Enhancement of cooperation in highly clustered scale-free networks
我们研究了集群对合作组织的影响，通过分析囚徒困境的演化动力学的无标度网络与一个可调的集群值。我们发现，一个高的值的聚类系数产生的网络中的合作的整体增强，即使是一个非常高的诱惑叛逃。另一方面，高聚类避免了叛逃者入侵度类的过程，降低了网络中低密度合作策略者的生存机会。
2008-07-14 physics.soc-ph
The rules of multiplayer cooperation in networks of communities
本文研究社区组织与行为涌现的相互作用，通过建模移动结构化种群推导出高归巢保真度下的进化动力学方法，揭示了不同社会困境下社区网络中多人合作的演化规则与稳定性条件。
2024-08-27 physics.soc-ph q-bio.PE
Cooperation Networks: Endogeneity and Complexity
从复杂系统文献的见解，开发一个计算模型，真正的内生战略网络的形成。人工自适应代理，实现为有限状态自动机（FSA），发挥修改后的两个玩家IPD游戏的选项，以进一步发展互动空间作为其战略的一部分。这个小的修改导致几个见解：首先，我发现，网络的形成是一个必要条件，合作是可持续的，但双方的互动频率和边缘形成的影响代理混合的程度都是必要条件合作网络。第二，在FSA修改的IPD框架内，观察和描述了一个丰富的代理和网络拓扑生态。第三，系统动力学的研究和揭示，最初简单的动力学与代理之间的相互作用长度小让位于复杂的，非周期性的动态与自组织的临界特性时，相互作用长度增加了一个步骤。
2006-07-17 physics.soc-ph
Predicting success of cooperators across arbitrary heterogeneous environmental landscapes
School of Biological Sciences, Institute for Research in Fundamental Sciences (IPM), Tehran, Iran（基础科学研究所生物科学学院）；University of Minnesota, Minneapolis, MN, USA（明尼苏达大学）；Institute of Science and Technology Austria, Klosterneuburg, Austria（奥地利科学技术研究所）
研究探讨了在异质环境中合作演化的空间组织如何影响合作者的固定概率和进化时间尺度，提出空间相关指数（SCI）作为预测合作成功的关键指标。
2026-04-14 cond-mat.stat-mech physics.soc-ph q-bio.PE
Cooperation percolation in spatial prisoner's dilemma game
自私个体之间的合作悖论仍然困扰着科学界。虽然大量的证据表明，空间博弈中的合作者集群是有效的，以保护合作者免受入侵的叛逃者，我们仍然缺乏一个巨大的合作者集群，以确保在一个系统中的合作盛行的形成条件。在这里，我们研究了空间囚徒困境博弈中合作者集群的动态组织，为合作的优势提供条件，发现当合作者的初始分数超过一定的阈值时，会发生一个相变，其特征是出现一个大的跨越合作者集群。有趣的是，相变属于不同的普遍性类的渗流决定的诱惑缺陷$b$。具体而言，在正方形晶格上，$1<b<4/3$导致属于规则位点渗透类的相变，而$3/2<b<2$引起受捕获侵入渗透的相变。我们的研究结果提供了更深入的理解在自然界和社会的合作行为。
2015-02-28 physics.soc-ph
Self-organization of punishment in structured populations
合作对于人类物种的非凡进化成功至关重要。毫不奇怪，有些人愿意承担额外的费用来惩罚叛逃者。目前的模式假设，一旦确定，罚款和惩罚成本不会随着时间的推移而变化。在这里，我们表明，通过允许参与者根据合作的成功来调整他们的制裁努力来放松这一假设，可以解释惩罚的自发出现，以及它阻止叛逃者和那些不愿意用全球微不足道的投资来惩罚他们的能力。通过相图和新兴的空间模式的分析，我们表明，适应性惩罚促进公共合作，无论是通过激活的空间互惠，循环优势的出现，或通过提供竞争优势，制裁反社会行为的预防。研究结果表明，自组织过程显著提高了惩罚的有效性，并揭示了这种迷人而广泛的社会行为可能进化的新机制。
