复杂网络理论研究的计算软件方法

A. 什么是复杂网络理论 只要定义

复杂网络是对复杂系统的抽象和描述方式，任何包含大量组成单元（或子系统）的复杂系统，当把构成单元抽象成节点、单元之间的相互关系抽象为边时，都可以当作复杂网络来研究；复杂网络是研究复杂系统的一种角度和方法，它关注系统中个体相互关联作用的拓扑结构，是理解复杂系统性质和功能的基础。

B. 复杂网络分析软件 哪个好用

Gephi

C. 计算机科学国家重点实验室（中国科学院软件研究所）的研究领域

实验室以国内外计算机科学技术领域提出的基本问题为背景，面向国家发展软件产业和国家安全的战略需求，开展计算机科学理论和软件基础研究。 计算机科学基础理论与形式化方法：研究以并发、实时、混成、移动、概率等为主要行为特征的复杂计算系统，建立和发展描述这些系统行为的数学模型理论（形式建模），以及描述这些系统性质的规范理论（形式规约），并研究如何自动或半自动地进行系统验证（形式验证）。研究基于网络结构的算法及其复杂性理论，揭示网络新原理，建立网络计算新理论，并应用于网络安全性、健壮性、可控性及在网络智能搜索、网络预测等方面。 软件系统原理及开发方法： 研究程序设计语言的基础理论，探索软件可靠性开发的新框架和新方法，研究面向各种并发程序的分析、验证和测试方法，开发相应的辅助工具，并结合应用实例的研究，提高算法及工具的效率和性能。研究基础软件核心技术，研制国产操作系统、中间件和数据库，形成基础软件平台体系，实现我国基础软件产品的自主可控。突破高安全可信、国产软硬件优化适配等操作系统核心关键技术；突破新一代中间件关键技术，为海云计算和物联网提供运行支撑；突破大规模分布式实时主动数据库关键技术，开发分布式实时主动数据库系统。 图形图像与人机交互： 研究动态复杂可视现象的高效图形表达与绘制的理论和方法，面向实践需求的复杂图像处理方法和技术，复杂环境下人机交互的自然感知基础理论和多通道整合方法，以及上下文感知的智能交互技术。 并行与分布计算及可信计算：研究数万处理器的高可扩展并行算法与应用软件，异构的分布式硬件平台，海量数据处理与高性能仿真的计算耦合，以及相关的特征理论、非规则网格、计算流体力学仿真等。研究可信计算与信息保障基础理论、关键技术与系统、测评方法与工具，包括：可信计算体系结构、协议设计与分析、认证授权与网络信任、信息对抗与网络保障、可信数据库与云安全、可信系统的测评方法与工具等。 大数据及智能信息处理：研究多源异构大数据的表示方法、度量模型、语义理解机制，包括：大数据抽样方法、异构特征选择、语义相似性计算模型及数据挖掘算法；面向多知识源的语义Web本体集成模型及推理算法；多源异构大数据的可视化方法；实时智能控制调度系统等。

