：
社團結構、層次結構、節點分類結構等。
網絡控制：
關鍵節點控制、主參數控制和控制的穩定性和有效性。
4.2 複雜網絡的應用
複雜網絡與生物體的新陳代謝系統、大腦神經網絡相結合；
複雜網絡與生物傳染病相結合、在流行病傳播與免疫控制方面的研究；
複雜網絡上的博弈；
複雜網絡在交通網絡與社會經濟中的應用；
複雜網絡在通信網絡中的應用；
複雜網絡在計算機網絡與網際網路中的應用；
複雜網絡在傳感器網絡中的應用；
複雜網絡在語言詞彙網絡和社會意見傳播等方面的應用等。
技術網絡：
計算機網際網路絡已經發展成為一個巨大的複雜系統，網絡的數以千萬計的終端使用者通過網關和路由器（網絡節點）相連，形成一個非常複雜的不規則的拓撲結構而且，越來越多的資訊按照協定通過網際網路絡由各種資訊資源傳給不同的終端使用者(随着使用者數量和網絡連接配接的迅猛增加，網絡拓撲結構更為複雜，導緻網絡傳輸速率下降和等待時間加長，進而使得網絡擁塞網絡的擁塞又使得人們不停的改進網絡協定和作業系統、增加網絡帶寬、增加和優化網絡資源，以利于網絡更為有效合理的使用。[32]
現實世界中的許多系統都可以用複雜網絡來描述，力系統是人類創造的最為複雜的網絡系統之一。目前經典的網絡模型與實際電力網絡存在較大差異。從電力網絡本身的演化機理入手，提出并研究了一種可以模拟電力網絡演化規律的新型局域世界網絡演化模型。[33]
社會網絡：
朋友關系網作為一種典型的社會網絡，受到了複雜網絡領域諸多學者的關注。顧名思義，朋友關系網是根據人們之間的朋友關系所建立的網絡，以人為節點，兩人之間若有朋友關系則連接配接一條邊。一些學者之前對朋友關系網的研究也獲得了許多成果。[34]
引文網絡是展現知識生産、傳播過程的一個重要方面。随着知識量的迅速增長，引文網絡已經形成了一個超大規模的網絡系統。然而，科學計量學領域中關于大型引文網絡的研究還非常少，關于引文網絡中知識生産和傳播過程的研究更是少有涉及。
本文立足于科學學引文網絡，整合複雜網絡理論和社會網絡分析方法，從宏觀、微觀和中觀三個層面對科學學的引文網絡進行研究，探讨網絡的結構及其對知識的流動傳播産生的影響。 對從SCI中下載下傳的資料進行了權威控制并對其進行糾錯，力圖使研究最接近于真實情況。在此基礎上對科學學引文網絡的整體結構進行了研究，發現科學學引文網絡同時具有複雜網絡的“無标度”、“小世界”和“高集聚”的特性。科學學引文網絡的整體結構适宜于知識快速流動，但是知識傳播的路徑還有待于進一步的優化。[35]
交通運輸網絡：
在城市道路交通網絡中，于惡劣天氣、交通事件等可能造成一個或少數關鍵路段或路口失效(如堵塞)，些失效路段或路口會通過路段、路口間的互相關聯引起其它路段或路口失效，成連鎖效應，終導緻整個網絡或局部崩潰，就是級聯失效。[36]
基于整個航空運輸網絡研究航班延誤及其産生的次生衍生突發事件鍊式效應。以航班延誤為中心，讨航班延誤及其波及的發生發展過程，立基于階段細分的航班延誤波及模型；
根據導緻航班延誤的原因以及次生衍生事件鍊式效應規律，理由航班延誤及其波及導緻的下遊航班或下遊機場航班延誤等一系列次生衍生事件鍊，建航班延誤次生衍生事件鍊式網絡；
