物理学 > 物理与社会
[提交于 2025年6月14日
]
标题: 网络的循环方向流分解
标题: Circular Directional Flow Decomposition of Networks
摘要: 我们介绍了圆方向流分解(CDFD),这是一种用于分析加权有向网络循环性的新框架。 CDFD 将流量分为两个组成部分:一个循环(无散度)分量和一个携带所有净方向流量的非循环分量。 这产生了一个归一化的循环性指数,范围从 0(完全非循环)到 1(由纯循环叠加形成的网络),其补值衡量方向性。 该指数捕捉了参与循环的流量比例,并具有多种解释——例如系统闭合、反馈、加权强连通性、结构冗余或低效。 尽管分解通常是非唯一的,但我们表明,所有分解的集合形成一个具有良好拓扑性质的几何空间。 在这个空间内,我们强调了两种与不同分析目标一致的基准分解:最小化净流量的最大循环性解和平衡流转发(BFF)解,后者是一种独特的、局部可计算的分解方式,按照原始网络结构的比例将循环流分布在所有可行的循环中。 我们在合成和经验网络上展示了这两种分解的解释价值和计算可行性。 它们在检测有意义的结构性变化方面优于现有的循环性指标。 分解还支持结构分析——例如映射循环流分布——并支持需要明确流分配或路由的实际应用,包括多方抵消和高效运输。
当前浏览上下文:
cs.SI
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.