D. 人工神经网络的主要研究成果

1 人工神经网络产生的背景
自古以来，关于人类智能本源的奥秘，一直吸引着无数哲学家和自然科学家的研究热情。生物学家、神经学家经过长期不懈的努力，通过对人脑的观察和认识，认为人脑的智能活动离不开脑的物质基础，包括它的实体结构和其中所发生的各种生物、化学、电学作用，并因此建立了神经元网络理论和神经系统结构理论，而神经元理论又是此后神经传导理论和大脑功能学说的基础。在这些理论基础之上，科学家们认为，可以从仿制人脑神经系统的结构和功能出发，研究人类智能活动和认识现象。另一方面，19世纪之前，无论是以欧氏几何和微积分为代表的经典数学，还是以牛顿力学为代表的经典物理学，从总体上说，这些经典科学都是线性科学。然而，客观世界是如此的纷繁复杂，非线性情况随处可见，人脑神经系统更是如此。复杂性和非线性是连接在一起的，因此，对非线性科学的研究也是我们认识复杂系统的关键。为了更好地认识客观世界，我们必须对非线性科学进行研究。人工神经网络作为一种非线性的、与大脑智能相似的网络模型，就这样应运而生了。所以，人工神经网络的创立不是偶然的，而是20世纪初科学技术充分发展的产物。
2 人工神经网络的发展
人工神经网络的研究始于40年代初。半个世纪以来，经历了兴起、高潮与萧条、高潮及稳步发展的远为曲折的道路。
1943年，心理学家W.S.Mcculloch和数理逻辑学家W.Pitts 提出了M—P模型，这是第一个用数理语言描述脑的信息处理过程的模型， 虽然神经元的功能比较弱，但它为以后的研究工作提供了依据。1949年，心理学家D.O.Hebb提出突触联系可变的假设，根据这一假设提出的学习规律为神经网络的学习算法奠定了基础。 1957 年， 计算机科学家Rosenblatt提出了着名的感知机模型，它的模型包含了现代计算机的一些原理，是第一个完整的人工神经网络，第一次把神经网络研究付诸工程实现。由于可应用于模式识别，联想记忆等方面，当时有上百家实验室投入此项研究，美国军方甚至认为神经网络工程应当比“原子弹工程”更重要而给予巨额资助，并在声纳信号识别等领域取得一定成绩。1960年，B.Windrow和E.Hoff提出了自适应线性单元， 它可用于自适应滤波、预测和模式识别。至此，人工神经网络的研究工作进入了第一个高潮。
1969年，美国着名人工智能学者M.Minsky和S.Papert编写了影响很大的Perceptron一书，从理论上证明单层感知机的能力有限，诸如不能解决异或问题，而且他们推测多层网络的感知机能力也不过如此，他们的分析恰似一瓢冷水，很多学者感到前途渺茫而纷纷改行，原先参与研究的实验室纷纷退出，在这之后近10年，神经网络研究进入了一个缓慢发展的萧条期。这期间，芬兰学者T.Kohonen 提出了自组织映射理论，反映了大脑神经细胞的自组织特性、记忆方式以及神经细胞兴奋刺激的规律；美国学者S.A.Grossberg的自适应共振理论（ART ）；日本学者K.Fukushima提出了认知机模型；ShunIchimari则致力于神经网络有关数学理论的研究等，这些研究成果对以后的神经网络的发展产生了重要影响。
美国生物物理学家J.J.Hopfield于1982年、1984年在美国科学院院刊发表的两篇文章，有力地推动了神经网络的研究，引起了研究神经网络的又一次热潮。 1982 年， 他提出了一个新的神经网络模型——hopfield网络模型。他在这种网络模型的研究中，首次引入了网络能量函数的概念，并给出了网络稳定性的判定依据。1984年，他又提出了网络模型实现的电子电路，为神经网络的工程实现指明了方向，他的研究成果开拓了神经网络用于联想记忆的优化计算的新途径，并为神经计算机研究奠定了基础。1984年Hinton等人将模拟退火算法引入到神经网络中，提出了Boltzmann机网络模型，BM 网络算法为神经网络优化计算提供了一个有效的方法。1986年，D.E.Rumelhart和J.LMcclelland提出了误差反向传播算法，成为至今为止影响很大的一种网络学习方法。1987年美国神经计算机专家R.Hecht—Nielsen提出了对向传播神经网络，该网络具有分类灵活，算法简练的优点，可用于模式分类、函数逼近、统计分析和数据压缩等领域。1988年L.Ochua 等人提出了细胞神经网络模型，它在视觉初级加工上得到了广泛应用。
为适应人工神经网络的发展，1987年成立了国际神经网络学会，并决定定期召开国际神经网络学术会议。1988年1月Neural Network 创刊。1990年3月IEEE Transaction on Neural Network问世。 我国于1990年12月在北京召开了首届神经网络学术大会，并决定以后每年召开一次。1991 年在南京成立了中国神经网络学会。 IEEE 与INNS 联合召开的IJCNN92已在北京召开。 这些为神经网络的研究和发展起了推波助澜的作用，人工神经网络步入了稳步发展的时期。
