一种基于广义Laplacian的高阶网络平均可控中心性度量方法
本发明涉及复杂网络控制,尤其涉及一种基于广义laplacian的高阶网络平均可控中心性度量方法。
背景技术:
1、随着科学技术的不断发展,复杂网络在通信网络、交通系统、生物系统、社会网络和人工智能等领域得到了广泛应用。如何评价不同节点对网络动态行为的影响,并选择合适的控制节点实现对网络系统的有效调控,已经成为复杂网络控制研究中的重要问题。近年来,高阶网络因能够描述多个节点之间同时发生的高阶交互作用,逐渐成为复杂网络研究的重要方向。传统复杂网络主要通过节点和边描述节点之间的成对交互关系,而高阶网络可以利用单纯复形同时表示节点、边和三角形等不同阶次的相互作用,从而更加准确地描述实际系统中的群体关联和高阶耦合关系。
2、实际工程系统中的高阶网络通常具有节点数量多、拓扑结构复杂以及高阶关联关系密集等特点。随着网络规模不断扩大,直接构造、存储和分解高维可控性gramian矩阵需要消耗大量计算资源。在进行全部节点的平均可控中心性比较、控制节点筛选或者网络参数分析时,还需要重复执行相关矩阵运算,进一步增加计算量和存储开销。现有平均可控中心性研究主要面向基于成对交互关系的低阶网络、严格稳定系统或者规模相对较小的网络,对同时具有高阶拓扑结构、零特征值模态和复杂时间尺度特征的网络仍缺乏有效的评价手段。因此,如何在保留高阶网络拓扑特征和原有动力学性质的基础上,降低大规模矩阵运算所带来的计算负担,并准确揭示不同时间尺度下节点平均可控中心性的变化规律,是高阶网络控制领域需要解决的技术问题。对上述问题进行研究,不仅有助于拓展复杂网络平均可控中心性的理论体系,还能够为大规模复杂系统中的关键控制节点识别、控制资源配置和调控能耗优化提供理论依据与技术支撑。
技术实现思路
1、针对现有技术的不足,本发明提供一种基于广义laplacian的高阶网络平均可控中心性度量方法;通过构建同时包含节点成对交互与高阶交互关系的单纯复形网络模型,建立有限控制时间下的可控性gramian及节点平均可控中心性计算模型,实现对不同时间尺度下节点控制能力变化规律的定量分析。通过充分利用单纯复形的高阶拓扑结构和系统谱特性,本发明能够揭示节点平均可控中心性在短时间相近、中间时间差异显著以及长时间相对趋同的演化特征,为高阶网络关键控制节点识别、控制时间选择及控制资源合理配置提供理论依据。
2、本发明提供一种基于广义laplacian的高阶网络平均可控中心性度量方法,包括以下步骤:
3、步骤1:确定基于广义laplacian的
d-维单纯复形网络动力学方程;
4、构造一个具有
n个节点的单纯复形网络g=(
v,
e),其中,
v={
v1,
v2,…,
vn}为节点集,
vn为第
n个节点,
e={
vi,
vj}为边集,
vi和
vj分别表示第
i个节点和第
j个节点;(
i1,
i2,…,
id+1)表示节点之间的高阶交互,
id+1为第
d+1个节点;使用单纯形来表示节点之间的高阶交互,其中,0-单纯形为一个节点,1-单纯形为一条边,2-单纯形为一个三角形,
d-单纯形为
d+1个节点所构成的完全图;单纯复形网络中所有单纯形的集合称为它的单纯复形,使用单纯复形来表示高阶网络,所述高阶网络是无向无权、连通的;
5、在单纯复形网络结构的基础上,建立节点动力学模型;节点
i的状态演化描述为:
6、
7、其中,表示第
i个节点状态随时间
t的状态变化率,表示节点
i的状态,表示第
m个外部控制输入,表示施加在单纯复形网络上的外部控制输入的总数,表示节点
i是否受到外部输入的控制,函数表示由一个-单纯形所产生的内部耦合函数,表示相应的阶耦合强度,而是阶邻接张量中的一个元素,表示与节点共同参与某个-单纯形的其他节点索引,表示实数集合,表示维实向量集合;
8、根据式(1)构建基于广义laplacian的单纯复形网络的动力学方程,表示如下:
9、,(2);
10、其中,表示单纯复形整体状态向量对时间的一阶导数,表示单纯复形网络的广义laplacian矩阵,是施加在节点上的外部控制输入,是第个标准基向量,表示维实向量集合;
11、步骤2:构建有限时间可控gramian和节点平均可控中心性;
12、步骤2.1:构建有限时间可控gramian;
13、基于广义laplacian的单纯复形网络构建有限时间可控gramian,表示如下:
14、(3);
15、其中,表示单纯复形网络的有限时间可控gramian矩阵,表示单纯复形网络的广义laplacian矩阵,是第个标准基向量,表示有限控制时间,上标表示矩阵的转置,表示维实向量集合,表示积分时间变量;
16、步骤2.2:根据所构建的有限时间可控gramian得到相关节点有限时间平均可控中心性;
17、根据步骤2.1所得到的式(3),将节点平均可控中心性定义为有限时间可控gramian矩阵的迹,并对广义laplacian矩阵进行特征分解得到节点平均可控中心性,表示如下:
18、(4);
19、其中,是零特征值模态产生的所有节点共有项,表示节点对第个模态的参与程度,表示有限控制时间,表示广义laplacian矩阵的第个特征值,表示单纯复形网络中的节点总数;
20、步骤3:求解控制时间过短和过长的节点平均可控中心性;
21、根据式(4)中所得到的节点平均可控中心性,将控制时间划分为过短时间和过长时间,用来分析控制时间过短和过长的节点平均可控中心性;
22、具体采用基于广义laplacian谱尺度的客观时间划分标准,表示单纯复形网络的广义laplacian矩阵,其特征值满足:
23、(5);
24、其中,表示广义laplacian矩阵的第个特征值,表示最大特征值;分别以和作为过短时间和过长时间的客观尺度;
25、过短时间阈值表示如下:
26、(6);
27、其中,表示有限控制时间,表示最大特征值;
28、过长时间阈值表示如下:
29、(7);
30、其中,表示有限控制时间,表示第二小特征值;
31、控制时间过短得到的节点平均可控中心性,表示如下:
32、(8);
33、其中,表示单纯复形网络中的节点总数,表示有限控制时间;
34、控制时间过长得到的节点平均可控中心性,表示如下:
35、(9);
36、其中,表示单纯复形网络中的节点总数,表示有限控制时间,表示广义laplacian矩阵的第个特征值,表示节点对第个模态的参与程度。
37、采用上述技术方案所产生的有益效果在于:
38、本发明提供一种基于广义laplacian的高阶网络平均可控中心性度量方法,通过求解得到单纯复形网络的节点平均可控中心性,使节点平均可控中心性能够同时反映成对交互和多节点高阶交互对网络控制能力的影响。单纯复形的高阶拓扑结构通过改变广义laplacian矩阵的特征值和特征向量,影响节点在不同动态模态中的参与程度;其中,过短时间节点平均可控中心性主要反映节点的局部高阶耦合特征,过长时间节点平均可控中心性的节点偏移主要反映节点在全局高阶拓扑中的位置。该结果可用于研究高阶交互对关键控制节点识别、控制时间选择的影响。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com