网络可控性 - 版本历史

薄荷：/* CSDN社区 */

2021-07-31T13:30:06Z

CSDN社区

2021年7月31日 (六) 06:39 唐糖糖

2021-07-31T06:39:39Z

唐糖糖：/* 背景 */

2021-07-31T06:38:45Z

背景

2021年7月31日 (六) 06:37 唐糖糖

2021-07-31T06:37:47Z

唐糖糖：/* 编者推荐 */

2021-07-31T06:31:13Z

编者推荐

唐糖糖：/* 编者推荐 */

2021-07-31T06:30:24Z

编者推荐

唐糖糖：/* 编者推荐 */

2021-07-31T06:29:30Z

编者推荐

唐糖糖：/* 编者推荐 */

2021-07-31T06:28:32Z

编者推荐

唐糖糖：/* 编者推荐 */

2021-07-31T06:27:10Z

编者推荐

唐糖糖：/* 编者推荐 */

2021-07-31T06:25:36Z

编者推荐

@@ 第88行： / 第88行： @@
 ===CSDN社区===
-====[https://blog.csdn.net/fnoi2014xtx/article/details/106773719?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162771099716780261986704%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162771099716780261986704&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-106773719.pc_search_result_control_group&utm_term=%E4%BB%A3%E6%95%B0%E5%9B%BE%E8%AE%BA&spm=1018.2226.3001.4187 图论与代数结构]====
+*[https://blog.csdn.net/fnoi2014xtx/article/details/106773719?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162771099716780261986704%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162771099716780261986704&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-106773719.pc_search_result_control_group&utm_term=%E4%BB%A3%E6%95%B0%E5%9B%BE%E8%AE%BA&spm=1018.2226.3001.4187 图论与代数结构]
 <br/><br/><br/>
 ----
-本中文词条由信白初步参与编译，[[用户:Qige96|Ricky]]审校，糖糖编辑，如有问题，欢迎在讨论页面留言。
+本中文词条由信白初步参与编译，[[用户:Qige96|Ricky]]审校，[[用户:唐糖糖|糖糖]]编辑，如有问题，欢迎在讨论页面留言。

←上一版本		2021年7月31日 (六) 06:39的版本
第42行：		第42行：

	虽然'''稀疏图 Sparser Graph'''更难以控制<ref name="Liu-Nature-11"/><ref name = "Arxiv_Close_Betw"/> ，但是，中介中心性和紧密度中心性<ref name = "Arxiv_Close_Betw"/>，或'''度异质性 Degree Heterogeneity'''<ref name="Liu-Nature-11"/>在决定具有几乎相似的度分布的稀疏图的可控性中是否起更重要的作用？这是个有趣的问题。		虽然'''稀疏图 Sparser Graph'''更难以控制<ref name="Liu-Nature-11"/><ref name = "Arxiv_Close_Betw"/> ，但是，中介中心性和紧密度中心性<ref name = "Arxiv_Close_Betw"/>，或'''度异质性 Degree Heterogeneity'''<ref name="Liu-Nature-11"/>在决定具有几乎相似的度分布的稀疏图的可控性中是否起更重要的作用？这是个有趣的问题。
		+

