[论文解读] The paradox of controlling complex networks: control inputs versus energy requirement

Yu Chen, Lezhi Wang+2 more|arXiv (Cornell University)|Sep 10, 2015

Complex Network Analysis Techniques参考文献 5被引用 11

一句话总结

本文通过揭示导致控制能量发散的结构性'短板'，解决了复杂网络控制中的悖论：尽管结构可控性理论可识别出最少的驱动节点，但实际控制往往需要极高能量。作者提出通过增加最少数量的冗余输入来显著降低能量，从而在不显著增加驱动节点数量的情况下实现可行控制。

ABSTRACT

In this paper, we investigate the linear controllability framework for complex networks from a physical point of view. There are three main results. (1) If one applies control signals as determined from the structural controllability theory, there is a high probability that the control energy will diverge. Especially, if a network is deemed controllable using a single driving signal, then most likely the energy will diverge. (2) The energy required for control exhibits a power-law scaling behavior. (3) Applying additional control signals at proper nodes in the network can reduce and optimize the energy cost. We identify the fundamental structures embedded in the network, the longest control chains, which determine the control energy and give rise to the power-scaling behavior. (To our knowledge, this was not reported in any previous work on control of complex networks.) In addition, the issue of control precision is addressed. These results are supported by extensive simulations from model and real networks, physical reasoning, and mathematical analyses. Notes on the submission history of this work: This work started in late 2012. The phenomena of power-law energy scaling and energy divergence with a single controller were discovered in 2013. Strategies to reduce and optimize control energy was articulated and tested in 2013. The senior co-author (YCL) gave talks about these results at several conferences, including the NETSCI 2014 Satellite entitled "Controlling Complex Networks" on June 2, 2014. The paper was submitted to PNAS in September 2014 and was turned down. It was revised and submitted to PRX in early 2015 and was rejected. After that it was revised and submitted to Nature Communications in May 2015 and again was turned down.

研究动机与目标

• 解决结构可控性理论识别出最少驱动节点，但实际控制需要不可行高能量的悖论。
• 研究为何在具有相似拓扑结构的网络中，控制能量存在显著差异，尤其是当驱动节点数量较少时。
• 识别导致网络控制中极端高能量需求的结构性特征。
• 开发在不增加驱动节点数量的前提下降低控制能量的策略。
• 提供一种框架，以在最小驱动节点数量与实际能量可行性之间实现平衡。

提出的方法

• 使用结构可控性理论和最大匹配算法分析线性动力网络，以识别最少驱动节点。
• 通过可控制性Gramian的逆矩阵计算控制能量，该矩阵量化了将系统引导至目标状态所需能量。
• 通过Gramian的敏感性分析，识别出‘短板’——即通过高能量需求主导的节点或网络基序。
• 在战略性选择的节点处引入冗余控制输入，以打破能量瓶颈并降低Gramian的条件数。
• 通过在合成网络和现实世界网络（如R-C电路、无标度网络、Erdős–Rényi网络）上进行数值模拟，验证能量降低效果。
• 基于Popov-Belevitch-Hautus（PBH）秩条件和精确可控性理论进行理论分析，以解释能量分布。

实验结果

研究问题

• RQ1 为何在具有相似结构特性的网络中，控制能量表现出肥尾分布？
• RQ2 在驱动节点数量最少的情况下，网络中的哪些结构性特征会导致异常高的控制能量？
• RQ3 在不增加驱动节点数量的前提下，增加少量冗余控制输入是否能显著降低控制能量？
• RQ4 如何从理论上解释并优化网络控制中的能量分布？
• RQ5 在保持结构可控性的前提下，通过修改输入配置在多大程度上可解决能量悖论？

主要发现

• 具有相似拓扑结构的网络中，控制能量呈现肥尾分布，表明存在一小部分网络具有极高的能量需求。
• 最高能量成本主要由特定结构性基序——‘短板’——主导，这些基序对控制输入高度敏感，尤其在驱动节点入度较低或连通性较差的网络中。
• 在战略性选择的节点（如高中心性或瓶颈节点）处引入单个冗余控制输入，可使控制能量降低数个数量级。
• 当冗余输入注入到网络可控性结构中占主导地位的节点时，能量降低效果最显著，特别是那些对Gramian条件数具有高影响力的节点。
• 能量分布并不均匀；少数网络承担了大部分能量成本，使其在标准框架下难以实现控制。
• 所提出的方法在保持结构可控性的前提下，通过将能量降低至可行水平，实现了理论最小驱动节点数与实际可实施性的统一。