首页/论文/1402.5477

arXiv 1402.54772014-02-22cs.SI

移动电导与基于Gossip的信息传播

Mobile Conductance and Gossip-based Information Spreading in Mobile Networks

Huazi Zhang, Zhaoyang Zhang, Huaiyu Dai

备注：: arXiv admin note: substantial text overlap with arXiv:1202.2586

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

在本文中，我们提出了一个通用的分析框架，在移动网络中的信息传播的基础上，一个新的性能指标，移动电导，这使我们能够分离的移动模型的细节，从移动传播时间的研究。我们得出了一个一般的结果，在移动网络中的信息传播时间在这个新的度量，并通过几个流行的移动模型实例化。通过大规模网络仿真来验证我们的分析。

英文摘要：

In this paper, we propose a general analytical framework for information spreading in mobile networks based on a new performance metric, mobile conductance, which allows us to separate the details of mobility models from the study of mobile spreading time. We derive a general result for the information spreading time in mobile networks in terms of this new metric, and instantiate it through several popular mobility models. Large scale network simulation is conducted to verify our analysis.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

移动网络中基于流言的信息传播

Gossip-based Information Spreading in Mobile Networks

近年来，移动网络由于其在各个领域的广泛应用而受到越来越多的研究兴趣，移动自组织网络（MANET）和车载自组织网络（VANET）就是其中两个突出的例子。移动性带来了挑战和机遇：如[1]所示，已知要提高网络吞吐量。本文基于Gossip算法分析了移动性对信息传播的影响。我们的贡献是双重的。首先，我们提出了一个新的性能指标，移动电导，这使我们能够分离的移动模型的细节从移动传播时间的研究。其次，我们探讨了几种流行的移动模型的移动电导，并提供相应的结果的见解。大规模网络仿真验证了我们的分析。

2014-02-26cs.NIcs.SI

关于加权网络的流言

Gossip on Weighted Networks

我们研究如何适合加权网络是八卦传播。该模型是基于Lind等人在未加权网络上提出的流言传播模型。体重代表“友谊。如果流言的受害者是一个“亲密的朋友”，潜在的传播者宁愿不传播。流言传播与三角形和三角形级联有关。它提供了关于网络结构的更多见解。我们分析了在真实的加权人际互动网络上传播的八卦。研究了6个共现网络和7个社会模式网络。流言传播被认为是一个很好的参数，以区分同现和社会模式的网络。作为比较，本文还研究了一些混杂网络和基于ER、BA、WS模型的计算机生成网络。它们被发现与人类互动网络有很大不同。

2012-05-05cs.SInlin.AOphysics.soc-ph

论移动性在多消息流言中的作用

On the Role of Mobility for Multi-message Gossip

我们考虑在一个大的$n$用户无线网络中的信息传播，其中$k$用户希望与所有其他用户共享一个独特的消息。每个$n$用户只知道自己的内容和状态信息;这对应于单侧仅推送场景。我们的目标是有效地传播所有的消息，希望在单播无线随机网络上实现一个最优的顺序扩展速率。首先，我们表明，一个随机推送策略-用户发送自己的或接收到的数据包随机-顺序次优的随机几何图：具体来说，$Ω(\sqrt{n})$倍慢于最佳的扩展。众所周知，如果每个用户具有“完全”移动性，则可以闭合该间隙，因为这有效地创建了完整的图。相反，我们考虑速度约束的移动性，在每个时隙的用户移动本地使用离散随机游走速度$v(n)$，这是远远低于全移动性。我们提出了一个简单的两阶段传播策略，交替个人信息泛滥（“自我宣传”）和随机八卦。我们证明，只要速度至少是$v(n)=ω(\sqrt{\log n/k})$，该方案实现了接近最佳的扩展速率（只有对数间隙内）。关键的见解是，部分移动性引入的混合属性有助于用户在相对较短的时间内在空间中传播，而最佳传播时间则在宏观上模拟了整个图上的消息传播。

2013-02-07cs.ITcs.NIcs.SI

稀疏网络中的移动电导与移动性-连通性权衡

Mobile Conductance in Sparse Networks and Mobility-Connectivity Tradeoff

在本文中，我们最近提出的移动电导为基础的分析框架扩展到稀疏设置，从而提供了一个统一的工具，分析在移动网络中的信息传播。一个惩罚因子被确定为稀疏网络中的信息传播相比，连接的情况下，这是直观的解释，并通过模拟验证。与所获得的分析结果，移动性连接的权衡进行了定量分析，以确定有多少移动性可以利用，以弥补网络连接的不足。

