利用自适应行走者探索复杂网络

寻找高效算法以探索大型网络并恢复其结构信息是一个开放问题。在此，我们通过提出一个模型来研究这一挑战，该模型中预先分配了归属节点的随机行走者在固定时间内穿越网络。我们认为，如果行走者将收集到的信息带回归属节点，则探索成功，否则无法检索数据。因此，在每个时间步，行走者以一定概率选择是后退接近归属节点还是走得更远。我们表明，在平均检索信息量和归属节点度方面，该问题存在一个最优解，并基于随机行走者的行为设计了一种自适应策略。最后，我们在网络重构的背景下比较了从模型中产生的不同策略。我们的结果可能有助于发现大规模网络中的未知连接。