گره های تأثیرگذار در شبکه های پیچیده

 

 

 

گره های تأثیرگذار در شبکه های پیچیده

 

 

چکیده

طرز شناسایی گره های تأثیرگذار در شبکه های پیچیده همچنان مساله ای پابرجاست.

برخی معیارهای مرکزیت برای رفع این مشکل ارائه شده است.

 

با این وجود، این مطالعات تنها بر یک مرکزیت متمرکز است و هر یک از معیارهای مرکزیت نقص ها و محدودیت های خاص خود را داراست.

در این مقاله، برای حل مشکلات یادشده، روشی جدید برای شناسایی گره های تأثیرگذار بر اساس قانون معکوس مربع ارائه گردیده است.

جاذبه میان گره های مختلف در شبکه پیچیده به این صورت که به طور معکوس متناسب با مربع فاصله بین دو گره است، تعریف گردیده است.

 

 

 

 

 

 

 

 

پس از آن تعریف شدت گره در یک شبکه پیچیده مطرح شده و به عنوان مجموع میزان جاذبه میان یک جفت گره در شبکه توصیف گردیده است.

 

شیوه رتبه بندی بر اساس شدت گره، که می تواند به عنوان تأثیر گره هم در نظر گرفته شود، ارائه می شود.

به منظور نشان دادن اثربخشی روش پیشنهادی، چنآزمایش هایی دین آزمایش برای شناسایی شبیه سازی گره های حیاتی در چهار شبکه واقعی انجام می شود و با نتایج آزمایش های مقایسه ای می توان فواید روش پیشنهادی را نشان داد.

 

 

گره های تأثیرگذار در شبکه های پیچیده

 

مقدمه

در سال های اخیر، تئوری شبکه های پیچیده در بسیاری زمینه ها از جمله علوم طبیعی، اقتصاد، علوم مدیریت، علوم زیست شناسی و علوم کامپیوتر بسیار مورد توجه قرار گرفته است.

ضمنا بسیاری از مکانیسم ها، مانند آبشار، گسترش و همگام سازی، تحت تأثیر اندکی از گره های تأثیرگذار قرار گرفته است.

از این رو،  در حال حاضر تحقیقات زیادی در مورد سیستم ها و شبکه های پیچیده صورت گرفته است.

به ویژه، مطالعه در مورد ارزیابی اهمیت گره ها دارای اهمیت نظری و عملی است، به عنوان مثال می توان برای کنترل بیماری، تحقیقات در مورد افکار عمومی و گسترش شایعات استفاده کرد.

 

انجام پایان نامه کامپیوتر

 

گره های حیاتی در شبکه به معنای تأثیر اساسی در ساختار و عملکرد شبکه به نسبت سایرین است.

 

در حالت کلی، ممکن است تعداد گره های مهم شبکه چندان زیاد نباشد، اما تاثیر زیادی در کل شبکه دارد. بنابراین، روشهای زیادی برای ارزیابی تأثیر گره ها در شبکه های پیچیده ارائه شده است، از جمله مرکزیت میانی (BC) ، مرکزیت نزدیکی (CC) ، مرکزیت درجه (DC) ، مرکزیت ویژه (EC) ، رتبه پیج (PR) ، رتبه پیشرو (LR) و بسیاری اقدامات دیگر.

این روش های اندازه گیری بطور گسترده ای به کار گرفته شده و از دیدگاه های مختلف ارتقا یافته اند.

بایستی به این نکته توجه داشت که اقدامات مرکزیت موجود تنها بر جنبه های خاصی متمرکز است و کاستی ها و محدودیت های مخصوص به خود را دارد.

به عنوان مثال، روش DC دارای ویژگی های عملکردی بالا و پیچیدگی اندک است، اما تنها به اطلاعات محلی گره ها متمرکز گردیده و از اطلاعات جهانی چشم پوشی می کنند.

 

 

گره های تأثیرگذار در شبکه های پیچیده

 

نگارش مقاله کامپیوتر

مقدمه بالا روش های پیشرفته ای را برای شناسایی گره حیاتی فردی توضیح داده است.

 

علی رغم این در برخی از برنامه ها، باید مجموعه کوچکی از گره های تأثیرگذار که نقش کلیدی را در کل شبکه بازی می کنند را شناسایی کرد، مانند شبکه گسترش همه گیری، یک گروه از افراد پرخطر برای جلوگیری از ابتلا به بیماری گسترده باید ایمن سازی شوند.

نتیجه

روشی جدید برای شناسایی گره های تأثیرگذار بر اساس قانون معکوس مربع در این مقاله ارائه گردیده است. جاذبه متقابل میان گره های مختلف در شبکه های پیچیده به این صورت تعریف می شود، که متناسب با محصول درجه گره ها، و از نظر معکوس متناسب با مربع فاصله میان گره های مختلف است.

 

بعلاوه، تعریف شدت گره به صورت مجموع جاذبه متقابل میان هر گره و سایر گره های شبکه ارائه شده است.

 

 

 

 

 

 

 

به طور طبیعی شدت گره می تواند به صورت تاثیر آن در نظر گرفته شود که به عنوان مولفه های الگوریتم رتبه بندی مورد استفاده قرار گیرد.

برای اثبات اثربخشی روش پیشنهادی، چندین آزمایش برای مقایسه روش ارائه شده با روش اندازه گیری مرکزیت موجود بر اساس چهار شبکه واقعی صورت گرفته، و نتایج تجربی عملکرد بهتری روشمان را نشان می دهد.

علی رغم این همچنان هم برخی مشکلات بالقوه وجود دارد، که در آینده بایستی برای ارتقای تحقیقات فعلی برطرف شود. برای مثال، در مورد رتبه بندی گره ها، چنین مشکلی به ناچار رخ می دهد.

 

در صورت به کار گیری روش پیشنهادی ما، اگر شدتهای بدست آمده از دو گره برابر باشد، چگونه می توان رتبه آنها را تعیین کرد.

 

گره های تأثیرگذار در شبکه های پیچیده

به منظور مطالعات آتی، قانون مربع معکوس برای نتایج بهتر می تواند به اشکال مختلف گسترش یابد. بنابراین، در مطالعه آتی، چارچوب روش پیشنهادی برای شناسایی گره های تأثیر پذیر بر اساس قانون معکوس مربع را می توان به طرز چشمگیری بهبود بخشید.

به عنوان مثال، آیا می توان فاصله گره ها را با مقادیر دیگر بیان کرد، و آیا می توان برای تنظیم شدت گره و دستیابی به اثرگذاری بهتر برخی پارامترهای دیگری افزود؟

 

 

برای مشاهده مطالب بیشتر به  سایت www.farzdon.ir مراجعه نماید. 

 

 

گره های تأثیرگذار در شبکه های پیچیده