香港城市大学讲座教授陈关荣网络鲁棒能控性论文入选“电子信息领域优秀科技论文（2020）”

复杂网络的鲁棒能控性 (robust controllability) 是复杂网络的能控性针对节点攻击或连边攻击的鲁棒性衡量指标。网络在受到攻击时，网络能控性的变差程度越小，表明它的鲁棒性越好。基于过去二十多年复杂网络科学的发展，特别是近十年来大规模网络能控性的研究，本文试图为研究鲁棒能控性提供一些新的思路。本文以随机回连网络（q-snapback 网络，简称QSN）模型作为例子进行仿真、分析和讨论。这类新型网络是受工业自动化装配线网络的启发，基于一条单向主流水线 (backbone chain) 和若干反馈边 (snapback edges)组成，如图1所示。这类网络有明显的多圈和多链结构，研究表明具有较强的鲁棒能控性。

图1  工业自动化装配线模型，其中,

P=Plant, F=Feedback

边的重新定向 (redirecting edges) 会改变 QSN 的拓扑结构：1) 增加了远距离的全局连接，2) 改变了网络的度分布 (QSN 为均匀分布，而重新定向后的 QSN 为泊松分布)，3) 增多了网络中的圈和链模体 (motif)。见图2。这些特点使得重新定向后的 QSN具有更强的鲁棒能控性。

图2  QSN网络上边的重新定向

通过 6种攻击仿真实验：a) 基于度的节点攻击，b) 基于介数的节点攻击，c) 随机点攻击，d) 基于度的边攻击，e) 基于介数的边攻击，f) 随机边攻击，发现当重新定向比率为0.5的时候，网络的鲁棒能控性最强（见图3），并且优于其他一些典型的网络模型。

图3  QSN网络在边攻击下的鲁棒能控性比较

受工业自动化装配线启发而建立的 q-snapback（QSN）网络模型，拓广了来自于小世界（small-world）网络模型的边重连的概念，而重新定向的 QSN 网络保留并改进了原模型的一些重要特征，从而提高了网络的鲁棒能控性。可以期望，QSN网络模型将会在部分物联网（例如工业流水作业线）中找到具有高度抗攻击能力的多种应用。

陈关荣教授1981年获广州中山大学计算数学硕士学位，1987年获美国Texas A&M 大学应用数学博士学位，其后在美国Rice和Houston大学任教，自2000年起，接受香港城市大学讲座教授职位工作至今。陈关荣教授于1997年被选为IEEE Fellow，自 2009年起为工程领域高被引科学家，分别于2008、2012和2016年获国家自然科学二等奖，2011年获俄罗斯圣彼得堡国立大学授予荣誉博士学位和俄罗斯欧拉基金会颁发欧拉金质奖章，2014年获法国诺曼底大学授予荣誉博士学位并当选为欧洲科学院院士，2015年当选为发展中国家科学院院士，2018年加入Research编委会。