基于邻域信息的网络解体概率算法
社会与信息网络
2020-03-11 v1 人工智能
神经与进化计算
最优化与控制
摘要
许多现实应用可建模为复杂网络，此类网络包括互联网、传染病网络、交通网络、电网、蛋白质折叠结构等。网络完整性与鲁棒性对于保护关键网络并瓦解有害网络至关重要。网络结构与完整性可由一组关键节点控制，而寻找网络中确保网络结构与完整性的最优节点组合是一个 NP 完全问题。尽管已有广泛研究，现有方法仍存在诸多局限，许多问题尚待解决。本文提出一种基于邻域信息与节点重要性的概率方法，即基于邻域信息的概率算法（NIPA）。我们还定义了一种新的基于中心性的重要性度量（IM），其结合了各目标节点的邻节点贡献比与两跳节点信息。我们所提出的 NIPA 已在不同的网络基准上测试，并与另外三种方法比较：最优攻击策略（OAS）、高介数优先（HBF）与高度优先（HDF）。实验表明，所提 NIPA 在四种方法中最为有效。总体而言，NIPA 能以更高效率识别最关键节点组合，且由 NIPA 求得的最优关键节点集合远小于启发式中心性预测所得。此外，许多先前被忽视的弱连接节点被识别出来，成为新确定最优节点的重要组成部分。因此，建议修订保护策略以保障网络完整性。文中还讨论了进一步的关键问题与未来研究方向。
引用
@article{arxiv.2003.04713,
title = {Neighborhood Information-based Probabilistic Algorithm for Network Disintegration},
author = {Qian Li and San-Yang Liu and Xin-She Yang},
journal= {arXiv preprint arXiv:2003.04713},
year = {2020}
}
备注
25 pages, 13 figures, 2 tables