Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:2501.14637

帮助 | 高级搜索

物理学 > 物理与社会

arXiv:2501.14637 (physics)
[提交于 2025年1月24日 ]

标题: 干预的悖论:自适应多角色协调网络中的弹性

标题: The Paradox of Intervention: Resilience in Adaptive Multi-Role Coordination Networks

Authors:Casper van Elteren, Vítor V. Vasconcelos, Mike H. Lees
摘要: 复杂适应网络表现出显著的韧性,这是由结构(相互作用)和功能(状态)之间的动态相互作用驱动的。 尽管静态网络分析提供了有价值的见解,但理解在外部干预下结构和功能如何共同进化,对于解释系统级适应至关重要。 使用一个独特的秘密犯罪网络数据集,我们将实证观察与计算建模相结合,以测试各种干预措施对网络适应的影响。 我们的分析考察了具有专门角色的网络如何适应并形成涌现结构,以优化成本-收益权衡。 我们发现,涌现的稀疏连接网络表现出更大的韧性,揭示了一个安全与效率之间的权衡。 值得注意的是,干预可能会引发“犯罪隐蔽性增强”效应,即在网络可见性降低的情况下,犯罪活动反而增加。 虽然节点隔离会分裂网络,但它会加强剩余的活跃关系。 相比之下,关闭节点(类似于社会再融入)可能会无意中提高犯罪协调,增加活动或连通性。 失败的干预措施通常会导致功能暂时激增,然后恢复到基线水平。 令人惊讶的是,刺激连通性会破坏网络。 有效的干预需要精确校准节点角色、连接类型和外部条件。 这些发现挑战了在不同领域中的复杂适应系统中关于连通性和干预效果的传统假设。
摘要: Complex adaptive networks exhibit remarkable resilience, driven by the dynamic interplay of structure (interactions) and function (state). While static-network analyses offer valuable insights, understanding how structure and function co-evolve under external interventions is critical for explaining system-level adaptation. Using a unique dataset of clandestine criminal networks, we combine empirical observations with computational modeling to test the impact of various interventions on network adaptation. Our analysis examines how networks with specialized roles adapt and form emergent structures to optimize cost-benefit trade-offs. We find that emergent sparsely connected networks exhibit greater resilience, revealing a security-efficiency trade-off. Notably, interventions can trigger a "criminal opacity amplification" effect, where criminal activity increases despite reduced network visibility. While node isolation fragments networks, it strengthens remaining active ties. In contrast, deactivating nodes (analogous to social reintegration) can unintentionally boost criminal coordination, increasing activity or connectivity. Failed interventions often lead to temporary functional surges before reverting to baseline. Surprisingly, stimulating connectivity destabilizes networks. Effective interventions require precise calibration to node roles, connection types, and external conditions. These findings challenge conventional assumptions about connectivity and intervention efficacy in complex adaptive systems across diverse domains.
主题: 物理与社会 (physics.soc-ph) ; 社会与信息网络 (cs.SI)
引用方式: arXiv:2501.14637 [physics.soc-ph]
  (或者 arXiv:2501.14637v1 [physics.soc-ph] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.14637
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Casper van Elteren [查看电子邮件]
[v1] 星期五, 2025 年 1 月 24 日 16:56:21 UTC (5,518 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
physics.soc-ph
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
cs
cs.SI
physics

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号