[文献阅读报告] Controllability of complex networks

最新推荐文章于 2024-09-14 16:43:45 发布

南山夜梦

最新推荐文章于 2024-09-14 16:43:45 发布

阅读量495

点赞数

分类专栏：论文阅读文章标签：人工智能深度学习神经网络知识图谱

本文链接：https://blog.csdn.net/fengjiuxin/article/details/126369095

版权

论文阅读专栏收录该内容

2 篇文章 0 订阅

订阅专栏

研究问题：加权有向图的网络架构如何影响网络的可控性

1.写作目的、问题背景

研究复杂加权有向图的网络架构是如何影响网络的可控性，并且提出了一种计算最小驱动节点数量Nd的方法
问题背景：
有两个原因造成复杂网络可控性研究停滞，一个是网络的架构，另一个是网络各组件在不同时间的交互。目前的研究将研究重点放在了网络架构上，但是除了一些概念性的工作，并没有找到网络架构影响网络可控性的通用解。Kalmin等式条件提供了可控性的充分必要条件，但是Kalmin等式条件中的所必须的矩阵A难以获得，且运用到大型复杂网络上的计算复杂度是不可接受的，所以论文提出了一个新的工具设法解决了任意网络拓扑结构和规模的控制性问题。

2.文章内容

文章首先提出了结构可控制性的概念，如果可以找到非零的矩阵A和B使得等式三成立，就将（A，B）确定为结构性可控制的，一个结构性可控制矩阵可以被证明除了极少数的限制条件下的系统，在大多数权重组合下都是可以控制的。这样就解决了Kalmin等式条件中矩阵的难以获得问题。另外，结构可控制性因为蕴含这线性变化系统的在时间上的可控制性，因此也为证明非线性变化系统的控制提供了充分条件。
论文将这个问题的求解转化为一个等价的几何问题：我们可以完全控制一个有向图当且仅当我们直接控制未匹配顶点并且有有向路径从输入节点指向全部的已匹配节点。所以，最小驱动节点数的计算即为这个系统第一个重要的因素。通过这个等价问题，论文将问题复杂度降到。
论文选取了不同的网络，用等价问题计算最小驱动节点数量，如基因调控网络、万维网、引用网络等，对于这些网络，因为先前的一些了解，使得我们对其驱动节点数量有一定的估计，但是使用等价问题求解出来的结果与正常认知相反：例如，我们认为有很少驱动节点的基因调控网络有将近百分之八十的驱动节点，而我们认为有很少驱动节点的社交网络却只有部分驱动节点。随后为了验证Hub节点是否是重要的调控节点，论文绘制了驱动节点平均度与所有节点平均度的关系，发现驱动节点的平均度与正常节点无异或显著少于。论文使用rand-ER和rand-degree方法随机化网络，得到了相应的结果，统计真实情况与两种随机化网络的Nd值，发现rand-degree方法与真实值结果较为一致。由此得出，Nd的值与复杂网络的度分布有关，并在之后使用rand-degree方法随机化的网络验证计算结果。
论文使用cavity method，得到了一个计算Nd的公式，从得到的结果来看，计算得到的Nd与rand-degree方法得到的结果相一致，因此，与实际情况的结果也有较好的结果。在这里插入图片描述 cavity method给出了两个自洽的渐进公式，

在这里插入图片描述

前者是对应ER图，后者对应scale-free图。论文从这两个公式中挖掘出了很多信息。1、对于公式2，r=2是一个重要点，当r>2时，我们可以找到有限的节点集合控制整个网络。2、r>3时，使用公式2得到的结果与与真实结果非常相近，但是在r=2时并没有得到一个较好的结果，论文给出解释是与度相关性有关联并给出了一种解决方法，即使用度裁剪3、当固定值时，Nd随着r的增大而减小，证明Nd被网络的度异构性影响，下图即为可视化出的Nd与和r的相关关系。
在这里插入图片描述

论文定义了度异构指数H，当R增加时，H减小。当我们固定或者r时，Nd与H单调增加和减少。下图为可视化出的相应结果。
在这里插入图片描述

综上所述，文章给出了结论。1、一个网络越稠密所需要的driver nodes就越少。2、平均度的微小变化可以导致Nd不同数量级的增长。3、节点度之间的差异越大，所需要的driver nodes的数量就越大。由此得出，稀疏且异质的网络需要最多的driver nodes，意味着拥有这样网络的系统是最难控制的。
最后一个部分是控制的鲁棒性，为了测定控制的鲁棒性，将所有的边分为critical、redundant、ordinary三个类别，论文可视化了三类边的分布特点，并且研究了三类边的影响因素。
大部分网络只有很少或者没有critical link，大多数的link是普通的，这意味着大部分的link与控制无关。
在这里插入图片描述

首先对于网络中的两种不同的拓扑结构叶子结点数和核心节点数，对于ER图和scale-free图，在k<<>时，核心节点的数量等于零，所以系统中只有叶子节点，在kc时，核心节点数量指数行增多，减少了叶子节点的数量。基于这两种拓扑结构节点类型的变化，使得三种类型的边数量随着值增加而改变，在小时，几乎所有的link都要参与控制，所以critical link占比很大，随着增大，critical link占比相应减小，与比例相应增大，然后在k = <>时，因为核心节点和叶子节点数量的变化，指数型增长，指数型下降。对于scale-free网络也有相似的结果。
!![在这里插入图片描述 ](https://img-blog.csdnimg.cn/37cca6a122814be99a4fbf61be54836d.png)

3.方法创新点

利用最大匹配理论解决了复杂网络的结构可控性问题。提出一个系统结构可控需要的独立控制器（Driver）为系统非匹配节点数（完美匹配时为系统任意一个节点），并且Driver数与网络度分布存在密切关联。提出一个定量的方法研究复杂网络的控制性。建立了解决任意拓扑结构和数量的网络的工具，给出了由度分布计算最小驱动节点数量的公式。