7、复杂网络：测量与动态过程解析

复杂网络：测量与动态过程解析

1. 复杂网络测量指标

在复杂网络研究中，有多种测量指标用于描述网络的结构和特性，这些指标可分为三类，分别是严格局部测量、混合测量和全局测量，下面将详细介绍这些测量指标及其相关概念。

1.1 边和顶点移除的影响

在网络分析中，边和顶点的移除会对网络的某些特性产生影响。当移除边 $(i, j)$ 时，扰动矩阵为 $(\Delta A) {lm} = -A {ij}\delta_{il}\delta_{jm}$，由此可得：
[
\Delta I_{ij} = -\frac{A_{ij}v_iu_j}{\Delta v^Tu}
]
当移除顶点 $k$ 时，扰动矩阵为 $(\Delta A) {lm} = -A {ij}(\delta_{il} + \delta_{jm})$，经过一系列推导（忽略二阶项等），最终得到：
[
\Delta I_{k} = -\frac{v_ku_k}{\Delta v^Tu}
]

1.2 基于反馈中心性的测量

反馈中心性的概念是一个顶点的邻居越处于中心位置，该顶点的反馈中心性就越大。基于此概念，有以下几种测量指标：
- Bonacich 特征向量中心性 ：1972 年由 Phillip Bonacich 引入，通过邻接矩阵的特征向量计算中心性。对于无向、连通、无自环且无权的图 $G$，邻接矩阵 $A$ 是对称的且对角元素为零。有三种评估中心性的方法，这里重点介绍第三种，即通过线性方程组计算特征向量。若将顶点的中心性定义为