荣老师倾情推荐,Watts 关于实验室进行虚拟博弈实验的一个报告。 Speaker Duncan Watts Host Jennifer Chayes Affiliation Microsoft Research New York City Duration 01:15:22 Date recorded 5 December 2012 Crowdsourcing sites like Amazon's Mechanical Turk are increasingly being used by researchers to construct virtual labs in which they can conduct behavioral experiments. In this talk, I describe some recent experiments that showcase the advantages of virtual over traditional physical labs, as well as some of the limitations. I then discuss how this relatively new experimental capability may unfold in the near future, along with some implications for social and behavioral science. http://research.microsoft.com/apps/video/dl.aspx?id=178910
“冷酷策略”能够让极其精明自私的对手,从自己的长期利益出发,自觉地放弃眼前短期利益,而走向合作。这里用博弈的逻辑证明了一个重要的手段:在重复博弈中让对方了解自己可信的处事原则就会影响他的决策。 “冷酷策略”是老实人报复性的政策,有阻吓作用,但一旦开动两败俱伤,对方得到的教训是极其惨痛的,但施法者也赔上了,从此被仇恨蒙住了眼为复仇付出终生。对阵时万一遇上不开眼的马大哈或者纯粹误会,那就掐上了,确实过于冷酷,对自己也不见得好。“不教而诛,谓之虐”。既然让对方了解自己可信的处事原则就会影响他的决策,是不是罚过了给个出路,如果对方改过了,能宽容一点吗?如果能够重归合作,不是对大家都有好处吗? 确实如此,这个触发策略的政策叫做“礼尚往来( Tit for Tat )”。你用“背叛”待我,下一回合我也回敬不合作。待到你什么时候想通了回应“合作”来,下次我还给你“合作”,这是宽容的态度。这个策略有时翻译得更有杀气点叫“以牙还牙”或者“一报还一报”,简写为“ TFT ”,其实含有宽恕的成分,远比“冷酷策略”要温柔的多。 TFT 有威胁阻吓作用吗?这要细看。 TFT 有两个成分,一是“惩罚”,二是“宽恕”。如果把它分开陈述,什么时候使用“宽恕”要看我爽不爽,受阻吓的人当然要考虑最坏的情况,那“惩罚”的政策就有“冷酷策略”的功效。要是这两个成分捆绑在一起作为一个政策公布,那对方就可能有个投机的心理。要避免投机,一会儿“背叛”,一会儿“合作”钻政策中宽恕成分的空子。能持久合作的重复囚徒困境博弈,必须满足 2 R T + S 这个条件才行,就是说用“背叛”对“合作”,占便宜和被占便宜的得益平均值要小于共同合作的得益,不然投机分子就会反反复复玩这手来得益,反正被惩罚了挨打也不怎么疼。中国历史上许多部族时降时叛,最典型的是隋唐征高句丽,就是因为该惩罚时没打疼,反叛时收益大,让这个条件不能满足被钻了空子。读者可以自己来证明这个条件的作用。 为了让大家方便对照 T , R , P , S 的含义,我将囚徒困境的支付矩阵重新罗列如下。注意有 T R P S 。 某人 你 合作 背叛 合作 R , R S , T 背叛 T , S P , P 是不是有了这些触发策略以后就能做到合作?未必。触发策略是后发制人。它们可以是子博弈完美纳什均衡,也就是说它可以维持已有的合作局面,但不能开创这个局面。对于囚徒困境,无论是单次还是重复,谁先伸手合作,都有可能吃亏。考虑一下对方第一次就使出“背叛”不怎么友好的人,你无论是使用冷酷策略还是温柔些的 TFT ,到第二步就是用“背叛”来报复了。如果对方也不肯吃亏,那么以后双方就都是用“背叛”来对掐了。我方第一步用“合作”要比“背叛”来的吃亏。即使双方都有触发策略,要扭转对抗的局面,就必须有一方先做出牺牲才行。 这又给我们一个启示:重复囚徒困境博弈中必须至少有一方愿意牺牲才可能开始合作。 是不是愿意作牺牲高尚的一方一定要受损失呢?不一定。他只有在碰到有恶意的对方时,第一下被人占了便宜,以后就不会了。在触发策略启动后,随着交手次数的增加,这个平均收益与不作牺牲最好的对策的差别就会越来越小,交手足够多时以致可以忽略不计。但如果对方也是怀有善意,或者能够改恶从善从而走向合作,那就挣大了。冒一个小损失的风险而可能取得合作双赢的高尚人也是真正一个聪明的人。 所以说:自私一点精于算计的对手并不可怕,就怕你要合作的人不够聪明! 更精明的人有两个疑问:一是作为现实生活中的重复博弈虽然不知道什么时候结束但都是有限的。二是现在的收益中与以后的重要性是不同的,对金钱还讲个利息呢。考虑到这两点对上面的结论有什么影响? 不难看出这两点都使得长远的利益打了折扣,这要使得惩罚威胁的效果降低,合作的难度是要大些。 不是很难可以推算出精确的结果。假如下一次还会相遇的概率为 p ,现在的收益放到下一次的利息为 r ,记近利诱惑率 W = ( 1+r)/p-1 ,下一次可能的博弈收益 V 折现到现在的收益就是 V/(1+W) 。用这个参数,可以算出当 W(R-P)/(T-R) 时冷酷策略才有威慑力。当 W(2R-S-T)/(T-R) 时 TFT 的宽恕成分才不会被人有机可乘。注意到无利息无限重复博弈时 W=0 ,囚徒困境有 TRPS ,这时冷酷策略威慑力的条件自然满足,具有宽恕成分的 TFT 的有效条件变为 2RT+S ,这与我们前面陈述的一样。 这让我们看到有时人性阴暗的一面发生的原因。自私的人们之所以可以从囚徒困境的悲剧中跳出来,是因为将来还会相遇,将来也很重要,可以用将来长远的利益来影响对手当前的策略选择。在当前的利益比将来重要的多时( r 较大),当将来相聚的机会不大或看不到将来时( p 较小),这导致 近利诱惑率 W 较大,就是说当下的收益被更加看重,不怎么在乎将来。这时,如果对反复无常的人报复的损失 2R-S-T 不大及背叛的诱惑 T-R 很大,条件 W(2R-S-T)/(T-R) 就有可能不能满足,这意味着 TFT 的宽恕不足以挽回想背叛的人走回合作。在环境更恶劣的情况,如果双方合作与背叛单干的收益的差距 R-P 不大及占便宜与合作的差别 T-R 很大时, W(R-P)/(T-R) 不满足,意味着连冷酷策略都无法阻止背叛。这在 W 比较大时就容易发生。这就是为什么在经济危机时公司的合作可能瓦解,国家之间容易发生战争,灾难之中朝不保夕时常见丑恶,高速转型期 近利诱惑率 W 较大时,传统道德往往沦丧。这时老实人吃亏,小人得意,任何的教化和局中的策略都无济于事,局中人为了自保减少损失纷纷走向背叛。只有较小的团体可能在其他力量约束下,保持这种不稳定的合作平衡。唯一可以改变这个局面的是超脱博弈双方的政策,它可以直接干预改变支付矩阵中部分参数的赋值。是以乱世用重典,转型期特别要注重宏观调控。利用转型期混乱牟利的利益集团和人则反对控制,用冠冕堂皇的口号,不切合实际的理论来阻止有针对性的政策改变,使得社会群体难以合作陷入长期对抗之中。 这次从 2008 年开始的美国金融危机让投资人,消费者,银行,公司的合作关系面临崩溃的危险。“看不见的手”的运作已经指向负面,美国政府大力出手干预自由经济。采用一系列比社会主义还要直接的政府干预手段,改变了博弈支付矩阵的赋值,使得局中的合作关系得以维持,不至于让危机进一步扩大。这与 1997 年亚洲金融危机,以维持自由经济原则来批评香港政府的态度截然不同。那是因为美国政府搞经济的深谙博弈理论,绝不是只懂得主义信仰的书呆子。 我们在这里看到了:对于重复囚徒困境博弈,采用有反馈的策略可能阻止背叛走向合作。但是当环境恶化,惩罚不足以让背叛者拒绝占便宜的诱惑时,合作将会瓦解。上面的数值关系条件给出合作得以维持的条件。给当权者指出用政策来改变社会风气的方向。 (待续)
贴了上一篇后,有做博弈研究的看出我前几篇谈“公平”,讲的都是合作博弈的理论,他们用纳什的讨价还价模型来解决分配问题。这纳什谈判对于只有双方利益分配的争执时十分实用,其解也很简单。这启发我也要把这个简单实用的纳什谈判解法给大家普及一下。也再深谈一下,双方谁也奈何不了谁时该怎么分。 人们不知道什么时候被灌了一脑袋先验的概念,认定绝对平均才是公平。虽然现实世界有的确是这样的分配,但环境略一改变,差异又起。直让人嗟叹人心不古。这也让人疑惑,绝对平均是最公平吗? 谁都不否认公平最起码的要求是对称性,就是说这分配方案对相同条件的人,你把 X 和 Y 的名字对调,分配的结果都是一样的。那什么是相同条件呢? 有人说:“人生而平等 …… ”,打住。这是美国 1776 年《独立宣言》中最让人激情澎湃的一句话,原文是“ all men are created equal ”,根据是上帝这样造的人。这虽然很神圣,但科学家自从拉普拉斯很牛逼地对拿破仑说了“陛下,我不需要那个假设”后,大家都不好意思让上帝再掺乎科学的公理了。 其实关于这个不均和平均,中国两千五百年前孔子就说过 : “丘也闻有国有家者,不患寡而患不均,不患贫而患不安。盖均无贫,和无寡,安无倾。”后来的张角、李小波、李顺等人起义打出“等贵贱,均富贵”的口号,这些人都比现代人坦白,也不说平均是什么天理,只提醒大家,分得太少了的人熬不过去,心里一不平衡会出来造反。这平均主义是拿来当造反旗帜的。至于实际分配,造反时该怎么分还是怎么分,换了江山该怎么过还是怎么过。所以这个平均不是个严格的标准,只是用来争分配的口号。 分配该是怎么样?除了让上帝当裁判外,比较简单实际的是双方谈判来瓜分这合作的好处,谈判的手段不外乎威胁利诱:我分得太少了,不合作了,大家一拍两散谁也得不到。前面说过大傻和二傻合作可以分吃蛋糕,不合作大家耗着谁也吃不到,就是这情况。当时说在这种谁也奈何不了谁时,只好是平分。这说法还是粗糙了点,那是假设双方实力相当的情况,其实很多情况还要细究。比如你对老板说,我有个发明生产出来就是世界 500 强,咱只要求平分利润,不然 …… 。你说这能行得通? 这细究相争两方合作中的分配叫“谈判博弈( Bargaining Games )”【 1 】,由非合作博弈的奠基人纳什在 1950 年提出,将非合作博弈的方法用在合作博弈上。他的结果叫纳什谈判解法【 2 】。 纳什说谈判的解必须满足四项基本原则。