Arxiv网络科学论文摘要22篇(2017-03-28)

  • 具有给定度期望的随机图的基于矩的谱分析;
  • 了解集体行为心理学原理中的社会力量模型;
  • 揭示复杂网络的多分形结构;
  • 随机平面图中央循环;
  • 图产品多层网络:谱特性和应用;
  • 级联:观众的观点;
  • 使用网络主题检测强关系;
  • 不平等,密度和异质住宅偏好对城市流离失所和城市结构的影响:基于代理的模型;
  • 有效聚类非常大的属性图;
  • GraphZip:基于字典的挖掘图流压缩;
  • 枚举大图中的k-顶点连接的组件;
  • 社会网络博弈中的混合均衡;
  • 世界股市网络的涌现;
  • 关于行为改变的推荐:使用社交媒体传播公共卫生信息;
  • 使用延迟容忍社交网络的安全机会方案中间件的体内评估;
  • 假分形无尺度网络和Sierpinski图中的统治数量和最小主导集;
  • 社区网络与社区的匿名化:量化符合算法时;
  • 随机时域网络的可及性和延迟;
  • 在无量纲网络中具有相同度分布的最大匹配;
  • 集体决策的显微建模与分析:平等偏见导致次优解;
  • 互惠对加权网络中随机游走的影响;
  • 社会媒体纳什均衡;

具有给定度期望的随机图的基于矩的谱分析

地址: http://arxiv.org/abs/1512.03489

作者: Victor M. Preciado, M. Amin Rahimian

摘要: 在本文中,我们分析了由Chung和Lu提出的随机图形集合的邻接矩阵的限制光谱分布,其中给定的预期度数序列$ \ overline {w} _n ^ {^ {T}} =(w ^ {(n)} _ 1,\ ldots,w ^ {(n)} _ n)$在整体上规定。如果节点$ \ {i,j } $之间存在边缘,否则为$ \ mathbf {a} _ {i,j} = 1 $,否则考虑图集合的归一化随机邻接矩阵:$ \ mathbf {A} _n $ $ = $ $ [\ mathbf {a} _ {i,j} / \ sqrt {n}] _ {i,j = 1} ^ {n} $。 $ \ mathbf {F} _n(\ mathord {\ cdot})$表示的$ \ mathbf {A} _n $的经验谱分布是在$ n $ real中的每一个处的质量为$ 1 / n $的经验性度量对称矩阵的特征值$ \ mathbf {A} _n $。在预期程度序列的某些技术条件下,我们以概率1表示,$ \ mathbf {F} _n(\ mathord {\ cdot})$弱收敛到确定性分布$ F(\ mathord {\ cdot})$ 。此外,我们通过为$ F(\ mathord {\ cdot})$的时刻提供明确的表达来完全表征这种分布。我们将结果应用于知名度分布,如幂律和指数。在每种情况下,光谱矩的渐近表达提供了关于特征值光谱的体积行为的重要见解。

了解集体行为心理学原理中的社会力量模型

地址: http://arxiv.org/abs/1605.05146

作者: Peng Wang

摘要: 为了很好地理解人群行为,近几十年来开发了微观模型,可以对个人的行为/心理状态进行建模和模拟。一个着名的模式是物理科学家创新的社会力量模式。该模型已被广泛接受,主要用于过去十年人群疏散的模拟。然而,一个问题是,模型的测试结果没有被解释为与社会心理学发现一致,导致社会心理学家对模型的误解。本文将弥合心理学研究与物理解释之间的差距。我们从心理学的角度来解释这个基于物理学的模型,说明该模型与压力的心理学研究一致,包括与时间有关的压力和人际关系压力。模型的模拟结果实际上反映了耶尔克 - 多德森定律,阐明了压力如何在集体意义上改善或削弱人类表演。

揭示复杂网络的多分形结构

地址: http://arxiv.org/abs/1610.06662

作者: Sarika Jalan, Alok Yadav, Camellia Sarkar, Stefano Boccaletti

摘要: 传统上通过使用网络节点作为基本单位来研究图形的分形特征。在这里,我们建议集中在图形边缘,并引入一种实用的,计算上不要求的方法来揭示网络分形行为的变化,特别是允许区分单分形,准单分形和多分形,分形结构。我们显示,程度同质性在确定底层网络的分形性质方面起着至关重要的作用,并报告六种不同的蛋白质 - 蛋白质相互作用网络及其相应的随机网络。我们的分析可以确定物种中不同程度的复杂性。

