结构鲁棒性 · 生物医学网络科学

本页只概述与网络控制有关的结构鲁棒性要点；渗流理论、攻击策略、级联失效和相互依存网络的系统讲解见网络鲁棒性、渗流与级联失效。

鲁棒性（robustness）指系统在部分组件失效后维持基本功能的能力。在网络层面，最常用的度量是：删去比例 $f$ 的节点后，巨连通分支（giant component）占原网络的比例 $P_\infty(f)$ 。

Albert、Jeong 与 Barabási（2000，Nature）比较了 ER 网络与无标度网络：

随机失效（随机删点）：无标度网络极其鲁棒，删去大量节点后巨分支仍然存在——随机删到的多是低度节点；
蓄意攻击（按度从高到低删点）：无标度网络非常脆弱，删去少量枢纽就会碎裂。

Molloy–Reed 判据与临界删除比例。随机网络存在巨连通分支的条件是 $\kappa=\frac{\langle k^2\rangle}{\langle k\rangle}>2$ 随机删除比例 $f$ 的节点后，巨分支消失的临界值（Cohen 等 2000，PRL）为 $f_c=1-\frac{1}{\kappa_0-1}$ $\kappa_0$ 为原网络的 $\langle k^2\rangle/\langle k\rangle$ 。

计算例：ER 网络 $\langle k\rangle=4$ ， $\kappa_0=\langle k\rangle+1=5$ ， $f_c=1-1/4=0.75$ ：要随机删掉 75% 的节点网络才会碎裂。对 $2<\gamma<3$ 的无标度网络， $\kappa_0\to\infty$ ， $f_c\to1$ 。用连续度近似（把度视为连续变量，对幂律分布积分）可以估算有限无标度网络的 $\langle k^2\rangle$ ，进而估算其 $f_c$ 和攻击阈值——这是 Barabási《Network Science》第 8 章采用的方法。

这与网络上的传播与免疫的结论相互印证：同一个 $\langle k^2\rangle$ 既让无标度网络对随机失效鲁棒，又让它的流行病阈值趋于零；删除枢纽既是攻击网络最有效的方式，也是目标免疫最有效的方式。渗流理论把两者统一起来：SIR 的最终规模问题等价于边以传播性 $T$ 被保留的渗流问题。

级联失效。一个组件失效会把负载转移给其他组件而引发连锁失效：负载重分配模型（Motter 与 Lai 2002，容量为初始负载的 $(1+\alpha)$ 倍）、阈值级联（Watts 2002，与信息与行为的传播中的复杂传染同一模型），以及相互依存网络中在网络间来回传递、可能出现一级相变式突然崩溃的级联（Buldyrev 等 2010，Nature）。这些模型的细节见网络鲁棒性、渗流与级联失效。

连通鲁棒性与控制鲁棒性。网络保持连通，不等于仍然可控：删除一条关键边（见驱动节点与网络结构）就会增加所需驱动节点；删除驱动节点或其上游通路会使部分节点变得不可达。评估干预或损伤的后果时，应区分“网络是否碎裂”“控制所需输入是否增加”和“动力学是否失稳”（见动力学稳定性）。

$f_c$ 的推导与一次算出整条随机失效曲线的 Newman–Ziff 算法见数学推导与算法。

继续阅读