90年代初，诺贝尔奖获得者Edelman提出了Darwinism模型，建立了神经网络系统理论。同年，Aihara等在前人推导和实验的基础上，给出了一个混沌神经元模型，该模型已成为一种经典的混沌神经网络模型，该模型可用于联想记忆。 Wunsch 在90OSA 年会上提出了一种AnnualMeeting，用光电执行ART，学习过程有自适应滤波和推理功能，具有快速和稳定的学习特点。1991年，Hertz探讨了神经计算理论， 对神经网络的计算复杂性分析具有重要意义；Inoue 等提出用耦合的混沌振荡子作为某个神经元，构造混沌神经网络模型，为它的广泛应用前景指明了道路。1992年，Holland用模拟生物进化的方式提出了遗传算法， 用来求解复杂优化问题。1993年方建安等采用遗传算法学习，研究神经网络控制器获得了一些结果。1994年Angeline等在前人进化策略理论的基础上，提出一种进化算法来建立反馈神经网络，成功地应用到模式识别，自动控制等方面；廖晓昕对细胞神经网络建立了新的数学理论和方法，得到了一系列结果。HayashlY根据动物大脑中出现的振荡现象，提出了振荡神经网络。1995年Mitra把人工神经网络与模糊逻辑理论、 生物细胞学说以及概率论相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。Jenkins等人研究光学神经网络， 建立了光学二维并行互连与电子学混合的光学神经网络，它能避免网络陷入局部最小值，并最后可达到或接近最理想的解；SoleRV等提出流体神经网络，用来研究昆虫社会，机器人集体免疫系统，启发人们用混沌理论分析社会大系统。1996年，ShuaiJW’等模拟人脑的自发展行为， 在讨论混沌神经网络的基础上提出了自发展神经网络。1997、1998年董聪等创立和完善了广义遗传算法，解决了多层前向网络的最简拓朴构造问题和全局最优逼近问题。
随着理论工作的发展，神经网络的应用研究也取得了突破性进展，涉及面非常广泛，就应用的技术领域而言有计算机视觉，语言的识别、理解与合成，优化计算，智能控制及复杂系统分析，模式识别，神经计算机研制，知识推理专家系统与人工智能。涉及的学科有神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学、光学、动力学、生物电子学等。美国、日本等国在神经网络计算机软硬件实现的开发方面也取得了显着的成绩，并逐步形成产品。在美国，神经计算机产业已获得军方的强有力支持，国防部高级研究计划局认为“神经网络是解决机器智能的唯一希望”，仅一项8 年神经计算机计划就投资4亿美元。在欧洲共同体的ESPRIT计划中， 就有一项特别项目：“神经网络在欧洲工业中的应用”，单是生产神经网络专用芯片这一项就投资2200万美元。据美国资料声称，日本在神经网络研究上的投资大约是美国的4倍。我国也不甘落后，自从1990 年批准了南开大学的光学神经计算机等3项课题以来， 国家自然科学基金与国防预研基金也都为神经网络的研究提供资助。另外，许多国际着名公司也纷纷卷入对神经网络的研究，如Intel、IBM、Siemens、HNC。神经计算机产品开始走向商用阶段，被国防、企业和科研部门选用。在举世瞩目的海湾战争中，美国空军采用了神经网络来进行决策与控制。在这种刺激和需求下，人工神经网络定会取得新的突破，迎来又一个高潮。自1958年第一个神经网络诞生以来，其理论与应用成果不胜枚举。人工神经网络是一个快速发展着的一门新兴学科，新的模型、新的理论、新的应用成果正在层出不穷地涌现出来。
3 人工神经网络的发展前景
针对神经网络存在的问题和社会需求，今后发展的主要方向可分为理论研究和应用研究两个方面。
（1）利用神经生理与认识科学研究大脑思维及智能的机理、 计算理论，带着问题研究理论。
人工神经网络提供了一种揭示智能和了解人脑工作方式的合理途径，但是由于人类起初对神经系统了解非常有限，对于自身脑结构及其活动机理的认识还十分肤浅，并且带有某种“先验”。例如， Boltzmann机引入随机扰动来避免局部极小，有其卓越之处，然而缺乏必要的脑生理学基础，毫无疑问，人工神经网络的完善与发展要结合神经科学的研究。而且，神经科学，心理学和认识科学等方面提出的一些重大问题，是向神经网络理论研究提出的新挑战，这些问题的解决有助于完善和发展神经网络理论。因此利用神经生理和认识科学研究大脑思维及智能的机理，如有新的突破，将会改变智能和机器关系的认识。
利用神经科学基础理论的研究成果，用数理方法探索智能水平更高的人工神经网络模型，深入研究网络的算法和性能，如神经计算、进化计算、稳定性、收敛性、计算复杂性、容错性、鲁棒性等，开发新的网络数理理论。由于神经网络的非线性，因此非线性问题的研究是神经网络理论发展的一个最大动力。特别是人们发现，脑中存在着混沌现象以来，用混沌动力学启发神经网络的研究或用神经网络产生混沌成为摆在人们面前的一个新课题，因为从生理本质角度出发是研究神经网络的根本手段。
（2）神经网络软件模拟， 硬件实现的研究以及神经网络在各个科学技术领域应用的研究。
由于人工神经网络可以用传统计算机模拟，也可以用集成电路芯片组成神经计算机，甚至还可以用光学的、生物芯片的方式实现，因此研制纯软件模拟，虚拟模拟和全硬件实现的电子神经网络计算机潜力巨大。如何使神经网络计算机与传统的计算机和人工智能技术相结合也是前沿课题；如何使神经网络计算机的功能向智能化发展，研制与人脑功能相似的智能计算机，如光学神经计算机，分子神经计算机，将具有十分诱人的前景。
4 哲理