2012-03-30 cond-mat.stat-mech physics.soc-ph q-bio.PE
When groups attract: coevolutionary dynamics of cooperation and individual- and group-based imitating rules
Tongji University（同济大学）；Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海智能自动驾驶系统研究院）；Dartmouth College（达特茅斯学院）；Geisel School of Medicine at Dartmouth（达特茅斯盖泽尔医学院）
本研究通过超图上的公共品博弈，发现合作与群体偏向模仿相互强化，且中等群体规模最有利于合作，揭示了模仿对象的学习如何共同进化以塑造集体合作。
2026-09-29 physics.soc-ph
Persistence of hierarchical network organization and emergent topologies in models of functional connectivity
功能网络提供了大脑中活动模式的拓扑描述，因为它们源于突触连接的基础解剖或结构网络上的神经活动的传播。众所周知，后者是以分层和模块化的方式组织的。虽然人们认为结构网络塑造了它们的功能对应物，但也有人假设大脑动力学的改变伴随着功能连接的转变。在这项计算研究中，我们引入了一种新的方法来监测的持久性和故障的功能网络中的层次顺序，从计算模型的活动传播合成和真正的结构连接体。我们表明，层次连接出现在功能网络中的一个持久的方式，如果动态被设置为在准临界制度与最佳的处理能力和正常的大脑功能，而它打破了在其他（超临界）动态制度，往往与病理条件。我们的研究结果提供了重要的线索，最佳的神经计算架构和过程，这是能够控制的活动和信息流的模式的研究。我们的结论是，功能连接模式通过继承底层结构架构的层次组织，实现了局部专门处理（即隔离）和全局整合之间的最佳平衡。
2021-02-10 cond-mat.dis-nn physics.soc-ph q-bio.NC
Social Pressure and Environmental Effects on Networks: A Path to Cooperation
在本文中，我们研究如何亲社会的影响，由于其他个人的警惕是由环境和进化的影响。为此，我们考虑一个已知的模型，其中代理人在他们之间玩囚徒困境游戏（PDG），并且个体的支付矩阵根据“警惕”的邻居的数量而变化，即，有多少邻居会注意她的行为特别是，背叛的诱惑随着警惕的邻居的数量线性下降。该模型被证明在特定条件下支持合作，在这里，我们检查其鲁棒性与不同的拓扑结构，微观更新规则和初始条件。通过大量的数值模拟和少量的理论研究，我们发现在哪些情况下他人的警惕性对合作行为更有利，以及在哪些情况下他人的警惕性对合作行为的影响更弱。
2017-01-13 physics.soc-ph q-bio.PE
The outbreak of cooperation among success-driven individuals under noisy conditions
根据托马斯·霍布斯（Thomas Hobbes）的《利维坦》（Leviathan）[1651; 2008（Touchstone，New York），English Ed]，“人的生命是孤独的、贫穷的、肮脏的、野蛮的和短暂的”，它需要强大的社会制度来建立社会秩序。然而，在现实中，社会合作也可以自发地产生，基于当地的互动，而不是集中控制。合作行为的自组织性在与共享自然资源或创造共同物品有关的社会困境中尤其令人困惑。这种情况通常被称为囚徒困境。在这里，我们报告了在一个由自私和背叛主导的嘈杂世界中，当个体模仿优越的策略并表现出成功驱动的迁移时，主导合作的突然爆发。在我们的模型中，个体是不相关的，并且不继承行为特征。当机会出现时，他们会背叛或自私地合作，他们不知道他们会与他人互动或与他人互动的频率。此外，我们的个人没有建立友谊网络的声誉机制，也没有自愿互动或昂贵惩罚的选择。因此，当定向运动被整合到博弈论模型中时，普遍合作的爆发是显着的，特别是当随机策略突变和随机迁移挑战合作集群的形成和生存时。我们的研究结果表明，流动性是显着的社会秩序的演变，其稳定和维护是必不可少的。
2009-03-24 physics.soc-ph
Cooperator-driven and defector-driven punishments: How do they influence cooperation?
