[论文解读] Random walks on weighted networks: Exploring local and non-local navigation strategies

Alejandro P. Riascos, José L. Mateos|arXiv (Cornell University)|Jan 17, 2019

Diffusion and Search Dynamics参考文献 10被引用 4

一句话总结

本文提出了一套统一框架，用于使用对称权重矩阵定义转移概率，分析加权网络上的局部与非局部随机游走策略。通过转移矩阵的特征值和特征向量，推导出关键动力学量（平稳分布、平均首达时间、Kemeny常数和全局探索时间）的精确表达式，表明与局部游走相比，Lévy飞行和分数阶传输等非局部策略能显著提升网络探索效率。

ABSTRACT

In this paper, we present an overview of different types of random walk strategies with local and non-local transitions on undirected connected networks. We present a general approach to analyzing these strategies by defining the dynamics as a discrete time Markovian process with probabilities of transition expressed in terms of a symmetric matrix of weights. In the first part, we describe the matrices of weights that define local random walk strategies like the normal random walk, biased random walks, random walks in the context of digital image processing and maximum entropy random walks. In addition, we explore non-local random walks like Lévy flights on networks, fractional transport and applications in the context of human mobility. Explicit relations for the stationary probability distribution, the mean first passage time and global times to characterize the random walk strategies are obtained in terms of the elements of the matrix of weights and its respective eigenvalues and eigenvectors. Finally, we apply the results to the analysis of particular local and non-local random walk strategies; we discuss their efficiency and capacity to explore different types of structures. Our results allow to study and compare on the same basis the global dynamics of different types of random walk strategies.

研究动机与目标

• 开发一个通用的数学框架，用于分析无向加权网络上的局部与非局部随机游走策略。
• 将多种随机游走模型（如偏置游走、Lévy飞行和分数阶传输）统一于基于对称权重矩阵的单一形式体系下。
• 推导出平稳分布、平均首达时间及全局探索时间等基本动力学量的解析表达式。
• 利用转移矩阵的谱性质，比较不同随机游走策略在探索网络结构方面的效率。
• 将该形式体系应用于人类移动模型，表明混合局部-非局部策略可提升空间区域内站点访问效率。

提出的方法

• 将随机游走建模为离散时间马尔可夫过程，其转移概率由对称权重矩阵导出。
• 利用权重矩阵元素定义转移矩阵 Π，确保细致平衡条件成立且平稳分布对称。
• 通过转移矩阵的谱分解，计算平稳分布、平均首达时间与Kemeny常数。
• 将全局探索时间 τ 和Kemeny常数用转移矩阵的特征值与特征向量表示。
• 将该形式体系应用于具体策略：偏好随机游走、网络上的Lévy飞行，以及通过分数阶拉普拉斯矩阵实现的分数阶传输。
• 对真实网络与合成网络数值计算特征值与特征向量，以计算人类移动应用中的 τ(α,R)。

实验结果

研究问题

• RQ1 如何通过统一的数学框架系统比较加权网络上局部与非局部随机游走策略？
• RQ2 转移矩阵的特征值与特征向量在决定随机游走全局探索动力学中起什么作用？
• RQ3 全局探索时间 τ 如何随不同随机游走策略变化？其变化揭示了何种效率信息？
• RQ4 非局部策略（如Lévy飞行与分数阶传输）在访问节点或目标位置方面，相较于局部随机游走，优势程度如何？
• RQ5 该形式体系能否扩展至空间移动模型，其中节点未预先定义，而是连续空间中的位置被访问？

主要发现

• 全局探索时间 τ 是比较不同随机游走策略效率的稳健定量指标，τ 越小表示目标节点覆盖越快。
• 对于Lévy飞行与分数阶传输策略，当 α ≤ 1 时，τ 在不同邻域半径 R 下几乎保持不变，表明非局部探索效率与局部尺度无关。
• 当 α ≫ 1 时，策略趋于局部化，τ 显著增加，表明长程跳跃对高效探索至关重要。
• Kemeny常数由转移矩阵谱导出，为具有均匀平稳分布的策略提供了简化但准确的探索效率度量。
• 在人类移动应用中，由 Ω_ij^(α)(R) 定义的混合局部-非局部策略在 α ≤ 1 时达到最小 τ，证实非局部性可提升站点访问效率。
• 通过精确计算特征值与特征向量，对 τ(α,R) 的解析表达式进行了数值验证，确认了理论预测的正确性。