（1）人工神经网络打开了认识论的新领域
认识与脑的问题，长期以来一直受到人们的关注，因为它不仅是有关人的心理、意识的心理学问题，也是有关人的思维活动机制的脑科学与思维科学问题，而且直接关系到对物质与意识的哲学基本问题的回答。人工神经网络的发展使我们能够更进一步地既唯物又辩证地理解认识与脑的关系，打开认识论的新领域。人脑是一个复杂的并行系统，它具有“认知、意识、情感”等高级脑功能，用人工进行模拟，有利于加深对思维及智能的认识，已对认知和智力的本质的研究产生了极大的推动作用。在研究大脑的整体功能和复杂性方面，人工神经网络给人们带来了新的启迪。由于人脑中存在混沌现象，混沌可用来理解脑中某些不规则的活动，从而混沌动力学模型能用作人对外部世界建模的工具，可用来描述人脑的信息处理过程。混沌和智能是有关的，神经网络中引入混沌学思想有助于提示人类形象思维等方面的奥秘。人工神经网络之所以再度兴起，关键在于它反映了事物的非线性，抓住了客观世界的本质，而且它在一定程度上正面回答了智能系统如何从环境中自主学习这一最关键的问题，从认知的角度讲，所谓学习，就是对未知现象或规律的发现和归纳。由于神经网络具有高度的并行性，高度的非线性全局作用，良好的容错性与联想记忆功能以及十分强的自适应、自学习功能，而使得它成为揭示智能和了解人脑工作方式的合理途径。但是，由于认知问题的复杂性，目前，我们对于脑神经网的运行和神经细胞的内部处理机制，如信息在人脑是如何传输、存贮、加工的？记忆、联想、判断是如何形成的？大脑是否存在一个操作系统？还没有太多的认识，因此要制造人工神经网络来模仿人脑各方面的功能，还有待于人们对大脑信息处理机理认识的深化。
（2）人工神经网络发展的推动力来源于实践、 理论和问题的相互作用
随着人们社会实践范围的不断扩大，社会实践层次的不断深入，人们所接触到的自然现象也越来越丰富多彩、纷繁复杂，这就促使人们用不同的原因加以解释不同种类的自然现象，当不同种类的自然现象可以用同样的原因加以解释，这样就出现了不同学科的相互交叉、综合，人工神经网络就这样产生了。在开始阶段，由于这些理论化的网络模型比较简单，还存在许多问题，而且这些模型几乎没有得到实践的检验，因而神经网络的发展比较缓慢。随着理论研究的深入，问题逐渐地解决特别是工程上得到实现以后，如声纳识别成功，才迎来了神经网络的第一个发展高潮。可Minisky认为感知器不能解决异或问题， 多层感知器也不过如此，神经网络的研究进入了低谷，这主要是因为非线性问题没得到解决。随着理论的不断丰富，实践的不断深入， 现在已证明Minisky的悲观论调是错误的。今天，高度发达的科学技术逐渐揭示了非线性问题是客观世界的本质。问题、理论、实践的相互作用又迎来了人工神经网络的第二次高潮。目前人工神经网络的问题是智能水平不高，还有其它理论和实现方面的问题，这就迫使人们不断地进行理论研究，不断实践，促使神经网络不断向前发展。总之，先前的原因遇到了解释不同的新现象，促使人们提出更加普遍和精确的原因来解释。理论是基础，实践是动力，但单纯的理论和实践的作用还不能推动人工神经网络的发展，还必须有问题提出，才能吸引科学家进入研究的特定范围，引导科学家从事相关研究，从而逼近科学发现，而后实践又提出新问题，新问题又引发新的思考，促使科学家不断思考，不断完善理论。人工神经网络的发展无不体现着问题、理论和实践的辩证统一关系。
（3 ）人工神经网络发展的另一推动力来源于相关学科的贡献及不同学科专家的竞争与协同
人工神经网络本身就是一门边缘学科，它的发展有更广阔的科学背景，亦即是众多科研成果的综合产物，控制论创始人Wiener在其巨着《控制论》中就进行了人脑神经元的研究；计算机科学家Turing就提出过B网络的设想；Prigogine提出非平衡系统的自组织理论，获得诺贝尔奖；Haken研究大量元件联合行动而产生宏观效果， 非线性系统“混沌”态的提出及其研究等，都是研究如何通过元件间的相互作用建立复杂系统，类似于生物系统的自组织行为。脑科学与神经科学的进展迅速反映到人工神经网络的研究中，例如生物神经网络理论，视觉中发现的侧抑制原理，感受野概念等，为神经网络的发展起了重要的推动作用。从已提出的上百种人工神经网络模型中，涉及学科之多，令人目不暇接，其应用领域之广，令人叹为观止。不同学科专家为了在这一领域取得领先水平，存在着不同程度的竞争，所有这些有力地推动了人工神经网络的发展。人脑是一个功能十分强大、结构异常复杂的信息系统，随着信息论、控制论、生命科学，计算机科学的发展，人们越来越惊异于大脑的奇妙，至少到目前为止，人类大脑信号处理机制对人类自身来说，仍是一个黑盒子，要揭示人脑的奥秘需要神经学家、心理学家、计算机科学家、微电子学家、数学家等专家的共同努力，对人类智能行为不断深入研究，为人工神经网络发展提供丰富的理论源泉。另外，还要有哲学家的参与，通过哲学思想和自然科学多种学科的深层结合，逐步孕育出探索人类思维本质和规律的新方法，使思维科学从朦胧走向理性。而且，不同领域专家的竞争与协调同有利于问题清晰化和寻求最好的解决途径。纵观神经网络的发展历史，没有相关学科的贡献，不同学科专家的竞争与协同，神经网络就不会有今天。当然，人工神经网络在各个学科领域应用的研究反过来又推动其它学科的发展，推动自身的完善和发展。

