特定约束下的瓦解问题丨附10篇领域必读文献·周二直播

导语

集智俱乐部联合北京师范大学教授吴俊、国防科技大学副研究员谭索怡、北京化工大学副教授谷伟伟、中国科学技术大学博士后范天龙、国防科技大学在读博士卿枫共同发起，跨越网络结构、算法模型与应用场景的视角，探索复杂网络瓦解的前沿进展。重点探讨不同算法与优化框架如何帮助我们认识网络的脆弱性，并在现实约束下推动网络系统的智能演化与应用发展。

网络瓦解研究旨在通过精准移除关键节点或边，将大规模网络分解为互不连通的组件。现实中的攻防对抗始终处于资源与行动的特定约束之下：攻击方需在有限预算内追求最大破坏效果，防御方则须预判对手策略以优化防护布局。模型需要系统分析资源不对称与行动顺序如何决定攻防双方的最优策略，并揭示网络结构脆弱性与资源配置间的内在关联。进一步地，当网络演变为加权形态或节点具有不同攻击代价时，瓦解问题的核心便转化为如何以最小的成本实现网络连通性的最大化破坏。研究通过构建代价敏感的瓦解模型，深入探讨在预算、节点权重等复杂约束下，如何权衡资源投入与瓦解效能。这一从博弈到优化的统一框架，不仅能直接应用于关键基础设施防护与军事体系对抗，也可迁移至病毒式营销、谣言遏制等信息传播场景，为多约束条件下的系统风险防控与策略制定提供了坚实的理论支撑。

分享简介

本次读书会将以“特定约束下的网络瓦解问题”为核心主题，深入探讨在现实世界中资源、成本与动态时序等复杂条件限制下，如何实现对网络的高效瓦解与精准防护。我们将从网络科学的视角出发，首先解析如何构建攻防博弈的统一框架，揭示在资源分配与行动顺序的约束下，攻防双方如何进行策略互动。进而，我们将视野延伸至更具挑战性的加权网络，探讨如何在考虑节点异质性成本的前提下，寻求成本与瓦解效果间的最优平衡。最后，我们将直面动态演变的时序网络，剖析其拓扑结构随时间变化的特性，并探索在此类网络中进行瓦解的策略与方法。

核心关注问题

本次分享包含两个内容：

1.攻防博弈的统一框架：从网络瓦解到影响力最大化

2.基于机器学习的复杂网络瓦解问题研究

在这两个内容中，我们将探讨：

1. 如何从网络科学视角建立攻防博弈模型？

2. 如何刻画成本约束和行动顺序的影响？

3. 如何求解加权网络瓦解问题？

4. 如何处理时序网络瓦解问题？

核心概念

分享大纲

攻防博弈的统一框架：从网络瓦解到影响力最大化-胡雯

1. 引言：为何需要攻防博弈视角？

a.现实背景

b.研究局限

c.核心动机

1. 攻防博弈视角下的网络瓦解

a.框架总览

b.模型演进

c.实证分析

1. 攻防博弈视角下的影响力最大化

a.迁移挑战

b.博弈建模与分析

基于机器学习的复杂网络瓦解问题研究-洪莉

1. 一种基于深度学习的网络瓦解方法评估无权网络的脆弱性

a.问题背景

b.方法框架

c.结果分析

1. 一种基于深度学习的加权网络瓦解方法

a.问题背景

b.结果分析

1. 如何瓦解时序网络？

a.基于动态图卷积网络的时序网络关键节点预测

b.迁移与挑战

主讲人介绍

卿枫，国防科技大学系统工程学院在读博士，师从范长俊老师。研究方向为关键节点识别、网络瓦解。

胡雯，北京师范大学在读博士，师从吴俊教授。研究方向包括影响力最大化和关键节点识别。

洪莉，大连理工大学在读博士。研究方向包括组合优化问题、复杂网络分析、机器学习、群智能优化算法等。

参与时间

2025年10月28日（周二）晚上19:30-21:30（固定时间，记得关注获取每周分享信息～）

报名加入社群交流

https://pattern.swarma.org/study_group/70?from=wechat

扫码参与，加入社群，获取系列读书会永久回看权限，与社区的一线科研工作者沟通交流，共同溯源复杂科学的思想脉络。

领域必读文献

[1]Ya-Peng Li, Suo-Yi Tan, Ye Deng, Jun Wu. Attacker-defender game from a network science perspective. Chaos, 2018, 28(5): 051102.

[2]Ya-Peng Li, Ye Deng, Yu Xiao, Jun Wu. Attack and defense strategies in complex networks based on game theory. Journal of Systems Science and Complexity, 2019, 32(6): 1630–1640.

[3]Ya-Peng Li, Shun Qiao, Ye Deng, Jun Wu. Stackelberg game in critical infrastructures from a network science perspective. Physica A, 2019, 521: 705–714.

[4]Wen Hu, Ye Deng, Yu Xiao, Jun Wu. Identifying influential nodes in social networks from the perspective of attack–defense game. Chaos, 2024, 34(11): 113102.

[5]Wen Hu, Ye Deng, Yu Xiao, Jun Wu. Identifying influential nodes in social networks considering heterogeneous cost. Communications in Nonlinear Science and Numerical Simulation, 2025, 139: 109110.

[6]Fan C, Zeng L, Sun Y, et al. Finding key players in complex networks through deep reinforcement learning[J]. Nature machine intelligence, 2020, 2(6): 317-324.

[7]Grassia M, De Domenico M, Mangioni G. Machine learning dismantling and early-warning signals of disintegration in complex systems[J]. Nature communications, 2021, 12(1): 5190.

[8]Artime O, Grassia M, De Domenico M, et al. Robustness and resilience of complex networks[J]. Nature Reviews Physics, 2024, 6(2): 114-131.

[9]Hong L, Xu M, Liu Y, et al. A deep learning dismantling approach for understanding the structural vulnerability of complex networks[J]. Chaos, Solitons & Fractals, 2025, 194: 116148.

[10]Yu E, Fu Y, Zhou J, et al. Predicting critical nodes in temporal networks by dynamic graph convolutional networks[J]. Applied Sciences, 2023, 13(12): 7272.

复杂网络瓦解读书会

从复杂网络的构建到智能优化的演化，理解网络的鲁棒性与瓦解机制始终是一个深刻的挑战。更值得深思的是，网络的结构和算法设计如何决定了网络在遭遇局部攻击时的脆弱性，及其整体瓦解的速度与范围。动态演化过程中的节点和边的变化，也会影响系统如何在瓦解中保持部分功能，或如何适应新的结构。因此，网络瓦解研究聚焦于一个核心问题：在不同类型的网络结构（如高阶网络、空间网络、时序网络）中，局部的破坏如何引发整体功能的丧失？在面对网络的异质性和约束条件下，不同的优化算法如何有效识别并摧毁关键节点与连接，从而最大化网络的瓦解效应，进而影响系统的整体稳定性与韧性？

集智俱乐部联合北京师范大学教授吴俊、国防科技大学副研究员谭索怡、北京化工大学副教授谷伟伟、中国科学技术大学博士后范天龙、国防科技大学在读博士卿枫共同发起，跨越网络结构、算法模型与应用场景的视角，探索复杂网络瓦解的前沿进展。重点探讨不同算法与优化框架如何帮助我们认识网络的脆弱性，并在现实约束下推动网络系统的智能演化与应用发展。

详情请见：