2014-03-30cs.NIcs.SI

低连通世界中的全局计算：不依赖电导的快速谣言传播

Global Computation in a Poorly Connected World: Fast Rumor Spreading with No Dependence on Conductance

在本文中，我们研究的问题，如何有效地收集互连节点可以执行一个全球性的计算，在广泛研究的GOSSIP模型的通信。在该模型中，节点不知道网络的全局拓扑，并且它们在每一轮中只能与单个邻居发起联系。该模型与限制性更小的TCP模型形成对比，在TCP模型中，节点可以在单轮中同时与其所有邻居通信。在这种情况下，一个基本的问题是信息传播问题需要多少轮通信，其中每个节点都有一些信息，并需要收集所有其他信息。本文给出了一个算法，它解决了直径为$D$的网络中最多$O(D+\text{polylog}{(n)})$轮的信息传播问题，且不依赖于电导.这最多是来自$D$平凡下界的加性多对数因子，其甚至适用于RISK模型。事实上，我们证明了更强的东西是真的：任何算法，需要$T$轮在ESTA模型可以模拟$O(T +\mathrm{polylog}(n))$轮在GOSSIP模型。因此，我们证明了这两种分布式计算模型本质上是等价的。

2011-04-14cs.DCcs.DMcs.SI

社交网络中意见最大化的智能信息传播

Smart Information Spreading for Opinion Maximization in Social Networks

意见最大化的目标是使社交网络中的个体对产品、意识形态或任何实体的正面看法最大化。到目前为止，意见最大化主要是在社会网络中寻找一组有影响力的节点来快速传播内容。在本文中，我们提出了一种新的方法来解决这个问题，意见最大化是通过有效的信息传播。在我们的模型中，多个源不断地向网络中注入信息，而具有异构社会学习能力的规则节点通过八卦机制将信息传播给他们的熟人。其中一个信源采用智能信息传播，其余信源随机传播信息。我们的社会互动和意见的演变模型作为一个动态贝叶斯网络（DBN），使用它的意见最大化制定为一个顺序决策问题。由于这个问题是棘手的，我们开发了多个变种的集中式和分散式学习算法，以获得近似的解决方案。通过在合成网络和真实网络中的模拟，我们证明了两个关键结果：1）所提出的方法比随机传播的性能要好得多，2）即使智能源（传播所需内容）位于网络中的不利位置，它也可以胜过位于有利位置的竞争随机源。

2019-01-01cs.SIphysics.soc-ph

更多相关论文收起更多论文

复杂网络中相互作用信号源的定位

Locating the source of interacting signal in complex networks

研究了复杂网络中自交互信号扩频的源定位问题。我们使用一个著名的谣言模型作为一个例子的过程与自我互动。根据这个基于SIR流行动力学的模型，被感染的节点可以以$α$的概率相互作用并阻止彼此八卦。本文比较了三种声源定位算法：有限Pinto-Thiran-Vettarli（LPTV）、梯度极大似然（GMLA）和基于时间和距离的Pearson相关性的算法。数值模拟的结果表明，感染节点之间的额外的相互作用降低了LPTV和皮尔逊的质量。GMLA对自相互作用的有害影响是最有抵抗力的，这对于过程的中等和高水平的随机性尤其明显，当铺展率低于0.5时。其原因可能是GMLA只使用最近的观察者，这些观察者不太可能受到受感染节点之间相互作用的影响，因为随着流行病的发展和感染媒介数量的增加，这些接触变得重要。

2020-12-03cs.CYcs.SIphysics.soc-ph

随机演化图中的谣言传播

Rumor Spreading in Random Evolving Graphs

随机八卦是大规模网络中最流行的信息传播方式之一。该方法因其简单性、鲁棒性和效率而受到赞赏。在“推送”协议中，每个被通知的节点在每个时间步长（a.k.a. round），其相邻节点之一均匀随机地转发信息到该节点。已知该协议以高概率（w.h.p.）在$O(\log n)$时间步长中完成信息扩展。在$n$节点“静态”网络的几个族中。推送协议也已经被经验地证明在实践中表现良好，并且具体地，对于动态拓扑变化是鲁棒的。在本文中，我们的目的是分析推协议在“动态”网络。我们认为“边马尔可夫”不断发展的图形模型，捕捉自然的时间$t$的网络结构之间的时间依赖关系，并在时间$t+1$。确切地说，非边缘以概率$p$出现，而现有边缘以概率$q$死亡。为了与真实世界的轨迹相吻合，我们主要集中在$p=Ω(1/n)$和$q$为常数的情况下进行研究。我们证明，在这个现实的情况下，推协议确实表现良好，完成信息传播的$O(\log n)$时间步长w.h.p.请注意，这种性能保持，即使当网络，w.h.p.，在每个时间步长断开（例如，当为$p << (\log n) / n$时）。我们的结果提供了第一个正式的参数，证明了鲁棒性的推送协议对网络的变化。我们还提出了参数$p$和$q$的其它范围（例如，$p+q=1$与任意$p$和$q$，以及$p=1/n$与任意$q$）。虽然它们并不完全符合对真实世界轨迹执行的测量，但它们可能对…

