[论文解读] Complexity Threshold for Functioning Directed Networks in Damage Size Distribution

Andrzej Gecow|arXiv (Cornell University)|Apr 21, 2010

stochastic dynamics and bifurcation参考文献 34被引用 4

一句话总结

本文基于网络生长过程中损伤大小分布，提出了一种面向功能有向网络的复杂性阈值，通过模拟识别出混沌的相变。关键发现是：损伤分布中两个峰之间出现零频率间隙，可作为成熟与复杂混沌行为涌现的实用判据，尤其在具有反馈结构及更高信号变体（s ≥ 3）的网络中表现显著。

ABSTRACT

A certain complexity threshold is proposed which defines the term `complex network' for RSN, e.g. Kauffman networks with s>=2 - more than two equally probable state variants. Such Kauffman networks are no longer Boolean networks. RSN are different than RWN and RNS. This article is the second one of three steps in description of `structural tendencies' which are an effect of adaptive evolution of complex RSN. This complexity threshold is based on the appearances of chaotic features of a network during its random growth and disappearance of small network effects. Distribution of damage size (after small disturbance) measured in a fraction of damaged nodes, or in number of damaged external outputs and degree of chaos is investigated using simulation. It is done during growth (up to N=4000 nodes) for different: network types (including scale-free), numbers of node inputs (K=2,3,4, fixed for a network) and numbers of signal variants (s=2,3,4,16). In this distribution two peaks emerge and in-between them there appears an area of zero frequency - this is the best practical criterion of complexity threshold found in the investigation. No critical points are found in the area of emerging complexity. A special simplified algorithm (`reversed-annealed') is used which omits the problem of circular attractors. The investigated `transition' to chaos in respect to N is different from the known phase transition near K=2 for s=2.

研究动机与目标

• 基于动力学行为，定义一个客观、非主观的阈值，以区分‘复杂’与‘非复杂’网络。
• 研究损伤在生长有向网络中的传播机制，识别网络规模（N）、节点输入数（K）和信号变体数（s）函数下的混沌相变。
• 确定在含反馈及较高s值的网络中，复杂混沌行为的出现是否由临界点或平滑过渡所主导。
• 评估网络成熟度的实用判据，特别是损伤大小分布中零频率间隙的出现。
• 探讨反馈机制及网络类型（如无标度、随机网络）在塑造成熟混沌相变过程中的作用。

提出的方法

• 模拟具有最多 N = 4000 个节点的有向随机网络，固定 K（2, 3, 4）和 s（2, 3, 4, 16），在生长过程中观测损伤传播。
• 将损伤大小测量为受损节点的分数或初始小扰动后受损的外部输出数量。
• 采用‘反向退火’算法以避免循环吸引子，从而将结构效应与动力学效应分离。
• 分析各类网络类型中损伤大小分布（P(d 或 L|N,K,s,type)），以检测双峰分布与中间最小值（零频率）。
• 采用两个成熟度判据：（1）接近理论平衡损伤水平（渐近线）；（2）双峰之间出现零频率间隙。
• 在不同网络类型（如无标度、随机网络）和参数组合间比较结果，评估其对 K、s 和反馈结构的依赖性。

实验结果

研究问题

• RQ1 在网络生长过程中，混沌的平滑过渡是否会出现？若出现，能否将其识别为复杂性阈值？
• RQ2 损伤大小分布中两峰之间的零频率间隙是否为网络成熟的可靠且实用的判据？
• RQ3 网络类型（如无标度网络）、节点输入数（K）和信号变体数（s）如何影响混沌行为的出现？
• RQ4 反向退火算法在不引入动力学伪影的前提下，多大程度上提升了对结构复杂性的检测能力？
• RQ5 观察到的三种关系——损伤平衡、外部输出损伤及其比例性——在多大程度上指示了网络的成熟与复杂性？

主要发现

• 在网络生长过程中，出现具有中间最小值（零频率）的双峰损伤大小分布，这是复杂性阈值的最佳实用判据。
• 零频率间隙在较不混沌的网络类型（如无标度网络、小世界网络）中出现得早于渐近平衡判据的预测，更符合对复杂性的直观理解。
• 成熟混沌的过渡并非临界性，而是平滑的，且在较短的生长区间内完成，K=2, s=2 附近无相变迹象。
• 对于 s ≥ 3，右峰损伤平衡水平趋近于理论 Derrida 退火模型预测值，表明网络已成熟。
• 关系式 L = d × m（外部输出损伤 = 内部损伤 × 输出度）仅在大网络中成立，表明其成熟机制具有尺寸依赖性。
• 零频率间隙判据在含反馈的网络中最为有效，在无环网络中可靠性较低，但可近似使用。