PrEF：基于渗流演化的框架用于大型网络中的扩散源定位问题
社会与信息网络
2022-05-20 v2 神经与进化计算
数据分析、统计与概率
物理与社会
摘要
我们假设在必要时可以调查网络中若干节点的状态，并研究这些节点如何配置能够更好地解决扩散源定位（DSL）问题。具体而言，我们构建了一个必然包含扩散源的候选集，并提出基于渗流演化的框架（PrEF）以最小化该集合。因此，可进一步仅对少数节点开展更深入的调查以锁定源点。为此，我们首先证明了 DSL 问题与网络免疫问题之间存在某些相似性。我们发现，若将观测节点集视为移除节点集，则候选集的最小化等价于序参量的最小化。因此，PrEF 基于网络渗流与演化算法而构建。所提方法在模型网络与实证网络中针对不同情形均验证了其有效性。结果表明，在几乎所有情况下，所发展方法相较当前最优（SOTA）方法均能取得小得多的候选集。同时，我们的方法也更稳定，即在不同感染概率、扩散模型与爆发范围下均表现相近。更重要的是，我们的方法可能为应对极大型网络中的 DSL 问题提供新框架。
引用
@article{arxiv.2205.07422,
title = {PrEF: Percolation-based Evolutionary Framework for the diffusion-source-localization problem in large networks},
author = {Yang Liu and Xiaoqi Wang and Xi Wang and Zhen Wang and Jürgen Kurths},
journal= {arXiv preprint arXiv:2205.07422},
year = {2022}
}