论文部分内容阅读
摘 要:文章首先提出知识创新网络及复杂网路的概念,分析知识创新网路的复杂性特点,应用复杂网络特性构建知识创新网络模型,并运用MATLAB软件实现模型在不同的演化机制下的的动态仿真。
关键词:知识创新 复杂网络 MATLAB仿真
二十一世纪是全球化知识经济占主导地位的世纪。国家的创新能力包括知识创新和技术创新能力,是决定在国际竞争和世界总格局中的地位的重要因素。知识创新是包含多个阶段和环节的复杂的社会实践活动,各个阶段与环节交织在一起综合发生影响与作用,是一项复杂的系统工程,从知识的产生、传播、扩散到转化为实际生产力,每个环节纵横交错,表现出复杂网络的特性,所以应用复杂网络的理论知识,应用MATLAB仿真研究知识创新有效增长的连接机制,具有直观性和前瞻性。
一、知识创新与知识创新网路
第一,知识创新的含义。“科学家和工程师进行跨学科、跨行业、跨国家合作,研究共同感兴趣的问题,其研究结果加速了新思想的创造、流动和应用,加速了这些新思想应用于产品和服务,以造福于社会,这就是知识创新。”还有一种说法:“所谓知识创新,是指为了企业的成功、国民经济的活力和社会的进步,创造、演化、交换和应用新思想,使其转化变成市场化的产品和服务。”
第二,知识创新网络的含义。其是由科研机构、高校、企业三个基本的行为主体构成的,以知识共享、转移及创新为目的的,以政府、中介机构等相关联合体营造的良好政策环境和合作关系为运作背景的一种网络。
二、复杂网络的理论概述
第一,复杂网络的定义。目前普遍认可的一种解释是“如果节点按照纯粹的随机方式连线,所得到的网络称为随机(random)网络,如果是按照某种(自)组织原则方式连线,将演化成为各种不同的网络,称为复杂(complex)网络。”复杂网络作为新兴的对复杂系统进行定量描述的工具,可以对复杂自适应系统进行建模和分析。如果把知识系统中的“要素”和“关系”分别抽象成节点和边,就可以利用复杂网络理论对知识系统进行建模与分析。
第二,复杂网络的拓扑统计特性。一是度和度分布(Degree Distributions)。网络中节点具有的连接数称为该节点的度。在社会网络中度可以用来表示个体的影响力和重要程度,度越大的个体,其影响力就越大,在整个网络中的作用也就越大,反之亦然。度分布描述复杂网络节点连接数目的分布特性。对于随机网络,因为连接的随机性,所有节点的连接数(度)应该接近网络的平均连接度。而随机网络的度分布为二项分布,或大规模极限下的泊松分布。许多实际的网络,其度分布都具有一个服从幂率的尾巴P(k)～k-r。这样的网络被称为无标度。二是网络的聚集性(Clustering)。如果一个网络节点有数个直接的紧邻节点,那么这些紧邻节点之间有可能也是紧邻。聚集性用于描述这种可能性程度,表达了网络连接的聚集程度。三是平均路径长度(Average path length,APL)。指网络中所有节点对之间的平均最短路径,可以用来衡量网络的传输效率。这里节点间的距离是指从一节点到另一节点所要经历的边的最小数目,其中所有节点对之间的最大距离成为网络的直径。
第三,知识创新网络的复杂性。知识创新目标的实现必须依赖于新的设想的提出和后续的研究与发展、产业化、商业化等活动,是包含多阶段或环节的复杂的社会实践活动,各阶段与环节又是交织在一起综合发生影响与作用,因此这是一个动态的复杂的系统工程。主要表现在以下方面:一是要素的复杂性。知识创新网路各要素包括科研机构、学校、企业以及外部环境都具有异质、多种多样的特点,从而表现出显著的要素复杂性。二是结构的复杂性。结构是系统要素间及其联系的总和。知识创新网络主体是不同利益的主体,他们有的以“理性经济人”的视角来追求自身利益的最大化,呈现动态联盟式的松散结构。三是系统的整体性。它具体表现为系统的开放性、动态性和突现性。
三、知识创新网络模型构建及分析
seufert认为,知识网络的构成要素是人、资源和关系,而这三个要素只有在知识的创造和转移过程中发生互动时才能够创造价值,一个知识网络一般包含三个基本变量:行为主体、资源以及活动的发生。
(一)知识创新网络“节点”的选择