随机平面图中央循环

地址: http://arxiv.org/abs/1611.03232

作者: Benjamin Lion, Marc Barthelemy

摘要: 随机平面图呈现在各种各样的上下文中,对于许多不同的应用来说,能够表征其结构是重要的。当地数量不能给出有趣的信息,似乎路径相关措施能够传达关于这些结构的组织的相关信息。特别地,具有较大中间性(BC)的节点显示非平凡的图案,例如中央循环。我们首先讨论不同随机平面图的经验结果,然后我们提出一个玩具模型,让我们讨论出现诸如中央循环等非平凡模式的条件。这个玩具模型由一个星形网络组成,这个网络的大小为$ n $ $ N $ $和$ 1 $的$ N $ $的链接,叠加到一个循环,距离中心的$ \ ell $,重量$ w $的链接。我们估计这个模型在BC中心和循环中,并且我们显示,如果$ w <w_c $其中阈值为$ w_c \ sim n / N_b $,则循环可以比起始点更中心。在这个政权中,循环的最优位置可以缩放为$ \ ell_ {opt} \ sim N_b w / 4 $。这个简单的模型揭示了这些随机结构的组织,并且让我们讨论随机性对环路中心性的影响。特别地,它表明径向分支的数量和空间延伸是控制中心环的存在的关键成分。

图产品多层网络:谱特性和应用

地址: http://arxiv.org/abs/1701.01110

作者: Hiroki Sayama

摘要: 本文旨在建立图形产品多层网络(GPMNs)的理论基础,该网络是可以作为两个或多个因素网络的图形产品获得的多层网络系列。笛卡尔,直接(张量)和强大的产品运算符被考虑,然后被推广。我们首先描述GPMNs及其因子网络之间关于其度数/强度,邻接度和拉普拉斯光谱的数学关系,然后表明这些关系仍然可以适用于非简单和广义的GPMN。 GPMN的应用在三个方面进行讨论:预测流行病阈值,在平凡空间和时间内建模传播,分析自相似网络的高阶属性。还讨论了未来研究的方向。

级联:观众的观点

地址: http://arxiv.org/abs/1702.06673

作者: Rahmtin Rotabi, Krishna Kamath, Jon Kleinberg, Aneesh Sharma

摘要: 在线网络级联在过去十年中一直是受欢迎的学科,对于扩散机制,病毒性,级联预测和对等网络效应等现象的研究较多。然而,一个基本的问题却受到很少的关注:从用户的角度来说,社交媒体平台上的级联是多么可取的?虽然这个问题的版本是从级联生产者的角度考虑的,但是这个问题的任何答案也必须考虑到级联对观众的影响。在这项工作中,我们通过提供消费者的级联观点来弥补这一空白。在线网络用户扮演着生产者和消费者的双重角色。首先,我们对Twitter用户与转发级联的交互进行实证研究。我们测量用户在家庭时间线上观察转推的频率,并观察到我们称之为“印象悖论”的现象:尺寸k级联的展示份额衰减比尺寸k的级联频率慢得多。因此,即使对于罕见的大级联,级联的观众也可能相当大。与未转载的内容相比,我们还衡量与转发级联的观众参与度。我们的研究结果表明,根据每次印象,级联往往与竞争对手相比甚至超过有机含量。这个结果也许令人吃惊,因为消费者没有选择看到这些作者的推文。此外,虽然级联内容是广泛流行的,但人们期望它能够最终达到对内容可能不感兴趣的部分听众。在我们的研究结果的驱动下,我们假设一个关注级联对观众的影响的理论模型。我们对这一模式的研究结果突显了转载作为高质量内容选择机制与网络用户在过滤不相关内容中的作用之间的平衡。

