复杂网络分析范文

复杂网络分析篇1

[关键词] 企业营销 复杂网络 统计参数 决策研究

随着科学技术的进步和生产力的发展,政治、经济、社会环境发生了巨大变化,顾客的消费水平不断提高,使得企业间的竞争日益加剧。企业为了提高竞争力而采取了许多先进的制造技术和管理方法。营销管理日益受到企业的重视,企业在全球市场中不再作为单个实体而是作为营销链的一部分参与竞争,企业之间的竞争已经转化成为营销系统之间的竞争。营销系统是在竞争、合作、动态的环境中,由厂商、各级销售和客户等成员实体构成的快速响应环境变化的动态销售网络。在竞争、合作和动态多变的市场环境下,复杂营销网络中的每一个成员都有自身的经营策略,每个成员的目标都是通过不断提高自身对市场的适应能力从而提高其竞争力来获取利润。可见,营销系统是一种复杂的自组织、自适应性网络系统,因而用复杂网络的研究方法可以发现其它方法不易揭示的该类系统的有趣而且重要的性质,而这些宏观规律对系统的运作管理和科学决策具有重要的参考价值。

一、复杂网络的统计参数

复杂系统可以被理解为一个关系网络, 这个关系网络由一个个节点所组成, 这些节点之间依据一定的规则、相互关系而维系着系统整体的存在。在社会经济系统中作为复杂系统的网络无处不在, 如人与人之间的社会网络、资源共享网络、绿色经济网络、企业之间的产品生产和销售等方面的竞争网络、国家内外之间的贸易合作网络等等。复杂网络研究是从统计角度考察网络中大规模节点及其连接之间的性质, 这些性质的不同意味着不同的网络内部结构, 而网络内部结构的不同导致系统功能有所差异。在现实的社会经济系统中,我们将每一个企业主体看做是一个节点,而企业之间的博弈规则看做是连接节点的边,于是系统中存在的主体便构成了一个网络。

1.平均路径长度(Average path length)

网络的特征路径长度 是所有节点对之间的最短路径的平均值, 表示为

(1)

其中表示节点之间的最短路径值。

研究表明,尽管许多实际网络的节点数巨大,但网络的平均路径长度L相对于N来说却很小,这种现象称之为“小世界效应”。

2.聚类系数(Clustering coefficient)

节点的聚类度的所有邻居节点之间实际的连接数与理论存在的最大连接数之比, 表示为

(2)

其中为节点的度。平均聚类系数C定义为所有节点的聚类系数的平均值, 表示为

(3)

研究表明,在大多数情况下,复杂网络的集群系数都要比随机网络和规则网络的集群系数大得多。正如常言所说的“物以类聚,人以群分”所描述的那样,社会经济网络的一个典型的特征就是小集团集群的形态。

3.度及度分布(Degree and degree distribution)

图论中节点的度定义为与该节点连接的其它节点的数目,通常用分布函数 来描述网络中节点的度分布情况, 表示一个随机选定节点的度恰好为 的概率。节点度的分布特征是网络的重要几何性质,规则网络中各节点的度值相同,符合Delta 分布,随机网络的度分布可近似为Poisson 分布,大量的实际网络存在幂律形式的度分布,称为无标度网络。无标度网络是节点与节点之间的连接分布遵循幂律分布的网络,即节点度分布服从幂律分布。在这种网络中,大部分节点只有少数连接,而某些少数节点则拥有与其他节点的大量连接,即存在一些关键的中枢节点。这种网络对于随机性错误具有较强的鲁棒性,对于人们的蓄意攻击或破坏却具有较强的脆弱性,疾病在这种网络上极易传播。

二、企业营销网络分析

企业的产品营销系统是由厂商、各级销售和客户共同构成。现实中的企业营销系统通常由于销售(制造商、商和批发商)的分布范围的不同以及它们之间存在着各种各样的联系, 往往形成一个庞大的复杂网状结构。企业产品的营销过程, 也可以看成是厂商生产出来的产品通过各级销售, 最后扩散到用户中的扩散过程, 或者说是企业产品从厂商到销售, 最后到用户的传播过程。所以厂商、各级销售和用户就构成了企业产品在营销网络中的节点,节点之间的营销关系构成了网络中的边。

三、模型的建立

分析了企业营销网络中企业之间的营销关系,提出了一种新的演化模型来模拟其网络的演化过程,该模型的基本思想源于局域世界演化模型,演化过程中考虑两种基本因素:增长和局域世界优先连接。

1.增长模型

考虑到企业营销网络的演化特点,新模型的初始条件与其他模型有些区别,它起始于个节点,条边,节点之间两两相连, ,第一次新增节点具有m条边,并且这m条边分别和每个已有节点相连。这样,在之后的每一个时刻便会添加一个新的节点,而该新节点边的条数m是从以概率选取,这里是选取边数为的概率。那么在时刻之后,该网络便有个节点,条边的网络。

2.优先连接模型

在该模型中,网络中原有的节点连接新的节点的概率与以下两个因素有关系:

(1) 与节点的度有关系,这种关系是正比关系。

(2) 与节点的局域世界也有关系,节点优先连接机制不是对整个网络,而是在每个节点各自的局域世界中有效。随机地从网络已有的节点中选取m个节点,作为新加入节点的局域世界。新加入的节点根据优先连接概率来选择与局域世界中的m个节点相连。

四、仿真分析

1.仿真设计

为了验证统计企业营销网络的统计特性,以青海省城乡私营企业所构成的批发和零售业企业营销网络为例,基于上述网络模型构造算法的描述,利用VB语言编程实现模型的构建,构建出的模型如图1所示。实现时根据网络演化模型的构造算法,初始时先确定节点的总数,然后根据构造算法得到相应网络模型的邻接矩阵,最后再依据邻接矩阵计算网络的度分布、平均最短路径和平均聚集系数。

2.数据分析

以大圆点代表批发商,小圆点代表销售商, 边代表它们之间所存在的营销关系,不同的节点代表不同的企业。 通过直观的观察可以了解到,在企业营销复杂网络中批发商和销售商的营销关系比较密切, 相对来说批发商或销售商之间的营销关系却较为缺乏。也可以看到节点之间的距离很小,是一个典型的小世界网络。各成员企业间的联系的分布是不均匀的,这主要是由于成员的地位不同造成的。与核心企业的联系密集,节点度就大;而与小的非核心企业联系稀疏,节点度就小,即存在优先连接,新加入该系统的企业会优先选择与那些在社会中影响力较大、实力雄厚的企业进行合作,表现在网络中就是首先选择与度比较大的节点进行连边。

