[论文解读] Networks with the Smallest Average Distance and the Largest Average Clustering

Dionysios Barmpoutis, Richard M. Murray|arXiv (Cornell University)|Jul 23, 2010

Complex Network Analysis Techniques参考文献 4被引用 28

一句话总结

本文识别了在给定顶点数和边数下，同时最小化平均路径长度并最大化平均聚类系数的图结构。通过解析构造，证明了唯一且确定的图可最优地实现这两个特性，其结构为以中心枢纽或团为核心；该结构对顶点删除具有高度鲁棒性，且对边重连的敏感性较低，因此非常适合用于建模具有韧性的复杂网络。

ABSTRACT

We describe the structure of the graphs with the smallest average distance and the largest average clustering given their order and size. There is usually a unique graph with the largest average clustering, which at the same time has the smallest possible average distance. In contrast, there are many graphs with the same minimum average distance, ignoring their average clustering. The form of these graphs is shown with analytical arguments. Finally, we measure the sensitivity to rewiring of this architecture with respect to the clustering coefficient, and we devise a method to make these networks more robust with respect to vertex removal.

研究动机与目标

• 确定在给定阶数和大小下，实现平均路径长度最小化和平均聚类系数最大化的图结构。
• 分析此类最优网络在顶点和边删除下的鲁棒性。
• 研究聚类和距离特性对边重连的敏感性。
• 通过识别最具韧性的架构，为复杂网络提供稳健的设计框架。
• 比较定义度为1的顶点聚类系数的两种约定，并在两种约定下推导最优图。

提出的方法

• 将最优图构造为一个中心团（完全子图），其外围顶点与之相连，形成‘几乎完全’的子图。
• 使用解析论证证明，该架构在给定的 N 和 m 下，可最小化平均距离并最大化平均聚类系数。
• 定义两种变体：一种是度为1的顶点聚类系数为1，另一种是定义为0，相应调整图结构。
• 通过引入多个枢纽或模块间互连，分析网络鲁棒性，防止顶点删除导致的断连。
• 通过测量边扰动后聚类系数和平均距离的变化，评估对重连的敏感性。
• 运用图论概念，如割点、诱导子图和团，形式化构造与证明过程。

实验结果

研究问题

• RQ1 对于给定的顶点数和边数，何种图结构能最小化平均路径长度并最大化平均聚类系数？
• RQ2 对度为1的顶点定义聚类系数的方式如何影响最优网络架构？
• RQ3 最优网络的聚类和距离特性对边重连的敏感性如何？
• RQ4 如何使最优网络对顶点删除更具鲁棒性？
• RQ5 是否存在多个具有相同最小平均距离的图，还是最优结构是唯一的？

主要发现

• 存在唯一一个平均聚类系数最大的图，同时在给定的 N 和 m 下实现了可能的最小平均路径长度。
• 最优图由一个中心团和连接到它的外围顶点构成，形成具有高局部聚类的‘中心-辐条’结构。
• 当度为1的顶点被赋予聚类系数1时，最优图包含连接到中心团的此类顶点。
• 当度为1的顶点被赋予聚类系数0时，最优图包含由桥连接的两个割点，且外围顶点的度至少为2。
• 最优架构对顶点删除具有高度鲁棒性，尤其在引入多个枢纽或模块间连接时更为显著。
• 当重连目标为高阶顶点时，网络的聚类系数对边重连的敏感性最小。