使用网络主题检测强关系

地址: http://arxiv.org/abs/1702.07390

作者: Rahmtin Rotabi, Krishna Kamath, Jon Kleinberg, Aneesh Sharma

摘要: 检测社会和信息网络用户之间的紧密联系是一个基本操作,可以提高大量个性化和排名任务的性能。当用户经常通过诸如以下和消息传递的特征参与多重重叠的网络时,通常很容易从社交网络获得强边缘。这些网络的大小,密度和所携带的信息可能会有很大差异。这个设置导致了一个自然的强大的领带检测任务:给定一小组标签的强关系边缘,在网络的其余部分中可以检测到无标签的强关系?由于成对关系属性数据的可用性不足,以及诸如电话联系的强联系网络的稀疏,这一任务对于Twitter网络来说尤其令人生畏。考虑到这些挑战,一种自然的方法是将结构网络特征用于通过{\ em组合}强弱和“弱”边来产生的任务。在这项工作中,我们通过对Twitter数据的实验展示,仅使用这种结构性网络特征就足以以高精度检测强关系。这些结构网络特征从小网络图案的存在和频率获得,结合强弱关系。我们观察到,使用大于三元组的图案可以减轻较小图案产生的稀疏性问题,这两者都是由于增加的组合可能性以及从超越自我网络的搜索中获益。经验上,我们观察到并非所有的图案都是同样有用的,并且需要从组合的边缘仔细构造,以便有效地进行强力的领带检测。最后,我们强化了我们的实验结果,提供了理论上的理由,这表明为什么将这些较大尺寸的图案作为特征可以导致种植图模型的性能提高。

不平等,密度和异质住宅偏好对城市流离失所和城市结构的影响:基于代理的模型

地址: http://arxiv.org/abs/1703.08539

作者: Geoff Boeing

摘要: 城市流离失所 - 当一个家庭因受到家庭或环境的影响而被迫搬迁时,常常是因为住房成本上涨,特别是富裕,繁荣的城市造成的。然而,其动态是复杂的,往往难以理解。本文提出了城市沉降,集聚,流离失所和扩张的基于代理的模型(ABM)。新的人类住区形成了一种自然的设施,吸引了初期的贫困定居者来维持资源。随着和解的增长,随后的不同收入,技能和兴趣的定居者不均匀地被吸引到1)自然设施或2)新出现的人类聚集。随着集聚增长和密集,土地价值增加,最初的贫困定居者可能会偏离自己依赖的自然设施。通过路径依赖,高收入居民围绕这种自然设施而没有直接的利用或兴趣。这里介绍的基于代理的模型探讨了这一过程的动态。特别是,它揭示了城市流离失所和高档化对收入不平等,密度和不同类型的空间设施的不同偏好敏感。

有效聚类非常大的属性图

地址: http://arxiv.org/abs/1703.08590

作者: Alessandro Baroni, Alessio Conte, Maurizio Patrignani, Salvatore Ruggieri

摘要: 归因图通过丰富其属性的属性来丰富其节点来模拟实际网络。已经提出了几种技术来将这些图分成对于语义属性和图形的结构是均匀的。然而,最先进的算法的时间和空间复杂性将其可扩展性限制为中等尺寸的图形。我们提出SToC(用于语义拓扑聚类),一种用于分区大型归因图的快速可扩展的算法。该方法是强大的,与分类和定量属性兼容,并且它是可定制的,允许用户权衡语义和拓扑组件。此外,该方法不需要用户预先猜测群集的数量。 SToC依赖于众所周知的近似技术,例如bottom-k草图,传统图形理论概念,以及关于异质距离测量的组成的新视角。实验结果证明了其有效计算大规模归属图的高质量分区的能力。

GraphZip:基于字典的挖掘图流压缩

地址: http://arxiv.org/abs/1703.08614

作者: Charles A. Packer, Lawrence B. Holder

摘要: 今天在社交网络,电信网络和互联网等平台上生成的大量数据可以表示为图形流。网络底层图中的活动以流的形式产生一系列边缘;例如,社交网络可以基于不同用户(节点)之间的交互(边缘)随时间生成图形流。虽然已经开发了许多图挖掘算法来分析相对较小的图,但开始接近真实世界网络大小的图表由于其动态性质和相当多的节点和连接而强调这些方法的局限性。在本文中,我们提出了GraphZip,一种用于挖掘图形流中有趣模式的可扩展方法。 GraphZip灵感来自Lempel-Ziv(LZ)类的压缩算法,并且使用一种新颖的基于字典的压缩方法与最小描述长度原理相结合,以发现图形流中的最大压缩模式。我们实验表明,GraphZip能够从大型真实世界图形和人为生成的图形中获取复杂而有洞察力的模式,并具有地面真实模式。此外,我们的研究结果表明,与现有最先进的挖掘图形流方法相比,GraphZip既高效又高效。