E. 关于在复杂网络中社区发现算法的研究及实现，推荐相关的文献，在实现过程中能用到什么软件详解

推荐文献 ”Community detection in graphs“ ，Santo Fortunato，2009
89页的论文，写得很全，涵盖了从提出复杂网络的1998年到2009年的全部重要的研究内容
至于复杂网络的实现，软件很多，推荐igraph，在C和Python中都可以直接调用。

F. 大连理工大学软件学院的学院简介

中文：大连理工大学软件学院
英文：School of Software Technology, Dalian University of Technology （缩写 SSDUT） 软件学院有全日制本科生、硕士研究生、博士研究生等培养层次。截止2014年4月，共有在籍学生5468人，其中全日制本科生2993人。
本科生面向全国由大连理工大学统一招生，年计划招生720人。其中软件工程日语强化专业单独招生，年招生240人。学制均为四年。全日制硕士研究生年计划招生200人左右。
学院从2002年至今共招收培养各类学生15000余人，毕业生平均就业率高于97%，工程硕士（全日制）就业率达98.5%以上，毕业生分布北京、上海、大连、深圳、广州等城市以及美国、英国、日本、新加坡等国家。主要就业于IBM、博涵前锋科技有限公司、花旗软件有限公司、东软软件股份有限公司、中国计算机软件与技术服务总公司、毕博信息技术有限公司、SAP公司、中国惠普有限公司、甲骨文科技有限公司、大连华信计算机技术有限公司、埃森哲、松下公司、北京用友软件股份有限公司、长春径点科技有限公司等国内外知名企业。 软件工程及软件工程（日语强化）
主要专业方向：软件开发与测试、电子商务与电子政务、嵌入式技术、数字媒体技术、金融信息管理。
核心课程：计算机组织与结构、C程序设计、算法与数据结构、操作系统、编译技术、数据库系统、软件工程等。
网络工程
主要专业方向：网络技术方向、网络安全方向
核心课程：计算机组织与结构、C程序设计、数据结构与算法、计算机网络、网络信息安全、操作系统等。
软件工程（中外合作）（部分省份招生）
主要方向：软件开发与测试、电子商务与电子政务、嵌入式技术、数字媒体技术、金融信息管理。
核心课程：计算机组织与结构、C程序设计、算法与数据结构、操作系统、编译技术、数据库系统、软件工程等。 计算机科学与技术
主要研究方向：
1、信息安全与网络理论:包括网络安全；信息隐藏与密码学；网络挖掘技术与信息物理系统；无线网络与通信技术
2、计算技术与理论：包括计算（离散）曲面及CAG/CAD；科学/高性能/网格/云/计算理论与应用； 可信计算理论与应用
3、系统理论与智能处理技术:包括图像处理技术； 嵌入式系统理论；IT服务科学与数据处理技术。
软件工程
主要研究方向：软件工程理论、软件工程管理、软件服务工程、软件工程工具和方法、软件项目管理、嵌入式系统与图像处理、网络技术与信息安全
核心课程：算法分析与设计、高级计算机网络、软件项目管理、面向对象技术、分布式数据库、网络安全等。 （1）几何计算与数字媒体方向： 重点研究几何计算与计算机图形学，计算机视觉与图像处理，多媒体技术与虚拟现实，数字内容生成与管理等。
（2）大数据科学与工程方向：重点研究大数据科学基础理论，大数据工程（包括大数据感知与获取，大数据存储与管理等），云存储，网络数据科学（互联网，社交网络）等。
（3）计算智能方向：重点研究智能计算方法，机器学习与数据挖掘，搜索引擎，海量数据检索及各类算法在云计算模式下的实现等。
（4）信息系统与服务科学方向：重点研究服务科学（服务方法体系，服务需求工程，服务生命周期管理），面向国家重大需求的信息系统建设，智慧城市，智慧物流，教育信息化，金融信息化等。 （1）高性能计算：重点研究新型计算机体系结构、分布式并行计算、多核和众核技术、动态可重构计算机系统、云计算等。
（2）可信计算：重点研究高可信嵌入式软件（嵌入式软件形式化分析与验证、可信软件环境构造与验证、可信软件开发工具和运行支撑平台及环境）、嵌入式系统容错技术、网络嵌入式系统的可信技术等。