	== 复合量子系统的控制与代数图论 ==		== 复合量子系统的控制与代数图论 ==

@@ 第23行： / 第23行： @@
-同样值得关注的是，刘等人的工作<ref name="Liu-Nature-11"/>提出了这么一个问题<ref name = "Arxiv_Close_Betw">{{cite arXiv|first=SJ |last=Banerjee |first2=S |last2=Roy|title=Key to Network Controllability|eprint=1209.3737}}</ref> ：'''度 Degree''',作为网络中一种纯粹的局部度量，能否完全描述网络的可控性？是不是即便稍微远一点的节点，就对网络的可控性没有影响？事实上，对于许多'''现实世界里的网络 Real-World Networks'''，像'''食物网络 Food Webs'''、'''神经元网络 Neuronal Network''' 和'''代谢网络 Metabolic Network'''，Liu等人计算的<math>{n_\mathrm{D}}^{real}</math><math>和{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 的值并不匹配<ref name="Liu-Nature-11"/>。值得注意的是。如果可控性主要是由度决定，那么为什么对于许多现实世界的网络来说，<math>{n_\mathrm{D}}^{real}</math> 和 <math>{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 如此不同？他们认为<ref name="Liu-Nature-11"/>，这可能是由于度相关性的影响。然而，已有的研究表明<ref name = "Arxiv_Close_Betw"/>，网络的可控性只能通过中间性和封闭性来改变，而完全不需要使用度（图论）或'''度相关性 Degree Correlations'''。(arXiv:1203.5161v1)
+同样值得关注的是，刘等人的工作<ref name="Liu-Nature-11"/>提出了这么一个问题<ref name = "Arxiv_Close_Betw">{{cite arXiv|first=SJ |last=Banerjee |first2=S |last2=Roy|title=Key to Network Controllability|eprint=1209.3737}}</ref> ：'''度 Degree''',作为网络中一种纯粹的局部度量，能否完全描述网络的可控性？是不是即便稍微远一点的节点，就对网络的可控性没有影响？事实上，对于许多'''现实世界里的网络 Real-World Networks'''，像'''食物网络 Food Webs'''、'''神经元网络 Neuronal Network''' 和'''代谢网络 Metabolic Network'''，Liu等人计算的<math>{n_\mathrm{D}}^{real}</math><math>和{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 的值并不匹配<ref name="Liu-Nature-11"/>。值得注意的是。如果可控性主要是由度决定，那么为什么对于许多现实世界的网络来说，<math>{n_\mathrm{D}}^{real}</math> 和 <math>{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 如此不同？他们认为<ref name="Liu-Nature-11"/>，这可能是由于度相关性的影响。然而，已有的研究表明<ref name = "Arxiv_Close_Betw"/>，网络的可控性只能通过中间性和封闭性来改变，而完全不需要使用度（图论）或'''度相关性 Degree Correlations'''。
@@ 第42行： / 第42行： @@
 虽然'''稀疏图 Sparser Graph'''更难以控制<ref name="Liu-Nature-11"/><ref name = "Arxiv_Close_Betw"/> ，但是，中介中心性和紧密度中心性<ref name = "Arxiv_Close_Betw"/>，或'''度异质性 Degree Heterogeneity'''<ref name="Liu-Nature-11"/>在决定具有几乎相似的度分布的稀疏图的可控性中是否起更重要的作用？这是个有趣的问题。
 == 复合量子系统的控制与代数图论 ==