枚举大图中的k-顶点连接的组件

地址: http://arxiv.org/abs/1703.08668

作者: Dong Wen, Lu Qin, Xuemin Lin, Ying Zhang, Lijun Chang

摘要: 粘性子图检测是一个重要的图形问题,广泛应用于许多应用领域,如社区社区检测,网络可视化和网络拓扑分析。大多数现有的粘性子图度量值可以保证良好的结构性能,但可能导致自由骑士的作用。在这里,通过自由骑士的效果,我们的意思是,如果一个不相关的子图仅共享少量的顶点和边缘,则将它们组合为一个子图。在本文中,我们研究了k-顶点连接分量(k-VCC),其可以有效地消除自由骑士效应,但在文献中较少研究。 k-VCC是连接的子图,其中删除任何k-1顶点将不会断开子图。除了消除自由骑手效应外,k-VCC还具有其他优点,如有界直径,高内聚性,有界图重叠和有界子图数。我们提出一种多项式时间算法,通过将图形递归分割成重叠的子图来枚举图形的所有k-VCC。我们发现改进算法的关键是减少本地连接测试的次数。因此,我们提出了两种有效的优化策略,即邻近扫描和组扫描,大大减少了局部连通性测试的数量。我们使用七个大的实际数据集进行广泛的性能研究,以证明该模型的有效性以及我们提出的算法的效率。

社会网络博弈中的混合均衡

地址: http://arxiv.org/abs/1703.08776

作者: Chen Avin, Hadassa Daltrophe, Zvi Lotker, David Peleg

摘要: 众所周知,社交网络中的个人倾向于在社交关系中表现出同情(即分类混合),这意味着他们更喜欢与自己的其他人联系。但这种现象的原因是什么?这样的关系是否更方便,更容易维护?还是从集体行为中获得更多的实际利益?目前的工作对这一现象进行了游戏理论的观点,并研究了不同分类混合策略在不断变化的社会网络中导致均衡的条件。我们专注于一个偏倚的优惠依恋模式,其中每个群体的策略(例如,政治或社会少数群体)决定其成员对其他群体成员和非成员的偏见水平。我们的第一个结果是,如果组试图最大化的效用函数是组的程度中心性,被解释为网络中组成员的度数之和,那么实现纳什均衡的唯一策略是完美的同质化意味着与其他团体的合作对此效用函数有害。第二个也许更令人惊讶的结果是,如果对效用函数(例如,由管理机构作为一个规则外部执行)将群体间合作的奖励加入,那么只有两个可能的均衡,即完美的同性恋或完美的异性,可以表征他们的可行性空间。有趣的是,无论人口中的少数民族多数比例如何,这些结果都是成立的。我们相信,这些结果以及本文介绍的游戏理论观点可能有助于更好地了解形成我们社会群体和社区的力量。

世界股市网络的涌现

地址: http://arxiv.org/abs/1703.08781

作者: M. Saeedian, T. Jamali, M. Z. Kamali, H. Bayani, T. Yasseri, G.R. Jafari

摘要: 在全球化时代,每个国家的股票市场自然不是其他市场的独立形式。在这种情况下,集体行为可能会从依赖关系一起出现。本文研究了世界经济中四十个有影响力的市场的集体行为,目的是探索可能被称为世界股市网络的全球金融结构。为此,我们使用随机矩阵理论(RMT)分析了这四十个市场的指数的互相关矩阵。我们发现市场之间的集体行为程度和每个市场在其结构形成中的份额。这一结果与四个股票市场的相同计算结果一起强化了世界金融市场的观念。最后,我们绘制互相关矩阵的树形图,使社区在这个抽象的全球市场中可见。由至少百分之三十相关的树状图表明,世界金融市场包括三个社区,每个社区包括地理位置相近的股票市场。

关于行为改变的推荐:使用社交媒体传播公共卫生信息

地址: http://arxiv.org/abs/1703.08813

作者: Aisling Gough, Ruth F Hunter, Oluwaseun Ajao, Anna Jurek, Gary McKeown, Jun Hong, Eimear Barrett, Marbeth Ferguson, Gerry McElwee, Miriam McCarthy, Frank Kee