经济研究表明，有两种类型的监管制度可被视为当今全球经济的重要组成部分：由自我监管组织实施的自我监管，以管理行业惯例，以及政府监管，这被视为维持公司遵守的另一种制度。一个突出的问题，特别感兴趣的是定量地了解这些监管计划在进化动力学中的作用。一般来说，惩罚通常是为了执行法规。考虑到这两种类型的惩罚曲线的规定，我们开发了一个游戏模型，其中六个进化的情况下，相应的策略组合被认为是。此外，一个半解析方法的发展，使我们能够给一个准确的估计之间的界限的阶段完全缺陷和非缺陷。我们发现，与进化动力学相关，对于无限混合种群，两种惩罚的混合比单独一种惩罚更能促进公共合作，但对于网络化种群，合作者驱动的惩罚是一个更好的选择.同时，我们还揭示了在无限混合种群中，协同效应、惩罚性罚款和反馈敏感性对公共合作的单调促进作用。相反，对于网络种群，需要一个最优的反馈敏感度的中间范围，以最好地促进惩罚者的种群。总体而言，网络结构总体上更有利于惩罚者和进一步的公共合作，因为网络互惠和惩罚者和不惩罚叛逃者的合作者之间的互惠。
2019-10-09 physics.soc-ph
Performance appraisal promotes cooperation in spatial public goods games
College of Artificial Intelligence, Southwest University（西南大学人工智能学院）；Business College, Southwest University（西南大学商学院）
该研究提出基于绩效评估的空间公共物品博弈模型，通过将收益分为平均分配与绩效加权两部分，经模拟证实绩效评估可显著促进合作行为，为缓解社会困境提供了新路径。
2026-08-05 physics.soc-ph
Emergence of Cooperation in Two-agent Repeated Games with Reinforcement Learning
该研究通过双智能体严格囚徒困境的Q-learning博弈实验，揭示记忆强度、未来预期与探索行为对合作涌现及稳定性的影响机制，给出维持合作的约束条件，为理解复杂场景的合作规律提供参考。
2024-05-16 physics.soc-ph
Coevolution of strategies and update rules in the Prisoner's Dilemma game on complex networks
在这项工作中，我们研究了一个弱的囚徒困境游戏，其中的策略和更新规则都受到进化压力。代理之间的相互作用是由复杂的拓扑结构，我们认为同质和异构的情况。我们考虑确定性和随机更新规则的策略，这反过来可能会考虑单个链接或完整的上下文时，选择代理复制。我们的研究结果表明，共同进化的过程中保留异构网络作为一个合适的框架出现的合作。此外，在这些网络上，更新规则导致更大的分数，我们称之为复制动力学，是在共同进化过程中选择的。在同构网络上，我们观察到，即使复制动力学再次被证明是选定的更新规则，合作水平是大于一个固定的更新规则框架。我们的结论是，对于各种拓扑结构的动态coevolves与战略的事实，导致在一般情况下，更多的合作弱囚徒困境游戏。
2010-11-06 cond-mat.stat-mech physics.soc-ph q-bio.PE
Cooperation and Contagion in Web-Based, Networked Public Goods Experiments
人类合作文献中的一个长期观点是，当有条件的合作者更有可能互动时，合作应该得到加强。在社交网络的背景下，这一想法意味着，在高度聚集的网络（如集团）中，合作应该比在低聚集的网络（如随机网络）中更好。为了验证这一假设，我们进行了一系列基于网络的实验，其中24个人玩了一个本地公共产品的游戏，安排在五个网络拓扑结构之间的断开派系和随机规则图。与以前的理论工作相比，我们发现，网络拓扑结构的平均贡献没有显着的影响。这一结果意味着，要么个人不是有条件的合作者，否则，合作不会受益于连接邻居之间的正强化。然后，我们在随后的两个系列实验中测试了这两种可能性，其中引入了人工种子选手，做出全部或零贡献。首先，我们发现，尽管参与者的行为通常像有条件的合作者，但他们减少贡献以应对低贡献邻居的可能性与增加贡献以应对高贡献邻居的可能性一样大。其次，我们发现合作的积极影响只会传染给网络中的直接邻居。我们总共报告了113个人类受试者的实验，强调了基于网络的实验相对于物理实验室进行的实验的速度、灵活性和成本效益。
2011-03-02 cs.GT physics.soc-ph
Hierarchical invasion of cooperation in complex networks
