Identifying influential spreaders in artificial complex networks

A long-term common belief in complex networks is that,the most connected nodes are the most efficient spreaders.However,recent investigations on real-world complex networks show that the most influential spreaders are those with the highest fc-shell values.It is well-known that,many real-world complex networks have scale free（SF）,small world（SW） properties,therefore,identification of influential spreaders in general artificial SF,SW as well as random networks will be more appealing.This research finds that,for artificial ER and SW networks,degree is more reliable than fc-shell in predicting the outcome of spreading.However,for artificial SF networks,fc-shell is remarkably reliable than degree and betweeness,which indicate that the four recently investigated real-world networks[Kitsak M,Gallos L K,Havlin S,Liljeros F,Muchnik L,Stanley H E,Makse H A,Identification of influential spreaders in complex networks,Nat.Phys.,2010,6：888-893.]are more similar to scale free ones.Moreover,the investigations also indicate us an optimal dissemination strategy in networks with scale free property.That is,starting from moderate-degree-nodes will be ok and even more economical,since one can derive roughly similar outcome with starting from hubs.     

Identifying Influential Spreaders in Complex Networks by Considering the Impact of the Number of Shortest Paths

Journal of Systems Science and Complexity - The study on how to identify influential spreaders in complex networks is becoming increasingly significant. Previous studies demonstrate that...     

一种新的交通网络效率衡量方法及其应用

提出了一个交通拥挤网络的效率衡量方法,该方法能综合反映网络中交通需求、路段流量、旅行费用等因素对网络效率的影响,并基于该衡量方法,设计了一个网络组件(如节点和路段等)的重要度评价方法,用来辨别网络中重要的节点和路段,且该评价方法计算简便,计算结果具有一致性.算例计算分析的结果表明,相对其他网络效率衡量方法,根据本文方法计算得到的网络效率,能科学地反映交通拥挤网络的实际运行情况,并验证了所提出的效率衡量方法和重要度评价方法的合理性,同时还说明了交通拥挤网络的效率和组件重要度,均与网络中当前交通流量有直接关系.     

Relative Degree Structural Hole Centrality,CRD−SH: A New Centrality Measure in Complex Networks

In order to assess influential nodes in complex networks, the authors propose a novel ranking method based on structural hole in combination with the degree ratio of a node and its neighbors. The proposed method is a response to the limitations of other proposed measures in this field. The structural hole gives a comprehensive attention of the information about the node topology in relation to its neighbors, whereas the degree ratio of nodes reflects its significance against the neighbors.Combination of the two aforementioned measures summarized in the structural hole leverage matrix demonstrates the importance of a node according to its position in the network structure. So a more accurate method for ranking influential nodes is established. The simulation results over different-scale networks(small networks with less than 30 nodes, medium networks with less than 150 nodes and large networks with more than 1000 nodes) suggest that the proposed method can rank important nodes more effectively and precisely in complex networks specifically in larger ones.     

基于数据场的复杂网络节点影响力建模与仿真

复杂网络节点影响力的研究是数据挖掘的重要组成部分。挖掘出复杂网络中有影响力的节点不仅具有重要的学术意义,且有助于抑制流行病的爆发、控制谣言的传播和推广电子商务产品等。通过选取每个节点的混合度分解值(Mixed Degree Decomposition,MDD)作为质量,将复杂网络抽象为数据场,结合数据场模型来识别有影响力的节点,并与一些著名的节点中心性方法进行对比。使用经典的传染病模型(Susceptible-Infected-Recovered,SIR)通过对比感染节点的数量来评估仿真性能。对实际网络的仿真实验结果表明,数据场模型能够有效的识别网络中有影响力的节点。     

企业集群创新网络动态演化模型

介绍了企业集群创新网络的组成与知识流动。基于物理学在复杂网络结构研究方面的新进展,设定了创新网络的初始状态和优先连接机制,提出形成企业集群创新网络的活动包括加点、加边和重连,认为遵循优先连接机制的这三类活动会使得集群创新网络成为规模有限的无尺度网络。创新网络具有较高的容错性而抗攻击能力较弱,而且网络的稳定性依赖于地方和非地方联系的适当组合。     