2013-02-15cs.DCcs.DMcs.SI

电磁场有效电导中心性的推广

Generalization of Effective Conductance Centrality for Egonetworks

我们研究了流行的中心性度量，称为有效电导，或在某些圈子中称为信息中心性。这是无向网络的中心性的重要概念，具有许多应用，例如，随机游动，电阻网络，传染病传播，等等。在本文中，我们首先重新解释这个措施的模（能量）的家庭的网络上行走。这种模中心性度量与简单无向网络上的有效电导度量一致，并将其扩展到更一般的情况，例如，网络也是如此。其次，我们研究了一个变化的自我中心的网络范式，这种模数的方法。Egonetworks是围绕一个焦点节点（ego）形成的网络，具有特定的邻域顺序。我们提出了有效的分析和近似方法计算这些措施的无向和有向网络。最后，我们描述了一个简单的方法启发的模的观点，称为壳度，这被证明是一个有用的工具，网络科学。

2018-07-26cs.DScs.SIphysics.data-an

小世界网络中的随机谣言传播

Randomized Rumor Spreading in Poorly Connected Small-World Networks

Push-Pull是一种被广泛研究的循环谣言传播协议，定义如下：最初，一个节点知道谣言，并希望将其快速传播到网络中的所有节点。在每一轮中，每个知情的节点发送谣言给一个随机的邻居，和每个不知情的节点联系一个随机的邻居，并从她得到的谣言，如果她知道it. We随机$k$ -树，一类幂律图，这是小世界，并有大的聚类系数，建立如下分析该协议：首先，我们有一个$k$ -团。在每一步中，一个新的节点诞生，一个随机的$k$ -团的当前图被选中，新的节点加入到所有的$k$ -团的节点。当$k>1$是固定的，我们表明，如果最初一个随机节点是知道的谣言，然后概率$1-o(1)$后，$O\left((\log n)^{1+2/k}\cdot\log\log n\cdot f(n)\right)$轮谣言传播到$n-o(n)$节点，其中$n$是节点的数量和$f(n)$是任何缓慢增长的功能。由于这些图具有多项式小电导，顶点扩展$O(1/n)$和恒定树宽，这些结果表明，即使在连接不良的网络上，推挽也是有效的。在消极的一面，我们证明了概率$1-o(1)$协议需要至少$Ω\left(n^{(k-1)/(k^2+k-1)}/f^2(n)\right)$轮通知所有节点。通知几乎所有节点和通知所有节点所需的时间之间的这种指数二分法是惊人的。我们的主要贡献是，第一次，自然类的随机图中，这样的现象可以观察到。我们的技术证明上…

2014-10-29cs.SImath.CO

类似流行病的基于邻近度的流量卸载

Epidemic-like Proximity-based Traffic Offloading

蜂窝网络由于移动业务激增而过载，承载信息流的移动社交网络（MSNet）可以帮助降低蜂窝业务负载。如果地理上邻近的用户直接采用WiFi或蓝牙技术（即，利用基于邻近度的通信），可以从蜂窝网络卸载一部分移动业务。对于许多延迟容忍应用，对于流量卸载来说，挑选一些种子用户作为信息源是有益的，这有助于使用基于邻近度的通信以类似于广播的方式将信息进一步传播给其他用户。在本文中，我们开发了一个理论框架来研究只选择k个种子用户的问题，以最大限度地减少移动通信流量从蜂窝网络通过基于邻近的通信。我们引入了一个八卦式的社会级联（GSC）模型来模拟信息扩散过程，它捕捉了基于邻近的通信的类似于网络的性质，并描述了用户的社会参与以及。静态网络作为一个特殊的案例研究和移动网络，我们建立了一个等价的视图和时间映射的信息扩散过程中，分别利用虚拟优惠券收集器。我们进一步证明了子模块的信息扩散，并提出了一个贪心算法选择种子用户的邻近为基础的流量卸载，产生的流量卸载最大化（TOM）问题的最优值的63%内的解决方案。实验结果表明，基于邻近度的通信可以在种子用户数较少的情况下卸载60%以上的蜂窝业务，且贪心算法的性能明显优于启发式算法和随机算法.

2014-11-25cs.ITcs.SImath.IT