知识创新网络不同于其他的网络,大学和科研机构对知识创新、扩散、增值发挥着核心作用,大学和科研机构是知识的蓄水池,包含着高的知识存量。大学和科研机构具体来说是以知识创新、实现知识价值为目的的,与知识创新网络的根本目的是一致的,所以对知识创新网络贡献率最大。企业是知识转化的助推器,对知识价值的实现具有无法替代的作用,但是企业是以盈利为目的的,存在知识的竞争,是在最求自身利益最大化的基础上进行知识的转化,间接实现知识的价值,是典型经济人,对知识创新的动力不如大学和科研机构。而政府和中介机构不直接从事创新活动,对知识创新价值的实现起促成和促进作用,是知识创新的辅助性工具。因此在建立模型时,选择大学及科研机构和企业两类主体作为海洋科知识创新网络的节点构建网络,政府和中介机构不属于本文的研究重点。
(二)海洋知识创新网络“边”的选择
一是大学及科研机构间的连接关系。我国的大学和科研机构主要从属于不同的部门,科研机构的研究方向也各有不同,它们之间的联系主要通过课题和国家项目联系起来。二是企业与大学及科研机构的连接关系。企业与大学及科研机构的知识连接关系有多种形式:合作研发新技术、新产品;企业委托大学研发新技术、新产品;企业向大学购买技术和专利;大学和科研机构直接创办企业;人才招聘关系;培训咨询关系等等。三是企业与企业的连接关系。企业节点主要包括各类原材料或半成品供应商、产品制造商、各类销售代理服务机构等。
(三)海洋知识创新网路模型建立
1、海洋知识网络的初始模型
本文设定初始知识创新网络为小世界网络,网络中有N个主体,主体代表大学及科研机构和企业,设定每个节点的知识水平为K,用知识的增长来动态表示知识的不断创新过程。
(1)网络的主体及知识水平。本文将每个主体识水平为K,主体知识水平用记号Ki来表示。则反映知识创新网络在各个时段内的总体平均知识水平的演化用记号T(t)来表示,根据公式(1)计算:
T(t)=∑Ni=1Ki(t)/N (1)
其中,N设为400,Ki(t)表示主体i在t时段的知识水平,主体的知识水平设定为特定区间的均值分布K～U(200,600)。
(2)主体间联系强度。大学及科研机构间的连接、大学及科研机构与企业的连接和企业间的连接,这些主体间的联系强度主要体现在组织间项目合作的次数,合作频繁的组织间联系强度较大,合作不频繁或没有合作项目的组织间联系强度小甚至为0。我们用记号Wij表示主体i和主体j间合作联系的强弱。假设Wij随机地取自正态分布N(0.5,1),Wij取值为1表示最强的合作联系,取值为0表示无合作联系。由于初始设置为小世界网络,主体间的联系强度一般来说服从柏松分布。
Wij～N(μ,σ2) (2)
(3)主体的吸收能力。网络中的每个主体被赋予一个特定的吸收能力,反映该主体能够吸收其所获得的知识的能力。主体的吸收能力用记号Ci表示,假设Ci随着主体i的知识水平增长而增长。吸收能力的计算方式如公式(3)所示,其中参数α1控制Ci随Ki增长的速度,设为0.001。
Ci=1/1+e-α1Ki (3)
假设主体知识的增长包括两个部分:内生增长部分和外生增长部分如公式(4)所示,ΔKi-i(t)表示内生增长部分,ΔKi-out(t)表示外省增长部分,主体可以通过对内部R&D投资以获得知识存量的内生式增长,也可以通过与外部主体建立合作关系以获得知识存量的外生式增长。
Ki(t+1)=Ki(t)+ΔKi-in(t)+ΔKi-out(t) (4)
在此,假设Ki-in(t)按照公式(5)来计算。其中,参数β控制增长的上限设为0.001,α2控制ΔKi-in(t)随Ki(t)增长的速度,设为0.001。
ΔKi-in(t)=βKi(t)/[1+e-α2Ki(t)] (5)
假设如果某个合作主体j的知识水平低于主体i,主体i将无知识可以学习。如果某个合作主体j的知识水平高于主体i,两者的知识水平差距是Δ,则主体i的知识会增加ΔKi-out,其中Wij的大小决定了从合作关系中主体i能够获得的知识占知识差距的比重,而Ci的大小决定了主体i从获得的知识中能够成功消化吸收的知识的比重。
ΔKi-out=Ci*Wij*Δ (6)
2、海洋知识网络的演化机制