（3）嵌入式计算：重点研究嵌入式处理器设计、嵌入式系统软硬件协同设计方法、嵌入式系统资源管理与调度、嵌入式操作系统设计、低功耗与系统节能技术等。
（4）嵌入式系统应用：重点开展面向领域（无线传感器网络、生物医学、汽车电子、移动终端等）的嵌入式系统设计应用。 （1）信息安全理论与技术：其研究内容包括互联网安全技术和基于特征的身份认别技术，信息隐藏、系统安全、安全协议、高可信无线通信协议、硬安全机制（数字签名、信息认证、数据加密、隐私保护、授权模型、秘密共享等）、软安全机制（信任模型与信誉系统、合作理论、主体（社区）行为演化机制等）、安全测评技术、云安全。
（2）软件安全：软件安全是使软件在收到恶意攻击的情形下依然能够继续正确运行及确保软件被在授权范围内合法使用。其研究内容包括防止软件盗版技术、软件逆向工程技术、授权加密技术、防篡改技术、软件水印技术（静态水印及动态水印）、代码混淆技术以及虚拟机保护技术等。
（3）社交网络和无线网络及其应用： 其研究内容包括社交网络及其安全性、社会计算及情报分析，云计算、社交智能系统及其安全性、无线网络及其安全性。
（4） 高端软件：高端软件是软件技术的关键和核心， 本研究所开展面向领域和产业（如：医疗、手机与通信、网络安全、重大工程、物联网、云计算、无线传感网络等）的各种高端软件（包括安全软件）的开发与应用。 （1）网络科学：利用网络来描述物理、生物和社会等一些自然现象，研究这些现象的规律和预测模型的科学理论与方法；研究大规模复杂网络中的数据处理理论与算法；研究复杂网络，社会网络分析与挖掘，生物网络等。
（2）物联网与云计算：研究物联网感知与识别技术，物联网跨层协议与路由理论算法与技术，物联网中基于云计算的数据分析与算法，高效、大规模、完全自组网算法和相关智能化算法，多种接入方式兼容技术，异构网络发现、识别、网际语义理解技术等。
（3）移动互联网：研究移动互联网的理论和技术，移动媒体，移动感知，移动自组网，移动云计算，社会计算等。
（4）智能系统与应用：研究仿生算法，智能化事件监控与反应技术，设备间隐私保护技术，针对物联网开发的智能隔离技术，研究面向具体行业应用的智能专家系统。 （1）软件体系结构：重点研究体系结构设计与软件质量，软件变更与体系结构维护，体系结构重构，模型驱动的方法和工具，软件系统的质量评估，软件产品线工程等。
（2）软件仓库挖掘：重点研究软件仓库挖掘的方法、应用和工具，包括软件系统分析，大型软件的社会与开发过程模型，项目演化，缺陷预测，软件数据结构挖掘、软件数据获取与存储等。
（3）基于搜索的软件工程：重点研究应用优化方法求解软件工程问题，其中领域方面包括项目管理与组织，需求工程，测试数据生成，回归测试优化；方法方面包括面向软件工程问题的随机算法、近似算法和超启发式方法等的设计。
（4）软件自动生成与演化:重点研究领域软件自动生成的方法、应用和工具，基于表格形式化描述的数据建模软件自动生成、自动维护与演化；基于语义描述和定制式数据查询程序自动生成与演化。 （1）语料库语言学:研究语料的自动辅码、信息自动筛选以及提取、统计等技术，筹建学习者文本语料库以及目标语多媒体语料库，开展基于语料库的语言学以及语言习得等实证研究，探讨语料库语言学研究的方法论。
（2）计算机辅助外语教学：利用计算机、多媒体、网络等现代信息等多元技术，创建语言的教授、学习、训练、测试以及语言研究的辅助环境；设计网络信息技术环境下的计算机辅助外语教学的评估体系。
（3）情感分析与观点挖掘：根据计算机观察、理解和生成各种情感的能力，进行文本的情感识别和情感迁移的研究，并将其应用在意见挖掘、教学反馈、产品评论和舆情监控等方面的自然语言分析处理。
（4）软件外语教学与研究：基于软件学术外语写作语料以及软件职场口语语料，分析影响软件外语应用的语用因素；探讨ESP理论指导下的软件专业学生口语能力发展的规律与特点；开展CBI理论指导下、学科内容为核心的职场以及面试的外语教学与研究；开展零起点软件日语强化课程评估体系的研究、设计。