连“人生而平等”都不能作为公平的公理,还有什么更基本的?我们来看看这四项有没有破绽,能够找出毛病来,没准也能得个诺贝尔奖。 第一个是“对称性( symmetry )”,这要求解法与能用来谈判之外的其他因素无关。两个参与者谈崩了以后,如果他们的后果是一样的,那么他们的分配也必须是一样的。这是公平性。 这里的后果是威吓的支付,也就是谈崩了,不合作了,你最好替代方案( best alternatives to a negotiated agreement )的收益是多少。简单的情况是零,但也可能是把用于合作的资源做别的收益。这代表着你谈判的底气。比如说两人合作演戏挣大钱,如果不合作都只能给人跑龙套挣一样的辛苦钱,这叫威吓的支付相等,那分配就该是平均的。如果其中一人还能在别地方扮个角,这底气不一样了,谈出的结果也不一样了。道理很简单明白。这也给绝对平均的可行性一个注脚,对称性里的相同条件在博弈人的眼中是威吓的后果相同。“人生而平等”这理由在谈判中不给力。 第二个是“度量无关( scale invariance )”,收益的计量单位变了,谈判的结果不变。这个也叫做“线性变换无关( independence of linear transformation )”。好比在谈判瓜分合作利益时,是用美元还是用人民币结算,每人是不是先发一笔钱再说,这样谈出来不同的分配公式折算过去都是一回事。但凡学点算术的都明白,俗称懂得算数。 第三个是“独立于无关选择( independence of irrelevant alternatives , IIA )”,添上或删去纯粹凑数不会成为谈判结果的那些可行方案,谈判的结果不变。比如说谈判中有人建议:嗨,干脆咱哥们一起到夜总会把这钱花掉得了。有没有这不靠谱的提案,谈判的结果都不变。这是不受忽悠了。 第四个是“解的有效性( Pareto Efficiency )”,谈判的结果必须有帕累托效率性。也就是说谈完的分配结果,一方不变,另一方的收益没有增加的空间。如果这谈的是可转移的收益,比如说合作的利润,那么两者分配到收益的和要等于合作的总收益。这是有效率。 纳什证明了,谈判的双方如果遵守公平、懂算数、免忽悠、有效率的四项原则,那就一定有个符合这些原则的唯一结果。这结果是:最大化双方各自所得 u 与各自的威吓支付 v 差的乘积: Max 。各方的分配所得 u 与威吓支付 v 之差 u-v 是合作的好处( excess utilities ),这两者的乘积称为纳什积( Nash product ),纳什解是取得最大纳什积的那个分配(u1,u2)。 这四项原则除了有效率不吃亏,来谈判的人莫不认同外,其他三条都有些不同的提法,得出略有不同的解法【 1 】。我只在这儿略谈几句第一条“对称性”,这涉及到公平的看法。把这一条件稍微放宽一点,谈崩的后果不是威吓的支付,变成局中人的处境,这项改成:处境相同时分配平均。比如说一大公司和小公司谈合作,谈崩了双方威吓支付都为零,对大公司合作的好处也就是这项收益,对小公司处境有点困难了,合作好处对它而言可能是收益占资产比例中的某个函数。纳什解仍然是最大化这两方好处之积,具体的数值可以就此计算出来。定性地来看,有软肋的比较不利, common sense 。 去掉这一条对称性原则,不公平也能谈判出符合其他三项原则的唯一结果,就如与强劫犯的谈判,这解是 Max ,式中的指数 h 和 k 表示谈判力( bargaining power )。 有趣的是,虽然绝对平均不成为一条原则,但有人用纳什谈判来解释人性倾向于“分配公正( Distributive justice )”,这些作者们用演化博弈去解释人们是怎么倾向于认为绝对平均是纳什谈判博弈的公平解。这说明博弈方法是比相信什么不证自明的公理更符合理性。因为博弈不用任何说不出根据的“不言而喻”前提,只是用逻辑和无法免俗的利益来得出结论。 有人质疑这纳什的解。要是钉子户对建筑商说:我要是搬走,你就赚大发了,不搬大家都没得赚,而且你损失更大,咱们就平分这建楼的利润吧! 怎么说呢?不是纳什就是这应用的人脑袋被驴踢了。总是有人很奇葩地分不清状况地套用理论。我只能诚恳地说,博弈并不只局限在一个层次上来玩。 理论只关心聪明人在假定局势下的均衡状态。 现实中人们关心是博弈中的策略。现实中的人不一定都聪明,怎么应用博弈理论就看你聪明不聪明了。 下一篇是上一篇预告过的选举公平。 【参考文献】 【1】 Bargaining problem http://en.wikipedia.org/wiki/Bargaining_problem 【2】 MIT Asu Ozdaglar , Nash Bargaining Solution (含证明) http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-254-game-theory-with-engineering-applications-spring-2010/lecture-notes/MIT6_254S10_lec14.pdf
你认识到犯了错,必须向有关人等认个错。 朋友一看就笑,老应你这帖子贴错了,应该去幼儿教育,亲亲宝贝坛里吧?我们从小就被家长、老师耳提面命:犯了错,要认错,要道歉。这在小孩是乖孩子,大人是明理人,老人是有风度。总之是 IQEQ ,个人修养,文明礼貌,智慧高尚的行为。 他们教你知其然,没人给你说过所以然吧? 这就涉及到“公共知识( Common Knowledge )”这个概念了。“知识”是指包含事实,拥有的人理解它,并相信它的事件。但是“我知道,你知道,大家都知道的知识”并不就是公共知识。举一个例子来说明。 餐馆跑堂端菜时,脚上一趄趔不小心将汤汁滴到女客人的裙子上,那女人瞪他一眼,跑堂的忙不迭道歉说:“这是我的错!” “这事是跑堂错”的知识,跑堂自己知道,那女人知道。瞪一眼跑堂,让跑堂也知道了她有这知识。这大家都有的知识,为什么跑堂道歉还要对她说一遍?多余吗?不! 因为那女人不明白跑堂是否知道这是他的错,尽管两人各自都知道,按常理跑堂也该知道是他的错,但跑堂的不说,别人无从知道他认识到自己的错。这以后的沟通就有问题了。 所以“我知道,你知道,大家都知道的知识”只是“彼此的知识( Mutual Knowledge )”,彼此的知识不能用来推理,因为即使事实上你已经知道了,而且大家都是理性的人,但不了解你是否真的知道,我怎么知道你会怎么想呢?用想当然来猜测别人知道些什么,依此来决定自己的行动和推断是不可靠的,这是世界上许多错误的根源。 我们能够从对方角度着想,让人设身处地为别人着想,这叫换位思考。能够通情达理的换位思考,只要求常识及自己和对方的知识,想当然可也,人同此心,情同此理,己所不欲,勿施于人,就善莫大焉。作为严谨判断和博弈决策的逆向推理( Backward Induction )里面,逻辑要求的知识就要严格多了。 要借用对方的看法来推理,我必须知道“你知道了什么”,记为“我知道(你知道的知识)”。我从你的角度来推理,这个“你”不是实际中的你,而是我想象中的你。我想象中的你所用的知识,不是实际上的你所知道的知识,而是“我知道(你知道的知识)”。 你想像我的逻辑推理,根据的是“你知道(我知道的知识)”,如果是多人各自从对方的角度推理就必须根据局中“每个人知道(其他人知道的知识)”。这样的知识就叫做“二阶彼此的知识”。 看看我们怎么用这个概念,由不同性质的知识,得出什么不同的结果。比如说上面“菜汁滴裙”事件的店里有个大家都知道的规矩:跑堂犯了错,店里要送碗甜汤来赔罪。假定跑堂和女客人都是明理的聪明人。 那女人瞪跑堂一眼,让跑堂知道了她有“这事是跑堂错”这个知识,跑堂的就会想她可能要求按规矩给碗甜汤。这个推理用的是“跑堂知道(女人知道跑堂错)”的知识。跑堂想象中的女人,用她知道“跑堂错”的知识,要求赔碗甜汤。 跑堂没道歉,女人没有跑堂自己知道犯错的知识。虽然“跑堂错”是客观的事实,跑堂自己也知道错了。但他没让那女人知道。女人就不能按照常理认为跑堂自己知道错了。也就推测不出会不会送甜汤来。要是那女人想当然以为跑堂知道自己错了,巴巴地望着他来送甜汤,万一跑堂实际上认为不是他的错,那女人没得到甜汤后岂不是要老羞成怒? 跑堂道歉了,这女人就知道(跑堂知道自己错),就可以心安理得地等甜汤。这事就不会误会了。 如果大家都知道了这个二阶彼此的知识,其中包括诸如“我知道(你知道(我知道的知识))”和“张三知道(李四知道(王五知道的知识))”如此等等,有各种三重的“知道”,这叫三阶彼此的知识,就可以用来进行三层从对方角度的推理。这阶数一直加到无穷的知识就叫做“公共知识”。公共知识是无穷阶彼此的知识。 那么要是跑堂认了错,“跑堂错”是不是成为公共知识呢?还不是,这里跑堂还没有“女人知道(跑堂知道跑堂错)”的知识,女人如果在他认错后,开声回应或点头微笑,跑堂才有了这知识。回应了,多了这点认知。仅此而已,还不及其他。 有人愤怒了,这就像日本人一样相互一再鞠躬,这要到什么时候算了!好在一般不需要太多层推理,比如说上面故事中送甜汤的推测,二阶彼此的知识就足够了。 有没有一下子就成了公共知识的?有。比如“菜汁滴裙”事件的店里经理出来对女人和跑堂说“这事是跑堂的错”,女人和跑堂都点头认可,这样便成了公共知识。为什么这样就有了无穷阶呢?这推理一下就知道了,留着大家思考。 人们因为生长环境,受的教育,经历不同,所以人们各自的知识系统不同。这造成同一个事件,各人的看法和结论都不一样,这时有多少辩论都无济于事,因为作为论据的知识不是共同的。民主的一个基本原则叫做“ Agree to disagree ”,人们常常称之为涵养和美德。其实这只是无法彻底沟通的一种现实的妥协方案。 诺贝尔经济奖得主博弈学者 Aumann ,在 1976 年发表一篇论文叫《 AGREEING TO DISGREE 》,用严格的数学证明了无分歧定理。其大意是:如果两人的背景知识都一样,即使对于事件有着不同经验,如果充分交流(成为共同知识),他们的结论就不会有分歧。 这就是为什么在政治上无论怎么讨论,都难以达到一致,只能依照实力妥协容忍,而科学研究尽管有各自不同发现和进展,经过交流,比较容易达成共识。有充分沟通非常熟悉的朋友或家人,也多能够相视一笑,莫逆于心。 运用公共知识的观点,我们来看看庄子《秋水》篇中著名的辩论。 庄子与惠子游于濠梁之上。庄子曰: “ 儵鱼出游从容,是鱼之乐也。 ” 惠子曰 ∶ “ 子非鱼,安知鱼之乐? ” 庄子曰: “ 子非我,安知我不知鱼之乐? ” 惠子曰 “ 我非子,固不知子矣;子固非鱼也,子之不知鱼之乐,全矣! ” 庄子曰: “ 请循其本。子曰 ‘ 汝安知鱼乐 ’ 云者,既已知吾知之而问我。我知之濠上也。 ” 惠施是战国时期政治家、逻辑学家和哲学家。