基于三元闭包模体的关键节点识别方法

复杂网络中的关键节点能够影响系统功能,许多真实网络中存在数目显著的三元闭包模体,为了探索该模体对节点重要度的影响,提出了基于三元闭包模体的关键节点识别方法。该算法衡量了各个模体的重要度,通过模体权重和节点度来评估节点重要度。在6个真实网络中,进行了鲁棒性实验和基于SIR模型的传播实验。实验结果表明,相比于度中心性DC、K-shell分解、WL中心性、映射熵ME方法,该算法能够更加有效地识别出网络中的关键节点。

基于模体的网络鲁棒性优化方法

复杂网络的鲁棒性优化具有重要的现实意义,有助于保障基础设施系统的稳定运行。三元闭包模体是一种显著的拓扑子图结构,能够影响网络整体拓扑的鲁棒性。基于三元闭包模体结构,提出了一种重连边的鲁棒性优化方法。方法通过重连边的方式,增加了网络中三元闭包模体的数目,进而优化网络拓扑结构。在随机小世界网络、无标度网络和真实道路网络中进行实验,衡量网络优化前后鲁棒性系数的变化情况。结果表明,对比于随机重连边方法和智能重连边方法,方法能够更加有效地提升网络的鲁棒性。