有向网络中同步的粗粒化

粗粒化模型是分析和可视化大规模网络的一种有前景的方法。粗粒化网络需要保持与原始网络相同的统计特性和动力学行为。一些方法已被提出并在无向网络中被证明有效，而对有向网络粗粒化的研究则缺乏关注。在本文中，我们提出了一种拓扑感知粗粒化 (TCG) 方法，用于对有向网络进行粗粒化。通过对四种有向网络（包括树状网络以及 Barabási-Albert 网络、Watts-Strogatz 网络和 Erdős-Rényi 网络的变体）进行同步的线性稳定性分析和 Kuramoto 模型的数值模拟，我们发现我们的方法能够有效地保持网络的同步能力。