开发式利用在复杂网络目标搜索中的意外优势

开发式利用（exploitation）普遍出现在各种决策情境中，例如动物觅食、网络浏览、科学家研究课题的演变以及我们的日常生活。尽管无处不在，开发式利用（指重访以往经验的行为）常被认为会延缓寻找目标的过程。在本文中，我们应用一种非马尔可夫随机游走模型来研究开发式利用如何影响搜索性能，其中游走者利用长期记忆随机重访先前访问过的节点。我们解析地研究了两类广泛的网络结构，即（i）团状网络和（ii）棒棒糖状网络，发现开发式利用在棒棒糖状网络中能显著改善搜索性能，而在团状网络中则阻碍目标搜索。此外，我们利用$550$个多样的实世界网络数值验证了开发式利用能减少完全探索底层网络所需的时间。基于解析结果，我们定义了网络的棒棒糖相似度，并观察到开发式利用的优势与棒棒糖相似度之间的正相关关系。