基于流行病时间序列的动态复杂网络建模、估计和鲁棒随机控制

本项目将根据流行病多元时间序列(MTS)数据建立动态复杂网络模型，并利用目前最前沿的鲁棒滤波技术、随机分析工具和牵引控制思想对流行病动态复杂网络进行动态分析、性能综合和数值模拟。具体内容包括：由获得的不完全流行病时间序列数据辨识网络拓扑和动态结构，估计网络相关参数，建立动态复杂网络模型；针对所建过程中的不确定性和随机性进行定量分析并研究系统的鲁棒滤波问题，进而得到在不同约束条件下多元时间序列所应当具有的信息量；然后对不同结构的动态复杂网络，设计个数最少的牵引控制器使得网络达到期望的动力学行为；最后，用四类基因表达时间序列数据集和若干实际流行病数据集对所建动态复杂网络模型、鲁棒滤波算法以及牵引调控理论进行比较、评估；从生物学角度阐释流行病网络的传播方式、推断在不同控制策略下疾病传播的过程；并设计出易于操作的可视化软件平台，为政府决策人员提供决策参考依据。

本项目根据流行病基因多元时间序列数据建立动态复杂网络模型，并利用鲁棒滤波技术、随机分析工具和牵制控制的思想对所建复杂网络系统进行动态分析、性能综合和数值模拟。..在项目执行过程中，主要研究内容涉及基因微阵列图像的分割算法、基因网络的建模/稳定性分析/镇定/鲁棒估计、生物布尔网络的同步分析、神经网络动力学分析及其应用、复杂耦合网络的同步、耦合多智能体的一致性、传感网络的分布式状态估计、二维复杂网络系统的同步与状态估计、非线性随机复杂系统的分析/滤波/控制等十个方面。具体来讲，首先，基于多层感知机和Kohonen网，本项目利用Matlab中的AnaLogic细胞神经网络仿真工具包给出了新的分割算法，改进了微阵列图像数据分析的过程，得到了更好的提取信号。其次，探讨了基因网络模型中不确定性的量化处理和网络的状态估计问题，通过对四类真实的微阵列时间序列数据进行仿真发现：所设计的H_2估计器在处理短数、高维的基因表达时间序列的建模和估计问题时具有较强的能力。进一步，本项目研究了基因网络的全局指数稳定性和镇定问题，并给出了精确的指数收敛速率。随后，基于布尔网络在分析基因调控的行为和功能方面所具有的重要作用，我们研究了驱动–响应切换布尔网络的部分同步和完全同步问题，并分析了布尔控制网络特定部分节点的可控性，所得结果通过生物实例得到了验证。最后，针对具有不确定耦合和不完全信息的非线性混杂耦合复杂网络，通过牵引控制、脉冲控制等控制方案，探讨了系统的聚类同步、渐近行为、事件触发同步控制等问题，简单明了地刻画了网络单个节点的动力学、网络的拓扑结构以及不确定信息的统计特征对网络行为的影响。..到目前为止，本项目已取得了一些有创新特色、国际领先的研究成果，在国际重要学术刊物接受和发表论文49篇：其中SCI收录37篇，EI收录10篇。初步统计在SCI刊物他引150余次，从引文中可以看到本项目对动态基因网络的估计、鲁棒控制和随机动力学分析这一领域的贡献受到了同行的充分肯定。在项目执行过程中，指导在站博士后2人、硕士研究生9人、博士研究生5人（1位获得“江苏省优秀硕士学位论文”）。项目主持人入选2012年度教育部“新世纪优秀人才支持计划”，获得第九届“中国青年女科学家奖”，2014年荣获首届汤森路透中国引文桂冠奖“高被引科学家奖”，连续入选2014年、2015年中国高被引学者榜单(计算机科学领域）。