G. 复杂网络理论有哪些

小世界网络理论
规则和不规则网络理论
无标度网络理论

H. 如何运用网络科学来研究复杂系统的问题

不得不说你一下把我搞蒙了，复杂性科学是一类，系统科学是另一类。你把他们放在一起，这从学术的角度就不妥当了。
1、理论概念
1.1、系统科学是以系统为研究对象的基础理论和应用开发的学科组成的学科群。它着重考察各类系统的关系和属性，揭示其活动规律，探讨有关系统的各种理论和方法。系统科学的理论和方法正在从自然科学和工程技术向社会科学广泛转移。人们将系统科学与哲学相互作用，探讨系统科学的哲学问题，形成了系统哲学。
1.2、复杂性科学是指以复杂性系统为研究对象，以超越还原论为方法论特征，以揭示和解释复杂系统运行规律为主要任务，以提高人们认识世界、探究世界和改造世界的能力为主要目的的一种“学科互涉”(inter—disciplinary)的新兴科学研究形态。
这么说吧，兴起于20世纪80年代的复杂性科学，是系统科学发展的新阶段，也是当代科学发展的前沿领域之一。复杂性科学的发展，不仅引发了自然科学界的变革，而且也日益渗透到哲学、人文社会科学领域。复杂性科学在研究方法论上的突破和创新。在某种意义上，甚至可以说复杂性科学带来的首先是一场方法论或者思维方式的变革。
2、内容分类
2.1、系统科学即以系统思想为中心、综合多门学科的内容而形成的一个新的综合性科学门类。系统科学按其发展和现状，可分为狭义和广义两种。
狭义的系统科学一般是指贝塔朗菲着作《一般系统论：基础、发展和应用》中所提出的将"系统"的科学、数学系统论、系统技术、系统哲学三个方面归纳而成的学科体系。
广义的系统科学包括系统论、信息论、控制论、耗散结构论、协同学、突变论、运筹学、模糊数学、物元分析、泛系方法论、系统动力学、灰色系统论、系统工程学、计算机科学、人工智能学、知识工程学、传播学等一大批学科在内，是20世纪中叶以来发展最快的一大门综合性科学。
2.2、复杂性科学研究主流发展的三个阶段主要是指：埃德加·莫兰的学说、普利高津的布鲁塞尔学派、圣塔菲研究所的理论。
莫兰复杂性思想的核心是他所说的“来自噪声的有序”的原则，在这个原理里，无序性是必要条件而不是充分条件，它必须与已有的有序性因素配合才能产生现实的有序性或更高级的有序性。这条原理打破了有关有序性和无序性相互对立和排斥的传统观念，指出它们在一定条件下可以相互为用，共同促进系统的组织复杂性的增长。
简而言之就是“动态有序的现象”的本质解释。
普利高津的布鲁塞尔学派 比莫兰稍晚，在这个学派里，复杂性科学是作为经典科学的对立物和超越者被提出来的。普利高津紧紧抓住的核心问题就是经典物理学在它的静态的、简化的研究方式中从不考虑“时间”这个参量的作用，从而把物理过程看成是可逆的。实际上，普利高津并没有提出一个明确的“复杂性”的定义，他提出的复杂性的理论主要是揭示物质进化过程的理化机制的不可逆过程的理论，即耗散结构理论。
圣塔菲研究所的理论，其复杂性观念与莫兰和普利高津的复杂性观念有很大的区别。
例如：：“在研究任何复杂适应系统的进化时，最重要的是要分清这三个问题：基本规则、被冻结的偶然事件以及对适应进行的选择。”这句话就表明他们认为事物的有效复杂性只受基本规律少许影响，大部分影响来自“冻结的偶然事件”（是指一些在物质世界发展的历史过程中其后果被固定下来并演变为较高级层次上的特殊规律的事件，这些派生的规律包含着历史特定条件和偶然因素的影响。）。
另外，复杂系统的适应性特征，即它们能够从经验中提取有关客观世界的规律性的东西作为自己行为方式的参照，并通过实践活动中的反馈来改进自己对世界的规律性的认识。也就是说，系统不是被动地接受环境的影响，而是能够主动地对环境施加影响。
结论：复杂性科学研究的焦点不是客体的或环境的复杂性，而是主体自身的复杂性—— 主体复杂的应变能力以及与之相应的复杂的结构。
3、流派
由于我掌握的资料较少，系统科学的流派没搞明白，在这里只有复杂性科学的流派
3、1复杂性科学主要包括：早期研究阶段的一般系统论、控制论、人工智能；后期研究阶段的耗散结构理论、协同学、超循环理论、突变论、混沌理论、分形理论和元胞自动机理论。
4、方法论
方法论也只介绍复杂性科学的内容
4.1、 非线性、不确定性、自组织性、涌现性。

