网络中超级拦截器和超级扩展器的基本区别详细资料说明

　　复杂拓扑中传播现象的两个重要问题是节点集的优化选择，以最小化或最大化爆发的程度。当网络中的一小部分节点可以用来实现所需的目标时，这两个问题都是非常重要的。最小化问题等价于结构优化问题。“超级阻滞剂”，即应该从网络中删除以最小化爆发规模的节点，是那些使连接组件尽可能小的节点。“超级预告程序”是节点，如果选择作为发起程序，它们将最大化爆发的平均规模。超级预制器的特性不仅取决于拓扑结构，还取决于所考虑的具体动力学。近年来，人们推测这两个优化问题可能是等效的，即超级阻滞剂也可以作为超级扩散器。尽管其潜在的开创性的重要性，没有进行实证研究来验证这一推测。在本文中，我们对一大组现实网络进行了广泛的分析，以测试超级阻滞剂组和超级扩散器组之间的相似性。我们证明了这两个优化问题是不等价的：超级拦截器不作为最优撒布器。

　　结构与功能之间的相互作用是近年来复杂网络研究所吸引的兴趣的核心。由无序交互模式介导的过程以非平凡的方式受底层图的拓扑性质的影响。传播现象是网络上发生的最基本和研究过的动力学类型之一。在这种情况下，一个自然的问题，对实际应用有影响，是允许：给定一个网络及其上的传播动力学，我们如何识别n个“超级传播者”集合，即n个顶点，这样，如果所有这些顶点同时启动传播过程，那么传播事件所达到的平均节点数是最大的？这个问题通常也被表示为“iNFluence最大化，“尤其是在计算机科学中，基本结果已经得到了推导。

　　一个同样有趣和重要的问题是确定一组n个“超级阻滞剂”，即n个顶点，如果免疫，从而有效地从网络中删除，导致爆发的最小平均规模。由于只有在存在接触的情况下才可能发生扩散，因此超级阻滞剂的识别等同于所谓的最佳渗透问题的解决方案，即识别要消除的最小节点集，以破坏网络的巨大组件。超级拦截器有效地对应于节点，当删除这些节点时，将网络中最大连接组件的大小最小化。求解最优渗流问题是一个非常重要的问题，近几个月来出现了许多有趣的结果。