下面的仿真图只是仿真过程中的部分结果。从仿真结果可知,网络的平均路径较小,随着网络节点数的增加呈现上升的趋势,但增加的速度较为缓慢,以网络节点数 的对数成正比。如图2所示。网络的平均聚集系数较高,随着网络节点数的增加呈现下降的趋势,但不会随着网络节点数的无限增大而趋于0,表明此网络具有小世界网络的特点,如图3所示。网络的度分布服从幂律分布,在网络中拥有少量度很大的节点,而大部分节点的却为2,相对来说,这些节点的度很小,满足无标度网络的第一个重要特性。

3.复杂网络统计特性对企业营销工作的指导意义

复杂网络的最终目的是通过对现实网络模拟,仿真得到相关数据,通过对数据的分析,更加科学合理的预测和控制相应的网络行为。本文中生成的网络模型较为真实的反应了现实网络的特性,因此在该网络模型中得到的统计参数也能反应现实网络的实际意义。

(1) 复杂系统理论中复杂网络具有自组织现象, 通过合理的运作, 企业可以扩大网络中已有节点之间的营销合作,即网络内部的演化。例如,生产商企业可以对其网络中某些中枢节点的商赋予一定权限, 使其进行低成本销售策略, 从而增加网络内部与其它节点连接比较少的节点与这些中枢节点的连接,从而使得营销网络内部边的线性增长。

(2)生产厂商或产品销售企业可以使用比竞争对手更具诱惑力的销售方式,一方面,稳定营销网络中已存在的合作节点, 增强节点构成者的满意度, 从而达到增强营销网络鲁棒性的目的;另一方面,吸引更多的新企业加入到网络中,使网络规模不断增加。

(3) 市场销售对于企业而言具有信息反馈的作用,企业应重视营销过程中所得到的反馈信息, 一方面研发能够不断满足客户需要的新产品,另一方面对现有的产品和服务进行改进, 提高客户的满意度, 从而阻止竞争对手对合作客户的争夺,防止企业的退出。

(4) 企业要想在激烈的市场竞争中长盛不衰,必须要有不断的创新(制度创新和技术创新)。创新将打破原有生产销售合作网络中的均衡。创新与竞争可能会导致网络中的某些企业破产,这些企业破产会不会导致网络的剧烈变动甚至整个结构的变更实际上依赖于这些企业在网络中的重要程度,政府应对这种核心企业采取适当的政策加以保护。

五、结束语

本文以企业营销网络为例,模拟构建了网络模型,通过对该模型的统计参数的理论描述和计算机仿真,初步探讨了统计参数对企业营销网络的指导意义。在进行仿真分析过程中也发现,由新模型所生成网络的平均最短路径和企业营销网络的真实数据还是有些差别,在上面所示的仿真结果中,平均最短路径要比真实数据大。当调整模型中的参数时,虽然能够使得平均路径趋于真实数据,但是此时,其它部分却又与实际的数据有些差别。因此,我们需要继续研究其中的原因,来改进新模型,使其更加适合企业营销工作网络的演化方式。

参考文献:

[1]侯明扬:复杂网络理论在企业营销中的应用研究[J]. 华东经济管理, 2008 (2) :1322134

[2]刘宏鲲 周涛:中国城市航空网络的实证研究与分析[J]. 物理学报,2007 (1) :1062113

[3] Watts D J, Strogatz S H. Collective dynamics of‘small-world’networks[ J ]. Nature, 1998,393 (4) : 440 - 442

[4] Dorogovtsev S N and Mendes J F F. Evolution of Networks [EB/OL].[2007-10-27].省略- /abs/cond-mat /0106144v2

[5] KLEMM K,EGUILUZ V M.Highly Clustered Scale―Free Networks[J].Physical Review E,2002,65(3):Art.No. 036123

复杂网络分析篇2

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

fuzzy clustering and information mining in complex networks

zhao kun,zhang shao-wu,pan quan

(school of automation, northwestern polytechnical university, xi’an 710072, china)

abstract:there is seldom a method which is capable of both clustering the network and analyzing the resulted overlapping communities. to solve this problem, this paper presented a novel fuzzy metric and a soft clustering algorithm. based on the novel metric, two topological fuzzy metric, which include clique-clique closeness degree and inter-clique connecting contribution degree, were devised and applied in the topological macro analysis and the extraction of key nodes in the overlapping communities. experimental results indicate that, as an attempt of analysis after clustering, the new indicators and mechanics can uncover new topology features hidden in the network.

key words:network fuzzy clustering; clique-node similarity; clique-clique closeness degree; inter-clique connection contribution degree; symmetrical nonnegative matrix factorization(s-nmf); network topology macrostructure

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:

w ?twy(2)

用欧式距离构造如下目标函数:

minw≥0 f?g(y,w)=y-w ?tw?f=?12?ij[(y-w ?tw)。(y-w ?tw)]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 (symmetrical non-negative matrix factorization)。?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=w?k。[w?ky]/[w?kw ?t?kw?k](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w ?tw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=ww ?t(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=ww ?t=1.337 60.035 3

0.035 31.337 6

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1.337 6,而团间重叠度为?0.035 3。

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

b?i=[(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。

4.2 santa fe 科学合作网

用本算法对newman等人提供的santa fe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,mathematical ecology(灰菱形)和agent-based models(白方块)与文献[15]的结果一致,中间的大模块statistical physics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=ww?t,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]newman m e j.modularity and community structure in networks[j].proceedings of the national academy of sciences of the united states of america,2006,103(23):8577-8582.

[4]white s,smyth p.a spectral clustering approach to finding communities in graphs[c]//proc of siam international conference on data mining.2005.

[5]enright a j,dongen s v,ouzounis c a.an efficient algorithm for large-scale detection of protein families[j].nucleic acids research,2002,30(7):1575-1584.

[6]bezdek j c.pattern recognition with fuzzy objective function algorithms[m].new york:plenum press,1981.

[7]palla g,derenyi i,farkas i,et al.uncovering the overlapping community structures of complex networks in nature and society[j].nature,2005,435(7043):814-818.

?[8]reichardt j,bornholdt s.detecting fuzzy community structures in complex networks with a potts model[j].physical review letters,2004,93(21):218701.

?[9]nepusz t,petroczi a,n?gyessy l,et al.fuzzy communities and the concept of bridgeness in complex networks[j].physical review e,2008,77(1):016107.

[10]zhang shi-hua,wang rui-sheng,zhang xiang-sun.identification of overlapping community structure in complex networks using fuzzy c-means clustering[j].physical review a:statistical mechanics and its applications,2007,374(1):483-490.

[11]paatero p,tapper u.positive matrix factorization:a non-negative factor model with optimal utilization of error estimates of data values[j].environmetrics,1994,5(2):111-126.

[12]anttila p,paatero p,tapper u,et al.source identification of bulk wet deposition in finland by positive matrix factorization[j].atmospheric environment,1995,29(14):1705-1718.

[13]kondor r i,lafferty j.diffusion kernels on graphs and other discrete structures[c]//proc of the 19th international conference on machine learning.san francisco:morgan kaufmann,2002.