基于标签传播识别网络中的关键节点

基于标签传播动力学提出了一种识别网络关键节点的算法,主要思想是把每个节点接收到不同标签的数量作为判断节点重要性的指标。应用两种不同的传播模型,在不同网络上与其它中心性指标作比较。结果表明:基于标签传播的中心性指标比其它的中心性方法可以更好地识别网络中的关键节点。基于标签传播的中心性指标还具有以下优势:不需要利用网络的结构信息,因此可以推广到大规模网络上;揭示了一种现象——好的接收者往往也是好的传播者。     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.     

成本驱动的加权网络演变模型

建立以成本为主要偏好连接决定因素的加权网络演化模型,来深入理解交通运输网络背后的驱动力量.模型考虑交通运输业中的规模经济效应和拥挤效应,统一在成本函数之中.模型假设新点偏好连接成本小的点,连接后各边权重会发生变化,成本小的边流量增加可能性较大.根据航空业实际的成本函数进行数值模拟,模拟结果展示了服从截尾幂律分布的点度分布,非线性的点强度和点度关系,和先负后正的度相关性,能够较好地解释航空网络实证研究结果.     

A Routing Algorithm for Distributed Optimal Double Loop Computer Networks

ＡＲｏｕｔｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＤｉｓｔｒｉｂｕｔｅｄＯｐｔｉｍａｌＤｏｕｂｌｅＬｏｏｐＣｏｍｐｕｔｅｒＮｅｔｗｏｒｋｓＬｉＬａｙｕａｎ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ．...     

空间网络的标度性质对Naming Game演化行为的影响

鉴于社会网络结构对于信息传播、共识形成等社会行为的重要影响,在有限能量约束条件下,通过添加距离服从幂律分布的长程连边,构造出具有标度性质的空间网络。在此空间网络上,讨论了引入无意收听机制的Naming Game模型的演化行为。研究发现,存在一个最优的幂指数,使得该空间网络上的Naming Game模型收敛时间最短,当能量约束足够大时,这一最优幂指数趋于1.5附近。本研究说明,社会关系网络中的空间性质对于社会集体认同的形成有很大的影响。     

Detecting community structure: From parsimony to weighted parsimony

Community detection has attracted a great deal of attention in recent years. A parsimony criterion for detecting this structure means that as minimal as possible number of inserted and deleted edges is needed when we make the network considered become a disjoint union of cliques. However, many small groups of nodes are obtained by directly using this criterion to some networks especially for sparse ones. In this paper we propose a weighted parsimony model in which a weight coefficient is introduced to balance the inserted and deleted edges to ensure the obtained subgraphs to be reasonable communities. Some benchmark testing examples are used to validate the effectiveness of the proposed method. It is interesting that the weight here can be determined only by the topological features of the network. Meanwhile we make some comparison of our model with maximizing modularity Q and modularity density D on some of the benchmark networks, although sometimes too many or a little less numbers of communities are obtained with Q or D, a proper number of communities are detected with the weighted model. All the computational results confirm its capability for community detection for the small or middle size networks.     

基于模糊概率的多状态贝叶斯网络可靠性分析

利用贝叶斯网络对多状态系统进行可靠性分析时,各根节点不同状态的精确概率难以获得。因此提出了把模糊理论与贝叶斯网络方法相结合,将不同专家给出的根节点各状态发生概率的语言变量转化为三角模糊数,并经过均值化、解模糊和归一化得到不同状态的发生概率的精确值。将其代入多状态贝叶斯网络中,计算叶节点不同状态的发生概率,进而计算各根节点的后验概率及风险增加当量重要度。通过实例分析验证了该方法的可行性。应用该方法能够提高贝叶斯网络处理不确定性问题的能力,使其在解决多状态不确定性系统可靠性和安全性问题时发挥更大的作用。     