合作的出现和生存是科学中仍然存在的最困难的问题之一。惩罚的存在、有限系统中的波动、重复的相互作用和威望的形成等几个因素都可能有助于解释自然和社会系统中合作的反直觉流行。互动网络的特性也被认为是有利于合作者持久性的一个因素。在这里，我们考虑在复杂的拓扑结构的合作行为的入侵动力学。从具有给定连接数（度）$k_0$的节点开始执行完全被叛逃者占据的异构网络的入侵。然后，系统内的囚徒困境的游戏和结果进行了分析，作为一个功能的$k_0$和程度$k$的节点采用合作。使用数值和分析方法进行，我们的研究结果表明，入侵收益优先以下的层次顺序的节点，从那些具有较高程度的那些具有较低程度。然而，只有当最初的合作者数量足够多，形成一个集群，合作才能传播开来，合作的入侵才会成功。这意味着初始条件必须是高度数和高数值度之间的适当平衡，这通常在可能的情况下发生在$k_0$的中间值。这些发现具有潜在的应用，因为它们表明，为了促进复杂网络上的合作行为，应该感染合作者\emph{high but not too high}度节点。
2018-02-16 physics.soc-ph q-bio.PE
Identity, Kinship, and the Evolution of Cooperation
生物学上无关的个体之间的广泛合作是人类独有的，目前的许多研究试图解释这一事实。我们利用人类独特性的社会、文化和心理方面，提出了一个人类合作的综合理论，解释了人类合作中对其他理论有问题的方面（例如，避免叛逃者入侵、排除搭便车者的优先分类以及二阶搭便车者问题）。我们认为，人类合作行为的进化需要（1）自我维持的能力，自我指涉的思想表现为一个完整的世界观，包括身份感和观点，（2）文化形成的亲属关系为基础的社会组织系统中，社会身份可以建立和通过涵化传播。我们认为，人类的合作行为是通过获得一种基于文化的社会身份而产生的，这种身份包括对亲属之间合作的期望。这种身份与基本的生存本能是通过情感联系在一起的，这些情感在精神上被体验为充满文化的情感。因此，个人有动机与那些在文化上被视为亲属的人合作，而偏离预期的社会行为则被认为是对一个人的社会身份的威胁，导致对那些被视为违反关于社会适当行为的文化期望的人的惩罚。
2018-09-18 physics.soc-ph q-bio.PE
Fence-sitters Protect Cooperation in Complex Networks
进化博弈论是从自然科学到工程学的许多科学学科背后的关键范式之一。在复杂网络中，由于复制子动力学难以表述，以往的研究大多局限于数值层面。在本文中，我们引入了一个向量公式来推导三类个人的收益分析。这三类人是纯粹的合作者、纯粹的背叛者和骑墙派。在这里，骑墙派是指在策略进化过程中至少改变一次策略的个体。作为一种通用的方法，我们的向量形式化可以适用于所有的双策略游戏。为了阐明骑墙派的作用，我们定义了一个参数，收益记忆，作为个人收益汇总的回合数。我们观察到支付记忆可以有效地控制骑墙者的合作效果和合作水平。我们的研究结果表明，在复杂的拓扑结构中，篱笆人的作用是不平凡的，它以间接的方式保护合作。我们的研究结果可能会提供一个更好的理解合作者的组成情况下，背叛的诱惑更大。
2014-05-05 cs.GT cs.SI physics.soc-ph
Self-organization in a simple model of adaptive agents playing 2X2 games with arbitrary payoff matrices
我们分析，分析和数值，“自私”的自适应代理系统玩一个任意的迭代成对游戏（定义为2X2的支付矩阵）的自组织。可能玩的游戏的例子有：囚徒困境（PD）游戏，鸡游戏，英雄游戏等。代理人没有记忆，使用的策略不是基于直接互惠，也不是“标签”，而是随机选择的，即地理邻近被忽略。他们可以采取两种策略：合作（C）或背叛（D）。参与者通过比较他们的效用与预期收益的估计来衡量他们的成功，并根据一个简单的规则更新他们的策略。研究了模型的两个版本：1）确定性版本（代理人处于确定状态C或D）和2）随机版本（代理人有概率c玩C）。使用一个通用的主方程，我们计算的平衡态，系统自组织，其特征在于他们的平均合作概率c_{eq}。根据支付矩阵，我们表明，c_{eq}可以采取五个不同的值。我们还考虑了使用两个不同的支付矩阵的代理商的混合表明，任何值的c_{eq}可以通过调整使用每个支付矩阵的代理商的比例达到。特别是，这可以被用来作为一种方式来模拟的效果的一小部分d的“反社会”的个人-无法实现任何价值的合作-对合作制度举行的人口中立或“正常”代理。
2003-12-02 physics.gen-ph physics.soc-ph
Collective cooperation without individual fidelity in LLM agents
