شناسایی گره های تاثیرگذار در شبکه های پیچیده بر اساس تئوری ASP و معیار مرکزیت abstract
در زمینه شبکه های پیچیده، چگونگی شناسایی
گره های تاثیرگذار هنوز یک موضوع مهم تحقیقاتی است. در این تحقیق، روشی برای شناسایی اهمیت گره ها بر اساس ترکیب تاثیرگذاری سراسری هر گره (GIN) و میانگین کوتاه ترین مسیر (ASP) پیشنهاد شده است. در این روش، نه تنها اهمیت خود گره بلکه تاثیر همه گره های گراف در نظر گرفته شده است. شاخص GIN یک مدل کمی برای اندازهگیری تاثیرگذاری سراسری هر گره فراهم میکند. تئوری ASP برای محاسبه تاثیرگذاری گره ها معرفی شده که در آن تغییر نسبی میانگین کوتاه ترین مسیر از کل شبکه را در نظر میگیرد. در این تحقیق معیار مرکزیت پیشنهادی بر اساس میانگین هارمونیک از شاخصهای GIN و ASP ارائه شده است. برای ارزیابی عملکرد روش پیشنهادی، مدل حساس-آلوده-حذف شده (SIR) شبیه سازی شده تا روند گسترش اپیدمی در چند شبکه مختلف یررسی شود. آزمایشات انجام شده بر روی شبکه های واقعی، کارآیی و عملکرد بهتر روش پیشنهادی را در مقایسه با سایر معیارهای مرکزیت کلاسیک نشان میدهد.