设定函数T(t)为网络主体的平均知识水平,考察具有不同特性包括知识水平、点强度、中介性个体通过不同方式的连接,对网络整体水平的影响,为知识相关主体提供决策支持。
本文主要设定了四种演化机制来考察总体知识水平的增长情况:主体知识水平大于平均知识水平的,随机选择100个,与最高知识水平主体进行连接;主体知识水平小于平均知识水平的,随机选择100个,与最高知识水平主体进行连接;主体知识水平大于平均知识水平的,随机选择100个,与最高点强度主体进行连接;主体知识水平小于平均知识水平的,随机选择100个,与最高点强度主体进行连接;来考察知识水平和点强度对知识增长的影响以及知识水平高低不同的主体对整体网络知识增长的影响。
四、知识创新网络仿真
从知识管理的角度,知识创新网络不仅需要考虑组织知识点,而且对于知识点之间的联系也应当加以考虑,要满足这种要求,本文应用MATLAB软件进行多主体仿真来直观的表达复杂知识创新网络模型是当前比较合适的选择。
(一)主体知识水平对网络知识水平的影响
在a,b两种情况下,时步t设为100。仿真结果如图1所示。
图1利用matlab仿真结果一。由图1可知,网络整体知识水平随着网络主体间建立合作关系,实现知识的共享和转移之后,即使网络的规模没有增长,同样也可以实现整体知识的增长,而且我们发现网络整体知识水平增长的程度是由整体网络中知识水平较低的主体决定的,a曲线的增长速度远不如b曲线,即水桶效应,一个水桶无论有多高,它盛水的高度取决于其中最低的那块木板。而且反映在网络密度低时网络整体知识水平增长较快,当密度达到一定程度,整体知识水平变得缓慢,但仍有比较稳定的增长速度。当我们改变决定内生增长限度的变量b时,设定b为0,网络的整体水平变化如图2所示。
图2利用matlab仿真结果二。由图2可知,当主体没有内生知识增长之后,网络的总体知识水平达到一定的值之后不再变化,即仅依靠合作无法实现知识的持续增长,只有主体不断加强自主创造,才能实现知识的持续增长。
(二)主体点强度对网络知识水平的影响
在c、d两种情况下,时步t设为100。仿真结果如图3所示。
图3利用matlab仿真结果三。由图3中可知,当改变主体连接的机制时,知识水平低的主体与高点强度的主体连接同样可以达到网络整体知识增长的效果,点强度代表了主体在网络中的影响力,也许点强度高的主体并不一定具有高的知识水平,但通过它在网络中的影响力仍然可以促进知识的流动。
本文将图1、图3表示在图4中,更直观地看出在a、b、c、d四种情况下,对整体知识创新网络知识水平的增长情况,高知识水平的主体比高点强的主体具有更强的促进知识流动的能力。
图4利用matlab仿真结果四。
(三)仿真结果分析
综上可知,主体通过联盟学习和吸收来自网络外部先进的管理和技术知识,转化吸收成为提升自身水平,提高竞争力的关键,包括与其他企业、科研机构、学校、中介机构之间通过契约协议建立起来的,实现知识在联盟之间快速、准确、有效的转移和传播,这种知识的转移和传播比仅靠企业自身知识创造来的更全面、更有效。企业通过知识联盟可也实现效益的持续增加。联盟主体可以共享技术、思想、文化,促进知识在联盟之间的流动,形成优势互补、风险共担的组织。
政府加强政策性的引导,建立合理的机制,促进落后企业、学校和科研机构与先进企业、学校和科研机构间知识的流动,带动整个产业的总体知识水平的增长,这对于落后的国家和地区也是一样的。我国在改革开放的初期,为了掌握先进技术,对外国企业采取了“市场换技术”的政策,就是通过交易获得学习技术知识的机会,从而提升自身的技术水平。
(作者单位:中国海洋大学)
【参考文献】
1、胡一竑.基于复杂网络的交通网络复杂性研究[D].复旦大学,2008.
2、Seufert A,Krogh G,Bach A.Towards knowledge networking[J].Joumal of Knowledge Manement,1999(3).
3、Watts D J,Strogatz S H.Collective dynamics of “small-world”networks[J].Nature,1998(6684).