摘要: 背景:社交媒体公共卫生运动具有低成本和大范围定制信息的优势,但很少知道什么将决定其作为诱导态度和行为变化的工具的可行性。目的:本研究的目的是测试设计,实施和评估社会媒体对皮肤癌预防的干预措施的可行性。结论:社会媒体传播的公共卫生信息达到北爱尔兰人口的23%以上。一项基于网络的调查显示,这一运动可能有助于提高目标人群对皮肤癌的知识和态度。结果表明,令人震惊和幽默的消息产生了最大的印象和参与度,但基于信息的消息可能最为共享。由于运动的结果,行为改变的程度还有待探讨,但态度和知识的转变是有希望的。社交媒体是提供公共卫生信息的廉价,有效的方法。然而,现有和传统的过程评估方法可能不适合社交媒体。

使用延迟容忍社交网络的安全机会方案中间件的体内评估

地址: http://arxiv.org/abs/1703.08947

作者: Corey E. Baker, Allen Starke, Tanisha G. Hill-Jarrett, Janise McNair

摘要: 在过去十年中,Twitter和Facebook等在线社交网络(OSN)已经蓬勃发展,并且已经超过10亿用户快速增长。一个主要的演变将是利用OSN的特征来评估研究团体在现实世界情景中开发的许多路由选择方案的有效性。在本文中,我们展示了安全机会方案(SOS)中间件,允许不同的路由方案轻松实现,减轻了安全性和连接建立的负担。通过使用SOS为AlleyOop Social(一种安全的延迟容忍网络研究平台)提供创建延迟宽容的社交网络的可行性,该平台作为iOS设备的现实移动社交网络应用程序。 SOS和AlleyOop Social允许用户使用蓝牙,对等WiFi和基础设施WiFi来互动,发布消息并发现在间歇性网络中共享共同兴趣的其他用户。

假分形无尺度网络和Sierpinski图中的统治数量和最小主导集

地址: http://arxiv.org/abs/1703.09023

作者: Liren Shan, Huan Li, Zhongzhi Zhang

摘要: 最小主导集(MDS)问题是理论计算机科学的基础课题,已经在传感器网络,蛋白质相互作用网络和结构可控性等不同领域得到广泛应用。然而,一般网络中MDS的大小和所有MDS的数量的确定是NP-hard,因此寻找可以通过分析解决MDS问题的特定图形是有意义的。在本文中,我们研究了伪分形无尺度网络和具有相同数量的顶点和边缘的Sierpi \ nkiki图中的MDS问题。对于这两个网络,我们明确地确定统治数量以及不同MDS的数量。我们显示假分形无尺度网络具有唯一的MDS,其统治数量仅为Sierpi \ nski图的一半,其具有许多MDS。我们认为,无尺度拓扑结构是两个研究图之间MDS尺寸和数量差异的原因,反过来又表明幂律度分布在MDS问题及其在规模上的应用中起着重要的作用,免费网络。

社区网络与社区的匿名化:量化符合算法时

地址: http://arxiv.org/abs/1703.09028

作者: Xinzhe Fu, Zhongzhao Hu, Zhiying Xu, Luoyi Fu, Xinbing Wang

摘要: 现在关键的隐私驱动的问题是通过将匿名社交网络映射到相关的跨域辅助网络来重新识别匿名社交网络。先前的工作通常基于将社交网络建模为表示用户及其关系的随机图,并且随后通过没有充分理由提出的成本函数量化映射的质量。而且,如何算术地满足这种量化的需求,即找到成本函数的最小值,仍然是未知数。我们通过社区结构参数化的更现实的社交网络建模来解决这些问题,可以作为解除匿名化的辅助信息。通过最大后验(MAP)估计,我们的第一个贡献是新的和合理的成本函数,当最小化时,它们以最高概率找到正确的映射,享有先前的优势。成本函数的可行性是第一次算法表征。虽然证明了一般的乘法近似性,但是我们能够提出两种算法,分别在进行成功的用户重新识别时享受一个ε加性近似和条件最优性。我们的理论研究结果经过实证验证,从罕见的真正的跨域网络中提取出一个重要的真实社交网络去匿名的显着数据集。理论和实证观察也表明了社区信息在加强隐私推理中的重要性。