庄子反驳惠施质疑如何得知“鱼之乐”的话很巧妙,他说:从你最早的问话中得知,你知道我有“鱼之乐”这个知识,问我从哪儿得来的这知识?我是在这儿看到的呀。表面上逻辑无懈可击。 这当然是在忽悠了。惠施的“鱼之乐”是“鱼感觉到快乐”,他问“你怎么知道鱼感觉到快乐”。庄子答的是“鱼看来很快乐”。一个是从客观角度,一个是从主观角度。表面上“鱼之乐”是他们的公共知识,实际上惠施没有庄子的“鱼之乐”概念知识,庄子也没有惠施的“鱼之乐”概念知识。辩驳之间缺了公共的知识,他们说的没有交集,各说各的,胡侃一气。 后人把这个归结为他们认知观念上的不同的立场。庄子超然物外,欣赏自然的美。惠施重在分析,探究事物的真实性。 惠施的著作没有流传下来,其思想多从庄子书中传下,惠施在秋水篇里反驳的逻辑也常被人忽视。当人们被怀疑怎么知道某件事时,就常常套用庄子的“你不是我,怎么知道我不知道?”句式来反驳,其实这只是庄子的遁词,要引出后面的偷换概念的巧辩而已。人们要进行讨论,他们之间用到的不言而喻的知识必须是公共的。 【参考文献】 Vanderschraaf, Peter and Sillari, Giacomo, Common Knowledge, The Stanford Encyclopedia of Philosophy (Spring 2009 Edition), Edward N. Zalta (ed.), http://plato.stanford.edu/archives/spr2009/entries/common-knowledge/ 【公共知识的一种定义】 We can now define mutual and common knowledge as follows: Definition Let a set Ω of possible worlds together with a set of agents N be given. 1. The proposition that A is (first level or first order) mutual knowledge for the agents of N, K 1 N ( A ), is the set defined by K 1 N ( A ) ≡ ∩ i ∈ N K i ( A ). 2. The proposition that A is m th level (or m th order ) mutual knowledge among the agents of N , K m N ( A ), is defined recursively as the set K m N ( A ) ≡ ∩ i ∈ N K i ( K m −1 N ( A )). 3. The proposition that A is common knowledge among the agents of N , K * N ( A ), is defined as the set K * N ( A ) ≡ ∞ ∩ m =1 K m N ( A ).
6只作者:荣智海 ,唐明 ,汪小帆 ,吴枝喜 ,严钢 ,周涛 1. 引言 复杂网络是复杂性科学研究中受到最广泛关注的方向,在信息科学、物理学、生物学、数学乃至社会学、管理学等等都产生了重大贡献和持续影响。十几年来,复杂网络的研究成果一直是《自然》、《科学》、《美国科学院院刊》等综合类顶级学术期刊的宠儿,每年均有数十篇相关论文发表。据不完全统计,仅在 Review of Modern Physics 、 Physics Reports 、 Advance in Physics 和 SIAM Reviews 这四个顶尖的综述性期刊就发表了 17 篇复杂网络的综述论文,今年又在 Physics Reports 上连续刊出两篇 。 于此同时,我们也注意到,在十几年的发展中,复杂网络研究的重点和焦点已经发生了比较大的变化。可喜的是,以王文旭、严钢、吕琳媛、吴枝喜等人为代表的一群青年科学家,已经融入甚至影响着国际相关前沿发展的潮流。遗憾的是,国内相当一部分学者,还沉浸在老问题和老思路上,对于最激动人心的进展缺乏深入、完整的认识。基于这个现状,我们决定每年推出一期年末盘点栏目,邀请国内有代表性的青年科学家,主要就最近 1-2 年的国际重要进展进行介绍和评述。这个栏目从复杂网络起,将来也可能不限于复杂网络,而渗透进复杂性科学的其他方向,譬如典型复杂系统分析、金融复杂性研究、群集动力学与社会计算、人类动力学分析等等。 本文重点关注网络功能方面的研究,邀请了荣智海、唐明、吴枝喜、严钢四位青年科学家就博弈、传播和控制展开介绍。希望各位读者能够通过阅读本文获得对复杂网络部分研究焦点的认识,开拓视野! 2. 网络博弈:演化与合作涌现 合作现象在自然界和人类社会中普遍存在。最近一项研究表明化学物质转变为生命物质是通过分子间的协作完成的。自私的 RNA 通过自我复制只能形成短链,而 Vaidya 等人发现合适的策略可以促使不同的 RNA 自组织装配,搭建成合作的超循环回路,形成复杂的生命分子 。 哈佛大学研究人员的实证性研究揭示了坦桑尼亚北部哈扎猎人 (Hadza) 之间的社会合作网络 。他们访问了 17 个营地的 205 名成年哈扎人 ( 男性 102 名,女性 103 名 ) ,在每个营地进行一轮多人公共品博弈,合作者 (Cooperator, C) 的投入会使所有人受益,而背叛者 (Defector, D) 会不劳而获。虽然背叛行为使得自私的人收益最大化,然而哈扎人之间更倾向于合作利他,且所形成的社会合作关系具有现代社会网络的特征,如高聚类、同质性和互惠性等。这表明社会网络的一些结构特征以及合作机制可能在人类早期就已经形成。 由此可见,理解合作行为在个体间的涌现机制有助于人们认识从生命起源到人类社会组织等一系列重要课题。过去二十多年的理论研究表明网络互惠是一种重要的合作涌现机制,在网络上合作者通过与其他的合作邻居互助形成合作簇可以有效抵御背叛者的入侵,从而促进合作行为的涌现。 最近一系列实证性研究试图揭示网络互惠是否在人类博弈中存在。研究人员基于著名的两人囚徒困境博弈,召集了近 800 名志愿者进行真人网络博弈实验 。他们将约 20 名志愿者分为一组,配对进行重复博弈,并考虑了随机交互、固定交互和动态演化三种作用方式。在随机交互中,每轮博弈结束后,个体以一定概率随机更新交互对象。在固定交互中,初始时刻群体随机连接,其后则保持交互对象不变。对于动态演化博弈,则在每轮博弈后,研究者随机选择 k % 对志愿者进行如下操作:对每对志愿者 A 和 B ,随机选择 A 并告知对手 B 之前的行为,若两者存在联系,则询问 A 是否要去掉其与 B 的连接,否则询问 A 是否愿意与 B 建立关系。通过考虑网络快速 ( k =30) 和缓慢 ( k =10) 演化的情况,发现合作行为只有在网络快速演化时能够维持。对其他情况,合作行为则随着重复博弈的递进呈明显下降趋势。此外,他们观察到快速动态演化的博弈网络的度分布更宽, C-C 关系比 C-D 关系更稳固, D-D 最脆弱,合作者因“得道”而容易吸引朋友,背叛者则因“失道”容易失去朋友。有意思的是,失去了朋友的背叛者接下来会倾向于合作。因此,连 / 断边可以看作奖励 / 惩罚措施,促使合作行为稳定维持于群体中。 Watts 等做了类似的研究,也发现结构动态演化可以促进合作和同配特性的涌现 。他们将每组 24 名志愿者构成随机正则网络和六派系网络,采取 12 轮重复囚徒困境博弈,与研究 不同,在网络演化时,他们允许一方提出建立或者删除连接的请求,对手可以接受或拒绝该请求,若拒绝则两者保持原交互关系。通过引入该动态演化机制,在大量加减边时群体合作水平更高,而随着重复博弈接近尾声合作水平会递减。同时,他们发现 C-C 很容易建立联系, C-D 间的联系最难建立,因此同配特性在合作者间容易涌现。 最近西班牙学者研究了更大规模网络上的人类博弈实验 。他们召集了 1200 余名志愿者,分为两组放在平均度为 4 的规则格子和度分布异质的网络上。在网络固定和随机交互 ( 每轮博弈后随机选择相同数目的邻居 ) 的情况下进行约 50 轮的重复囚徒困境博弈,发现合作水平随着时间演化而递减,且不同结构的网络上合作水平相似,这与前期理论研究得到的异质网络结构促进合作的结论相悖。同时,他们也观察到个体合作倾向性与邻居合作数目(而不是邻居收益)相关。然而,需要指出的是,他们的研究没有考虑个体自愿连 / 断边的情况。因此,结合 的研究,笔者认为赋予个体合适的邻居选择机制,异质网络不促进合作的结论值得商榷,不同动态网络结构的作用会凸现。 在大多数研究中,博弈的收益矩阵往往是固定的,但实际系统的收益大小往往由组成系统的个体的集体状态决定(合作者密度越大,系统的效率越高)。 Lee 等人研究了一个多重适应的动态网络演化博弈模型 :首先,囚徒困境博弈中个体采取背叛策略的诱惑量随系统中合作者的比例动态变化;其次,个体具有适应性,每轮博弈过后可以变更一定比例的博弈对象,在选择新交互对象时,个体更倾向和收益高的个体建立关系。在适当的参数区间,研究发现系统能够演化到全合作者状态。此时个体间交互的连接度分布服从幂律形式,个体的聚类系数与其连接度成反比,即博弈动力学的多尺度演化导致了层次结构的涌现。 控制气候变暖可能是当前人类面临的最重要的公共资源博弈。只有各国投入足够的资金进行预防,才能有效阻止气候崩溃,否则人类有满盘皆输的可能。但困境在于虽然各国已经充分意识到维护气候这一公共资源的重要性,但仍然产生了哥本哈根的悲剧。研究人员通过改进公共品博弈模型,引入了集体投资阈值,如果参与者的投资低于该阈值,则所有人会冒一无所有的风险。通过演化博弈动力学分析,表明投资失败风险的引入可以让参与者意识到为了集体利益必须有所牺牲,从而与他人合作。研究发现无标度网络上参与博弈的群体规模多样性有利于全局协作,容易达到抑制气候变暖的目标 。 3. 网络传播:从分析到干预 网络传播动力学研究已经发展了一系列重要的模型和理论用以描述各式各样的传播现象,例如革新扩散 (Innovation Diffusion) 、潮流发展 (Fad Development) 、疾病传播 (Epidemic Spreading) 、故障蔓延 (Failure Propagation) 等,探讨了许多重要因素(例如网络结构、连接权重和空间距离等)对于传播过程的影响,特别关注了许多真实传播过程的预测和控制研究。这些研究也为复杂系统中其他一些动力学行为(例如网络同步和网络博弈等)的研究提供了新的思路和方法。在过去的两年中,一些研究学者开始关注多层耦合网络的研究,而其上的传播研究将是一项极具挑战性的全新课题。最近,在线网络上的舆情、行为等传播研究越来越受到人们的关注,已成为当前最为热点的研究课题之一。 