[14]lusseau d,schneider k,boisseau o j,et al.the bottlenose dolphin community of doubtful sound features a large proportion of long-lasting associations:can geographic isolation explain this unique trait?[j].behavioral ecology and sociobiology,2003,54(4):396-405.

[15]girvan m,newman m e munity structure in social and biological networks[j].proceedings of the national academy of sciences of the united states of america,2002,99(12):7821-7826.

复杂网络分析篇3

关键词：复杂网络；银行危机；传染

1.前言

金融系统作为现代化经济发展的重要核心，而银行系统作为金融系统的重要组成部分，对金融系统稳定运行起着关键性作用。当银行爆发危机时，若不能妥善处理，将传染给其他银行，从而使银行系统安全运行受到严重影响，甚至引发货币危机。同时银行危机嫩能够跨国传染，进而引发全球性金融危机。因此，如果防止银行危机的扩散，使银行系统得到有效恢复，成为现阶段研究的重要课题。

2.银行危机传染含义与形式

2.1传染含义

从广义角度来看，银行危机传染主要是指跨国国界性的传播效应或者溢出效应。从狭义角度来看，银行危机传染含义主要分为三点：其一，银行危机传染主要指某个国家出现爆发性危机时，会导致其他国家也可能爆发危机的一种现象；其二，银行危机传染主要是处于危机状态的国家出现溢出效应，并对其他国家银行、金融业造成影响的一个过程；其三，银行危机传染主要是指某个金融市场爆发危机，并影响到其他金融市场交易量及价格，并产生联合波动效应。

2.2传染性形式

2.2.1内部传染形式

主要指当某个银行失去清偿能力时，将爆发清偿危机，并通过银行与银行间的往来业务将危机传染到其他银行。内部传染形式主要有：其一，信息路径。当信息失真或者不对称时，银行责权者将难以对银行经营情况进行识别，在银行危机爆发时，受到外部信息影响，导致存款者与银行间出现挤兑，并扩大危机传染范围。其二，信用路径。随着银行与银行间往来业务与交易量不断增加，银行与银行间形成的在全关系，不仅不能抵押，也无任何保险，当某个银行爆发危机时，容易引发连锁反应，进而扩散至与其往来的银行。其三，支付清算。随着支付清算系统在银行中的应用，虽然加快了资金清算效率，但是也扩大了危机传染范围。某家银行爆发危机时，若无法清偿债务，将产生连锁反应，不仅影响到银行支付清算工作，同时导致银行出现信任危机[1]。

2.2.2外部传染形式

主要指企业与银行间存在业务往来，从而受到银行危机的影响，并将危机传染给其他社会经济部门。外部传染形式主要有：其一，企业传染路径。当银行爆发危机时，首先会将危机传染给企业，然后再由企业将危机传染至与企业有业务往来的银行，从而引发大范围的银行危机。当银行爆发严重性危机时，受到危机传染的银行，由于将危机传染至其他企业，导致企业面临生存危机，而银行危机传染范围也日益扩大。其二，跨国传染路径。将国家银行作为独立系统，由于我国银行与其他国家银行存在业务往来，所以当某个国家银行爆发危机时，危机也将传染至我国银行，甚至引发全球性的金融危机[2]。

3.银行危机传染应对措施

3.1银行网络宏微观环境优化策略

首先，同业存款的调整。通过对银行危机爆发原因进行分析发现，同业存款存在比例问题，同业存款处于最优状态时，其比例与经济环境密切相关。所以，为了确保银行系统稳定运行，必须对同业存款进行有效调整，以提高资金效率，确保银行系统稳定性。其次，规范投资行为。通过对股市案件进行分析发现，投资行为缺乏规范性，是引发金融风险的重要因素。而资本市场发展与金融业密切相关，若资本市场发生动荡，将严重影响到银行系统的安全运行。所以，规范投资行为，对银行危机阻断具有重要意义。再者，加大信息披露力度。由于信息失真或者不对称，给金融市场带来很大的冲击，同时信息可作为危机传染渠道，扩大危机范围。所以，加大信息披露力度，确保信息准确性，是确保金融系统稳定运行，化解银行系统危机的关键。

3.2确保银行系统的稳定性

首先，优化网络结构，保证网络稳定运行。在复杂网络条件下，对银行危机进行深入分析，以掌握网络结构，针对不同网络危机情况，采取针对性的应对措施，以实现银行网络自治化管理，改善银行网络管理机制，确保银行网络系统安全运行。其次，充分节点作用，缩小危机范围。银行网络中有很多大节点，是危机传染重要因素。因此，通过对银行网络节点进行适当调整，以优化银行负债结构，增强银行的风险抵抗能力。

3.3做好危机公关工作

首先，掌握舆论的主导权。当银行爆发危机时，必须通过媒体将银行真实情况及时披露出来，并向人们传达积极性的信息，以避免危机严重化。其次，保证披露信息真实性。当银行出现危机时，使公众内心受到很大冲击，这时银行必须实事求是，确保披露信息的真实性，以阻断谣言。再者，沟通路径要通畅。银行必须与债权者、投资人、重要组织、内部人员及受害者等进行积极沟通。最后，全面做好危机评估工作。当银行爆发危机时，必须对危机实际情况进行准确评估，以避免危机严重化。同时政府机构及监管部门，必须积极介入，以确保信息的准确性，提高公众信任度。（作者单位：灵武市农业银行）

参考文献

[1] 麦勇，莫晶璟.商业银行流动性危机传染机理研究[J].广东金融学院学报，2009，9（01）：78.

复杂网络分析篇4

论文关键词：复杂网络；灾害信息；传播特征

灾害是指由某种不可控制、难以预料的破坏性因素引起的、突然的或在短时间内发生的、超越本地区防灾力量所能解决的大量人畜伤亡和物质财富毁坏的现象。由于灾害发生的突然性和破坏性，20世纪80年代以前我国在灾害信息传播上采取了谨慎的态度。而随着社会的不断进步和新的媒体形式层出不穷，网络媒体、手机媒体、数字电视以及即时通讯软件、“博客”等新型网络形式使得信息传播的渠道由单一化向多元化发展，因此灾害信息传播已经不可能受到单方面的控制。

“非典”前期，由于政府和主流大众传媒保持沉默，使得各种谣言通过网络和手机等新型信息传播方式在全国范围内大量传播，导致了严重的社会恐慌。由此可以看出灾害信息传播一旦失控，会使本来失序的社会更加混乱，并由此带来衍生灾害，造成不必要的社会恐慌和经济损失。因此，在当前的信息传播状况下对灾害信息传播方式和特征进行相关方面分析是十分必要的。

目前国内在灾害信息传播方面主要是从新闻学的方面来研究：灾害报道应该实现新闻价值与社会价值的平衡、新闻媒介在公共危机事件中起到重要作用，以及系统介绍灾害信息的发展史等。没有从灾害传播本身的特征进行研究，忽视灾害传播特征对灾害信息传播的影响。为了更有效地实现对灾害传播的控制，有必要针对灾害信息传播特征进行相关研究。