通過建立航空運輸網絡結構，拟航班延誤及其次生衍生事件鍊式效應的傳播擴散過程，精确預測航班延誤引發的次生衍生事件，量分析航班延誤波及效應的影響程度。有助于民航應急管理部門有針對性地預防和管控航班延誤可能發生的次生衍生事件，而有效地緩解由航班延誤波及引發的次生衍生事件的後果與影響，低航班延誤的損失。[37]
随着城市化程序的加速，人們出行日益增加，城市的交通擁堵問題越來越嚴重。公共交通是解決城市擁堵問題最為有效的途徑，而城市公共交通網絡容量是城市公共交通的一項重要研究。大量的研究如，如何定義城市公共交通網絡容量；如何确定影響因素以及計算容量的大小。[38]
生物網絡：
生态網絡是對生态系統中物質、能量流動進行模拟的結構模型。生态網絡分析是指對生态網絡進行分析的方法和理論。它在年代後期開始引起人們的注意。其領域涉及生态網絡流動分析、資訊分析、随機分析、結構分析以及靈敏度分析等。它是系統生态學的重要分支。[39]
随着人類基因組測序工作的完成，蛋白質組學的研究逐漸成為生命科學領域中的研究熱點，對其研究有助于人類更好地了解在生物過程中蛋白質的作用。蛋白質互相作用網絡是一個生命有機體内所有互相作用的蛋白質連接配接而成的一種複雜網絡。[40]
人腦是由大量的神經元細胞組成的，神經元的工作産生了人腦的智能，人腦的研究導緻了神經網絡這一門學科的誕生，以說腦科學和神經科學的發展對神經網絡研究的進展起到了很大的幫助和引領作用。模拟人類或者其他進階靈長類動物、哺乳動物、鳥類等的視覺、聽覺、語言了解等功能的原理，是神經網絡研究的初衷，這也是為什麼神經網絡領域的研究常常和腦科學以及神經學、認知學等領域存在交叉。
由此而發展起來的機器學習可以分為兩大類：有監督學習和無監督學習。有教師監督的學習指的是所學習的資料樣本是标注好的，學習模型在學習的時候知道要學習的結果是什麼樣，然後根據已知的結果去調節學習的過程和模型本身的參數，監督學習指的是資料樣本沒有标注，學習模型無法得知學習的最終結果，能按照一定的規則去學習未知的結果。[41]
5. 複雜網絡研究相關著作及論文
[1] 謝逢潔. 複雜網絡上的博弈[M]. 清華大學出版社, 2016.
[2] 蔣忠元, 梁滿貴. 複雜網絡傳輸容量分析與優化[M]. 北京交通大學出版社, 2016.
[3] 孫玺菁, 司守奎. 複雜網絡算法與應用[M]. 國防工業出版社, 2015.
[4] 李鳳華, 熊金波. 複雜網絡環境下通路控制技術[M]. 人民郵電出版社, 2015.
[5] 蘇厚勝, 汪小帆. 複雜網絡化系統的牽制控制:英文版[M]. 上海交通大學出版社, 2014.
[6] 張子柯. 大資料下複雜網絡的機遇與挑戰[M]. 科學出版社, 2014.
[7] 傅新楚, MichaelSmall, 陳關榮,等. 複雜網絡傳播動力學:模型、方法與穩定性分析[M]. 高等教育出版社, 2014.
[8] 陸再珍. 基于複雜網絡理論的城市軌道交通系統[M]. 2013.
[9] 郭進利. 複雜網絡和人類行為動力學演化模型[M]. 科學出版社, 2013.
[10] 何铮. 複雜網絡在管理領域的應用研究[M]. 電子科技大學出版社, 2013.
[11] 陳關榮, 汪小帆, 李翔. 複雜網絡引論[M]. 高等教育出版社, 2012.
[12] 郭世澤. 複雜網絡基礎理論[M]. 科學出版社, 2012.
[13] 王維紅. 金融危機沿國際貿易網絡跨國傳播研究:基于複雜網絡理論[M]. 企業管理出版社, 2012.
