作为智能体交互结构的优先连接图
发表于 Journal of Physics: Conference Series, V.1441, P. 012176, 2020
将优先连接图视为构建智能体交互结构的基础。此类结构的选择对网络过程仿真的结果有很大影响。对优先连接图进行校准（调整生成参数）可以提高仿真过程的精度。校准质量的提升有助于构建恰当的图模型，可用于电信网络、社交网络、细胞分子网络等现代网络世界中其他大型网络的过程仿真。
下载 此处
论文
用于计算模体数量的混合帧随机抽样方法
发表于 Journal of Physics: Conference Series, V. 1260, P. 022013, 2019
研究了大型网络中三元与四元网络模体频率的计算问题。研究对象为电信网络与细胞分子网络，规模达数十万个节点与连边。这些网络以有向和无向简单图的形式表示。对如此大的图进行精确计算需要巨大的计算资源。提出了基于蒙特卡罗方法并带计算精度控制的网络模体频率计算方法，该方法能够有效降低变异系数的取值。
下载 此处
用 Rand-ESU 算法计算网络模体浓度的精度评估
发表于 Journal of Physics: Conference Series, V. 1260, P. 022012, 2019
研究了利用 Rand-ESU 算法计算网络模体频率的问题。结果表明，使用 Rand-ESU 算法时，只能在 ESU 树的最后一层对网络模体进行截断（稀疏化），因此算法的实现几乎需要构建整棵 ESU 树。给出的计算实例表明，其他抽样截断策略会导致更大的计算误差。
下载 此处
带弧丢失的增长图中的度分布
发表于 Moscow Workshop on Electronic and Networking Technologies (MWENT), P. 1-7. DOI: 10.1109/MWENT.2018.8337251, 2018
针对不断丢失弧的优先连接增长图，求解了弧（边）度二维分布的计算问题。将所提出的方法用于带弧丢失的图计算，可以在考虑节点间连接丢失的情况下，合成增长网络（社交网络、信息通信网络、合作网络等）的恰当模型。
下载 此处
具有复杂随机增量的图
发表于 11th International IEEE Scientific and Technical Conference Dynamics of Systems, Mechanisms and Machines Dynamics. – P.1-8. DOI: 10.1109/Dynamics.2017.8239525, 2017
在优先连接随机图理论中引入了一类新的图：这类图通过添加无穷多个由若干相互连接的顶点组成的复杂随机增量而增长。采用解析方法求解了增长图中顶点度与边度的最终分布问题。得到了按给定顶点度与边度最终分布对图进行校准（合成）问题的解析解。针对复杂图的顶点度分布、边度及聚类系数，提出了数值校准方法。给出了在真实网络建模中进行复杂图校准的实例。
下载 此处
利用帧随机抽样计算有向网络中三元模体的数量
发表于 Proceedings – 2017 Siberian Symposium on Data Science and Engineering, SSDSE 2017, 8071957, P.23-26. DOI: 10.1109/SSDSE.2017.8071957, 2017
提出了基于统计方法的帧随机抽样方法，以及用于估计有向连边网络中三元模体出现次数的算法。建议采用并行计算实现该算法。给出了数值实验结果。在某些情形下，与已有的其他算法相比，所提出的算法在精度、速度和内存占用方面具有明显优势。
下载 此处