本文首先对灾害信息传播过程进行分析，在此基础上运用复杂网络相关理论对灾害信息传播方式和特征进行了初步探讨。

1灾害信息传播的过程分析

根据当前灾害信息的多样化，其传播内容主要可以分为政府和主流大众传媒的灾害信息和各种谣言、负面信息两大类。各种谣言、负面信息是指由于在灾害信息传播过程中出现的隐瞒或虚报、延迟报道而产生的各种、负面的受众不信任的信息。

本文以Fink(1986)提出的危机4阶段论为基础，对灾害信息传播过程进行了相关分析，给出灾害信息传播的4个阶段，分别为潜伏期、突发期、蔓延期、解决恢复期。以2007年台风罗莎信息传播过程为例(数据来源：百度指数)，分析这4个阶段(图1)。

(1)潜伏期由灾害发生到灾害信息开始传播的这一阶段。随着现代信息传播的速度加快，潜伏期的时间越来越短。要对灾害信息传播进行控制，最好的方法就是在灾害信息传播的潜伏期对灾害进行有效控制，减小对社会产生的影响。台风罗莎10月2日08时在菲律宾以东洋面上生成，4日02时加强为强台风。即10月2日至10月4日为台风罗莎信息传播的潜伏期。

(2)突发期从灾害信息开始传播到灾害信息开始迅速传播的阶段。突发期是年阶段中时间最短、对受众心理冲击最严重的一个阶段。如果在突发期内对灾害信息进行刻意隐瞒或虚报、延迟、模式化报道，会使受众失去对传播者的信任，增加公众的疑惑，导致社会危机及衍生灾害的产生。10月5日、6日为台风罗莎信息传播的突发期。

(3)蔓延期灾害信息从迅速传播到平息的一个阶段。在新的信息传播环境下，灾害信息从迅速传播到平息需要一个相当长的时间。网络媒体、手机媒体、数字电视、即时通讯软件、多种传播形式使得灾害信息传播速度快、影响范围广、破坏性强。即使当灾害得到平息和解决时，在新型传播媒介中仍会存在很多议论和大量负面信息。台风罗莎在我国大陆l0月10日结束，但其仍然受到大众的普遍关注。10月7日至l0月16日为台风罗莎信息传播的蔓延期。

(4)解决恢复期灾害妥善解决、人民生活恢复正常、物质生产得到恢复、社会恐慌得到平息、整个社会恢复到灾害发生前的状态。在解决恢复期中，做好灾害信息的传播机理和影响的研究工作，总结灾害信息传播的经验和教训，为完善和健全相关的防灾体系提供依据。以10月17日起为台风罗莎的解决恢复期。

2灾害信息传播网络

2．1灾害信息传播网络的形成

目前国际上在流行病传播、计算机病毒在In．ternet上的传播等领域利用复杂网络进行研究是比较多的。此外，国内外专家对谣言的传播也进行了相关工作Zanette研究了在小世界网络中的传播情况；Moreno等发展了Daley等在1964年提出的谣言传播模型，认为非均匀网络传播过程最终听过但不传播的人数与感染概率有着紧密联系；

Dotts和Watts认为无论是社会网络还是信息网络中的传播蔓延现象，相应的模型都可以归结为泊松模型和临界值模型。

灾害信息传播的基础是社会网络，因此可以应用复杂网络的观点来阐释灾害信息传播的特征。灾害信息传播的网络模型示意图如图2所示。

用节点表示灾害信息传播中的个体，如果两个个体之间可以通过某种方式直接发生传播与被传播关系，就认为这两个个体之间存在连接，这样就得到了传播网络的拓扑结构，进而可以建立相关模型来研究这种传播行为。而灾害信息传播模型研究的关键是传播规则的制定和网络拓扑结构的选择。

2．2灾害信息传播网络的结构

2．2．1灾害信息传播网络结构的划分

灾害信息的传播途径与谣言基本一致，可以参照Moreno等人提出的谣言传播模型。的研究方法对灾害信息传播网络模型的结构进行分析，将灾害信息传播网络中的个体分为灾害信息未知者(Igorants)、灾害信息传播者(Spreaders)、灾害信息知情者(Stiflesr)三种类型。i(t)、s(t)、和r(t)分别代表这三种类型在人群中的比例。

如图3所示，灾害信息在灾害信息传播者、灾害信息未知者之间传播。灾害信息传播者向它的邻居节点传播信息。当接到信息的节点是灾害信息未知者的时候，灾害信息未知者以入的概率变成一个灾害信息传播者。而如果信息传给了灾害信息传播者或者灾害信息知情者，则前者以1／a的概率变成一个灾害信息知情者。

2．2．2网络结构中各参数的分析

参数A代表着信息传播过程中数据会出现丢失的情况，并不是每次连接都成功。参数是表示一个灾害信息传播者在变成一个灾害信息知情者前连接的灾害信息传播者或灾害信息知情者的平均次数。

灾害信息传播者把灾害信息传递到它的相邻节点时，如果该节点为灾害信息未知者，后者也将以入的概率变成一个灾害信息传播者，信息传播成功。如果后者已经知道了灾害信息，则会导致灾害信息传播者失去传播信息的兴趣，从而以l／a的概率变成一个灾害信息知情者，此次信息传播的小过程失败。

2．3灾害信息传播网络的统计性质

灾害信息传播网络的统计性质反映着网络内部结构的不同和系统功能的差异。它的统计性质有以下几个方面。

(1)平均路径长度是指所有节点之间的最大距离的平均值，它描述了网络中节点间的分离程度，即网络有多小，也就是灾害传播网络中所有传播途径传播信息的平均长度。

(2)聚集系数用来描述网络中节点的聚集情况。在灾害信息网络中表示灾害信息传播者与灾害信息未知者、灾害信息知情者的关联程度。

(3)度和度分布一个节点与其他节点相连的边数称为该节点的度。节点度分布是指网络中度为k的节点的概率P(k)随节点度k的变化规律。在灾害信息传播网络中，度就是表示一个灾害信息传播者向k个灾害信息未知者或灾害信息知情者传播信息。顶点的度指标用于描述该传播者对传播网络中其它传播者的直接影响力。节点度的分布函数反映了灾害信息传播网络的宏观统计特征。

(4)介数分为边介数和节点介数。节点介数为网络中所有的最短路径中经过该节点的数量比例；边的介数是网络中所有的最短路径中经过该边的数量比例。介数反映了相应的节点或者边在整个网络的作用和影响力。在灾害信息传播网络中，节点介数说明该节点对于网络中信息流动影响的大小。介数的分布特征反映了不同传播者在网络中的地位，即其传播速度、传播范围和影响程度。对于评价各种传播媒介的重要性、评价防灾体系有着十分重要的意义。