[14] 劉穎. 複雜網絡視角下的知識傳播[M]. 中國人民大學出版社, 2012.
[15] 溫磊. 基于複雜網絡的供應鍊模組化與仿真研究[M]. 河北大學出版社, 2012.
[16] 劉健. 複雜網絡社團結構的動力學方法研究[M]. 北京大學, 2011.
[17] 李岸巍. 細胞自動機及其在複雜網絡中的應用[M]. 人民郵電出版社, 2011.
[18] 譚利. 複雜網絡模型及應用研究[M]. 中南大學出版社, 2010.
[19] 吳建軍. 城市交通系統複雜性:複雜網絡方法及其應用[M]. 科學出版社, 2010.
[20] 譚玲玲. 中國煤炭需求複雜網絡結構模組化研究[M]. 經濟管理出版社, 2009.
[21] 汪小帆. 複雜網絡理論及其應用[M]. 清華大學出版社, 2006.
[22] 郭雷, 許曉鳴. 複雜網絡[M]. 上海科技教育出版社, 2006.
[23] Hofman J M, Sharma A, Watts D J. Prediction and explanation in social systems.[J]. Science, 2017, 355.
[24] Newman, Barabasi, Watts. The Structure and Dynamics of Networks. Princeton University Press, 2006.
[25] S.Boccaletti, et al. Complex Networks: Structure and dynamics, Phys. Rep. 424 (2006) 175-308.
[26] E. Ben-Naim, et al. Complex Networks, Springer, 2004.
[27] S. N. Dorogovtesev, J.Mendes. Evolving of Networks, Oxford Un. Press, 2003.
[28] Ebel H, Mielsch L I, Bornholdt S. Scale-free topology of e-mail networks[J]. Phys Rev E Stat Nonlin Soft Matter Phys, 2002, 66(3 Pt 2A):035103.
[29] Albert R, Barabási A. Statistical mechanics of complex networks[J]. Review of Modern Physics, 2002, 74(1):47-97.
[30] Barabási A, Albert R. Emergence of Scaling in Random Networks[J]. Science, 1999, 286(5439):509-512.
[31] Watts D J, Strogatz S H. Collective dynamics of 'small-world' networks.[J]. Nature, 1998, 393(6684):440.
[32] 劉鋒, 任勇, 山秀明. 網際網路絡資料包傳輸的一種簡單元胞自動機模型[J]. 實體學報, 2002, 51(6):1175-1180.
[33] 王光增, 曹一家, 包哲靜,等. 一種新型電力網絡局域世界演化模型[J]. 實體學報, 2009, 58(6):3597-3602.
[34] 張恺, 馬忠軍, 李科贊. 朋友關系網絡的實證統計研究[J]. 電子科技大學學報, 2014(3):336-341.
[35] 張美平. 科學引文網絡分析及其應用研究[D]. 電子科技大學, 2015.
[36] 王正武, 王傑, 黃中祥. 控制城市道路交通網絡級聯失效的關閉政策[J]. 系統工程, 2016(2):103-108.
[37] 賈萌. 基于航空網絡的航班延誤次生衍生事件鍊式效應研究[D]. 南京航空航天大學, 2015.
[38] 劉岩, 邵岩, 王利傑,等. 城市公共交通網絡容量研究[J]. 大連交通大學學報, 2015, 36(s1).
[39] 韓博平. 生态網絡分析的研究進展[J]. 生态學雜志, 1993(6):41-45.
[40] 韓躍, 冀俊忠, 楊翠翠. 基于多标簽傳播機制的蛋白質互相作用網絡功能子產品檢測[J]. 模式識别與人工智能, 2016, 29(6):548-557.
[41] 趙國振. 基于自組織神經網的複雜網絡社群發現研究[D]. 吉林大學, 2015.
原文釋出時間為：2017-11-3
本文作者：謝旺