4、李光正等.基于Matlab的小世界网络仿真[J].科学与技术信息,2008(17).
关键词:知识创新 复杂网络 MATLAB仿真
二十一世纪是全球化知识经济占主导地位的世纪。国家的创新能力包括知识创新和技术创新能力,是决定在国际竞争和世界总格局中的地位的重要因素。知识创新是包含多个阶段和环节的复杂的社会实践活动,各个阶段与环节交织在一起综合发生影响与作用,是一项复杂的系统工程,从知识的产生、传播、扩散到转化为实际生产力,每个环节纵横交错,表现出复杂网络的特性,所以应用复杂网络的理论知识,应用MATLAB仿真研究知识创新有效增长的连接机制,具有直观性和前瞻性。
一、知识创新与知识创新网路
第一,知识创新的含义。“科学家和工程师进行跨学科、跨行业、跨国家合作,研究共同感兴趣的问题,其研究结果加速了新思想的创造、流动和应用,加速了这些新思想应用于产品和服务,以造福于社会,这就是知识创新。”还有一种说法:“所谓知识创新,是指为了企业的成功、国民经济的活力和社会的进步,创造、演化、交换和应用新思想,使其转化变成市场化的产品和服务。”
第二,知识创新网络的含义。其是由科研机构、高校、企业三个基本的行为主体构成的,以知识共享、转移及创新为目的的,以政府、中介机构等相关联合体营造的良好政策环境和合作关系为运作背景的一种网络。
二、复杂网络的理论概述
第一,复杂网络的定义。目前普遍认可的一种解释是“如果节点按照纯粹的随机方式连线,所得到的网络称为随机(random)网络,如果是按照某种(自)组织原则方式连线,将演化成为各种不同的网络,称为复杂(complex)网络。”复杂网络作为新兴的对复杂系统进行定量描述的工具,可以对复杂自适应系统进行建模和分析。如果把知识系统中的“要素”和“关系”分别抽象成节点和边,就可以利用复杂网络理论对知识系统进行建模与分析。
第二,复杂网络的拓扑统计特性。一是度和度分布(Degree Distributions)。网络中节点具有的连接数称为该节点的度。在社会网络中度可以用来表示个体的影响力和重要程度,度越大的个体,其影响力就越大,在整个网络中的作用也就越大,反之亦然。度分布描述复杂网络节点连接数目的分布特性。对于随机网络,因为连接的随机性,所有节点的连接数(度)应该接近网络的平均连接度。而随机网络的度分布为二项分布,或大规模极限下的泊松分布。许多实际的网络,其度分布都具有一个服从幂率的尾巴P(k)～k-r。这样的网络被称为无标度。二是网络的聚集性(Clustering)。如果一个网络节点有数个直接的紧邻节点,那么这些紧邻节点之间有可能也是紧邻。聚集性用于描述这种可能性程度,表达了网络连接的聚集程度。三是平均路径长度(Average path length,APL)。指网络中所有节点对之间的平均最短路径,可以用来衡量网络的传输效率。这里节点间的距离是指从一节点到另一节点所要经历的边的最小数目,其中所有节点对之间的最大距离成为网络的直径。
第三,知识创新网络的复杂性。知识创新目标的实现必须依赖于新的设想的提出和后续的研究与发展、产业化、商业化等活动,是包含多阶段或环节的复杂的社会实践活动,各阶段与环节又是交织在一起综合发生影响与作用,因此这是一个动态的复杂的系统工程。主要表现在以下方面:一是要素的复杂性。知识创新网路各要素包括科研机构、学校、企业以及外部环境都具有异质、多种多样的特点,从而表现出显著的要素复杂性。二是结构的复杂性。结构是系统要素间及其联系的总和。知识创新网络主体是不同利益的主体,他们有的以“理性经济人”的视角来追求自身利益的最大化,呈现动态联盟式的松散结构。三是系统的整体性。它具体表现为系统的开放性、动态性和突现性。
三、知识创新网络模型构建及分析
seufert认为,知识网络的构成要素是人、资源和关系,而这三个要素只有在知识的创造和转移过程中发生互动时才能够创造价值,一个知识网络一般包含三个基本变量:行为主体、资源以及活动的发生。
(一)知识创新网络“节点”的选择
