复杂网络上的多目标搜索：全局平均随机覆盖时间的对数增长
物理与社会
2017-09-13 v3 社会与信息网络
摘要
我们研究了复杂网络上的多目标搜索，并推导了平均随机覆盖时间的精确表达式，该时间量化了行走者访问多个目标所需的期望时间。基于此，我们恢复并扩展了网络上多目标搜索的一些有趣结果。具体而言，我们观察到对于广泛的随机搜索过程，包括一般随机游走、有偏随机游走和最大熵随机游走，全局平均随机覆盖时间随目标数量呈对数增长。我们利用退火网络方法和Sherman-Morrison公式证明了这种对数增长模式是网络上多目标搜索的普遍特征。此外，我们发现对于有偏随机游走，全局平均随机覆盖时间可以被最小化，且相应的最优参数也使全局平均首次通过时间最小化，表明了其鲁棒性。我们的发现进一步确认了对数增长模式是受限介质中多目标搜索的普遍规律。
引用
@article{arxiv.1701.03259,
title = {Multitarget search on complex networks: A logarithmic growth of global mean random cover time},
author = {Tongfeng Weng and Jie Zhang and Michael Small and Ji Yang and Farshid Hassani Bijarbooneh and Pan Hui},
journal= {arXiv preprint arXiv:1701.03259},
year = {2017}
}