ARAID Foundation（ARAID基金会）；Institute for Biocomputation and Physics of Complex Systems（复杂系统生物计算研究所）；University of Zaragoza（萨拉戈塔大学）；Universidad San Jorge (USJ)（圣乔治大学）；Department of Theoretical Physics（理论物理系）
本研究通过大规模网络囚徒困境实验，比较九种开源LLM与人类行为，发现LLM能复现宏观合作动态，但微观层面存在个体异质性和条件合作模式的差异，揭示了宏观-微观分离现象。
2026-06-29 cs.AI physics.soc-ph
Post-Disaster Resource Redistribution and Cooperation Evolution Based on Two-Layer Network Evolutionary Games
Northwestern Polytechnical University（西北工业大学）；Shaanxi Provincial Key Laboratory of Intelligent Game Theory and Information Processing at Higher Education Institutions（陕西省高校智能博弈与信息处理重点实验室）；Nanjing University of Science and Technology（南京理工大学）
本文提出双层网络演化博弈模型，研究灾后资源再分配中激励与惩罚对合作的影响，揭示了激励阈值和结构性惩罚的重要性。
2026-01-29 cs.GT physics.soc-ph
Dynamical reciprocity in interacting games: numerical results and mechanism analysis
我们研究了两个相互作用的博弈的演化，既有成对博弈，也有不同拓扑结构上的公共产品博弈。在二维正方形格子上，我们发现博弈-博弈的相互作用在所有情况下都能促进合作的普遍性，当相互作用变得很强时，合作-背叛的相变甚至消失，并且期望有相当高的合作。一个平均场论的发展，指出新的动力学路线中产生的。详细的分析表明，无论是个人还是群体的情况下，确实有丰富的相互作用的类别：入侵，中性，催化类型;它们的组合使合作者在一个持久的优势地位，这促进了合作。揭示的互惠性的鲁棒性通过对模型变量的研究而得到加强，包括不对称或时变相互作用、不同类型的博弈、具有时标分离的博弈、不同更新规则等。底层种群的结构复杂性，如Newman-Watts小世界网络、Erdens-Rényi随机网络和Barabási-Albert网络，也不改变动力学互易性的工作。特别地，随着参与的游戏数量的增加，合作水平总体上持续提高。因此，我们的工作揭示了一类新的合作机制，并指出了人类合作的巨大潜力，在现实世界中经常看到并发的问题。
2021-06-02 cond-mat.dis-nn nlin.AO physics.soc-ph
Exploring cooperation mechanisms via deep reinforcement learning in network common-pool resource games
Shanghai Jiao Tong University（上海交通大学）；Ministry of Education of China（中国教育部）；Kaiyuan International Mathematical Sciences Institute（开元国际数学科学研究所）
本文提出网络公共池资源博弈模型，利用图神经网络强化学习框架学习社会规划者分配资源，以在维持合作、提高资源积累和减少不平等方面优于基准机制，并提炼出可解释的混合分配机制。
2026-08-26 cs.GT math.DS physics.soc-ph
Rewarding evolutionary fitness with links between populations promotes cooperation
研究了囚徒困境和公共物品博弈中的合作演化问题，其中最初的参与者属于两个独立的结构种群。在策略进化的同时，当前效用超过阈值的玩家通过外部链接奖励给属于其他种群的玩家。然而，一旦实用程序下降到阈值以下，外部链接就会终止。因此，当前进化适应性的奖励在两个种群之间引入了随时间变化的相互依赖性。我们发现，无论进化博弈和互动结构的细节，健身和奖励的自组织产生了杰出的球员，作为合作行为的强催化剂。然而，也存在关键的效用阈值，超过该阈值，杰出的玩家不再能够渗透。然后，两个群体之间的相互依赖消失了，合作者被迫只依赖传统的网络互惠。因此，我们证明，一个简单的策略独立的奖励形式可能会显着扩大结构化人口的合作范围。在人类社会中，一个人通常是许多不同社交网络的成员，因此在直接社区之外形成联系似乎特别适用。
