[논문 리뷰] Optimizing Pinning Control of Complex Dynamical Networks Based on Spectral Properties of Grounded Laplacian Matrices

Hui Liu, Xuanhong Xu외 3명|arXiv (Cornell University)|2018. 04. 28.

Neural Networks Stability and Synchronization참고 문헌 51인용 수 10

한 줄 요약

이 논문은 복잡한 동적 네트워크에서 피닝 제어를 최적화하기 위해 기반 지문 라플라스 행렬의 가장 작은 고유값(λ₁)을 최대화함으로써 대수적 그래프 이론 기반 기준을 제안한다. 이 기반 지문 라플라스 행렬은 피닝된 노드에 해당하는 행과 열을 제거하여 구성된다. 네트워크 구조의 스펙트럼 성질, 즉 라플라스 스펙트럼, 제어되지 않은 노드의 최소 차수, 그리고 집합 간 간선 수를 활용하여 최적의 노드 선택 전략을 규명한다. 주요 발견은 피닝 비율이 낮을 경우 고차수 노드가 최적임을 보여주며, 비율이 클 경우 저차수 노드가 더 나은 성능을 보임을 확인하였다. 이는 스케일프리, 스몰월드, 실제 네트워크에서 검증되었다.

ABSTRACT

Pinning control of a complex network aims at forcing the states of all nodes to track an external signal by controlling a small number of nodes in the network. In this paper, an algebraic graph-theoretic condition is introduced to optimize pinning control. When individual node dynamics and coupling strength of the network are given, the effectiveness of pinning scheme can be measured by the smallest eigenvalue of the grounded Laplacian matrix obtained by deleting the rows and columns corresponding to the pinned nodes from the Laplacian matrix of the network. The larger this smallest eigenvalue, the more effective the pinning scheme. Spectral properties of the smallest eigenvalue are analyzed using the network topology information, including the spectrum of the network Laplacian matrix, the minimal degree of uncontrolled nodes, the number of edges between the controlled node set and the uncontrolled node set, etc. The identified properties are shown effective for optimizing the pinning control strategy, as demonstrated by illustrative examples. Finally, for both scale-free and small-world networks, in order to maximize their corresponding smallest eigenvalues, it is better to pin the nodes with large degrees when the percentage of pinned nodes is relatively small, while it is better to pin nodes with small degrees when the percentage is relatively large. This surprising phenomenon can be explained by one of the theorems established.

연구 동기 및 목표

• 복잡한 네트워크에서 피닝 제어를 위한 최적의 노드 선택에 대한 깊이 있는 이해 부족 문제를 해결하기 위해.
• 기반 지문 라플라스 행렬의 스펙트럼 성질에 기반한 피닝 제어 효과성 측정 기준을 개발하기 위해.
• 네트워크 구조 정보를 활용하여 가장 작은 고유값(λ₁)의 분석적으로 다룰 수 있는 경계와 성질를 도출하기 위해.
• 제어 효율성을 극대화하는 데 기여하는 피닝된 노드 선택을 위한 체계적인 전략을 제공하기 위해.
• 스케일프리, 스몰월드, 실질적 네트워크를 포함한 합성 및 실제 네트워크에서 제안된 방법을 검증하기 위해.

제안 방법

• 피닝 제어 방식의 효과성은 피닝된 노드에 해당하는 행과 열을 제거한 라플라스 행렬로부터 유도된 기반 지문 라플라스 행렬의 가장 작은 고유값(λ₁)으로 측정된다.
• 그래프 이론 및 행렬 분석 도구를 활용하여 λ₁에 대한 이론적 경계를 도출하였으며, 이에는 전체 네트워크 라플라스 행렬의 (l+1)-번째로 작은 고유값, 제어되지 않은 노드의 최소 차수, 제어된 집합과 제어되지 않은 집합 간 평균 간선 수가 포함된다.
• 이러한 스펙트럼 성질에 기반하여 λ₁를 극대화하는 데 목적이 있는 알고리즘(알고리즘 1)을 제안한다.
• 이 방법은 별, 더블스타 그래프, 완전 연결 그래프, 스케일프리, 스몰월드, 실제 네트워크(돌핀 및 이메일 네트워크)와 같은 다양한 네트워크 유형에 적용되었다.
• 수치 시뮬레이션을 통해 제안된 방법을 차수 기반 및 중심성 기반(BC) 피닝 전략과 비교하였으며, 성능 지표로 λ₁를 사용하였다.
• 이론적 분석과 시뮬레이션을 통해 최적의 노드 선택 전략은 피닝 비율에 따라 달라지며, 비율이 낮을 경우 고차수 노드가 더 좋고, 비율이 클 경우 저차수 노드가 더 나은 성능을 보임을 입증하였다.

실험 결과

연구 질문

• RQ1 기반 지문 라플라스 행렬의 어떤 스펙트럼 성질을 활용하여 피닝 제어 효과성을 예측하고 최적화할 수 있는가?
• RQ2 기반 지문 라플라스 행렬의 가장 작은 고유값 λ₁은 노드 차수 및 간선 분포와 같은 네트워크 구조 특성과 어떻게 관련이 있는가?
• RQ3 제어되는 노드 수가 고정되어 있을 때, 최적의 피닝된 노드 선택 전략은 무엇인가?
• RQ4 피닝 비율(즉, 피닝된 노드 수)이 변화함에 따라 최적의 노드 선택 전략은 어떻게 변화하는가?
• RQ5 λ₁에 대한 스펙트럼 경계를 활용하여 효율적인 피닝 제어 알고리즘 설계를 이끌 수 있는가?

주요 결과

• 기반 지문 라플라스 행렬의 가장 작은 고유값 λ₁은 피닝 제어 효과성의 신뢰할 수 있는 척도이다: λ₁이 클수록 제어 방식이 더 효과적이다.
• 돌핀 네트워크의 경우, 알고리즘 1은 14개의 피닝된 노드로 λ₁ = 0.5038을 달성하였으며, 이는 차수 기반(0.5615) 및 BC 기반(0.5247) 방식을 모두 뛰어넘는 성능을 보였다.
• 이메일 네트워크의 경우, 알고리즘 1은 266개의 피닝된 노드로 λ₁ = 0.3986을 달성하였으며, 이는 차수 기반(0.3344) 및 BC 기반(0.3334) 방식을 초월하였다.
• 피닝 비율이 낮을 경우 고차수 노드를 선택하면 λ₁가 극대화되며, 비율이 클 경우 저차수 노드를 선택하는 것이 더 높은 λ₁를 제공함을 확인하였다. 이는 직관에 어긋나지만 분석적으로 설명 가능한 현상이다.
• λ₁의 상한은 전체 네트워크 라플라스 행렬의 (l+1)-번째로 작은 고유값으로 주어지며, 제어해야 할 최소 노드 수에 대한 이론적 추정치를 제공한다.
• 제어되지 않은 노드의 최소 차수와 제어된 집합과 제어되지 않은 집합 간 평균 간선 수는 λ₁에 대한 유용한 상한을 제공하며, 전체 고유값 계산 없이도 실용적인 추정이 가능하게 한다.