一种复杂网络中社团划分的新算法

为了寻找复杂网络中的社团结构,本文基于社团的核的定义和一些定量条件,提出一种新的寻找复杂网络中社团结构的算法。该算法的基本思想是首先构建社团的核心,然后寻找它的邻居的集合,把满足定量条件的邻居节点添加到该核心中,直到没有节点满足定量条件。重复这个过程找出网络中其它所有的社团。最后,通过Zachary和Dolphin social network两个经典网络验证了该算法的有效性。     

交通网络效率的度量和元件重要性的计算方法

针对固定需求和弹性需求的交通网络,综合考虑均衡状态下的出行行为、出行成本、出行需求以及路段流量等因素,分别 提出了网络效率的度量方法,并在此基础上计算网络元件的重要性.算例结果表明:所提出的效率度量方法和元件重要性计算公式是合理的,并对Braess悖论网络进行了分析,发现网络元件的重要性随需求变化而变化.所提出的方法和研究结论对设计和管理交通网络具有指导意义.     

多元偏好、社团结构与网络合作涌现仿真研究

在综合考虑复杂社会网络高集聚性、无标度性以及"社团结构"的基础上,依据"囚徒困境"博弈,建立了基于多元偏好的复杂社会网络演化博弈模型,创新性地将节点影响力运用于博弈策略的更新规则中,并利用Matlab平台进行仿真。从宏观特征和微观结构两方面,通过对照仿真实验,系统研究了多元偏好、社会网络的"社团结构"以及外部连接对合作涌现的影响及其作用机理。研究发现,多元偏好特征下社团结构特征影响主体的异质性期望水平;"社团结构"可以促进合作行为的涌现;社团外部影响力对合作涌现的影响与社团规模有关。     

装备保障体系关键节点分析

装备保障体系在现代战争中发挥着重要的后勤保障作用。一旦保障体系中的关键保障节点遭到袭击, 将会严重影响到系统保障能力的发挥。因此, 研究装备保障体系中的关键节点识别技术, 找出薄弱环节, 对于未来战争有着重要意义。本文以复杂网络为理论基础, 提出了一种衡量保障节点重要性的指标。该节点重要性指标一方面衡量保障节点在一定空间范围内的连接能力, 另一方面按照新提出的面向任务需求的路由方式, 衡量保障节点的全局运输能力。通过与另外6种节点的重要性指标对比, 结果从多方面证明了所提的节点重要性指标在识别关键节点时的有效性及适用性。     

考虑节点失效网络可靠性计算的重要度抽样随机模拟

针对同时考虑节点和边单元失效的一般赋权网络,提出了一种考虑节点失效网络连通可靠性计算的Monte Carlo随机模拟算法.Monte Carlo随机模拟方法包含单元状态抽样、网络系统连通状态分析和连通功能函数指标统计三个阶段.在系统连通状态分析阶段,提出将一般赋权网络转换为边权网络的等效化方法,此方法无需额外增加等效节点或边;在单元状态抽样阶段,采用重要度抽样函数进行随机抽样,增加对失效概率贡献大的抽样点出现概率,利用自适应方法求解最优重要度抽样函数.算例分析中,根据模拟均值的相对误差和变异系数两个指标,说明了本文方法的正确性和有效性.     

航班运行风险网络的传播与控制改进

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。     

基于节点批量生长机制的无标度网络演化模型

基于网络新生节点批量生长的机制,提出了一种无标度网络演化模型.模型中考虑了新生节点之间的耦合模式,并引入了新的参数,使其更符合现实网络的演化形式.采用主方程法对模型的度分布进行了解析,并通过数值模拟验证了模型具有无标度特性.而且,不同参数取值下较大的簇系数及平均路径长度为网络规模对数成长的特性也表明了该模型具有小世界效应.