اگر چه عملکرد شبکههای پیچیده واقعی تا حد زیادی توسط مدولار بودن اکثر مقالات تعیین میشود، تا همین اواخر، بر ساختار مقیاس محلی یا خواص ماکروسکپی خود تمرکز داشتند. با این حال، هیچ یک از این توصیفات نمیتواند به اندازه کافی این توصیف را توصیف کند ویژگی های مهمی که شبکه های پیچیده به دلیل سازماندهی در ماژول ها از خود نشان می دهند. این تمرکز شماره دقیقاً وضعیت هنر را در مطالعه شبکه های پیچیده در آن مرحله حد واسط ارائه میدهد. خواننده متوجه خواهد شد که چرا این سطح میان مقیاس به موضوع مهم تحقیق تبدیل شده است از طریق آخرین پیشرفتهای انجام شده برای بهبود درک ما از رفتار دینامیکی شبکههای مدولار مشارکتهای ارائه شده. در اینجا برای پوشش انتخاب شده اند، از موارد مختلف از دیدگاه ها، بسیاری از سوالات باز در این زمینه به عنوان جنبه های مختلف تعریف جامعه و الگوریتمهای تشخیص، همپوشانی مدولها، پویایی در شبکههای مدولار، تعامل بین مقیاسها و کاربردها در زمینههای بیولوژیکی، اجتماعی و فناوری.
در طول سالهای گذشته، بخش عمدهای از کار منتشر شده در شبکههای پیچیده به هر دو محلی محدود شده است ساختار مقیاس (از طریق توزیع های آماری) یا خواص ماکروسکوپی (با پارامترهای جهانی) از شبکه، اما هر یک از این دو سطح توصیف میتواند ارتباط مدولار میانی را درک کنید مقیاس معمولاً در سیستمهای بیولوژیکی، اجتماعی یا فناوری وجود دارد. مجموعه مقالات در این Focus Issue جمعآوری شده است به موضوعات داغ مرتبط با مقیاس متوسط در شبکههای پیچیده اختصاص دارد. آنها در شش گروه سازماندهی شدهاند که به سوالات مربوط به مسائل توپولوژیکی، پویایی در شبکهها و برنامههای پیچیده میپردازند.
رشته شبکههای پیچیده در واقع شامل یک تئوری به خوبی تثبیت شده و مجموعه رو به افزایشی از تجزیه و تحلیل ابزارهایی که از طریق آنها تعاملات بین عناصر یک نمودار قابل نمایش و مطالعه است. در حال حاضر، این چنین رویکرد در زیستشناسی، فناوری و جامعهشناسی به طور پرباری مورد بهرهبرداری قرار گرفته است و پیشرفتهای آن در تعداد معینی بررسی، چه در مجلات علمی و books.1–3 وقتی یک دهه پیش حوزه شبکههای پیچیده شروع شد، توجه بر طبقهبندی شبکههای واقعی متمرکز شد. مسائل پیچیده مربوط به نقشی که شبکهها در دنیای واقعی بازی میکنند. یکی از زمینه های تحقیق در نظر گرفته شده است فرآیندهای انتقال و انتشار، اساساً با انگیزه هستند برای کاربرد در فرآیندهای اپیدمی خط دوم بود مربوط به تجزیه و تحلیل تاب آوری در برابر شکست و حملات به شبکهها و همچنین مشکلات مربوط به بهینهسازی در سیستمهای شبکهای – که هر دو مورد علاقه زیادی برای شبکههای تکنولوژیکی هستند. در این راستا، مسئله تمرکز آشوب بهینهسازی در Networks4 موارد مربوطه را به خوبی خلاصه کرد روی این موضوع کار کنید.
اخیراً، سؤال اساسی در نظر گرفتن گرههای شبکه دارای دینامیک ذاتی هستند (یا به طور معادل، مجموعهای از سیستمهای دینامیکی در حال جفت شدن از طریق یک ساختار اتصال غیر پیش پا افتاده) بوده است کانون توجه بسیار در جامعه علمی در طول سالهای گذشته این ادغام مثمر ثمر بین شبکههای پیچیده و شاخه تثبیت شده سیستمهای دینامیکی چارچوب مناسبی برای مقابله با این رابطه بین ساختار و ظهور یک رفتار دینامیکی جمعی فراهم کرده است. یک مجموعه خوب از کار در مورد این موضوع میتواند در همگامسازی مسئله تمرکز آشوب در شبکههای پیچیده یافت میشود، که به همگامسازی اختصاص دارد، یکی از مهمترین پویایی جمعی که می توان در شبکههای پیچیده یافت.
سیستم تصمیمگیری ورزشی متاثر از عوامل زیادی و خود سیستم پیچیده، از نوع سیستمهای-خرد متعدد[1] است. به منظور ایجاد یک مدل تصمیمگیری علمیتر ورزشی، این مقاله یک مدل تصمیمگیری ورزشی مبتنی بر داده کاوی و شبکه عصبی مبتنی بر فناوری داده کاوی و الگوریتمهای شبکه عصبی ایجاد میکند. همچنین بر اساس تحلیل نظریه سیستم[2]، نظریه سهامداران[3] و نظریه تصمیمگیری چندهدفه[4]، این مقاله مبنایی نظری برای مطالعه مشکلات تصمیمگیری چندهدفه در رویدادهای ورزشی فراهم میکند. علاوه بر این، این مقاله نقطه شروع تصمیمگیری و دامنه آن تحقیق از مفاهیم اساسی تصمیمگیری ورزشی و تجزیه و تحلیل سیستم تصمیمگیری چندهدفه تصمیمگیری ورزشی را مورد بحث قرار میدهد. در عین حال، بر این اساس، این مقاله یک مدل تصمیمگیری چندهدفه رویدادهای ورزشی را طراحی میکند و در نهایت تحقیقات تجربی بر اساس مدل طراحی شده انجام میدهد.