3基于复杂网络的灾害信息传播特征分析

3．1网络节点的大规模性

一个重大灾害发生后，其信息传播网络的节点数必定十分庞大。要做到灾害信息传播既维护了公众的知情权，又不会造成社会恐慌和由此带来的衍生灾害，就应该对大规模的灾害信息传播网络节点进行分析，找到网络中的关键节点，即公众信任度高、社会责任感强、在网络的影响大的节点。衡量这些节点是否关键的主要依据是它们的介数和度分布。

3．2网络连接的稀疏性

在灾害信息传播网络中，并不是所有节点的聚集系数和度分布是相同的。主流大众传媒由于其传递信息的真实性、全面性，受到公众的普遍信赖，那么主流大众传媒所代表的节点的聚集系数和度就要比其他节点的高。在这一区域的网络连接就比较密集。反之，过于失实的灾害信息会受到公众的质疑，其传播范围就比较小，则这部分的网络连接就很稀疏。

3．3连接结构的复杂性

灾害信息传播网络的节点是由主流媒体、网络媒体、手机媒体、数字电视等传播者和受众组成，因此每个节点都具有自己的动力学特征，且各个节点之间相互影响、相互制约，从而整个灾害信息传播网络也就具有极为复杂的动力学特征，不能简单的用规则网络和随机网络对其进行分析。因此，灾害信息传播网络具有连接结构的复杂性。

3．4信息传播的时间复杂性

信息在网络中传播所花费的时间与下一节点对信息的敏感程度、传播节点的度和介数及信息的可靠度等有关。沿海的人们对于有关台风的信息就会比较关注，而对于内陆城市的人而言，此类信息就不很重要。这就体现了灾害信息传播的时间复杂性。

3．5信息传播的变异性

在一个灾害信息传播者向灾害信息未知者传递信息的这一过程中，信息内容是否不会发生变异以及信息来源是否真实可靠，这就是信息传播的变异性。

3．6信息传播引发衍生灾害的可能性

灾害本身具有破坏性，由于灾害信息内容不同，公众对灾害信息的关注程度也不同，必然导致信息传播的速度不一样。而灾害信息的传播也可能引起各种社会问题，甚至形成衍生灾害。例如在“非典”期间各种有关SARS的信息肆意传播，引起某些药品的短缺、物价的抬高以及社会不安定因素突增。在灾害信息传播网络中可表现为信息中心增多、传播过程的重复性。

4结束语

本文将灾害信息传播过程分为潜伏期、突发期、蔓延期、解决恢复期等4个阶段，并以台风罗莎信息传播过程为例对4个阶段进行分析。

利用复杂网络的理论，构建了灾害信息传播网络，对灾害信息传播网络的统计性质进行分析。结合以上工作，得到基于复杂网络的灾害信息传播特征为网络节点的大规模性、网络连接的稀疏性、连接结构的复杂性、信息传播的时间复杂性、信息传播的变异性、信息传播引发衍生灾害的可能性等6方面的特征。

复杂网络分析篇5

关键词：复杂网络；设计；Java程序；思路；分析工具；实现

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）06-1246-02

1 概述

随着社会经济发展速度的加快，信息技术水平与人们生活水平的提高，使得复杂网络也越来越被人们所关注，对其的研究也逐步增多，且在社会学、生态学以及统计物理学等各个领域也获得相应的发展以及延伸。复杂网络自身具有大平均聚集系数小世界效应、幂律度分布物的无标度特性及小平均路径长度，这种网络为复杂系统演化规律以及整体行为的研究与描述提供了相应的工具。常见的软件系统主要由不同的粒度单元以及这些单元之间所存的这种交互关系所组成，基于此，也可将复杂系统看作是复杂网络。下面笔者基于自身多年工作经验的积累以及总结，就基于复杂网络的Java程序分析工具―JPAC工具为例，就其设计以及实现进行详细地阐述。

2 基于复杂网络的Java程序分析工具――JPAC工具

2.1 结构

JPAC工具就是建立一个复杂网络供于Java软件系统结构。该工具需分析Java程序代码，同时分析所建网络的网络特征，显示出其特征，并基于此模拟软件系统结构的演化规律。除此之外，该工具还可提供一种比较抽象的网络。基于上述内容，可将该工具按照层次来划分，其结构主要划分为三个模块，主要如下：

第一，数据分析层。在该工具中，数据分析层是最底层，该层不仅可与XML文档交互，同时还可与Java代码交互，最后再将交互过程封装。该层可不用依靠高层而存在，对此，用户可在数据分析层的基础上，结合自身的实际需求增加相应的功能。

第二，数据运算层。该层在数据分析层的基础上提供各种运行功能，比如统计分析或者演化模拟等。在此所指的运算为操作以及计算网络计算机，该层能够实现扩展。

第三，用户界面层。该层位于最上层，其主要的任务是可视化网络计算机，并可视化所得到的运算结果，以此为不同用户提供相应的操作等。

2.2 设计

1）数据分析层

第一，JPAC工具中数据分析层主要有三个方面的功能，即分析Java代码、生成网络计算机内部表示以及存取文件。当数据分析层读入的是Java文件，则判断为字节码文件还是为源文件，若为源文件，则先把其翻译并生成为字节码文件，并通过BCEL技术来进行分析，将基于该技术所获得的类信息来进行网络图的构建。若在工具运行过程中，读入的是XML类型的文档，则可用DOM技术来进行分析，同时基于此构建相应的网络图，该网络图不仅可应用于系统结构中的高层，同时还可借助于之前的文档形式来储存。数据分析层主要包含离五个类图，即ProgInput、XMLParse、DataLayer、JavaBinDataLayer、RandomDataLayer，其中ProgInput属于抽象类，其主要的功能为Java文件的读入和解析，为文件读入提供了抽象方法；XMLParse可实现XML文档的读入以及保存，在DOM技术的基础上解析XML文档；DataLayer为保存所建网络的一种抽象类；JavaBinDataLayer为保存在Java 系统结构的基础上建立网络的具体类；RandomDataLayer为保存随机网络具体类。

第二，JPAC工具在实际应用中，事实上只分析Java字节码文件，在对Java源代码文件进行处理的时候，应事先进行编译，以免做重复工作，且也便于在程序中分析以及管理大量的类。对于字节码的分析主要采取的是两种方式，即借助于Java虚拟机来进行间接分析和对Java字节码文件直接进行分析，由于前一种分析方式易受到虚拟机性能的约束以及限制等，因此，在本文所阐述的这一工具所用的分析方式后一种，即直接分析字节码文件，采用了BCEL技术，该技术分析起点为Java Class 类，基于BECL所提取得到的关于Java软件系统结构中各类的相关信息，可为系统建立Java SCG。