@@ 第15行： / 第15行： @@
 \dot{\mathbf{X}}(t) = \mathbf{A} \cdot \mathbf{X}(t) + \mathbf{B}\cdot \mathbf{u}(t)
 </math>
 其中，向量 <math>\mathbf{X}(t)=(x_1(t),\cdots,x_N(t))^\mathrm{T}</math> 表示在 <math>N</math> 个节点的系统时间 <math>t</math>时的状态。
 <math>N \times N</math> 的矩阵 <math>\mathbf{A}</math> 描述了系统的连接图以及各组分之间的交互强度。<math>N \times M</math> 矩阵 <math>\mathbf{B}</math> 列出了由外部控制器控制的节点。控制器通过施加给系统的时间相关向量 <math>\mathbf{u}(t) = (u_1(t),\cdots,u_M(t))^\mathrm{T}</math> 来实现对系统的控制。为了确定驱动节点的最小数目，<math>N_\mathrm{D}</math>，亦即确定对最少几个节点施加控制便足以完全控制系统的动力学进程，在这方面，Liu等人尝试了'''将结构控制理论 Structural Control Theory'''、'''图论 Graph Theory '''和'''统计物理 Statistical Physics'''的工具的结合。<ref name="Liu-Nature-11">{{cite journal | last=Liu | first=Yang-Yu | last2=Slotine | first2=Jean-Jacques | last3=Barabási | first3=Albert-László | title=Controllability of complex networks | journal=Nature | publisher=Springer Science and Business Media LLC | volume=473 | issue=7346 | year=2011 | issn=0028-0836 | doi=10.1038/nature10011 | pages=167–173}}</ref> 他们发现<ref name="Liu-Nature-11"/>，完全控制一个网络所需要的最少输入或驱动节点，取决于网络的'''最大匹配 maximum matching'''，也就是不共享起始顶点和终止顶点的最大边集。从这个结论出发，一个基于''入-出度分布''的分析框架被开发出来，用于预测'''无标度网络 scale-free network'''和'''ER随即图 Erdős–Rényi Graph<ref name="Liu-Nature-11"/>'''的<math>n_\mathrm{D} =N_\mathrm{D}/N </math>值。<ref name="gates_rocha_scirep">{{cite journal | last=Gates | first=Alexander J. | last2=Rocha | first2=Luis M. | title=Control of complex networks requires both structure and dynamics | journal=Scientific Reports | publisher=Springer Science and Business Media LLC | volume=6 | issue=1 | date=2016-04-18 | issn=2045-2322 | doi=10.1038/srep24456 | page=24456|doi-access=free}}</ref>
 同样值得关注的是，刘等人的工作<ref name="Liu-Nature-11"/>提出了这么一个问题<ref name = "Arxiv_Close_Betw">{{cite arXiv|first=SJ |last=Banerjee |first2=S |last2=Roy|title=Key to Network Controllability|eprint=1209.3737}}</ref> ：'''度 Degree''',作为网络中一种纯粹的局部度量，能否完全描述网络的可控性？是不是即便稍微远一点的节点，就对网络的可控性没有影响？事实上，对于许多'''现实世界里的网络 Real-World Networks'''，像'''食物网络 Food Webs'''、'''神经元网络 Neuronal Network''' 和'''代谢网络 Metabolic Network'''，Liu等人计算的<math>{n_\mathrm{D}}^{real}</math><math>和{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 的值并不匹配<ref name="Liu-Nature-11"/>。值得注意的是。如果可控性主要是由度决定，那么为什么对于许多现实世界的网络来说，<math>{n_\mathrm{D}}^{real}</math> 和 <math>{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 如此不同？他们认为<ref name="Liu-Nature-11"/>，这可能是由于度相关性的影响。然而，已有的研究表明<ref name = "Arxiv_Close_Betw"/>，网络的可控性只能通过中间性和封闭性来改变，而完全不需要使用度（图论）或'''度相关性 Degree Correlations'''。(arXiv:1203.5161v1)
