复杂网络中拓扑结构与目的地选择策略对智能体动态的影响

我们分析了复杂网络中的智能体行为：Barab\'asi-Albert（BA）、Erdos-R\'enyi（ER）和 Watts-Strogatz（WS）模型，遵循以下规则：智能体（a）在相邻节点中随机选择目的地；（b）将最拥堵的相邻节点排除为潜在目的地，并在剩余节点中随机选择目的地；或（c）选择最稀疏的相邻节点作为目的地。我们聚焦于节点度从零到最大约 20 的小规模复杂网络，以研究交通与运输网络中的智能体行为。我们测量了狩猎率（即每单位时间各节点中智能体数量的变化率）以及智能体在节点间分布的不平衡性。我们的仿真研究表明，当智能体执行完全随机游走时，网络的拓扑结构精确决定了智能体分布；然而，其目的地选择改变了智能体分布。值得注意的是，无论网络类型如何，当网络具有高节点度和高活动率时，与随机游走情形（a）和（b）相比，规则（c）使狩猎率和不平衡率显著升高。与（a）中的完全随机游走相比，（b）在低活动时提高了狩猎率同时降低了不平衡率；但在高活动时两者均升高。这些特征随时间呈现轻微的周期波动。此外，我们的分析表明，在 BA、ER 和 WS 网络模型中，当智能体遵循规则（a）-（c）且网络在所有时间步的一定时间内具备断开节点能力时，在随机断开选定节点的仿真中，狩猎率下降且不平衡率上升。我们的发现可应用于与复杂网络中智能体动态相关的各种应用。