第三，XML 属于一种数据存储语言，其较为简单， 一般是通过标记的方式来描述数据。这种语言相对于以往的二级制语言来讲，尽管其占用的空间较多，但是由于其自身的简单性也使得其更加容易应用于各种应用程序来完成数据的读写。因此，在本次研究中，所介绍的JPAC工具，其存储形式为XML文档形式，该文档结合Java SCG的邻接表具体形式来描述全部节点，其中包含每一个节点的名字、图形显示位置以及实现的接口等。当JPAC按照XML文档来构建Java SCG时，需一次性将整个XML文档读入，对此，该工具借助于DOM技术来对XML文档进行解析，这种技术在一次性解析文档的同时，还可读入内存，将其保存为文档对象，以供于用户来访问，以此为每一个属性、元素以及文本等均构建相应的对象。当该文档转换为Java SCG以后，应马上将该文档所占的各个空间释放出来。

2）数据运算层

从上述内容可知，数据分析层其实就是一个独立的层次，是一种分析上层的网络软件系统。基于此，数据运算层能够实施各种运算。此外，数据预算层还是个能够扩充层次，在实际应用中，用户可结合自身需求来扩充功能。在统计分析和运算上，该工具主要从元素级特征以及网络级特征来计算Java SCG网络统计特征，该运算主要类图如下：DegreeData可达到度分布统计，其包含出度、入度以及总的度分布；StaGraph可统计网络级特征，其包含平均路径的长度与平均聚集系数；VertexSta可统计元素级中相关节点特征，其包含聚集系数与介数；EdgeSta可统计元素级中相关边的特征，其主要包含介数。在演化模拟运算上，主要是在模块软件演化模型的基础上来进行演化模拟。

3）用户界面层

在本次研究中，所介绍的这一工具，其界面所用框架为Eclipse RCP。其中RCP是基于Eclipse所开发的一种客户端应用平台，这一平台可为操作者提供一个功能强大以及快速的应用平台。借助于上述这一框架来进行开发，可使工具借助于扩展点来实施配置，便于用户扩展工具的。同时借助于Eclipse与Java所具备的跨平台性，能够使工具在不同平台下，甚者在掌上电脑或者嵌入式设备中运行，且Eclipse也为不同操作系统的运行提供了相应的本地图形接口包，在RCP正常运行的过程中，Eclipse事先通过本机窗口组件的直接调用，只有在无本机要求的组件时才实施模拟，其具备本地观感。

2.3 实现

基于上述内容，下面利用上文所介绍的这一JPAC工具，将1.5版本JDK作为例子来分析，建立Java SCG，，对其复杂网络统计特征进行计算。从应用过程与结果来看，网络中心为一个度数较大的节点，且靠近中心附近还存在度数较大的一些节点，在网络结周围则存在大量度数相对较小的节点。就这些结果分析情况来看，这些节点都属于一种无标度特性迹象，同时也验证了上述的这一系统结构的网络除了具有小世界效应以外，还具有一定的分布特征。此外，从另外一个侧面也说明了所举系统具有复网络的相关特征，且其复杂网络还具备演化特性。

参考文献：

[1] 王树森，顾庆，陈焘，等.基于复杂网络的大型软件系统度量[J].计算机科学，2009，36（2）：287-290，302.

[2] 马楠.网络课程开发的研究与实践――以《高级程序语言（JAVA）》课程为例[D].北京：北京邮电大学，2009.

[3] 许楠，刘丽杰.基于C/S模式使用JAVA编程语言编写网络通信程序[J].中国科技博览，2009，（6）：108.

[4] 徐念祖，陈铭南，袁明，等.Java程序设计课程教学方案研究[J].计算机时代，2012（5）：57-58.

复杂网络分析篇6

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.]

[9]Portes R， Rey H. The Determinants of Crossborder Equity Flows [J].Journal of International Economics，2005，65（2）：269-296.

复杂网络分析篇7

袁芳芳（2014）在其公开发表的文章中阐释了一种传统的网络拓扑数值参考体系结构，在该体系结构的影响下，计算机拓扑体系结构可被分成五个主要层次，即过程控制、过程优化处理、生产调配、企业管理以及宏观经济这五个层面。复杂网络理论的网络拓扑模式往往需要与传统的模式割裂开来，因其所遵循的理论基础不尽相同。从实践的角度来看，计算机复杂网络信息化系统往往可以由资源管理模块、生产执行模块以及过程控制模块这三部分来执行，从而能够在复杂网络理论的支撑下，削减网络平台架构中不必要的分支，以此来增强复杂环境下网络拓扑行为客观描述的精准度。

2研究假设与模型

复杂网络理论是在十几年前才被人们挖掘并总结出来的一门崭新的理论学科，尽管该理论的研究内容并不丰富，但鉴于计算机网络技术的快速发展及其在全社会范围内的迅速普及，促使复杂网络理论内容的研究也趋于成熟，并为计算机网络拓扑特性提供了可靠的理论分析内容，使计算机网络拓扑成为了一种具备科学性、合理性的一种系统网络架构，维系着网络空间环境的有序运作，促进了互联网领域的健康、稳定发展。而要想具体的对计算机网络拓扑的研究假设与模型进行验证，这就要从复杂网络理论的框架、网络行为内涵，以及复杂环境中的计算机网络拓扑行为所遵循的理论基础等方面来入手实施。

2.1复杂网络理论的框架及其内涵

从长期以来的研究过程来看，将复杂网络理论应用到计算机拓扑行为研究的过程中极为可行，因其能够更为明晰地呈现出在较高技术水平下的计算机网络拓扑结构，从而便可以对网络性能及其流量进行更细致的分析，所得出的相关分析成果可以反作用于实践当中，不断提升计算机拓扑项目的延展性。复杂网络理论的研究内容所涉及到的学科较广，具备较强的跨学科特色，因其与数理学科、生命学科以及工程学科等诸多学科领域有着密切的关联，同时，也正是由于复杂网络理论本身的跨学科特性存在，对复杂网络的定量以及定性特征的科学化理解的难度较大。其中，计算机网络拓扑模型方面的研究较为重要，且为实践领域提供了诸多可借鉴的经验。除此之外，复杂网络理论的内涵中还包括有复杂网络上的传播行为、搜索算法以及相继故障等方面，这些都属于复杂网络理论中的核心内容。从现实的角度来看，掌握网络拓扑行为的演进过程及其规律，便可以实现更优质的、更系统化的网络结构管理，为网络中各节点提供更便捷的网络服务。

2.2复杂环境中的计算机网络拓扑行

为所遵循的理论基础近年来，网络行为理论及网络拓扑架构等项目的研究受到了日益延伸的网络平台的影响，在这种传统计算机网络理论与模式的影响下，已经不适宜进行对网络行为的客观描述，因此，复杂环境中的计算机网络拓扑行为需要重新修正，并利用复杂网络理论的核心内容来充实计算机网络拓扑。从现实环境来看，随着国内外各领域科学技术的不断发展，人们的视野较以往更加开阔，对各种事物也都有了更加深刻的认识和理解，因此，人们在诸多领域的建设过程中，对于计算机软件以及各类型电子设备的体验与使用要求也日趋提高，简单来说，人们对于计算机网络平台运行的要求有所提升。因此，在复杂网络理论精髓内容的明确指引下，计算机网络拓扑模型需要重新创建。