建议阅读的文献资料：网络文库中搜索：《复杂性、复杂系统与复杂性科学》
网络中搜索词条：复杂性科学 系统科学
最后，由于我的能力有限，对此没有帮助你表示遗憾

I. 想要计算复杂网络的平均最短距离、平均度、平均聚类系数等值，可以用什么软件啊，还是要在matlab上编程

如果是一般的度量指标，比如你说的，一般的网络分析软件都有，比如gephi
如果是自己定义的指标，自己写代码吧

J. 计算机考研

报考方向有：1、计算机系统结构 2、计算机软件与理论 3、计算机应用技术 4、计算机软件工程
1、计算机应用技术
研究方向：计算机网络、实时计算机应用、CIMS、计算机图形学、并行计算、网络信息安全、数据库、情感计算、数据挖掘、分布式计算、知识工程、计算机视觉、自动推理、机器学习、草图理解、网络性能分析与协议设计、网络管理与安全、计算机图形学、信息可视化、基于GPU的高性能计算、复杂系统(应急、物流、海洋)领域工程、基于SOA的空间信息共享与业务协同、语义搜索引擎、自然语言处理、机器翻译、搜索引擎、空中交通信息系统与控制、民航信息与决策支持系统、智能交通系统理论与技术等。
专业特点：计算机应用技术是针对社会与各种企事业单位的信息化需求，通过对计算机软硬件与网络技术的选择、应用和集成，对信息系统进行需求分析、规划和设计，提供与实施技术与解决方案，创建优化的信息系统，并对其运行实行有效的技术维护和管理的学科。
培养这方面人才所涉及的知识面包括：数学与信息技术基础、程序设计基础、系统平台技术、计算机网络、信息管理与安全、人机交互、集成程序开发、系统架构与集成、Web与数字媒体技术、工程实施、职业操守等。培养目标是为企事业单位和政府机构提供首席信息官及承担信息化建设核心任务的人才，并提供为IT企业提供系统分析人才。
科研状况：本专业是天津市第一个计算机类博士点，主要从事计算机技术在其它领域应用中核心技术问题研究及相关信息系统开发。近年来在计算机集成制造（CIMS）、计算机辅助教学、虚拟现实技术应用、计算机工业控制、电子商务等方向承担国家863项目及重大项目、国家自然科学基金十余项。承担省部级及横向科研课题近百项。为国家和天津市的信息化建设做出了重要贡献。
近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生300多名。近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：高等计算机网络、计算理论、排队论及在计算机中的应用、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。
论文要求：论文选题涉及计算机在各领域应用的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机应用领域的理论和工程方法，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。
2、计算机软件与理论
研究方向：计算理论、算法理论； 软件工程、中间件、智能软件、计算环境；并行计算、网格计算、普及计算；密码学、信息安全、数据理论；图形图象算法、可视化方法；人工智能应用基础；理论计算机科学其他方向
专业特点：计算机软件与理论专业涉及计算机科学与技术的基本理论和方法，强调计算、算法、软件、设计等概念，主要的领域包括计算理论、算法与复杂性、程序设计语言、软件设计与理论、数据库系统、人工智能、操作系统与编译理论、信息安全理论与方法、图形学与可视化计算、以网络为中心的计算等。
科研状况：计算机软件与理论专业是我院重点发展，进步较快的专业。近年来承担国家863、自然科学基金、，以及省部级项目多项。在网络信息安全、中间件技术、并行计算、网格计算、计算机图形学等方面取得了多项前沿性成果。
近几年报考简况：本专业从96年代初开始招生，至今已为国家培养出硕士学位研究生50多名。近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：计算理论、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。
论文要求：论文选题涉及计算机软件的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机软件的理论方法，以及软件工程、信息系统、并行计算、普及计算等等的软件系统开发技术，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。
3、计算机系统结构
研究方向：分布式计算机系统、计算机网络系统与全球个人计算系统、真实感图形生成与虚拟现实技术
专业特点：计算机系统结构（原名计算机组织与系统结构）专业全面研究各种类型的计算机系统（从单机到网络）的构成、硬件与软件的联系与功能匹配、计算机系统性能评价与改进等。该专业的研究课题涉及高性能处理机系统结构、多机系统、并行计算与分布式计算系统、计算机系统性能评价、VLSL设计、容错计算技术、计算机接口技术、计算机网络系统与通信系统、移动计算、全球个人计算系统等。
科研状况：本专业近年来承担多项国家科委、国家教委、国家计委及天津市自然科学基金项目，并有多项科研获奖。其中G.T9112计算机解密系统获北京市公安局科技进步二等奖，表面高度复杂实体的CAM获国家科委科技进步二等奖。目前承担国家自然科学基金项目“面向ASIC的真实感图形算法和系统结构的研究”、国家高科技863项目“用于建筑环境仿真设计的分布式多用户虚拟现实系统”、天津自然科学基金项目“分布式多用户VR开发系统平台的研究”和一大批为企事业单位开发的横向科研项目。
近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生50多名。近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：应用数学、外语、高等计算机网络、排队论及在计算机中的应用、计算理论、现代计算机体系结构、计算机综合实验、计算机控制及应用、计算机网络研究热点问题、计算机系统仿真、量子计算、密码学与信息安全、面向对象方法学、嵌入式系统设计、统一建模语言、图象/模式识别与理解、机器学习、软件体系结构。
论文要求：论文选题涉及计算机系统结构的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。对于理论研究课题，要求达到较高的理论水平和创新；对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机系统结构、计算机工程、网络工程、嵌入式系统等的应用开发技术、能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。
计算机系统结构：计算机网络、多核软件设计、系统硬件设计、嵌入式系统、智能信息处理及其应用、智能优化算法、神经网络 系统结构、系统软件及网络安全、智能网络存储技术、网络计算与集成

计算机软件与理论： 计算机软件工程、数据库系统操作系统与嵌入式软件、网络理论与并行分布式算法、最优化方法、数据库

计算机应用技术：图形学与CAD、计算机软件工程、软件工程数理统计及经济信息管理、自适应算法的设计与分析、网络软件开发环境、计算机图形图象处理及算法、物流管理技术、操作系统与嵌入式软件统计学习，机器学习与模式识别，信息检索、多媒体软件技术智能软件与机器

比较好的大学，清华，北大，上海交大，北航，华中科技大，哈工大等比较好的理工科大学