简介：研究复杂系统的自聚集演化过程和聚集量.文中给出两个类似生长网络的模型.第一个模型比较简单,每一时间步长只有一条新边进入网中,但概括面较广,例如可描写选举、科学论文引用、食物源对蚁群蜂群的吸引、某种商品或股票、堤坝渗漏处,等等.第二个模型比较一般,每次可有m条新边进入网络.文中引用BA网络模型给出的"优先连接"的概念,研究上面两个网络中各点的聚集量.结果表明:对于这两个模型,各点可能的聚集量均可用一个数学期望的简单公式描述,即Ets=ks/t0t.其中,s表示网中某点,t0是初始时间,ks是t0时点s的顶点度,t是任何时间,t也是此时网的总度数,或总聚集量.ks/t0表征点s的初始优势或初始吸引能力,点可称为吸引核,ks/t0可称为吸引系数.文中解释了对于不同情况下Ets=k/t0t的意义.

简介：研究创新聚集演化和运行规律，对创新聚集理论构建和指导科技园区实践都具有重要的意义。复杂适应系统（CAS）理论为认识和管理复杂系统提供了新的思路和独特的研究手段和方法。以CAS为基础，以中关村科技园和硅谷等实际案例为对象，详细分析创新聚集的演化规律。研究结果表明，科技园区创新聚集的形成过程为演化的结果，遵循演化的规律。

简介：受无标度网络结构特性的启发,将BA模型的＂择优连接＂机制进行扩展,引入微粒群群体组织方式的构造过程,提出基于高聚集性的无标度网络模型的微粒群算法。算法初期微粒被随机分布在环形结构中,随着搜索的进行不断增加新的微粒,并依据节点度和节点间的距离增加新的连接,最终形成具有高聚集性的无标度网络模型。这样,群体中多数微粒进行局部范围的搜索,而少量微粒按照全局模式搜索,两种方式相互制衡。仿真实验表明,改进后的算法能获得更好的收敛精度和进化速度。