2.3针对计算机网络同步行为的研究

从过去一段时期以来关于计算机拓扑项目的研究内容来看，始终停留在复杂网络演化模型框架的基础上，凭借路由器以及自治域这两个层面的特性来架设并描述计算机网络拓扑结构。后期，随着网络平台及信息数据的进一步延展，促使计算机网络同步行为越来越趋于复杂化，同时，由于其复杂化行为所产生的网络节点过于繁杂，则通过网络同步行为来探知计算机网络拓扑也是较为合理的策略，能够削弱计算机网络同步行为对整个网络环境所带来的负面影响。

3研究设计

通过研究以往有关的资料可知，网络本身所具有的特性在一定程度上取决于网络拓扑，而且，不同拓扑结构所构建出来的网络环境，其性能也有着明显的差异。实际上，网络拓扑结构的设计便能够影响网络平台运作的实际效能。在以往，传统的网络一般是规则的网络形式，该种形式最大的特征便是它的网络节点与其边的连结方式较为固定，属于一种近似封闭的网络环境，但在复杂网络理论支撑下的计算机网络拓扑结构的延展性就较强，这一形式的新型网络拓扑形态通常被人们形容为具有复杂动力学行为以及复杂拓扑结构的网络模型，该模型的核心特性在于它的无标度性、节点广泛且规律等方面。

3.1网络协议分析技术的研究

在当前，现代电子信息技术的普及应用，各领域针对信息管理的研究不断深入，而且大多取得了极富价值的研究成果，并将其在实践过程中进而验证。从总体情况来看，基于复杂网络理论的计算机网络拓扑研究可以分成如下几个部分来进行探索：网络协议分析技术、计算机网络拓扑行为的特征等。具体的网络拓扑形态如图1所示：从图1中可以看出，传统的计算机网络拓扑结构呈现出网状的态势，由中心为个终端提供数据转换等服务支持。其中，TCP/IP协议是网络协议系统中的重要组成部分，它也是现代网络信息管理中最核心的协议之一。在传送数据的过程中，由于IP层的传输不会受到过度限制，信息的传递顺次可能会有所改变。从网络协议分析的基础框架结构来看，网络协议分析技术的理论研究内容仍有一定的挖掘空间。

3.2网络协议分析技术的应用为网络

拓扑行为的客观描述夯实基础依照TCP/IP参考模型，在数据包封装相关技术研究的基础上，采取端口检测以及特征值深度包检测等协议识别技术，探究网络协议分析的基本内容。从网络平台信息传递的效率来观察，按照TCP/IP协议格式逐层显示所采集到的网络数据包的各层协议网络字段信息，最终构建起网络协议分析的基础框架，整个过程较为合理。从具体情况来分析可知，总体的网络协议分析技术是分为两部分内容来实现的，一部分为网络数据采集模块，另一部分为网络协议分析处理模块。这两个部分的协调运作，便能够针对网络拓扑行为进行客观的描述。

4数据分析与假设检验

4.1探知计算机网络行为

所谓的“计算机网络行为”，指的便是网络运行的动态变化规律以及用户主动或者被动采用终端设备通过Internet连接其他终端设备获得信息数据的行为。这样看来，计算机网络行为是构成网络系统的各个因素经过交互作用后而使系统表现出来的一种行为。从我国计算机网络运行的总体情况来看，对计算机网络行为概念的理解和掌握，能够更好的对网络状态做出宏观的预测，从而在一定程度上提高网络的整体服务质量。

4.2在网络协议分析技术支撑下的计算机网络数据分析

一般情况下，网络环境中的物理地址与IP地址是互相绑定的，这样可以稳定网络运行环境中的各项信息资源，以便于网络参与者执行信息传输与操作。但同时，也意味着当有人盗用他人网络地址进行恶意操作时，就会给正常使用网络的人们带来一定的风险，易发生损失。所以，就要发挥出网络协议分析技术的功能，通过研究物理地址与IP地址的绑定时间范围，来确定并指认盗用网络者的非理，进而维护网络运行安全。

4.3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的每种形态结构都有其独特的适用环境与搭建标准；再从传输技术的角度而言，网络拓扑结构可以被划分为两大类，即点对点的传播方式与广泛散播方式，二者都能够对网络协议和数据采集过程产生影响，进而对计算机网络拓扑行为带来干扰。无论如何划分网络结构与形态，网络协议分析技术需要足够的网络数据来支撑，只有当网络结构中的数据库中采集到大量的网际间信息数据时，网络分析技术的框架才可能搭建起来。

5研究结论与建议

计算机技术的涌现为网络信息的有序流转提供了可能，随着技术的不断升级，人们渴望能够寻找到一种切实可行的简便方式来描述计算机的拓扑行为，因此，探知到一种基于复杂网络理论的计算机网络拓扑形态，为当前复杂网络环境下的现代网络运转保驾护航。现阶段，我国各领域的发展都离不开计算机相关技术的支撑，然而，让遇见较为特殊的实际工作要求时，就需要借助专业化的计算机软件来辅以操作，这样一来，就需要开展计算机软件开发项目，以高质量的计算机软件产品的功用来满足用户的个性化需求。从本质上来看，将电子信息技术在实践领域的应用则意味产业技术的升级，同时，还代表着信息时代的发展成果。随着电子信息技术的发展，基于复杂网络理论的计算机网络拓扑行为等方面的研究也取得了实质性的进步，进而为信息时代环境下的复杂化网络管理提可靠的理论支撑。

复杂网络分析篇8

[关键词]供应链；复杂网络；复杂性；牵引控制；同步

[中图分类号]F274 [文献标识码]A [文章编号]1005-6432（2013）34-0102-03

1 引 言

供应链是由供应商、制造商、分销商、配送中心和客户等构成的一个供需网络，供应链管理是围绕核心企业将供应商、制造商、分销商、零售商直到最终用户连成一个整体的供需网链结构，是跨越企业多个职能部门活动的集合，其结构如图1所示。

但是，我们如果从复杂性分析的角度来考虑这个供应链网络图，可能更好的表达方式是图2[1]，我们可以把供应链网络中的每个节点企业看作是复杂网络中的点，而边则用来表示企业间的关系，往往是两个节点之间具有某种特定的关系则连一条边，反之则不连边，有边相连的两个节点在网络中被看作是相邻的。这样构建一个复杂网络。通过对点、边、聚集系数、介数等参数的分析，来模拟供应链网络的行为，进而达到预测和控制的目的。而复杂网络研究的主要目的之一就是研究网络宏观结构对系统性能及网络上动力学行为的作用和影响，进而考虑改善网络行为的方法[2-4]。