更为重要的是,传 播路径的还原和网络干预(例如网络控制)可能成为未来十年之中最为热门的课题之一。以上研究热点可笼统地归为网络结构、行为规律、 社会传播、 路径还原和 网络干预 五个方面。 网络结构 。这方面主要有多层 / 关系耦合网络上的传播动力学 、中尺度结构在传播过程中的作用 和节点影响力排序方法与稳定性分析 三个研究热点。对于多层 / 关系耦合网络,基于大量实证的基础上,理解层间不同耦合关系(如依存、协作或抑制等作用)和耦合模式(如部分、一一或关联等匹配)对于单个或多个传播动力学行为的影响应是其首要任务,而关键节点与路径的定义及其在传播过程中的重要性等问题是其中的难点之一。 考虑到真实多层耦合网络的复杂性和多样性,其上的动力学现象将会异常丰富多彩,可以预见的是围绕这一主题近期将会涌现大量的新工作。 在网络的中尺度结构上,最近一些研究显示病毒可以被局限于那些高权重的边和节点 或是核心层 周围。非常自然地,其他一些中尺度结构如社区、派系、模体等在传播演化预测与防控中的作用如何将是值得深入研究的问题。对于节点影响力排序问题,自 Kitsak 等人利用 K-CORE 层次分解获得了比度更为准确的影响力指标之后 ,短短两年内其 Google Scholar 的引用已高达 120 余次,可谓当前炙手可热的研究课题。吕琳媛等人改进了经典 PageRank 算法,提出了一种名为 LeaderRank 的快速算法,能够等到超大规模社会网络中影响力高端的排序。以这些人为源头进行信息传播,速度会比以 PageRank 或者朋友数目为标准确定的源头快很多 。虽然几乎所有相关研究都致力于寻求一种快速而准确的普适排序方法,但是可能的关键问题是在网络结构和传播动力学确定的情况下给出一个快速而较为准确的排序方法,由此可以继续拓展和深化的空间还非常大。此外,节点排序在噪声干扰下(如网络结构和动力学行为的变化)的稳定性分析也是一个值得关注的重要问题 。 行为规律。 自从 2005 年人类行为动力学研究兴起以来, 基于人类行为规律的传播动力学研究 便随之开展起来,主要集 中于个体行为的接触时间 、空间迁移 和行为反应 等对于传播过程的影响。就目前研究现状来看,这类研究非常容易造成一些令人困惑的难题,根本原因在于个体行为动力学规律的多样性。例 如大量实证研究表明,人类的行为在时间上具有阵发性,存在短暂的紧密爆发和长时间的静默,不能用传统的泊松过程刻画。目前的工作主要基于真实数据集展开研究,发现在有些情况下人类的阵发特性减慢传播动力学过程,而在有些情况下却加快了传播动力学过程,急需从本质上厘清人类的各种 阵发特性(如发送时延和响应时延等)对传播 动力学的影响。对于以上三个问题的研究,最近都有一些重要的实证和理论工作发表,例如时变网络 和人口迁移模式 的研究,鉴于人类行为动力学研究仍是当前研究热点之一,基于人类行为规律的传播动力学研究将会具有较为持久的生命力。 社会传播 。 网络传播动力学研究不仅仅局限于流行病传播,还关注其他一系列的社会传播现象,例如谣言、时尚、政治意见、新技术的采纳、金融决策以及健康行为等等。对于传统的病毒传播,一个易感个体被感染的概率仅依赖于与其接触的那个感染邻居,而社会感染概率还取决于其他邻居的当前或历史状态 。这种感染的差异可能产生一些反直观的有趣现象,例如由于协同加强效应的存在,规则网络上的谣言(或行为)传播将会明显快于随机网络上的情况 。最近几个月里,社会传播的实证工作越来越多,档次也非常之高,大都发表于 Science 、 Nature 和 PNAS 等顶级期刊上 。由此可见,目前社会传播研究是当之无愧的热点之中的热点。除了必要的在线实证研究之外,抓住关键的传播机制,构建合理的传播模型用以描述这些有趣的传播现象也是当前亟需开展的工作。 路径还原 。相对于传播路径的预测,路径还原应是一个相反的问题,早先一直被计算机科学家和流行病学家所关注,而最近的一篇物理评论快报开始了关于扩散源点的定位研究 。毫无疑问地,传播路径的还原研究有助于传播过程的控制,其应用也非常广泛,例如舆情和疫情的防控。然而,这一研究在很大程度上受限于传播机理研究的进展,单单凭借利用数学统计方法和计算机技术很难发展出一套行之有效的还原方法。因而,如同社区检测研究一样,这类问题缺少一些物理的机制,更侧重于数学方法和实际应用,可能将成为数学家和计算机科学家所偏爱的研究课题,此时进入正当时! 网络干预 。网络干预是有目的的运用社会网络或社会网络数据来产生社会影响、加速行为的改变、改进性能,从而达到对个人、社团、组织以及群体的影响 。作为复杂网络研究的终极目标,这一研究课题自然是非常重要的。参考文献 描述了四种网络干预的策略,每种策略又有多种替代策略。许多策略综合了不同的数学算法。因此,研究者对干预可以有许多选择,选择合适的网络干预取决于可用的网络数据、行为的特征、已有的流行程度和项目的社会背景。鉴于网络干预涉及范围之广泛、面临情况之复杂以及可选策略之多样,其研究必将博大精深,源远流长。最近 Barabasi 等人对于有向网络的控制研究更是激起了研究学者们对于这类问题的极大兴趣 。对于这类研究,虽然控制理论的应用当然地成为重头戏,但是如何将网络动力学研究融入其中,应该是控制理论学家和物理学家们共同面临的一大挑战。下一节将更深入剖析网络控制的进展和问题。 4. 控制复杂网络:面朝下一站,蜿蜒前行 回顾网络科学过去十多年的发展,人们的主要兴趣和精力大多放在对网络自身的结构和网络上的动力学过程进行建模、分析乃至预测;朝前看,我们将触及复杂网络研究的下一篇章中的核心内容,即,对复杂网络系统进行定性调控乃至精确控制。 在这方面,牵制控制是大家较为熟悉的,其目标在于控制复杂网络到某个同步态。有关牵制控制的研究已经相当可观 。最近,刘彧等人 研究了对复杂网络的完全能控性,即在有限时间内将网络节点的状态从任意初态控制到任意终态(不必是一致状态或同步态)。他们发现需要直接控制的驱动节点与图论中的最大匹配存在着等价关系,并解析得到了使一个具有泊松或幂律度分布的随机化网络完全结构能控所需的最少的驱动节点的数目。在此基础上,王文旭等人 提出了对网络结构进行微扰以减少所需的驱动节点的数目的方法;奈普斯等人 则运用点边互换的思想研究了对网络的边的状态进行控制的问题,其结论如果从网络的点边对偶性的角度来看是很明了的。当谈及控制时,我们除了关心一个网络能否被控制,同时也需要思考这么个无法回避的问题:为了控制一个网络需要付出多大的代价?实际上,在网络节点的整个状态空间中,一些状态容易被控制而另一些则较难。这就好比距离您住处十公里远的圆周上,有些地方可经笔直通畅的大道很便捷地到达,而有些则可能需要在颠簸崎岖的小径上蜿蜒前行。出于这种考虑,严钢等人 研究了控制复杂网络所需要付出的能量代价的上界和下界,并指出了控制的难易程度与网络结构的对等性之间的关系。 控制理论尤其是线性系统控制是一个历史悠久且较为成熟的领域,这为复杂网络的控制提供了一些基本的思想和方法。然而,当考虑对一个复杂网络系统进行控制时,我们的兴趣主要在于揭示网络结构与控制之间的关系。如前文中提到的完全控制一个网络最少需要直接控制哪些节点,哪些网络需要的驱动节点较少、付出的能量代价较低,如何对网络结构进行微扰从而降低驱动节点的数目等等都属于这个范畴。这些研究中的一些结果可以较为方便地推广到含权、时变、延时的网络上。当然,也得清晰地看到,这仅限于理想的线性情况(包括节点动力学和节点之间的耦合关系)。在这方面,一个很有意义但尚未被解决的问题是:对于一个给定的网络,如何选择驱动节点使得控制的能量代价最低? 稍往远一点看,控制复杂网络的最终目标是对网络上的各类动力学过程进行控制,包括信息或疾病的扩散、耦合个体的集群行为、通信或交通网络的拥塞、网络博弈的策略演化、基因网络对应的细胞分裂 等。在处理这些问题时,我们将无可避免地涉及到非线性的情况。而对一般的耦合非线性系统进行完全控制是非常困难甚至是不可能的。为此,大体上有两种思路可供参考。其一是将复杂网络控制到某个有实际意义的状态区域,而不必是整个状态空间 。例如,牵制控制是将网络控制到某个同步态,这样处理起来会方便很多。其二是考虑控制网络系统中的某个关键的参量,例如网络扩散的传播阈值、网络集群的耦合阈值等。如果能够在控制论的框架下,通过输入外界的干扰信号使得网络能够容忍的阈值得以提高或者降低,那将是非常有现实意义的工作。 总而言之,尽管通往复杂网络控制的道路蜿蜒盘亘,但从最近发表的相关论文可以看出“控制”正成为重要的关键词、正激起人们极大的研究兴趣和热情。期待诸位,站在建模、分析和预测等前期工作的基石上,迈入“控制” —— 网络科学研究的下一站的核心领域。 参 考 文 献 LU L, MEDO M, YEUNG C H, et al. Recommender systems , Physics Reports, 2012, 519(1): 1-49. HOLME P, SARAMAKI J, Temporal Networks , Physics Reports, 2012, 519(3): 97-125. VAIDYA N, MICHAEL M L, CHEN I A ,et al. Spontaneous network formation among cooperative RNA replicators , Nature, 2012 (To appear) APICELLA C L, MARLOWE F W, FOWLER J H, et al. Social networks and cooperation in hunter-gatherers . Nature, 2012, 481(7382): 497-501. RAND D G, ARBESMAN S, CHRISTAKIS N A. Dynamic social networks promote cooperation in experiments with humans . Proc. Natl. Acad. Sci. USA, 2011, 108(48): 19193-19198 WANG J, SURI S, WATTS D J. Cooperation and assortativity with dynamic partner updating . Proc. Natl. Acad. Sci. USA, 2012, 109 (36): 14363-14368. GRACIA-LAZARO C, FERRER A, RUIZ G, et al.Heterogeneous networks do not promote cooperation when humans play a Prisoner’s Dilemma . Proc. Natl. Acad. Sci. USA, 2012, 109 (32): 12922-12926. LEE S, HOLME P, Wu, Z-X. Emergent hierarchical structures in multiadaptive games . Phys. Rev. Lett. 2011, 106: 028702. SANTOS F C, PACHECO J M, Risk of collective failure provides an escape from the tragedy of the commons . Proc. Natl. Acad. Sci. USA, 2011, 108(26): 10421–10425. J.