基于相对距离的复杂网络谱粗粒化方法

摘要

复杂网络的同步作为一种重要的网络动态特性,在通信、控制、生物等领域起着重要的作用.谱粗粒化方法是一种在保持原始网络的同步能力尽量不变情况下将大规模网络约简为小规模网络的算法.此方法在对约简节点分类时是以每个节点对应特征向量分量间的绝对距离作为判断标准,在实际运算中计算量大,可执行性较差.本文提出了一种以特征向量分量间相对距离作为分类标准的谱粗粒化改进算法,能够使节点的合并更加合理,从而更好地保持原始网络的同步能力.通过经典的三种网络模型(BA无标度网络、ER随机网络、NW小世界网络)和27种不同类型实际网络的数值仿真分析表明,本文提出的算法对比原来的算法能够明显改善网络的粗粒化效果,并发现互联网、生物、社交、合作等具有明显聚类结构的网络在采用谱粗粒化算法约简后保持同步的能力要优于电力、化学等模糊聚类结构的网络.