- 使用交流电模型的FACTS设备的可扩展最佳布置和尺寸调整;
- 空间网络集合的熵;
- 共享存储器图桁架分解;
- 时间网络的抽样：方法和偏差;
- 揭示动力网络中的演变;
- 加权网络的阈值驱动传播;
使用交流电模型的FACTS设备的可扩展最佳布置和尺寸调整
地址： http://arxiv.org/abs/1608.04467
作者： Vladimir Frolov, Priyanko Guha Thakurta, Scott Backhaus, Janusz Bialek, Michael Chertkov
摘要： 权力下放的电力市场以及可再生能源的更多整合需要扩大现有的传输基础设施，以适应他们所面临的电力流量的变化。然而，由于政治和环境问题，许多国家的这种扩张受到严重限制。因此，传输系统运营商必须创造性地使用现有的网格，特别是利用与本手册中讨论的灵活交流传输系统（FACTS）设备相关的新技术。在这些发展动力的基础上，我们制定和解决了投资规划问题，其目标是将FACTS设备放置在一个大型输变电系统上。基于非线性，非凸和多场景优化的解决方案是通过一个由二次方程组成的有效启发式算法来解决。该方法的效率和可扩展性在IEEE 30总线模型和2736总线波兰模型上进行了说明。
空间网络集合的熵
地址： http://arxiv.org/abs/1707.01901
作者： Justin P. Coon, Carl P. Dettmann, Orestis Georgiou
摘要： 我们通过图的熵的视角来分析空间网络集合的复杂性。在数学上，我们将空间网络建模为软随机几何图（SRGG）。我们考虑在节点位置以及成对连接中出现随机性的一般情况（即，对于给定的对距离，相应的边状态是随机变量）。古典RGG和指数图模型可以在一定限度内恢复。我们为空间网络集合的熵导出了一个简单的约束，并计算了给定硬和软（概率）对连接函数的节点位置分布的整体的条件熵。在这种形式主义下，我们得出在一般约束下产生最大熵的连接函数。最后，我们应用我们的分析框架来研究两个实例：ad hoc无线网络和美国飞行网络。通过研究这些例子，我们说明两者都表现出几乎最大限度地熵组合的特征。
共享存储器图桁架分解
地址： http://arxiv.org/abs/1707.02000
作者： Humayun Kabir, Kamesh Madduri
摘要： 我们提出了PKT，一种新的共享内存并行算法和OpenMP实现，用于大型稀疏图的桁架分解。 k桁架是一个密集的子图定义，可以被认为是一个集团的放松。桁架分解是指根据它们的k-桁架隶属度对图中所有边的分割。图的桁架分解有很多应用。我们表明，我们的新方法PKT始终优于其他桁架分解方法，用于收集大型稀疏图和24核共享内存服务器。 PKT基于最近提出的k核分解算法。
时间网络的抽样：方法和偏差
地址： http://arxiv.org/abs/1707.02108
作者： Luis E C Rocha, Naoki Masuda, Petter Holme
摘要： 时间网络越来越多地用于模拟时间演变的多样化系统;例如人类接触结构，其中发生动态过程如流行。现实网络的一个基本方面是在时间和空间框架内进行采样。此外，人们可能希望对网络进行子采样以减小其尺寸以便更好地可视化或执行计算密集型模拟。采样方法可能会影响网络结构，因此需要谨慎对基于样本的结果进行推广。在本文中，我们研究了应用于各种现实生活时间网络的四种抽样策略。我们量化每个抽样策略对一些相关统计数据产生的偏差，如链接活动，时间路径和流行病蔓延。我们发现一些偏差在各种网络和统计中是常见的，但是一种策略，统一采样节点，在大多数情况下显示出改进的性能。我们的研究结果有助于研究人员更好地设计网络数据采集协议，并了解采样时间网络数据的局限性。
揭示动力网络中的演变
地址： http://arxiv.org/abs/1707.02114
作者： Matteo Morini, Patrick Flandrin, Eric Fleury, Tommaso Venturini, Pablo Jensen
摘要： 大含时图的描述需要有效的方法给出适当的介观分区。今天存在许多方法来检测静态图中的社区。然而，许多网络本质上是动态的，并且需要动态的中尺度描述，因为将它们解释为静态网络将导致重要信息的丢失。例如，新兴科学学科的出现，融合，分裂或死亡等动态过程需要对科学文章不断发展的网络进行介观描述。使用为静态网络开发的方法来描述不断变化的网络有两种直接的方法。第一个发现聚合网络的社区结构;然而，该方法丢弃大部分时间信息，并且可能导致不适当的描述，因为非常不同的动态数据可以产生相同的静态图。相反的方法通过选择相关的节点和边来紧密地跟随演化并建立连续时间片的网络，这些切片中的每一个的介观结构被独立地找到并且结构被连接以获得时间描述。通过在每个时间片上使用最优结构描述，该方法避免了聚合方法的惯性。社区固有的模糊性导致噪音和文物。在这里，我们提出了一种使用社会演变的连续性来区分数据中介描述中的真实趋势和噪声的方法。为了跟踪动态，我们为每个时间片计算分区，但是为了避免由噪声产生的瞬变，我们使用在时间t-1和t + 1发现的结构在时间t修改社区描述。我们展示了我们的方法对分析一个新的子领域，小波分析的诞生的科学网络的相关性。
加权网络的阈值驱动传播
地址： http://arxiv.org/abs/1707.02185
作者： Samuel Unicomb, Gerardo Iñiguez, Márton Karsai
摘要： 加权网络捕获交互强度有意义的复杂系统的结构。该信息对于大量进程是必需的，例如阈值动态，其中链路权重反映邻居在确定节点行为时的影响量。尽管描述了许多级联现象，如神经发射或社会传染，阈值模型从未在加权网络上得到明确的解决。我们通过研究具有数值和分析工具的合成和实际加权网络的动态阈值模型填补了这一空白。我们表明级联出现的时间非常单调地依赖于重量异质性，其加速或减缓动力学，并导致各种网络和重量分布的非平凡参数空间。我们的方法适用于任意二进制状态过程和链接属性，可能有助于理解边异质性在各种自然和社会现象中的作用。
声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在个人博客 http://www.complexly.me 进行更新，并提供RSS订阅。