随机时域网络的可及性和延迟

地址: http://arxiv.org/abs/1703.09036

作者: Shahriar Etemadi Tajbakhsh, Justin P. Coon, David E. Simmons

摘要: 在广泛的复杂网络中,节点之间的链接是时间性的,可能偶尔出现并消失。这种时间性是分析这种网络中的路径的形成的基础。此外,节点之间的链接的存在是在许多现实世界网络中由自然引起的随机过程。在本文中,我们研究了微观级别的随机时间网络,并且在一定数量的离散时间单位$ T $之后,从节点\ emph {i}到节点\ emph {j}形成\ emph {可访问概率} 。虽然解决原始问题在计算上是棘手的,但是对于具有链接存在的任意时变概率的非常普遍的情况,我们在该概率上提供上下两个下限。此外,对于链路在每个时隙在网络上具有相同概率的特殊情况,我们获得任何两个节点之间的准确可访问概率。最后,我们讨论了有关链接存在和不存在的信息最初以连续概率分布的持续时间(存在或不存在间隔)的形式可用的情况,而不是随着时隙的离散概率。我们提供一种将这种分布转换为离散概率的方法,使我们能够将本文中的给定范围应用于更广泛的问题设置。

在无量纲网络中具有相同度分布的最大匹配

地址: http://arxiv.org/abs/1703.09041

作者: Huan Li, Zhongzhi Zhang

摘要: 网络中最大匹配的大小和数量已经在许多领域中发现了大量应用。作为不同实体系统的无所不在的财产,幂律度分布被显示对无尺度网络中最大匹配的大小具有深远的影响,其中最大匹配的大小很小,并且完全匹配通常不存在。在本文中,我们分析研究了两个具有相同程度序列的无尺度网络中的最大匹配,并表明第一个网络没有完美匹配,而第二个网络具有很多。对于第一个网络,我们明确地确定最大匹配的大小,并为最大匹配次数提供一个确切的递归解决方案。对于第二个,我们设计一个方向,并证明它是Pfaffian,基于此,我们为完美匹配的数量得到一个闭合表达式。此外,我们证明完美匹配的熵等于与所研究的无尺度网络相同的平均程度的扩展Sierpi \ nski图相对应的熵。我们的研究结果表明,幂律度分布单独不足以表征无大规模网络中最大匹配的规模和数量。

集体决策的显微建模与分析:平等偏见导致次优解

地址: http://arxiv.org/abs/1703.09098

作者: Pierluigi Vellucci, Mattia Zanella

摘要: 我们讨论了集体决策相互作用的多代理系统的新型微观模型。特别是我们有兴趣在称为平等偏见的实验文献中建立一个众所周知的现象,其中代理人倾向于以与他们的伴侣一样好或坏的方式表现。我们分析引入的问题,我们证明了在存在平等偏见的情况下集体决策的次优性。数值实验在上一节中讨论。

互惠对加权网络中随机游走的影响

地址: http://arxiv.org/abs/1703.09117

作者: Zhongzhi Zhang, Huan Li, Yibin Sheng

摘要: 最近有报道说,现实加权网络的互惠性非常明显,但对动态过程的影响了解甚少。在本文中,我们研究了在无中心集线器节点的陷阱的无尺度有向加权网络中的随机游走,其中每个有向边的权重由控制网络互惠范围的参数控制。我们通过使用两种不同的技术来获得两个平均第一次通过时间(MFPT)的表达式,其结果彼此一致。我们还通过分析来确定动力学过程的基本矩阵的所有特征值以及它们的多重性,并且表明最大特征值具有与MFPT相同的主要尺度。我们发现权重参数对MFPT作为系统大小的幂律函数,功率指数取决于参数,表明在加权网络中发生的随机游走中的互惠关键作用。

社会媒体纳什均衡

地址: http://arxiv.org/abs/1703.09177

作者: Farzad Salehisadaghiani

摘要: 在这项工作中,我们调查纳什均衡寻求算法在社交网络中的应用。在网络游戏中,每个玩家(用户)响应于其他玩家的动作采取行动,以减少(增加)他的网络中的成本(利润)。我们假设玩家的成本函数不一定取决于所有玩家的行为。这是因为更好地模仿了标准的社交媒体规则。为游戏定义了一个通信图,玩家可以通过它们与其邻居分享信息。我们假设通信邻居必然影响玩家的成本函数,而相反并不总是如此。在这个游戏中,玩家只知道自己的成本函数和动作。因此,他们每个人都对其他人的行为进行估计,并与邻居分享更新他的行动和估计。

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。本系列在个人博客网络科学研究速递 进行同步更新,并提供RSS订阅。

推荐阅读更多精彩内容