-X. Gao, S. V. Buldyrev, H. E. Stanley, and S. Havlin, Networks formed from interdependent networks , Nature Physics 8 , 40–48(2012). A. V. Goltsev, S. N. Dorogovtsev, J. G. Oliveira, and J. F. F. Mendes, Localization and Spreading of Diseases in Complex Networks , Physical Review Letters 109 , 128702 (2012). C. Castellano and R. Pastor-Satorras, Competing activation mechanisms in epidemics on networks , Scientific Report 2 , 371 (2012). M. Kitsak, L. K. Gallos, S. Havlin, F. Liljeros, L. Muchnik, H. E. Stanley, and H. A. Makse, Identification of influential spreaders in complex networks , Nature Physics 6 , 888 (2010). L. Lü, Y.-C. Zhang, C. H. Yeung, T. Zhou, Leaders in social networks, the Delicious case , PLoS ONE 6(6): e21202 (2011). G. Ghoshal and A.-L. Barabási, Ranking stability and super-stable nodes in complex networks , Nature Communications 2 , 394 (2011). F. Simini, M. C. González, A. Maritan, and A.-L. Barabási, A universal model for mobility and migration patterns , Nature 484 , 96–100(2012). F. D. Sahneh, F. N. Chowdhury, and C. M. Scoglio, On the existence of a threshold for preventive behavioral responses to suppress epidemic spreading , Scientific Report 2 , 632 (2012). D. Centola, The Spread of Behavior in an Online Social Network Experiment , Science 329 , 1194 (2010). L. Lü, D.-B. Chen, T. Zhou, The small world yields the most effective information spreading , New J. Phys. 13 , 123005 (2011). F. J. Perez-Reche, J. J. Ludlam, S. N. Taraskin, and C. A. Gilligan, Synergy in Spreading Processes: From Exploitative to Explorative Foraging Strategies , Physical Review Letters 106 , 218701 (2011). D. Centola, An Experimental Study of Homophily in the Adoption of Health Behavior , Science 334 , 1269 (2011). J. Ugander, L. Backstrom, C. Marlow, and J. Kleinberg, Structural diversity in social contagion , Proceedings of the National Academy of Sciences of the United States of America 109 , 5962-5966 (2012). S. Aral and D. Walker, Identifying Influential and Susceptible Members of Social Networks , Science 337 , 337-341 (2012). R. M. Bond, C. J. Fariss, J. J. Jones, A. D. I. Kramer, C. Marlow, J. E. Settle, J. H. Fowler, A 61-million-person experiment in social influence and political mobilization , Nature 489 , 295 (2012). K. Lewis, M. Gonzalez, and J. Kaufman, Social selection and peer influence in an online social network , Proceedings of the National Academy of Sciences of the United States of America 109 , 68-72 (2012). P. C. Pinto, P. Thiran, and M. Vetterli, Locating the Source of Diffusion in Large-Scale Networks , Physical Review Letters 109 , 068702 (2012). T. W. Valente, Network Interventions , Science 337 , 49-53 (2012). Y.-Y. Liu, J.-J.Slotine and A.-L.Barabási, Controllability of complex networks, Nature, 473: 167-173, 2011 陈关荣 , 复杂动态网络环境下控制理论遇到的问题与挑战 , 《自动化学报》 , 2012, 待发表 M. Egerstedt, S. Martini, M. Cao, K. Camlibel and A. Bicchi, Interactingwith Networks: How does structure relate to controllability in single-leader, consensus networks? IEEE Contr. Sys. Magaz., 66-73, Aug. 2012 W. X. Wang, X. Ni, Y.-C. Lai and C. Grebogi, Optimizing controllability of complex networks by minimum structural perturbations, Phys. Rev. E, 85: 026115, 2012 T. Nepusz and T. Vicsek, Controlling edge dynamics in complex networks, Nature Physics, 8: 568-573, 2012 G. Yan, J. Ren, Y.-C.Lai, C.-H. Lai and B. Li, Controlling complex networks: How much energy is needed? Phys. Rev. Lett., 108: 218703, 2012 I. Rajapakse, M. Groudineand M. Mesbahi, Dynamics and control of state-dependent networks for probing genomic organization, PNAS, 108: 17257-17262, 2011 F.-J. Müller and A. Schuppert, Few inputs can reprogram biological networks, Nature, 478: E4, 2011 本文由汪小帆、周涛筹划、组稿、修改、整理并联合撰写第一节,由荣智海和吴枝喜联系撰写第二节初稿,由唐明撰写第三节初稿,由严钢撰写第四节初稿。作者排名按照汉语拼音顺序,不分先后。
