更改
→重要极限（局限）
例如，考虑阻止流感的问题。从上面的网络图像来看，我们应该接种哪些节点？基于先前描述的措施，我们希望识别在疾病传播中最重要的节点。仅基于中心性的方法（专注于节点的各个功能）可能不是一个好方法。红方框中的节点无法单独阻止疾病传播，但是将它们作为一个整体来看，我们清楚地看到，如果节点<math>v_ {1}</math>， <math>v_{4}</math>和<math> v_ {5}</math>。博弈论中心试图使用博弈论中的工具来指导所描述的问题和几率。文献<ref>Michalak, Aadithya, Szczepański, Ravindran, & Jennings https://arxiv.org/pdf/1402.0567.pdf</ref>中提出的方法使用Shapley值。由于Shapley值计算的时间复杂性很强，因此在该领域中的大多数努力都被驱使用来实施新的算法和方法，这些算法和方法依赖于网络的特殊拓扑或问题的特殊特征。这样的方法可以导致将时间复杂度从指数减小到多项式。
例如，考虑阻止流感的问题。从上面的网络图像来看，我们应该接种哪些节点？基于先前描述的措施，我们希望识别在疾病传播中最重要的节点。仅基于中心性的方法（专注于节点的各个功能）可能不是一个好方法。红方框中的节点无法单独阻止疾病传播，但是将它们作为一个整体来看，我们清楚地看到，如果节点<math>v_ {1}</math>， <math>v_{4}</math>和<math> v_ {5}</math>。博弈论中心试图使用博弈论中的工具来指导所描述的问题和几率。文献<ref>Michalak, Aadithya, Szczepański, Ravindran, & Jennings https://arxiv.org/pdf/1402.0567.pdf</ref>中提出的方法使用Shapley值。由于Shapley值计算的时间复杂性很强，因此在该领域中的大多数努力都被驱使用来实施新的算法和方法，这些算法和方法依赖于网络的特殊拓扑或问题的特殊特征。这样的方法可以导致将时间复杂度从指数减小到多项式。
==重要极限（局限）==
==重要局限==
中心指数有两个重要的局限性，一个是明显的，另一个是隐含的。 明显的局限性是，一种应用而言的最佳中心性通常对于另一应用不是最佳的。 确实，如果不是这样，我们将不需要那么多不同的中心。 Krackhardt风筝图提供了这种现象的说明，针对该现象，三个不同的中心性概念给出了最中心顶点的三个不同选择。
更为隐含的限制是节点中心性与节点的相对重要性这一普遍存在的谬误。 经过明确设计，中心度指标可以产生等级，从而可以指示最重要的节点。<ref name=Bonacich1987/><ref name=Borgatti2005/> 他们在刚刚提到的限制结果很好。 通常，它们并不是为了衡量节点的影响而设计的。 最近，网络物理学家已经开始发展节点影响度量来解决此问题。
有两重错误。 首先，排名仅按重要性对节点进行排序，它无法量化排名不同级别的节点之间的重要性差异。 可以通过将Freeman集中化应用于所讨论的集中度度量来缓解这种问题，该集中度度量取决于节点的集中化分数的差异，从而为节点的重要性提供一些信息。 此外，通过Freeman集中化，人们可以通过比较最高集中度分数来比较多个网络。<ref name="Freeman1979"/> 但是，这种方法在实践中很少见。
其次，正确标识给定网络应用中最重要节点的功能不一定会推广到其余节点。 对于其他大多数网络节点，排名可能毫无意义。<ref name="Lawyer2015" /><ref name="daSilva2012">{{cite journal | last1=da Silva|first1=Renato |last2=Viana|first2=Matheus|last3=da F. Costa |first3=Luciano| title=Predicting epidemic outbreak from individual features of the spreaders| journal=J. Stat. Mech.: Theory Exp. | year=2012|volume=2012|pages=P07005|number=07 | doi=10.1088/1742-5468/2012/07/p07005|arxiv=1202.0024|bibcode=2012JSMTE..07..005A}}</ref><ref name="Bauer2012">{{cite journal | last1=Bauer|first1=Frank | last2=Lizier|first2=Joseph|title=Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: A walk counting approach| journal=Europhys Lett | year=2012| volume=99| pages=68007|number=6 | doi=10.1209/0295-5075/99/68007|arxiv=1203.0502|bibcode=2012EL.....9968007B}}</ref><ref name="Sikic2013">{{ cite journal| last1= Sikic| first1=Mile|last2=Lancic|first2=Alen|last3=Antulov-Fantulin|first3=Nino|last4=Stefanic|first4=Hrvoje| title = Epidemic centrality -- is there an underestimated epidemic impact of network peripheral nodes? |journal = The European Physical Journal B |volume=86 |number=10 |pages=1–13 |year=2013 | doi=10.1140/epjb/e2013-31025-5|arxiv=1110.2558}}</ref> 例如，这解释了为什么仅前几个Google图片搜索结果顺序合理。 Pagerank是一种高度不稳定的度量，显示在对Jump参数进行较小调整后频繁发生的排名反转。
虽然中心性指标无法推广到网络的其余部分，乍一看似乎是反直觉的，但它直接来自上述定义。 复杂的网络具有异构拓扑。 在某种程度上，最佳度量取决于最重要节点的网络结构，对于此类节点而言，它的最优度量对于网络的其余部分而言并非最佳。<ref name="Lawyer2015">{{cite journal |last1= Lawyer |first1= Glenn |year= 2015 |title= Understanding the spreading power of all nodes in a network: a continuous-time perspective |journal=Sci Rep |volume=5|pages=8665|doi=10.1038/srep08665 |pmid=25727453 |pmc=4345333|arxiv=1405.6707|bibcode=2015NatSR...5E8665L}}</ref>
===点度中心性===
===点度中心性===