-[[File:page1-330px-YYL2.pdf.jpg|right|thumb|图2：示意图显示了一个有向向网络的控制。对于给定的有向网络（图a），可以计算其最大匹配：没有共同头部或尾部的最大边集。最大匹配将由一组顶点不相交的有向路径和有向环组成（请参见图b中的红色边缘）。如果一个节点是匹配边的头部，则该节点是匹配的（图b中的绿色节点）。否则，它是不匹配的（图b中的白色节点）。那些不匹配的节点是需要施加控制的节点，即驱动节点。通过向这些驱动节点注入信号，可以得到一组以起点为输入的有向路径（见图c）。这些路径被称为“茎”。得到的有向图称为U根因子连接。通过将定向周期“嫁接”到那些“茎”，人们就会得到“芽”。得到的有向图称为'''仙人掌 cacti'''（见图d）。根据结构可控性定理，由于存在跨越受控网络的cacti结构（参见图e），因此该系统是可控的。受控网络（图e）下的cacti结构（图d）是维持可控性的“骨架”。]]
 === 结构可控性 ===
 结构性质的概念最早是由 Lin (1974) <ref name="Lin-74">C.-T. Lin, ''IEEE Trans. Auto. Contr.'' '''19'''(1974).</ref> 提出的，然后由 Glover 和 Silverman (1976)扩展。 <ref name="Shields-76">R. W. Shields and J. B. Pearson, ''IEEE Trans. Auto. Contr.'' '''21'''(1976).</ref><ref name="Glover-76">K. Glover and L. M. Silverman, ''IEEE Trans. Auto. Contr.'' '''21'''(1976).</ref> 主要的问题是，对于可变系统参数来说，缺乏可控性或可观测性是否是普遍存在的现象。在结构控制的框架里，系统参数要么是独立自由变量，要么是固定的0。这对于物理系统的模型是一致的，因为参数值永远不会准确地获得，零值除外，零值代表没有交互和连接。
 === 最大匹配 ===
 在图论中，匹配（图论）是一组没有共同顶点的边。Liu等人<ref name="Liu-Nature-11"/>将此定义扩展到有向图，其中匹配是一组不共享起始或终止顶点的有向边。很容易知道，有向图的匹配由一组顶点不相交的简单路径和周期组成。定向网络的最大匹配可以通过在'''二部图表示 Bipartite Representation'''中使用经典的'''Hopcroft-Karp 算法'''来高效地计算，该算法在最坏情况下的时间复杂度是O(''E'')。对于无向图，统计物理中开发的'''空腔法 Cavity Method'''研究了最大匹配的大小和数量的解析解。<ref name="Zdeborova-06">L. Zdeborová and M. Mezard, ''J. Stat. Mech.'' '''05''' (2006).</ref>Liu等人<ref name="Liu-Nature-11"/>扩展了有向图的计算范围。
 通过计算各种真实网络的最大匹配，Liu等人<ref name="Liu-Nature-11"/>断言驱动节点的数量主要由网络度分布<math>P(k_\mathrm{in}，k_\mathrm{out})</math>决定。他们还使用空腔方法计算了具有任意度分布的网络集合的驱动节点的平均数量。有趣的是，对于'''链图 Chain Graph'''和'''弱密集连通图 Weak Densely Connected Graph'''，两者都具有非常不同的进出度分布；Liu等人的公式<ref name="Liu-Nature-11"/>将会计算得出出<math>{n_\mathrm{D}}</math>的相同值。此外，对于许多真实世界地网络，即食物网、神经元和代谢网络，Liu等人计算的<math>{n_\mathrm{D}}^{real}</math> 和 <math>{n_\mathrm{D}}^\mathrm{rand\_degree}</math> 值的不匹配<ref name="Liu-Nature-11"/> 。值得注意的是，如果可控性纯粹由度决定，那为什么<math>{n_\mathrm{D}}^{real}</math>和<math>{n_\mathrm{D}}^\mathrm{rand\_degree}</math>对于许多现实世界的网络来说是如此不同？对于网络中的控制健壮性是否更多地受到基于度的'''中介中心性 Betweenness Centrality'''和'''紧密度中心性 Closeness Centrality'''<ref name = "Arxiv_Close_Betw"/>的影响，仍然是开放的。
 虽然'''稀疏图 Sparser Graph'''更难以控制<ref name="Liu-Nature-11"/><ref name = "Arxiv_Close_Betw"/> ，但是，中介中心性和紧密度中心性<ref name = "Arxiv_Close_Betw"/>，或'''度异质性 Degree Heterogeneity'''<ref name="Liu-Nature-11"/>在决定具有几乎相似的度分布的稀疏图的可控性中是否起更重要的作用？这是个有趣的问题。
 == 复合量子系统的控制与代数图论 ==
@@ 第50行： / 第59行： @@
 * [http://barabasilab.neu.edu/projects/controllability/ 美国东北大学网络可控性项目网站]
 * [https://www.youtube.com/watch?v=9-q2qpOJfkg 网络可控性演示视频]