2014-04-03 cs.SI physics.soc-ph q-bio.PE
Statistical physics of human cooperation
不相关个体之间的广泛合作是人类所独有的，他们经常为了共同利益而牺牲个人利益，共同努力实现他们无法单独完成的目标。我们物种的进化成功在很大程度上确实要归功于我们无与伦比的关注他人的能力。然而，全面理解人类合作仍然是一项艰巨的挑战。社会科学的最新研究表明，关注作为个人、群体甚至社会之间相互作用的结果而出现的集体行为是很重要的。非平衡态统计物理，特别是蒙特卡罗方法和相变点附近相互作用粒子的集体行为理论，已被证明是非常有价值的理解违反直觉的进化结果。通过研究人类合作的经典自旋模型，物理学家可以从统计物理学中借鉴熟悉的设置。然而，与通常支配固态物理系统的粒子之间的成对相互作用不同，人类之间的相互作用通常涉及群体相互作用，即使对于最简化的现实描述，它们也涉及大量可能的状态。因此，解决方案的复杂性往往超过在物理系统中观察到的复杂性。在这里，我们回顾实验和理论研究，推进我们对人类合作的理解，重点是空间斑图形成，观察到的解决方案的时空动态，并在自我组织，可能会促进或阻碍社会有利的状态。
2017-05-19 cond-mat.stat-mech cs.SI nlin.AO
Evolutionary Dynamics Based on Reputation in Networked Populations with Game Transitions
本文研究了声誉和博弈转换如何影响网络群体中合作的演化，通过模拟发现合作水平显著提升，并观察到某些拓扑结构中合作行为的限制现象。
2025-12-04 cs.SI physics.soc-ph
Glassy nature of hierarchical organizations
长期以来，动物和人类群体为什么以及如何形成暂时稳定的等级组织的问题，从定量解释的角度来看，一直是一个巨大的挑战。普遍的观察/共识是，考虑到各个方面，等级社会或技术结构是最佳的。在这里，我们介绍了一个简单的定量解释这种情况下使用的方法让人想起那些开发的描述复杂的行为方面的统计力学。我们寻找效率函数$E_{\rm eff}=1/N \sum_{i,j} J_{ij} a_i a_j$的最优值，其中$J_{ij}$表示单元$i$和$j$之间的相互作用的性质，而$a_i$表示成员$i$对系统效率作出贡献的能力。值得注意的是，$E_{\rm eff}$的这个表达式与自旋玻璃定义的能量的结构相似。然而，我们的方法有一个基本的和新颖的特点：而不是通过寻找一个局部最优状态的单元在一个预定义的网络节点进行优化，我们寻找极值的复杂效率景观通过寻找局部最优的网络拓扑结构，使用标准的蒙特卡罗方法。
2017-01-26 cond-mat.dis-nn nlin.AO physics.soc-ph
An evolutionary game with reputation-based imitation-mutation dynamics
本文研究了演化博弈中策略更新时的非理性选择，提出基于声誉的模仿-突变动力学，将个体声誉与收益挂钩，并在多种网络拓扑下通过模拟验证了该方法能显著提升合作水平且保持稳定性。
2024-02-20 cond-mat.stat-mech cs.GT nlin.AO
Coevolution of relationship and interaction in cooperative dynamical multiplex networks
本文提出了一个在双层网络上的协同演化模型，研究关系层与交互层的相互影响，发现关系图平均度、链接随机性及关系指数与适应度的耦合对合作演化有重要影响。
2024-02-15 cond-mat.stat-mech cs.GT nlin.PS
Revealing In-Block Nestedness: detection and benchmarking
随着嵌套组织的新实例-超越生态网络-被发现，学者们正在争论两种明显不兼容的宏观架构的共存：嵌套性和模块化。这个问题还远未解决，主要有两个原因。首先，嵌套和模块化似乎来自两个相互矛盾的动力，合作和竞争。其次，现有的方法来评估嵌套和模块化的存在是有缺陷的，当涉及到并发嵌套和模块化结构的评估。在这项工作中，我们解决了后一个问题，提出了\textit{in-block nestedness}的概念，一个结构属性确定在何种程度上网络是由块的内部连接表现出嵌套。然后，我们提出了一套优化方法，使我们能够成功地识别这样的组织，无论是在合成和大量的真实网络。这些发现挑战了我们对生态和社会系统拓扑结构的理解，需要新的模型来解释这些模式是如何出现的。
2018-01-17 cs.SI physics.data-an physics.soc-ph