学术沙龙第 14 期会议纪要 报告人:肖英杰(油菜组刘克德老师博士生) http://croplab.hzau.edu.cn/?q=node/402 报告题目: 遗传力的遗失:常见变异和稀有变异的博弈 主持人: 鄢文豪 主持人介绍: 欢迎大家时隔两周之后来到学术沙龙,今天为我们作报告的是油菜组的肖英杰同学。肖英杰同学是刘克德老师的博士生,他今天给大家报告的是遗传力方面的内容。遗传力是遗传学的基本内容,遗传和变异主导着生命的繁衍和进化。下面有请英杰给大家带来他的精彩报告。 报告内容: 英杰的报告 从一个简单的研究现象开始。人类的身高的变异很大,不同的研究人员利用关联分析的方法分别找到了一系列的身高相关的 SNP ,但是令人困惑的是这所有的变异却只能解释身高变异的 5% ,绝大多数的遗传变异由谁来负责?这些“遗失的”遗传变异在哪里?针对这个现象,结合已有文献报道,英杰给出了自己的解释。这部分没有检测到的遗传变异极有可能因为基因组结构,上位性互作,表观遗传以及变异的修饰决定,其中不可忽视的一个因素是稀有变异的影响。 那么,人类常见疾病和复杂性状,到底是主要由常见变异还是由稀有变异引起的呢?这个争论在人类遗传学里持续了几十年,也未有一个明确的回答。但是,学者们更倾向于第一种假设( CDCV ),即:常见疾病,主要由常见变异导致。基于这种理论基础,研究者在进行全基因组关联分析( GWAS )之前往往会剔除低频或者稀有 SNP (即 MAF0.05 的 SNP ),来提高关联分析的统计功效。然而,稀有变异是否真的不重要呢?报告人持怀疑态度。在玉米和人类的 hapmap 数据里,稀有的 SNP 位点不仅占有总 SNP 的绝对大多数,而且占有具有非同义突变(或有害突变)的 SNP 的大部分。这说明中性或非中性的遗传变异是稀有的是一种常见的现象( rare is common )。而这种稀有的功能变异将很难被基于 CDCV 假说的全基因组关联分析检测到。正因此,报告人认为这这种对稀有变异重要性的忽视正是遗传力遗失的重要原因之一。 另外有趣的是,在人类全基因组关联分析研究中,当研究者对某些 Tag SNP 周围 50kb-1Mb 的区域测序之后,最终指向的功能变异却是稀有变异,或者找不到任何功能变异。显然,用 CDCV 的理论是无法解释这种出人意料的。 2010 年在 plos biology 上研究者提出了 Synthetic association 的模型。这种理论指出,当几个功能性的稀有变异与 GWAS 芯片中的 Tag SNP 的某一个等位基因同时出现时,这几个稀有变异会导致这个 Tag SNP 与表型产生显著的关联信号。在 Synthetic association 的模型下, Tag SNP 与 causal variant 之间的 |D’|=1 ,而 r 2 1 ,并且 causal variant 能解释的表型变异是 Tag SNP 的 1/r 2 倍,模拟研究和实证研究都证实 synthetic association 是真实存在的。因为 synthetic association 具有随机性,所以 Tag SNP 和 Causal variant 之间的 LD 可能是 local-range 或者是 long-range 。如果是 long-range LD 的话,那么研究者对显著的关联位点周围的区域进行测序,即使测序覆盖度较大,都可能检测不到功能变异。换句话说,不仅基于 CDCV 的 GWAS 对功能性的稀有变异检测功效不够,即使已经显著关联的 GWAS 信号也可能并不是由常见变异引起的,而是由多个稀有变异导致的( synthetic association )。此言一出,很多学者不以为然,因为他们觉得 synthetic association 并不能解释所有的关联分析的结果。当然, synthetic association 究竟能在关联分析中占有多大比重,是需要实证研究来确定的。但是, synthetic association 的真实存在已然表明人类复杂性状遗传机制的复杂性,及稀有变异在其中的重要性。 如果要增加稀有变异的检测功效,简单的扩大群体可能是吃力不讨好的方法,报告人总结了人类里采用的 2 种策略: 1 )家系测序。因为某些性状如疾病往往具有家族内频发的特征。 2 )极端表型测序。极端表型的个体里可能会包含更多的功能变异。 总而言之,这 2 种策略基本思想就是通过遗传设计来富集稀有变异,来有效增加稀有变异的检测功效。那么对于植物的研究而言,我们该如何考虑稀有变异的效应,如何来增加稀有变异的检测功效?报告人认为,植物中已有的两类遗传设计有助于增加稀有变异的检测功效:巢式关联群体( NAM )和多亲本高世代杂交群体( MAGIC )。尽管这两类群体创建的初衷是控制群体结构对关联分析的影响,但是它们引入家系设计,无疑对稀有变异有富集效应,从而增加其检测功效。 总结: “常见变异还是稀有变异”的争论还在继续。。。但是各种证据提醒我们,我们不能把鸡蛋都放在“常见变异的篮子”里,稀有变异同样值得关注! 讨论内容: 讨论部分,大家分别针对稀有变异的概念,稀有变异在动植物中的地位以及稀有变异的检测等问题进行了探讨。 小结: 遗传力和关联分析是遗传学领域非常有活力的研究内容,英杰的报告让我们了解到了稀有变异的重要作用,并对如何剖析稀有变异提出了自己的见解。是货真价实的精彩报告! 鄢文豪记录,肖英杰斧正 ================================ 2010 AJHG http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2869011/ Interpretation of Association Signals and Identification of Causal Variants from Genome-wide Association Studies PLoS Comput Biol. 2012 July; Predicting Signatures of “Synthetic Associations” and “Natural Associations” from Empirical Patterns of Human Genetic Variation http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3390358/ ------------------------ 2011 PLOS biology:Synthetic Associations Created by Rare Variants Do Not Explain Most GWAS Results http://www.plosbiology.org/article/info%3Adoi%2F10.1371%2Fjournal.pbio.1000579 Synthetic Associations Are Unlikely to Account for Many Common Disease Genome-Wide Association Signals http://www.plosbiology.org/article/info%3Adoi%2F10.1371%2Fjournal.pbio.1000580
人类的身高的变异很大,不同的研究人员利用关联分析的方法分别找到了一系列的身高相关的 SNP ,但是令人困惑的是这所有的变异却只能解释身高变异的 5% ,绝大多数的遗传变异由谁来负责?这些“遗失的”遗传变异在哪里?针对这个现象,结合已有文献报道,英杰给出了自己的解释。这部分没有检测到的遗传变异极有可能因为基因组结构,上位性互作,表观遗传以及变异的修饰决定,其中不可忽视的一个因素是稀有变异的影响。 那么,人类常见疾病和复杂性状,到底是主要由常见变异还是由稀有变异引起的呢?这个争论在人类遗传学里持续了几十年,也未有一个明确的回答。但是,学者们更倾向于第一种假设( CDCV ),即:常见疾病,主要由常见变异导致。基于这种理论基础,研究者在进行全基因组关联分析( GWAS )之前往往会剔除低频或者稀有 SNP (即 MAF0.05 的 SNP ),来提高关联分析的统计功效。然而,稀有变异是否真的不重要呢?报告人持怀疑态度。在玉米和人类的 hapmap 数据里,稀有的 SNP 位点不仅占有总 SNP 的绝对大多数,而且占有具有非同义突变(或有害突变)的 SNP 的大部分。这说明中性或非中性的遗传变异是稀有的是一种常见的现象( rare is common )。而这种稀有的功能变异将很难被基于 CDCV 假说的全基因组关联分析检测到。正因此,报告人认为这这种对稀有变异重要性的忽视正是遗传力遗失的重要原因之一。 另外有趣的是,在人类全基因组关联分析研究中,当研究者对某些 Tag SNP 周围 50kb-1Mb 的区域测序之后,最终指向的功能变异却是稀有变异,或者找不到任何功能变异。显然,用 CDCV 的理论是无法解释这种出人意料的。 2010 年在 plos biology 上研究者提出了 Synthetic association 的模型。这种理论指出,当几个功能性的稀有变异与 GWAS 芯片中的 Tag SNP 的某一个等位基因同时出现时,这几个稀有变异会导致这个 Tag SNP 与表型产生显著的关联信号。在 Synthetic association 的模型下, Tag SNP 与 causal variant 之间的 |D’|=1 ,而 r 2 1 ,并且 causal variant 能解释的表型变异是 Tag SNP 的 1/r 2 倍,模拟研究和实证研究都证实 synthetic association 是真实存在的。因为 synthetic association 具有随机性,所以 Tag SNP 和 Causal variant 之间的 LD 可能是 local-range 或者是 long-range 。如果是 long-range LD 的话,那么研究者对显著的关联位点周围的区域进行测序,即使测序覆盖度较大,都可能检测不到功能变异。换句话说,不仅基于 CDCV 的 GWAS 对功能性的稀有变异检测功效不够,即使已经显著关联的 GWAS 信号也可能并不是由常见变异引起的,而是由多个稀有变异导致的( synthetic association )。此言一出,很多学者不以为然,因为他们觉得 synthetic association 并不能解释所有的关联分析的结果。当然, synthetic association 究竟能在关联分析中占有多大比重,是需要实证研究来确定的。但是, synthetic association 的真实存在已然表明人类复杂性状遗传机制的复杂性,及稀有变异在其中的重要性。 如果要增加稀有变异的检测功效,简单的扩大群体可能是吃力不讨好的方法,报告人总结了人类里采用的 2 种策略: 1 )家系测序。因为某些性状如疾病往往具有家族内频发的特征。 2 )极端表型测序。极端表型的个体里可能会包含更多的功能变异。总而言之,这 2 种策略基本思想就是通过遗传设计来富集稀有变异,来有效增加稀有变异的检测功效。那么对于植物的研究而言,我们该如何考虑稀有变异的效应,如何来增加稀有变异的检测功效?报告人认为,植物中已有的两类遗传设计有助于增加稀有变异的检测功效:巢式关联群体( NAM )和多亲本高世代杂交群体( MAGIC )。尽管这两类群体创建的初衷是控制群体结构对关联分析的影响,但是它们引入家系设计,无疑对稀有变异有富集效应,从而增加其检测功效。 总结:“常见变异还是稀有变异”的争论还在继续。。。但是各种证据提醒我们,我们不能把鸡蛋都放在“常见变异的篮子”里,稀有变异同样值得关注!
