[論文レビュー] Controllability Metrics, Limitations and Algorithms for Complex Networks

Fabio Pasqualetti, Sandro Zampieri+1 more|arXiv (Cornell University)|Aug 6, 2013

Opinion Dynamics and Social Influence参考文献 41被引用数 4

ひとこと要約

本稿では、複雑ネットワークにおける制御エネルギーを評価するため、可制御性グラミアンの最小固有値に基づく定量的可制御性指標を提案する。ネットワークの分割と局所的制御則を用いた分散型オープンループ制御戦略を導入し、制御ノードが少数の場合、制御エネルギーがネットワークサイズに指数関数的に増加するが、固定された割合の制御ノードを用いることでエネルギーを一定に保てることを示している。クラスタ構造を持つネットワークでは、エネルギーはクラスタの可制御性と結合強度にのみ依存する。

ABSTRACT

This paper studies the problem of controlling complex networks, that is, the joint problem of selecting a set of control nodes and of designing a control input to steer a network to a target state. For this problem (i) we propose a metric to quantify the difficulty of the control problem as a function of the required control energy, (ii) we derive bounds based on the system dynamics (network topology and weights) to characterize the tradeoff between the control energy and the number of control nodes, and (iii) we propose an open-loop control strategy with performance guarantees. In our strategy we select control nodes by relying on network partitioning, and we design the control input by leveraging optimal and distributed control techniques. Our findings show several control limitations and properties. For instance, for Schur stable and symmetric networks: (i) if the number of control nodes is constant, then the control energy increases exponentially with the number of network nodes, (ii) if the number of control nodes is a fixed fraction of the network nodes, then certain networks can be controlled with constant energy independently of the network dimension, and (iii) clustered networks may be easier to control because, for sufficiently many control nodes, the control energy depends only on the controllability properties of the clusters and on their coupling strength. We validate our results with examples from power networks, social networks, and epidemics spreading.

研究の動機と目的

• 最大制御エネルギーに基づく指標を用いて、複雑ネットワークの制御の難易度を定量化すること。
• ネットワークのトポロジーとダイナミクスに基づき、制御ノード数と必要な制御エネルギーのトレードオフを特徴付けること。
• 大規模ネットワークに適した性能保証付きの分散型オープンループ制御戦略を開発すること。
• 対称的およびクラスタ構造を持つネットワークにおける可制御性に影響を与える構造的制限要因や性質を同定すること。
• 電力網、ソーシャルネットワーク、感染症モデルを含む実世界のネットワークに対して、手法を検証すること。

提案手法

• 最大制御エネルギーを指標とするために、可制御性グラミアンの最小固有値を用いる。
• フィードラー固有ベクトルを用いたネットワーク分割により、ネットワークを部分ネットワークに分解し、局所的制御を可能にする。
• 局所的可制御性グラミアンに基づいて、局所的制御入力を計算する分離型制御則を設計する。
• 最適制御技術を用いてエネルギーを最小化し、計算複雑度は部分ネットワークのサイズにのみ依存する。
• スケーラビリティを向上させるために、スペクトル分割をLouvainなどの高速手法に置き換える。
• シュール安定性およびネットワークの対称性の性質を用いて、制御エネルギーの解析的境界を導出する。

実験結果

リサーチクエスチョン

• RQ1 複雑ネットワークにおける制御エネルギーは、制御ノード数にどのように依存するか？
• RQ2 特に対称的またはクラスタ構造を持つトポロジーにおいて、どのようなネットワーク構造的性質が低い制御エネルギーをもたらすか？
• RQ3 性能保証と低計算コストを満たす分散型でスケーラブルな制御戦略を設計できるか？
• RQ4 ネットワークのトポロジーとダイナミクスは、完全可制御性を達成するための最小制御エネルギーにどのように影響するか？
• RQ5 制約条件を伴う実世界のネットワークに適用する際、一般的な可制御性概念の限界は何か？

主な発見

• シュール安定かつ対称なネットワークでは、制御ノード数が固定されている場合、制御エネルギーはネットワークサイズに指数関数的に増加する。
• 制御ノード数がネットワークサイズの固定された割合である場合、ネットワーク次元が大きくなっても制御エネルギーは一定に保たれる。
• クラスタ構造を持つネットワークでは、エネルギーはグローバルなネットワークサイズに依存せず、主にクラスタの可制御性とクラスタ間結合強度に依存する。
• 提案された分離型制御戦略は、トレース最適化法やランダムノード選択法を上回り、特に多数の制御ノードを用いる場合に顕著な性能向上を示す。
• Louvainなどの効率的な分割法を用いることで、計算複雑度が線形に保たれる。これは、標準的な最小エネルギー制御における立方乗スケーリングとは対照的である。
• 数値結果により、制御ノードの臨界閾値を境に制御エネルギーが急激に低下することが確認され、先行する数値的可制御性遷移と整合的である。