最小支配集在多层网络影响最大化中的适用性
社会与信息网络
2025-09-18 v4 多智能体系统
摘要
最小支配集 (MDS) 是网络可控性中一个既定概念， 已成功应用于各类领域， 包括传感器布置、网络韧性以及疫病控制。 在本研究中， 我们改进局部优化 MDS 程序， 并探索其在多层网络 (MLN) 中增强影响最大化种子选择的潜力。 我们采用线性阈值模型 (LTM)， 其以直观方式表征影响扩散或舆论动力学， 通过考虑同伴影响累积。 为确保可解释性， 我们利用秩细化种子选择方法， 并以 MDS 进行结果筛选。我们的发现表明， 将 MDS 纳入种子选择过程仅在特定情形下能提升扩散效果。值得注意的是， 这种提升仅在种子预算较大、激活阈值较低且采用 "AND" 策略聚合跨网络层次影响时可观察到。此情形反映了个体无需主要同事持有目标舆论， 但必须跨越所有社交圈的影响情形。
引用
@article{arxiv.2502.15236,
title = {Applicability of the Minimal Dominating Set for Influence Maximization in Multilayer Networks},
author = {Michał Czuba and Mingshan Jia and Piotr Bródka and Katarzyna Musial},
journal= {arXiv preprint arXiv:2502.15236},
year = {2025}
}
备注
This is a pre-copyedited, author-produced version of an article accepted for publication in Journal of Complex Networks. The version of record following peer review is available online at: https://academic.oup.com/comnet