知识创新网络不同于其他的网络,大学和科研机构对知识创新、扩散、增值发挥着核心作用,大学和科研机构是知识的蓄水池,包含着高的知识存量。大学和科研机构具体来说是以知识创新、实现知识价值为目的的,与知识创新网络的根本目的是一致的,所以对知识创新网络贡献率最大。企业是知识转化的助推器,对知识价值的实现具有无法替代的作用,但是企业是以盈利为目的的,存在知识的竞争,是在最求自身利益最大化的基础上进行知识的转化,间接实现知识的价值,是典型经济人,对知识创新的动力不如大学和科研机构。而政府和中介机构不直接从事创新活动,对知识创新价值的实现起促成和促进作用,是知识创新的辅助性工具。因此在建立模型时,选择大学及科研机构和企业两类主体作为海洋科知识创新网络的节点构建网络,政府和中介机构不属于本文的研究重点。
(二)海洋知识创新网络“边”的选择
一是大学及科研机构间的连接关系。我国的大学和科研机构主要从属于不同的部门,科研机构的研究方向也各有不同,它们之间的联系主要通过课题和国家项目联系起来。二是企业与大学及科研机构的连接关系。企业与大学及科研机构的知识连接关系有多种形式:合作研发新技术、新产品;企业委托大学研发新技术、新产品;企业向大学购买技术和专利;大学和科研机构直接创办企业;人才招聘关系;培训咨询关系等等。三是企业与企业的连接关系。企业节点主要包括各类原材料或半成品供应商、产品制造商、各类销售代理服务机构等。
(三)海洋知识创新网路模型建立
1、海洋知识网络的初始模型
本文设定初始知识创新网络为小世界网络,网络中有N个主体,主体代表大学及科研机构和企业,设定每个节点的知识水平为K,用知识的增长来动态表示知识的不断创新过程。
(1)网络的主体及知识水平。本文将每个主体识水平为K,主体知识水平用记号Ki来表示。则反映知识创新网络在各个时段内的总体平均知识水平的演化用记号T(t)来表示,根据公式(1)计算:
T(t)=∑Ni=1Ki(t)/N (1)
其中,N设为400,Ki(t)表示主体i在t时段的知识水平,主体的知识水平设定为特定区间的均值分布K～U(200,600)。
(2)主体间联系强度。大学及科研机构间的连接、大学及科研机构与企业的连接和企业间的连接,这些主体间的联系强度主要体现在组织间项目合作的次数,合作频繁的组织间联系强度较大,合作不频繁或没有合作项目的组织间联系强度小甚至为0。我们用记号Wij表示主体i和主体j间合作联系的强弱。假设Wij随机地取自正态分布N(0.5,1),Wij取值为1表示最强的合作联系,取值为0表示无合作联系。由于初始设置为小世界网络,主体间的联系强度一般来说服从柏松分布。
Wij～N(μ,σ2) (2)
(3)主体的吸收能力。网络中的每个主体被赋予一个特定的吸收能力,反映该主体能够吸收其所获得的知识的能力。主体的吸收能力用记号Ci表示,假设Ci随着主体i的知识水平增长而增长。吸收能力的计算方式如公式(3)所示,其中参数α1控制Ci随Ki增长的速度,设为0.001。
Ci=1/1+e-α1Ki (3)
假设主体知识的增长包括两个部分:内生增长部分和外生增长部分如公式(4)所示,ΔKi-i(t)表示内生增长部分,ΔKi-out(t)表示外省增长部分,主体可以通过对内部R&D投资以获得知识存量的内生式增长,也可以通过与外部主体建立合作关系以获得知识存量的外生式增长。
Ki(t+1)=Ki(t)+ΔKi-in(t)+ΔKi-out(t) (4)
在此,假设Ki-in(t)按照公式(5)来计算。其中,参数β控制增长的上限设为0.001,α2控制ΔKi-in(t)随Ki(t)增长的速度,设为0.001。
ΔKi-in(t)=βKi(t)/[1+e-α2Ki(t)] (5)
假设如果某个合作主体j的知识水平低于主体i,主体i将无知识可以学习。如果某个合作主体j的知识水平高于主体i,两者的知识水平差距是Δ,则主体i的知识会增加ΔKi-out,其中Wij的大小决定了从合作关系中主体i能够获得的知识占知识差距的比重,而Ci的大小决定了主体i从获得的知识中能够成功消化吸收的知识的比重。
ΔKi-out=Ci*Wij*Δ (6)
2、海洋知识网络的演化机制
设定函数T(t)为网络主体的平均知识水平,考察具有不同特性包括知识水平、点强度、中介性个体通过不同方式的连接,对网络整体水平的影响,为知识相关主体提供决策支持。
