提出了一种基于阈值的动态消息传递方法,该方法能够根据更新方程给出每个个体接受趋势的概率随时间演化的情况.通过与蒙特卡洛仿真方法在实际网络中的比较,证明了动态消息传递方法不但和仿真方法的计算结果吻合得好,并且极大地降低了仿真实验的次数.最后讨论了动态消息传递方法在大规模随机网络中的应用,通过分析结果,动态消息传递方法能给出在任一随机网络中接受者和未接受者的出现频率随时间演化的规律.
[1] 于晓玲. 复杂网络的建模与行为传播研究 [D]. 桂林理工大学 2014.
[2] 隋喆. 群体网络行为模型研究与应用 [D]. 四川大学 2006.
[3] 吕琳媛, L(U) Lin-yuan. 复杂网络链路预测 [J]. 电子科技大学学报 2010.doi:10.3969/j.issn.1001-0548.2010.05.002
[4] 黄少华, 武玉鹏, HUANG Shao-hua, WU Yu-peng. 网络行为研究现状:一个文献综述 [J]. 兰州大学学报（社会科学版） 2007.doi:10.3969/j.issn.1000-2804.2007.02.005
[5] 李飞鹏. 基于信息及行为传播的社交网络拓扑模型 [D]. 长春:吉林大学 2013.
[6] 史定华. 网络度分布理论 [M]. 北京:高等教育出版社 2011.
[7] 陈刚. 复杂网络概论:模型, 结构和动力学 [M]. 北京:高等教育出版社 2011.
[8] 汪小帆, 李翔, 陈关荣. 复杂网络理论及其应用 [M]. 北京:清华大学出版社 2006.
[9] 郭雷, 许晓明. 复杂网络 [M]. 上海:上海科学技术出版社 2006.
[10] 于禄, 郝柏林, 陈晓松. 边缘奇迹:相变与临界现象 [M]. 北京:科学出版社 2005.
