人口是一个复杂系统,人口的迁移是复杂系统科学长期关注的一个典型问题.基于最近3次人口普查中的中国省际双边迁移数据进行复杂性探索研究.1)展示了中国区域人口迁移模式及演变;2)基于多边概率迁移模型,定量研究中国省际人口迁移的障碍.通过回归,揭示了影响区域流动障碍的基本要素,可以解释60％左右的迁移.其中地理距离、迁入迁出地的发展指数、迁入迁出地的房价等对中国区域迁移的影响较为显著.最后对中国5个热点迁入地北京、上海、广东、浙江、江苏进行了推力和拉力的全面分析,并讨论了其异同点.
重型卡车是城市货运系统的重要组成部分,研究城市重型卡车出行网络特征,对于城市货运系统规划和管理具有潜在的参考价值.本文对中国4个典型城市的重型卡车出行网络进行统计特征分析.使用从重型卡车GPS轨迹数据中提取的出行链数据,建立了重型卡车个体出行网络,进而合并为群体出行网络.在重型卡车个体出行网络方面,发现网络连边组成的出行模体具有明显的异质性特征,节点返回步长近似服从截尾幂律分布,点权近似服从齐普夫定律,网络节点数量具有亚线性增长特征;在重型卡车群体出行网络方面,发现点权近似服从幂律尾分布,边权近似服从幂律分布,出行距离近似服从指数分布,边权与点权、距离之间的关系近似服从社会引力定律.对这些统计特征的形成机制进行了分析,并对再现这些统计特征的理论模型研究、个体群体出行网络时变特征分析、货运系统多层相依复杂网络构建等问题进行了初步探讨.
鉴于图表示学习是一种将图结构转化为向量表示的方法,探讨了其在社交网络、生物网络、贸易网络和计算机网络等各个领域的应用情况;为了梳理图表示学习的发展历程,用全面的视角了解不同方法以及相关应用,综述了图嵌入和图神经网络这2类重要的图表示学习的研究进展;详细介绍了其中几个经典的算法;重点阐述了图表示学习在生化医疗领域的应用;深入讨论了图表示学习领域所面临的难点和挑战以及未来可能的研究方向.
对北京师范大学系统科学学院自2013年建院以来所发表的"复杂网络建模及分析"相关研究工作进行了综述;根据不同网络类型,从网络结构和动力学分析这2方面介绍了在复杂网络领域理论研究所取得的重要成果;总结了社会经济系统和地球系统中应用复杂网络分析的主要成果;对北京师范大学系统科学学院复杂网络研究的领域发展方向提出了建议.
基于《巴黎协定》中的自主贡献(intended nationally determined contributions)和全球盘点(global stocktake)机制,建立了带集体风险的多周期公共品博弈模型,应用子博弈精炼纳什均衡方法分析了当不同国家在禀赋、减排成本、气候风险等方面存在异质性时,能否及如何达成合作减排.研究发现,若所有国家气候风险的加权平均达到或者超过减排目标系数,则可以通过构造Grim策略使合作成为子博弈精炼纳什均衡,并且减排周期和国家数量的变化不会影响合作均衡的达成.