书接上回,本博文将对专利权的其它软肋进行简单分析,以作为“专利权人与潜在的专利侵权者或专利规避者之间的博弈”这个话题的意犹未尽性的结尾。 开门见山,直奔主题,本博主认为,专利权的另一软肋在于专利权类型不当。专利权对于专利权人的发明创造的保护,如同给专利权人穿的一套盔甲,使之免受潜在的专利侵权者或专利规避者的明枪暗箭的攻击。但如果盔甲穿错了的话,则保护效果天壤之别,不仅起不到应有的防护作用,甚至弄不好会引火烧身。例如,三国中孟获的士兵本应该穿铁甲出战却错穿了藤甲,结果被诸葛亮抓住漏洞一把火烧得哭爹喊娘,即著名的“火烧藤甲军”。 专利权也是有类型之分的。首先解释一下专利权的类型。任何创造性发明,都可以分为两类:产品发明和方法发明,即新产品和新方法,和与之相对应的专利权,分别称之为产品专利和方法专利,任何专利权都可以被归入这两类中。 但是,具体到某一项发明创造,是将其作为产品专利来保护,还是作为方法专利来保护,是大有讲究的。 然而,在很多时候,产品和方法是彼此紧密联系,难以截然分开的。例如,很多新产品是由新方法例如新的工艺条件和新的工艺步骤来制造的,很多新方法中也会使用新产品例如新材料和新零件,很多已知产品也可能有新的制造方法,一项新发明创造往往其中纠缠着新产品和新方法二者或更多者,等等。由于这种复杂性的存在,致使很多未经认真撰写的专利,在授权后出现了保护范围上的漏洞,即所谓的专利权软肋。 首先分析一下产品专利和方法专利在保护范围上以及保护力度上有何差异。 笔者认为,产品专利在受保护力度上要强于方法专利,原因有以下几点: 1. 产品专利的保护是绝对的;而方法专利的保护是相对的。对于受产品专利保护的产品,任何人未经专利权人同意,制造、使用、销售、许诺销售、进口该产品都是侵犯专利权人的专利权的。而且,工业实践中对有形的产品的需求是刚性的,属于刚需。此外,对于产品专利,即便他人用独立研发的方法另辟蹊径制备出该产品,他人生产的该产品本身仍然受该产品专利的专利权限制,不能自由销售、使用、许诺销售和进口。可见专利法对产品专利的保护力度是非常强的,故曰产品专利的保护是绝对的。而方法专利则不然,众所周知,相同的产品可以由数种不同的方法制造。因此,对于一个新产品,如果申请的不是产品专利而是生产该产品的方法专利,则他人以不同于方法专利的方法生产出的该产品是可以自由制造、使用、销售、许诺销售、进口的,即不侵犯方法专利的专利权。尽管专利法规定,对方法专利的保护,可延伸到由该专利方法专利得到的产品。但面对其它人一模一样的涉嫌侵权的产品,很难举证证明这就是由“该专利方法”得到的,对方完全可以辩称是用另一种不同的方法得到的。可见,专利法对方法专利的保护力度是相对较弱的,故曰方法专利的保护是相对的。 2. 产品专利权在行使中更容易发现侵权产品和举证证明侵权。产品是静态的,有形的,是要公开出售的,而一旦售出后则脱离生产者和销售者的控制。这使得专利权人很容易通过购买和拆卸涉嫌侵权的产品来与其自身的产品进行比较,来发现侵权产品,并且通过向法庭出示涉嫌侵权的产品并说明其如何与受产品专利保护的产品在实质上是相同的,即可完成向法庭举证的责任。而方法专利则不同,其侵权行为很难被发现,且很难举证证明。专利方法作为一种行为,是动态的,是无形的,且往往是在产品生产者工厂内部实施,始终处于专利侵权者或专利规避者的控制之下,外人很难发现。且方法专利是难以举证的,试问您如何向法庭证明一套工业方法并证明该方法与您的专利方法是一样的?难度颇大。 3. 产品专利的规避难度要高于方法专利。专利规避的一个通常手段就是在原专利基础上加以变型,使得变型后的产品和方法看起来和受专利权保护的产品和方法不一样,至少可以把水搅浑,实现规避专利权而浑水摸鱼的目的。专利法对此是有所预防的,在判断侵权与否时规定了“等同原则”,即如果变型后的技术特征与原技术特征以基本相同的手段实现了基本相同的功能,则认为是等效替换,仍属于侵权行为。例如,如果侵权人将某设备的两个零件之间由螺栓连接改为铆钉连接,或将某洗涤剂中的表面活性剂十二烷基苯磺酸钠改为十二烷基苯磺酸钾,由于它们起到了相同的作用,一般认为是等效替换。而对于产品发明,这种等效替换之间的认定是相对容易的,故容易借助于“等同原则”来仿制他人规避专利权。相比之下,方法专利在适用“等同原则”时是比较困难的,首先在于方法专利在举证上困难;其次,即便生产同一种产品,各个生产方法之间也可能千差万别,且也许两个方法的各个工艺步骤之间都不相同,但各方法的全部工艺步骤的组合却可能会产生了等效的技术效果,本应该被视为等效替换,但实践中这样是认证是相当困难的。故方法专利较容易被规避。 基于以上原因,不难看出,产品专利在受保护力度上要强于方法专利。换句话说,如果本该申请产品专利的发明创造却申请了方法专利,则由于方法专利受保护力度较弱,则给潜在的专利侵权者和专利规避者以可乘之机。 这种专利权类型选择上的不当,构成了专利权的又一软肋。 比喻来说,甲乙二人分别在两个地方各发现了一块金矿。甲占领住了金矿本身,任何人要来此开采金矿都要经过矿主甲即产品专利权人许可,很难绕开,则矿主甲想不发财都难。而乙则未占领金矿本身,而是占领了自认为是通往金矿的唯一一条路,任何人想从此通过到达金矿,都要经过路主人乙即方法专利权人的许可。但不幸的是,很快人们就发现,通往该金矿的路不止这一条。因此,路主人乙想借此发财还是非常困难的。 再简单举一个笔者在执业过程中遇到的例子,某美国石油公司 A (出于敏感原因,略去其具体姓名,以字母代替)开发出了一种新型 XX 分子筛,其用于芳烃重整效果非常好。但申请专利时,却申请了一种方法专利,即一种制造 XX 分子筛的方法,包括以下步骤: a 、……; b 、……;和 c 、……。该专利申请虽然很快得到授权,但是显然其仅保护了得到该新型 XX 分子筛的一种方法,而没有保护到该新型 XX 分子筛本身;另一美国石油公司 B 在该专利方法上稍加改进后,开发出了另一种制造 XX 分子筛的方法,包括以下步骤: a 、……; d 、……;和 e 、……。并也申请了专利且获得授权。显然,石油公司 A 虽然首先研发出 XX 分子筛,但由于申请专利时类型选择失误,并没有通过专利权获得该新型 XX 分子筛的独家生产销售权,其技术领先优势并没有转化为市场销售优势,反而被石油公司 B 分庭抗礼,硬生生从中分走一杯羹。非常可惜。 结束语: 本博主已经通过连续几期博文简单介绍了专利权攻防博弈中专利权的几种软肋。总结以下有以下几点,借用现在流行的危害等级排名做法,就对于专利权的损害程度而言: 非必要技术特征―― ★★★★★ 专利权保护范围不清楚―――――― ★★★★ 专利权类型不当―――――― ★★★★ 那么专利权还有其它软肋吗? 本博主的回答是“有”,不仅“有”,而且“有很多”。 但这些更多类型的专利权软肋,由于涉及更专业且更精深的法律知识和技术知识,且需要非常具体且复杂的案例经过沙盘推演的方式才能予以暴露,已经无法以相对通俗的语言在此一一解释了。 对此话题有兴趣的博友,包括但不限于:谋求专利权的牢固保护的博友,或试图进行专利规避的博友,或正面临专利纠纷的博友,若想进一步就此话题进行探讨,可以给我站内留言、写信 yiding2008abcd@aliyun.com 或打电话 13439415214 ,就具体问题进行深入讨论。 下一步,本博主的话题将转向专利权人与投资人之间的攻防博弈。敬请关注。
The potential and flux landscape theory of evolution http://jcp.aip.org/resource/1/jcpsa6/v137/i6/p065102_s1?bypassSSO=1 在共生的世界里,没有对“最适者生存”的保证,为了生存必须不停地“奔跑”。 势与流推动着进化。图中曲面表示隐藏在进化背后的势函数,其梯度(黑色箭头)是主要来自于物理环境的进化驱动力,紫色箭头描述另一种重要的进化驱动力——流,产生于生物环境。进化沿着势函数减少的方向进行。图中蓝色“峡谷”区域对应着进化的一种最佳状态,但是在“峡谷”中进化不会停止,峡谷中的“水流”推动着永无止境的进化。这就是著名的红皇后假说中指出的:产生于生物间相互作用的“流”推动着永无止境的进化过程。物种的进化速度必须得赶上“峡谷”中“水流”的速度,否者会在生存竞争中被淘汰掉。
前几天似乎想明白了点什么,仔细一想又不太明白。一些已经想通了的,先记在这里。后面的再继续想。(亦公布于本人 英文博客 。)其实跟先前的狼-羊博弈同属多层博弈,但不同之处在于这里存在‘结构’。例子估计很好懂。我觉得将博弈的任一方扩充为一个群体,并且考虑这一方存在的内部博弈,可能对细胞、生化层次的分子间博弈有一定的参考价值。不过进一步的内容就敬请期待下回分解了~ 2012年4月23日追记:昆明动物所王瑞武老师基于榕小蜂的一系列研究,已经包含了这个思路。参见这两篇论文Wang et al. 2009 ( doi:10.1371/journal.pone.0007802 ), Wang et al. 2011 ( doi: 10.1098/rsif.2011.0063 )。 看来我还得思考得再远一些,才能写出点东西。 Let me begin with a story read from the Metro newspaper. A fee was charged by the government on water use, but strongly resisted by the residents who were supposed to pay it. Many of the residents went to complain, to demonstrate and/or anything relevant showing their resistance, and finally made the fee canceled by the government. What a success! However some of the residents who had been so obedient and had submitted the fee at the beginning, found themselves unable to claim their money back. One of the unfortunate, obedient people cried about this on the newspaper, but was quickly hit back by the other person who had fought for the cancellation. "You deserve that because you didn’t resist!" The water fee story ends here, and I am not talking about the rightness of a resident’s choice or of the government’s policy. Instead, I am talking about the gaming strategies here adopted by different people, and more importantly, by the government. Apparently, in a game like this, the residents have two candidate options, or strategies, i.e. to resist the fee, or to accept it and wait. However, in order to facilitate further discussion while avoiding some unnecessary misunderstanding in trivial things, I am modifying the scenario of the story here. All the residents have submitted the fee at the beginning, but then may choose to go on protest or to just wait, which are their two candidate strategies; meanwhile, the government will make a decision to pay the money back once some resident(s) go on protest, but also with two candidate strategies, i.e. to pay the exact amount only to those who have protested, or to everybody who have paid them . In the above case, the government chose the former strategy, and for residents obviously the optimal choice is to go to resist, because you will only lose if you give the money as required. But what if the government shows some ‘conscience’ by paying all the money back to all the residents once the fee is cancelled? Let’s assume (and agree) there is a cost or risk when you go on demonstration or whatever to resist the fee, then the optimal choice will become otherwise. You would rather stay at home/work as regularly and safely, wait until somebody else successfully makes the fee cancelled by the government. You have the chance to get your money back, and loose nothing when compared with other residents! Up to now, it is the gaming process between different residents. This is like a Boxed Pigs Game between multiple players, but there are no ‘big’ or ‘small’ pigs – all participants (residents) are equal in their cost and payoff with each strategy they may choose. Alternatively the case can also be seen as a multiple Prisoners' Dilemma, where the outcome is sometimes a typical Tragedy of the Commons. The government’s behavior is seen to have designed the rule of the game. However, if we consider the government as the other player, then the whole thing becomes a two players' game, but one of the players is a POPULATION instead of a single person. In this new game, we have to consider not only the interaction between the two players, the residents and the government, but also the interaction among different individuals within one part of the players – the residents. In this case, the government has two candidate strategies, i.e. to pay only the money back to those who have resisted (selfish), or to pay all the money back to everybody including those who had been obedient (show conscience), on the other hand each resident has two candidate strategies, i.e. to resist or to be obedient. We will see a straightforward outcome by letting both players ‘evolve’ naturally to find their ‘optimal’ or say ‘stable’ choices.The government will finally choose to ‘show conscience’, only because by doing this it has a higher opportunity to harvest an obedient population of residents where the money goes to the government's pocket.Correspondingly, the residents will all become obedient, because anybody who goes on protest will have a lower net payoff than other residents. As the result, although the government shows 'conscience', the residents will get nothing back because they don't resist. It's still a tragedy of the commons on behalf of the residents.At this state, the two players (the government and the residents) have achieved a Nash Equilibrium while all individual players within the resident population have achieved an Evolutionarily Stable Strategy (also a type of Nash Equilibrium). Here I have used only coarse-grained language to show this pattern of game playing, and the outcome above is not always valid depending on the values of various parameters, e.g. the cost/risk of resistance, the responding threshold of the government, the competition stress imposed at different levels, etc. After all, such games with two players, one (or both) of which is actually a population where the intra-population game (actually competition in many cases) also happens, have provided a more complex game pattern. In such games, Nash Equilibriums have to be achieved at multiple levels to allow the whole system to stay at a steady state. This actually is a bridge between game theory and dynamical systems theory. And what’s more, in the special case here, it is a structured game where a population of one player can only interact with an individual of the other player. This pattern is also seen in the game between mitochondrial and nuclear genomes, where many mitochondria can only interact with the nucleus in a single cell. I began thinking on the mito-nuclear issue around two years ago but only recently got some hint from the water fee case discussed on the newspaper in the last few weeks. I am yet dwelling on what molecular mechanisms may give rise to such a game, in terms of ATP production and allocation. More interesting points will be produced from this perspective, and advice is welcome from anyone. This may be a new pattern of game where at least one of the players is actually a population. I checked it within some textbooks of game theory and didn’t find it ever mentioned. However I may be re-inventing the wheels. It is highly appreciated if anyone could let me know if you have seen the same thing proposed anywhere else.