2 复杂网络的基本特征分析

（1）度：复杂网络中，一个节点的连线数目称为这个节点的度，它是描绘网络局部特征的基本参数。在不同的网络中，度代表不同的含义，一般情况下，度表示单个节点的影响力和重要程度，度越大的节点，其影响力就越大，就越具重要性，在整个网络中的作用也就越大，反之亦然。

（2）聚集系数：复杂网络中，某一节点与其近邻节点之间的实际边数除以此点与近邻节点之间的理论边数总合即为此点的聚集系数，表示与此点相邻的两个点也是近邻点的概率。

（3）特征路径长度：任意两点之间最短路径长度的平均数反映了网络的尺寸，称之为特征路径长度。

（4）介数：点介数指网络中所有的最短路径之中经过节点i的数量，反映了节点的影响力。边介数具有同样的定义，介数最大的边，必然是连接两个集团的边。

（5）经典复杂网络模型：经典复杂网络模型包括规则网络、随机网络、小世界网络和无标度网络。

如图3所示：左边的网络是规则网络，右边的网络是随机网络，中间的网络是在规则网络上加上一点随机的因素而形成的小世界网络，它同时具有大的簇系数和小的平均距离。

图4展示了130个节点的无标度网络，其节点度服从幂指数为-3的幂律分布。图中5个特别标示的节点是网络中度最大的5个节点[6]。

供应链网络属于典型的小世界网络和无标度网络。如图5所示，图5是供应链网络中分销商和零售商的多级分布图，从图中可以看出，大部分零售商隶属于某个分销商，但是少部分零售商之间仍有边相连，说明有串货的现象发生，总体来看，属于无标度网络。

3 供应链的基本特征分析

供应链是由多个节点企业组合而成，借助于复杂网络的思想，我们也可以给供应链的节点企业和节点企业之间的关系作如下定义：

节点：在供应链中产品（包括原材料、在制品和成品）相关作业的场所作为节点，按其具备的功能分为：①单一功能的节点：只具有一种功能，或者以某种功能为主。一般处于供应链的起点或者终点。②复合功能的节点：具有两种以上主要物流的功能，一般处于供应链的中间，这类节点多以仓库、港口等形式存在。③枢纽节点：具有齐全的物流功能，对整个供应链起着决定性的作用。一般位于供应链中间。多采用第三方专业化经营。

线：连接供应链网络节点的连线。具有以下特点：方向性、有限性、多样性、连通性、选择性和层次性。

对供应链做复杂性分析后得知，供应链的复杂性包括：供应链组织过程的复杂性、供应链组织管理的复杂性、供应链信息的复杂性、供应链节点的复杂性、供应链路径的复杂性、供应链技术的复杂性等[5]。所以供应链网络具有非线性和非平衡性、多样性和动态性、初值敏感性、结构自相似性（分形性）、涌现性和层次性、自组织和临界性、非对称性和不可逆性等特性。

4 供应链复杂性的几种复杂网络理论的研究方法分析

供应链的复杂性研究目前受到越来越多学者的关注，而供应链的复杂性是供应链各要素在集成、合作、延伸、互动等变化过程中产生的。供应链的运作过程实际上就是供应链各功能和要素不断协调的过程，下面结合复杂网络理论对供应链复杂性的研究做几点分析。

（1）传播。目前研究的比较多的是疾病的传播和计算机病毒的传播，其实在供应链网络中，不良信息的滞后引起的波动和放大效应也是供应链中的顽疾。如何避免和抑制它的快速传播，是目前传播动力学要解决的一个重要问题。

（2）牵引控制。牵引控制的基本思想是：通过有选择地对网络中的个别节点加以控制，从而获得牵引大部分节点的效果，使整个网络向预期的方向发展。比如说，对部分节点施加线性反馈来使动态网络稳定。对于节点的选择，要考虑节点的出度、反馈控制增益、耦合强度等参数。

（3）相继故障。在供应链网络中，个别节点和边发生故障，通过节点之间的耦合作用可能会引起其他节点发生故障，可能还会产生连锁反应，甚至导致网络的崩溃，比如说供应链中的牛鞭效应。相继故障不仅在供应链网络中可能出现，在交通网络、社会网络等其他的复杂网络中都有可能出现，都面临着由于局部故障导致整个网络崩溃的巨大风险。可以通过去耦合、添加长程边等方式来增强供应链网络的鲁棒性。

（4）拥塞及其博弈。拥塞现象是发生在供应链网络上的一种典型的动态行为，主要体现为信息拥塞和物流拥塞。我们可以对其中一些起到关键作用的节点加以牵引控制，来疏通网络，进而调整面对有限资源独立的参与者之间的相互竞争博弈行为。

（5）同步。一般来说，一个动力学网络是否能够实现同步，取决于节点上动力学系统的特性、节点的耦合方式以及网络结构。如果在供应链网络上的每个节点加一个动力学系统，并且有边相连的两个节点的动力学系统之间存在相互耦合作用，那么经过一段时间演化，网络有可能进入同步状态。同步不但发生在直接相连的节点之间，还有可能发生在不直接相连的节点之间。可以通过网络节点之间的耦合方式和耦合强度的改变来实现对供应链网络的同步控制。

5 结 论

目前对供应链的研究成果很多，但大部分集中在对于实体运行、确定状态下的供应链管理及运作研究，但是供应链是一个复杂的社会经济系统，这种复杂性体现在多个节点企业间多种行为的错综交互，为研究带来了很大的不确定性。而应用复杂网络理论来研究复杂供应链，是解决这种不确定性的一个有效手段。本文首先介绍了复杂网络的一些特征和供应链的复杂性体现，然后把供应链网络模拟成一个复杂网络，从复杂网络的角度对供应链的复杂性做了分析，并提出了几点研究建议。

参考文献：

[1]范旭，马军海，修妍.复杂供应链网络中的不确定性分析[J].复杂系统与复杂性科学，2006（9）：21-25.

[2]Boccaletti S，Latora V，Moreno，et plex Networks：Structure and Dynamics[J].Physics Reports，2006（424）：175-308.

[3]Costa L D F，Rodrigues F A，G Travieso，et al.Characterization of complex networks：A survey of measurements[J].Advances in Physics，2007，56（1）：167-242.

[4]Costa L D F，Oliveria O N，Travieso G，et al.Analyzing and modeling the real-world phenomena with complex networks：A survey of applications[EB/OL].Arxiv：0711.3199.

[5]杜志平.供应链系统的复杂性与评价方法研究[D].北京：北京交通大学，2007.

[6]周涛，柏文洁，汪秉宏，等.复杂网络研究概述[J].物理，2005（1）：31-36.

[7]丁寅，洪跃，王俊杰.集中采购供应链稳定性研究[J].中国市场，2013（19）.