本文主要设定了四种演化机制来考察总体知识水平的增长情况:主体知识水平大于平均知识水平的,随机选择100个,与最高知识水平主体进行连接;主体知识水平小于平均知识水平的,随机选择100个,与最高知识水平主体进行连接;主体知识水平大于平均知识水平的,随机选择100个,与最高点强度主体进行连接;主体知识水平小于平均知识水平的,随机选择100个,与最高点强度主体进行连接;来考察知识水平和点强度对知识增长的影响以及知识水平高低不同的主体对整体网络知识增长的影响。
四、知识创新网络仿真
从知识管理的角度,知识创新网络不仅需要考虑组织知识点,而且对于知识点之间的联系也应当加以考虑,要满足这种要求,本文应用MATLAB软件进行多主体仿真来直观的表达复杂知识创新网络模型是当前比较合适的选择。
(一)主体知识水平对网络知识水平的影响
在a,b两种情况下,时步t设为100。仿真结果如图1所示。
图1利用matlab仿真结果一。由图1可知,网络整体知识水平随着网络主体间建立合作关系,实现知识的共享和转移之后,即使网络的规模没有增长,同样也可以实现整体知识的增长,而且我们发现网络整体知识水平增长的程度是由整体网络中知识水平较低的主体决定的,a曲线的增长速度远不如b曲线,即水桶效应,一个水桶无论有多高,它盛水的高度取决于其中最低的那块木板。而且反映在网络密度低时网络整体知识水平增长较快,当密度达到一定程度,整体知识水平变得缓慢,但仍有比较稳定的增长速度。当我们改变决定内生增长限度的变量b时,设定b为0,网络的整体水平变化如图2所示。
图2利用matlab仿真结果二。由图2可知,当主体没有内生知识增长之后,网络的总体知识水平达到一定的值之后不再变化,即仅依靠合作无法实现知识的持续增长,只有主体不断加强自主创造,才能实现知识的持续增长。
(二)主体点强度对网络知识水平的影响
在c、d两种情况下,时步t设为100。仿真结果如图3所示。
图3利用matlab仿真结果三。由图3中可知,当改变主体连接的机制时,知识水平低的主体与高点强度的主体连接同样可以达到网络整体知识增长的效果,点强度代表了主体在网络中的影响力,也许点强度高的主体并不一定具有高的知识水平,但通过它在网络中的影响力仍然可以促进知识的流动。
本文将图1、图3表示在图4中,更直观地看出在a、b、c、d四种情况下,对整体知识创新网络知识水平的增长情况,高知识水平的主体比高点强的主体具有更强的促进知识流动的能力。
图4利用matlab仿真结果四。
(三)仿真结果分析
综上可知,主体通过联盟学习和吸收来自网络外部先进的管理和技术知识,转化吸收成为提升自身水平,提高竞争力的关键,包括与其他企业、科研机构、学校、中介机构之间通过契约协议建立起来的,实现知识在联盟之间快速、准确、有效的转移和传播,这种知识的转移和传播比仅靠企业自身知识创造来的更全面、更有效。企业通过知识联盟可也实现效益的持续增加。联盟主体可以共享技术、思想、文化,促进知识在联盟之间的流动,形成优势互补、风险共担的组织。
政府加强政策性的引导,建立合理的机制,促进落后企业、学校和科研机构与先进企业、学校和科研机构间知识的流动,带动整个产业的总体知识水平的增长,这对于落后的国家和地区也是一样的。我国在改革开放的初期,为了掌握先进技术,对外国企业采取了“市场换技术”的政策,就是通过交易获得学习技术知识的机会,从而提升自身的技术水平。
(作者单位:中国海洋大学)
【参考文献】
1、胡一竑.基于复杂网络的交通网络复杂性研究[D].复旦大学,2008.
2、Seufert A,Krogh G,Bach A.Towards knowledge networking[J].Joumal of Knowledge Manement,1999(3).
3、Watts D J,Strogatz S H.Collective dynamics of “small-world”networks[J].Nature,1998(6684).
4、李光正等.基于Matlab的小世界网络仿真[J].科学与技术信息,2008(17).