转基因技术是自 1953 年美英学者发现 DNA 双螺旋结构后继 1973 年首例转基因大肠杆菌技术之后逐步发展起来,从其年龄来看,应该属于高新技术类,发展前景看好。 转基因作物技术研究及生产应用发展迅猛,可以从美国 ISAAA(International Service for the Acquisition of Agri-biotech Applications) 全称为农业生物技术应用国际服务机构的掌门人那里得到详细的统计数据。这是一个强大的中介组织,经常在全世界范围内对转基因作物的研究和策略方面进行活动,其掌门人 Clive James 其本质是一个间谍头子。 普通民众常常在激烈的口水战中被搞得一头雾水,到底是向左还是向右?不知道。哀叹国民被转基因,成了做试验的小白鼠,我们不能吃,不能要,坚决抵制。 有人说,我们已经搞了十几年的科学论证,已经走在了世界先进行列,必须抓住机遇,抢占发展龙头,对政府部门的决策者进行鼓动和游说。 黄大昉,方舟子,薛达元,蒋高明,贾士荣,张志涛,张启发,袁隆平,朱祯等一个个科学家、院士被各类媒体推向前台,孟山都,先正达,丰乐种业一家家公司进入寻常百姓视野,超市里的油、豆奶粉也比原来多了一块标识,本品为非转基因产品,并成为一大卖点。 无利不起早 。这年头,全社会重商主义泛滥。有言论 教授摇唇鼓舌,四处赚钱,越来越像商人,商人现身讲坛,著书立说,越来越像教授, 虽不全然,却反映出很多事情背后的本质 惟利也! 转基因技术之应用则尤为如此,背后牵涉到诸多的商业利益。首先,绿色和平组织的利益与种子公司的利益,科学家参加股份和科研项目等经费利益分配,专利技术的转让和使用利益分配。争论到这的时候,原本争论的科学核心问题就转向了经济问题甚至是政治问题,或者是隐私?抑或是信息共享?再深入下去,就开始接近道德或者公平的问题,问题也就结束了,但是还是没有结果。
以下是我在刚过去的2009年的论文发表情况,欢迎各位同行批评指正! 祝大家新年快乐!身体健康! 1. Zhang Zhongzhi , Yi Qi, Zhou Shuigeng, Wenlei Xie, and Guan Jihong. Exact solution for mean first-passage time on a pseudofractal scale-free web. Physical Review E , 2009, 79: 021127 . (SCI- 413QJ ; EI- 20091311987776) 2. Zhang Zhongzhi , Zhou Shuigeng, Zou Tao, Chen Lichao, and Guan Jihong. Different thresholds of bond percolation in scale-free networks with identical degree sequence. Physical Review E , 2009, 79: 031110 . (SCI- 427GH ; EI-20091612034008) ( This work was selected for the March 15, 2009 issue of Virtual Journal of Biological Physics Research ) 3. Zhang Zhongzhi , Zhou Shuigeng, Xie Wenlei, Chen Lichao, Lin Yuan, and Guan Jihong. Standard random walks and trapping on the Koch network with scale-free behavior and small-world effect, Physical Review E , 2009, 79:061113 . (SCI-466XN ; EI- 20092812186852) 4. Zhang Zhongzhi , Qi Yi, Zhou Shuigeng, Lin Yuan, and Guan Jihong. Recursive solutions for Laplacian spectra and eigenvectors of a class of growing treelike networks, Physical Review E , 2009, 80:016104 . (SCI-478VL ; EI-20093512270937) 5. Zhang Zhongzhi , Lin Yuan, Gao Shuyang, Zhou Shuigeng, Guan Jihong, and Li Mo. Trapping in scale-free networks with hierarchical organization of modularity, Physical Review E, 2009, 80: 051120. (SCI-526RD) 6. Zhang Zhongzhi , Xie Wenlei, Zhou Shuigeng , Li Mo, and Guan Jihong. Distinct scalings for mean first-passage time of random walks on scale-free networks with the same degree sequence, Physical Review E, 2009, 80:061111. 7. Zhang Zhongzhi , Guan Jihong, Xie Weilen, Qi Yi, and Zhou Shuigeng. Random walks on the Apollonian network with a single trap. EPL (Europhysics Letters) , 2009, 86: 10006. (SCI -450PT ) 8. Zhang Zhongzhi , Wie Wenlei, Zhou Shuigeng, Gao Shuyang, and Guan Jihong. Anomalous behavior of trapping on a fractal scale-free network. EPL (Europhysics Letters) , 2009, 88: 10001. (SCI-511UN) 9. Zhongzhi Zhang , Jihong Guan, Bailu Ding, Lichao Chen, and Shuigeng Zhou. Contact graphs of disk packings as a model of spatial planar networks. New Journal of Physics , 2009, 11:083007 . (SCI-479YY ; EI-20093612285813) 10. Zhongzhi Zhang , Lin Yuan, Zhou Shuigeng, Wu Bin, and Guan Jihong. Mean first-passage time for random walks on the T-graph, New Journal of Physics , 2009, 11: 103043. (SCI-513LS) 11. Zhang Zhongzhi , Chen Lichao, Fang Lujun, Zhou Shuigeng, Zhang Yichao, and Guan Jihong. The rigorous solution of average distance for Sierpinski network. Journal of Statistical Mechanics: Theory and Experiment, 2009, P02034. (SCI- 413WV ) 12. Zhang Zhongzhi , Lin Yuan, Gao Shuyang, Zhou Shuigeng, and Guan Jihong. Average distance in a hierarchical scale-free network: an exact solution. Journal of Statistical Mechanics: Theory and Experiment, 2009, P10022. (SCI-513LM) 13. Zhang Zhongzhi , Zhang Yichao, Zhou Shuigeng, Yin Ming, and Guan Jihong. Influences of degree inhomogeneity on average path length and random walks in disassortative scale-free networks. Journal of Mathematical Physics, 2009, 50: 033514 . (SCI-427KV) 14. Zhang Zhongzhi , Fang Lujun, Zhou Shuigeng, Guan Jihong. Effects of accelerating growth on the evolution of weighted complex networks. Physica A, 2009, 388:225-232. (SCI-383NE ; EI - 084711720067 ) 15. Comellas Francesc, Zhang Zhongzhi , Chen Lichao. Self-similar non-clustered planar graphs as models for complex networks. Journal of Physics A: Mathematical and Theoretical, 2009, 42: 045103. (SCI-392XV) 16. Qi Yi, Zhang Zhongzhi , Ding Bailu, Zhou Shuigeng, and Guan Jihong. Structural and spectral properties of a family of deterministic recursive trees: Rigorous solutions. Journal of Physics A: Mathematical and Theoretical, 2009, 42: 165103 . (SCI-427RP) 17. Guan Jihong, Wu Yuewen, Zhang Zhongzhi , Zhou Shuigeng. A unified model for Sierpinski networks with scale-free scaling and small-world effect. Physica A, 2009, 388: 2571-2578. (SCI- 443BT; EI- 20091512028545) 18. Li Xing, Wu Yonghui, Rong Zhihai, Zhang Zhongzhi , and Shuigeng Zhou. The prisoner's dilemma in structured scale-free networks. Journal of Physics A: Mathematical and Theoretical, 2009, 42:245002 . (SCI-451GB) 19. Chu Xiangwei , Guan Jihong, Zhang Zhongzhi , and Zhou Shuigeng. Epidemic spreading in weighted scale-free networks with community structure. Journal of Statistical Mechanics: Theory and Experiment, 2009, P07043. (SCI-488MG) 20. Zhou Shuigeng and Zhang Zhongzhi . Complex networks and computing. Frontiers of Computer Science in China , 2009, 3(3): 322-323.