کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873159 1440630 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Correlation of cascade failures and centrality measures in complex networks
ترجمه فارسی عنوان
همبستگی خطاهای آبشار و اندازه گیری مرکزی در شبکه های پیچیده
کلمات کلیدی
شبکه های پیچیده دینامیک در شبکه، خرابی های آبشار، اقدامات مرکزی، حفاظت، انعطاف پذیری،
ترجمه چکیده
در شبکه های پیچیده، گره های مختلف تأثیر متقابل بر عملکرد کلی و انعطاف پذیری در برابر شکست دارند. از این رو شناسایی گره های حیاتی برای محدود کردن میزان آسیب در طی یک فرایند شکست آبشار بسیار مهم است، که ما را قادر می سازد تا گره های آسیب پذیر را شناسایی کرده و اقدامات حفاظتی جامعی را برای جلوگیری از شکست آنها انجام دهیم. در این مقاله، رابطه بین عمق آبشار، یعنی تعداد گره های شکست خورده را به عنوان یک نتیجه از شکست تک در یکی از گره ها بررسی می کنیم، و اندازه گیری های مرکزی از قبیل درجه، بین، نزدیکی، ضریب خوشه بندی، رتبه محلی، محدوده ویژه یورو، لابی شاخص و شاخص اطلاعات. شبکه ها به دلیل سازه های مختلف خود، در برابر شکست آبشار رفتار می کنند. جالب توجه است که ما می بینیم که درجه گره با عمق آبشار منفی منفی است، به این معنی که عدم موفقیت یک گره درجه بالا اثر کمتر از مواردی است که گره های درجه پایین به شکست می رسند. محدوده بینایی و رتبه محلی نشان دهنده رابطه مثبت با عمق آبشار است. برای ایجاد شبکه ها در برابر شکست های آبشار، می توان گره هایی را که از لحاظ اقدامات محدوده ای که دارای رابطه منفی با عمق آبشار است، بالا ببرد، حذف می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
In complex networks, different nodes have distinct impact on overall functionality and resiliency against failures. Hence, identifying vital nodes is crucial to limit the size of the damage during a cascade failure process, enabling us to identify the most vulnerable nodes and to take solid protection measures to deter them from failure. In this manuscript, we study the correlation between cascade depth, i.e. the number of failed nodes as a consequence of single failure in one of the nodes, and centrality measures including degree, betweenness, closeness, clustering coefficient, local rank, eigenvector centrality, lobby index and information index. Networks behave dissimilarly against cascade failure due to their different structures. Interestingly, we find that node degree is negatively correlated with the cascade depth, meaning that failing a high-degree node has less severe effect than the case when lower-degree nodes fail. Betweenness centrality and local rank show positive correlation with the cascade depth. In order to make networks more resilient against cascade failures, one can remove nodes that ranked high in terms of those centrality measures showing negative correlation with the cascade depth.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 83, June 2018, Pages 390-400
نویسندگان
, , ,