@@ 第88行： / 第88行： @@
+<br/><br/><br/>
 ----
 本中文词条由信白初步参与编译，[[用户:Qige96|Ricky]]审校，糖糖编辑，如有问题，欢迎在讨论页面留言。

@@ 第59行： / 第59行： @@
 [[File:f48f96225cb23729c7e2e865a6ac516a.jpg|thumb|150px|right|图3：赵海兴，现任青海师范大学校长，主要从事网络科学和信息处理的研究工作。]]
 [[File:2d2f8afec6f3a1ae10d74a5350dcdf5b.png|right|150px|thumb|图4：吴金闪，北京师范大学系统科学教授，一直在践行和呼吁融合边界的研究、教学和思考。]]
 ====[https://campus.swarma.org/mobile/course/1745 漫谈图论的起源、发展与应用]====
 讲师为赵海兴，课程难度为中级。本课程中，介绍了图论中的基本概念和网络科学使用的工具，可以帮助认识真实网络的关键性质。随后的章节将系统地研究这些网络性质，深入理解这些网络性质在认识复杂系统方面发挥的重要作用。
 ====[https://campus.swarma.org/mobile/course/562 量子系统的演化：薛定谔方程]====
 本课程难度为初级，讲师为吴金闪（图4）。将结合薛定谔方程的例子为你介绍薛定谔方程，同时还将涉及系本征值和本征向量的相关内容。
 ====[https://campus.swarma.org/mobile/course/2495 论文解读：符号一致性网络的可控性和稳定性]====
 讲师为朱佳伟，课程难度为中级。本课程中，主要讲解利用符号网络描述带有竞争关系的多智能体系统，并分析符号一致性网络的可控性和稳定性问题。

@@ 第57行： / 第57行： @@
 == 编者推荐==
 ===集智视频===
-[[File:f48f96225cb23729c7e2e865a6ac516a.jpg|thumb|180px|right|图3：赵海兴，现任青海师范大学校长，主要从事网络科学和信息处理的研究工作。]]
+[[File:f48f96225cb23729c7e2e865a6ac516a.jpg|thumb|150px|right|图3：赵海兴，现任青海师范大学校长，主要从事网络科学和信息处理的研究工作。]]
-[[File:2d2f8afec6f3a1ae10d74a5350dcdf5b.png|right|180px|thumb|图4：吴金闪，北京师范大学系统科学教授，一直在践行和呼吁融合边界的研究、教学和思考。]]
+[[File:2d2f8afec6f3a1ae10d74a5350dcdf5b.png|right|150px|thumb|图4：吴金闪，北京师范大学系统科学教授，一直在践行和呼吁融合边界的研究、教学和思考。]]
 ====[https://campus.swarma.org/mobile/course/1745 漫谈图论的起源、发展与应用]====
 讲师为赵海兴，课程难度为中级。本课程中，介绍了图论中的基本概念和网络科学使用的工具，可以帮助认识真实网络的关键性质。随后的章节将系统地研究这些网络性质，深入理解这些网络性质在认识复杂系统方面发挥的重要作用。
 网络科学研究中许多网络包含数千个甚至数百万个节点和链接。在研究小网络的基础上，还需要走的更远。对于具有很多节点和连边的网络，过于复杂，目测的方式对于理解和认识这类网络不再适用。需要适用网络科学的工具来刻画网络的拓扑，例如：度、度分布、邻接矩阵、加权网络、二分网络、路径、距离、连通性、集聚系数等。
 ====[https://campus.swarma.org/mobile/course/562 量子系统的演化：薛定谔方程]====
 本课程难度为初级，讲师为吴金闪（图4）。将结合薛定谔方程的例子为你介绍薛定谔方程，同时还将涉及系本征值和本征向量的相关内容。
 薛定谔方程又称薛定谔波动方程，是由奥地利物理学家薛定谔提出的量子力学中的一个基本方程，也是量子力学的一个基本假定。