Розглядаючи взаємодію в мережах, зазвичай важко обчислити динаміку аналітично , і застосовуються наближення. Наближення середнього поля, як правило, повністю ігнорують структуру мережі, і тому рідко є гарним наближенням. Популярним наближенням є наближення пари, яке розглядає кореляції, притаманні між сусідніми вузлами (інтуїтивно ми можемо вважати це типом апроксимації середнього поля на ребрах).
Наближення точне, якщо ми розглядаємо графіки Кейлі, і дуже добре, якщо ми дивимось -регулярні випадкові графіки. На практиці він також дає хороші наближення для випадків, коли у нас є випадковий графік із середнім ступенем та щільним розподілом градусів навколо . На жаль, велика кількість мереж та взаємодій, які представляють інтерес, недостатньо змодельовані цими графіками. Вони, як правило, добре моделюються графіками з дуже різними ступенями розподілу (наприклад, безмасштабні мережі, наприклад), з конкретними (і високими) коефіцієнтами кластеризації або конкретною середньою найкоротшою дистанцією (детальніше див. Альберт і Барабасі 2001 ) .
Чи є уточнення парного наближення, які добре працюють для цих типів мереж? Або є інші аналітичні наближення?
Приклад взаємодії в мережах
Я думав, що наведу приклад того, що я маю на увазі під взаємодією в мережах. Я включу відносно загальний приклад з теорії еволюційних ігор.
Ви можете розглядати кожен вузол як агент (зазвичай представлений просто стратегією), який грає в якусь фіксовану гру попарно один з одним агентом, до якого він має перевагу. Таким чином, дана мережа з певним призначенням стратегії кожному вузлу виробляє окупність для кожного вузла. Потім ми використовуємо ці виплати та мережеву структуру для визначення розподілу стратегій між вузлами для наступної ітерації (загальним прикладом може бути кожен агент для копіювання сусіда з найбільшою виплатою, або якийсь імовірнісний варіант цього). Питання, які нас зазвичай цікавлять, знаючи кількість агентів кожної стратегії та те, як це змінюється понаднормово. Часто ми маємо стабільне розповсюдження (яке ми тоді хочемо знати, або наблизити) або іноді обмежуємо цикли або навіть більш екзотичні звірі.
Якщо ми робимо наближення середнього поля для такої моделі, ми використовуємо отримане рівняння реплікатора як нашу динаміку, яка відверто ігнорує структуру мережі та точна лише для повних графіків. Якщо ми будемо використовувати парне наближення (як Ohtsuki & Nowak 2006 ), ми отримаємо дещо іншу динаміку (це фактично буде динаміка реплікатора зі зміненою матрицею виплат, де модифікація залежить від ступеня графіка та специфіки кроку оновлення) що добре відповідає моделюванню для випадкових графіків, але не для інших мереж, що цікавлять.
Для додаткової фізики, як, наприклад, замініть агенти накрутки і викликайте матрицю виплат взаємодією Гамільтоніана, а потім охолодіть вашу систему, виконуючи періодичні випадкові вимірювання.
Примітки та відповідні запитання
Прямі узагальнення парного наближення роду, які вважають типом апроксимації середнього поля на трійки або чотиричлени вузлів), є непростими і все ще не враховують дуже різного ступеня розподілу або середнього найменшого відстані.