本书以赢者通吃网络和马太效应为研究对象，从优化视角构建、分析和设计网络模型，并建模计算社会系统中的马太效应，同时探讨时延和网络切换等条件下的模型。本书提供关于神经动力学算法，详细介绍分布式协同建模的赢者通吃网络，并给出该类方法在解决相关领域科学和工程问题中的应用，可以辅助读者更深入地理解基于竞争与合作网络问题的解决思路。本书的特色是探究竞争与合作网络相关的理论、算法与应用，并通过开发一系列神经动力学模型进行分析。 本书可作为高等院校信息类相关专业高年级本科生、研究生的教材，也可作为从事相关研究从业人员的参考书。

第1章 绪论
1.1 竞争与合作网络背景
1.2 国内外研究现状
1.2.1 基于赢者通吃的协同机制研究现状
1.2.2 基于一致性滤波器的分布式竞争-合作研究现状
1.2.3 多参与者约束博弈的群体系统协同研究现状
1.2.4 基于竞争-合作的研究应用现状
1.3 复杂网络中的信息传输
1.3.1 社交网络的计算机表示
1.3.2 图论
1.3.3 邻接矩阵
1.3.4 网络演化模型
1.4 本章小结
第2章 基于梯度的微分赢者通吃网络模型
2.1 引言
2.2 问题转化
2.3 模型建立
2.3.1 G-kWTA模型
2.3.2 GD-kWTA网络模型
2.4 理论分析与仿真实验
2.4.1 无噪声环境下的收敛性能
2.4.2 噪声环境下的收敛性能
2.4.3 仿真实验
2.5 多机器人竞争式协同
2.5.1 多机器人竞争行为的建模
2.5.2 仿真实验
2.5.3 在E-puck2平台上的应用
2.6 本章小结
第3章 模糊赢者通吃网络模型及在多机器人协同中的应用
3.1 引言
3.2 问题与方案构建
3.2.1 C-kWTA模型
3.2.2 模糊控制策略
3.2.3 F-kWTA网络模型
3.3 理论分析与结果
3.4 仿真实验与结果分析
3.4.1 数值示例
3.4.2 对比验证
3.4.3 多机器人竞争式协同
3.5 本章小结
第4章 基于一致性滤波的分布式赢者通吃网络
4.1 引言
4.2 问题描述及准备工作
4.2.1 机器人集中式k-WTA
4.2.2 分布式k-WTA问题
4.3 分布式k-WTA网络模型
4.3.1 模型描述
4.3.2 理论分析
4.4 数值实验
4.4.1 静态输入
4.4.2 动态输入
4.5 本章小结
第5章 基于最优化视角的分布式赢者通吃网络
5.1 引言
5.2 背景知识
5.3 分布式k-WTA网络模型的设计
5.3.1 k-WTA的新型设计公式
5.3.2 网络构建
5.4 理论分析
5.4.1 平衡有效性
5.4.2 平衡稳定性
5.4.3 集合约束的满足
5.5 仿真验证与比较分析
5.5.1 仿真验证
5.5.2 与已有D-kWTA网络模型的比较
5.5.3 受约束的分布式k-WTA的扩展
5.6 本章小结
第6章 基于变量初始化的赢者通吃网络
6.1 引言
6.2 问题描述
6.2.1 k-WTA与二次规划
6.2.2 现有连续时间k-WTA网络模型
6.3 网络模型设计
6.3.1 设计思想
6.3.2 约束转换
6.3.3 模型描述
6.4 理论证明
6.5 仿真结果
6.5.1 理论结果的验证
6.5.2 模型在并行排序中的应用
6.6 本章小结
第7章 意见动力学中马太效应的建模
7.1 引言
7.2 问题描述与马太效应模型设计
7.2.1 问题描述
7.2.2 社交网络
7.2.3 动态行为
7.2.4 分布式通信
7.2.5 马太效应模型
7.3 理论分析与结果
7.3.1 特征
7.3.2 收敛性分析
7.4 数值仿真与应用
7.4.1 数值实验
7.4.2 应用场景
7.5 本章小结
第8章 带时延的马太效应模型
8.1 引言
8.2 问题描述与模型设计
8.2.1 问题描述
8.2.2 模型设计
8.3 理论分析与结果
8.4 数值仿真实例
8.5 本章小结
第9章 变换社交网络下的马太效应模型
9.1 引言
9.2 问题描述与模型设计
9.2.1 问题描述
9.2.2 模型设计
9.3 理论分析与结果
9.4 数值仿真实例
9.5 本章小结
参考文献