复杂网络中自交互信号的源定位

我们研究复杂网络中自交互信号传播的源定位问题。我们以一种具有自交互过程的知名谣言模型为例。根据该基于 SIR 传染病动力学的模型，感染节点可能以概率 $\alpha$ 相互作用并彼此劝阻传播谣言。我们比较了三种源定位算法：有限 Pinto-Thiran-Vettarli (LPTV)、梯度最大似然 (GMLA) 以及一种基于时间与距离间皮尔逊相关的算法。数值模拟结果表明，感染节点间的额外交互降低了 LPTV 与皮尔逊方法的质量。GMLA 对自交互的有害效应最具抗性，这在过程随机性为中高水平、传播率低于 0.5 时尤为明显。其原因可能是 GMLA 仅使用最近的观测者，而这些观测者受感染节点间交互的影响小得多，因为此类接触在传染病发展、感染个体数量增加时才变得重要。