多層異質網絡的瓦解問題丨附九篇領域必讀文獻·周二直播

導語

集智俱樂部聯合北京師范大學教授吳俊、國防科技大學副研究員譚索怡、北京化工大學副教授谷偉偉、中國科學技術大學博士后范天龍、國防科技大學在讀博士卿楓共同發起，跨越網絡結構、算法模型與應用場景的視角，探索復雜網絡瓦解的前沿進展。重點探討不同算法與優化框架如何幫助我們認識網絡的脆弱性，并在現實約束下推動網絡系統的智能演化與應用發展。

多層異質網絡的瓦解研究聚焦于復雜系統中多類型節點與多重關系的協同失穩機制。與單層網絡不同，異質網絡通過跨層耦合形成相互依賴的多維結構，其瓦解過程往往伴隨非線性反饋與級聯擴散，導致系統呈現更強的脆弱性與不可預測性。理解這一過程，不僅有助于揭示網絡韌性的多層次來源，也為關鍵基礎設施、供應鏈與社會系統的穩健設計提供理論依據。

分享簡介

本次報告以“多層異質網絡的瓦解”為主題，從理論與方法雙重視角出發。首先闡釋異質網絡瓦解與單層瓦解的差異與聯系，系統梳理靶向攻擊、圖優化與表征學習等基礎模型。隨后，介紹人工智能驅動的智能瓦解框架——結合圖神經網絡與強化學習實現高維狀態下的自適應優化策略。最后，報告將展望多層網絡瓦解與韌性優化在社會治理、基礎設施防護、疾病傳播控制及地學系統中的應用前景，探討智能化方法如何突破傳統算法的局限，為復雜系統的安全與魯棒性提供新的解決范式。

核心關注問題

在本期內容中，我們將探討：

1.異質網絡瓦解是什么？它與單層網絡瓦解有何聯系與區別？

2.人工智能如何用于解決網絡瓦解問題？

3.單層與多層網絡的表征學習有哪些核心算法？

4.AI 驅動的網絡瓦解算法如何構建與實現？

5.網絡瓦解與圖組合優化未來將走向何處？

核心概念

分享大綱

1. 概念背景

a.研究背景

b.問題定義

c.概念內涵

1. 研究進展

a.瓦解方法維度

b.瓦解模型維度

c.目標網絡維度

1. 未來方向

a.理論方法

b.應用領域

主講人介紹

谷偉偉，博士，北京化工大學信息科學與技術學院副教授，北京師范大學系統分析與集成專業博士，印第安納大學、芝加哥大學聯合培養博士。曾以第一作者在Nature Machine Intelligence, Nature Communications, Neural Networks, Social Networks等期刊發表學術文章二十余篇。研究方向為圖神經網絡、圖組合優化、強化學習、數據挖掘。

參與時間

2025年11月25日（周二）晚上19:30-21:30（固定時間，記得關注獲取每周分享信息～）

報名加入社群交流

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

掃碼參與，加入社群，獲取系列讀書會永久回看權限，與社區的一線科研工作者溝通交流，共同溯源復雜科學的思想脈絡。

領域必讀文獻

[1] Fan, C.; Zeng, L.; Sun, Y.; Liu, Y.-Y. Finding Key Players in Complex Networks through Deep Reinforcement Learning. Nat Mach Intell 2020, 2 (6), 317–324.

[2] Zhang, J.; Wang, B. Dismantling Complex Networks by a Neural Model Trained from Tiny Networks. In Proceedings of the 31st ACM International Conference on Information & Knowledge Management; ACM: Atlanta GA USA, 2022; pp 2559–2568. https://doi.org/10.1145/3511808.3557290.

[3] Grassia, M.; De Domenico, M.; Mangioni, G. Machine Learning Dismantling and Early-Warning Signals of Disintegration in Complex Systems. Nat Commun 2021, 12 (1), 5190. https://doi.org/10.1038/s41467-021-25485-8.

[4] Osat, S.; Papadopoulos, F.; Teixeira, A. S.; Radicchi, F. Embedding-Aided Network Dismantling. Phys. Rev. Research 2023, 5 (1), 013076. https://doi.org/10.1103/PhysRevResearch.5.013076.

[5] Buldyrev, S. V.; Parshani, R.; Paul, G.; Stanley, H. E.; Havlin, S. Catastrophic Cascade of Failures in Interdependent Networks. Nature 2010, 464 (7291), 1025–1028. https://doi.org/10.1038/nature08932.

[6] Gu, W.; Yang, C.; Li, L.; Hou, J.; Radicchi, F. Deep-Learning-Aided Dismantling of Interdependent Networks. Nat Mach Intell 2025. https://doi.org/10.1038/s42256-025-01070-2.

[7] Kleineberg, K.-K.; Buzna, L.; Papadopoulos, F.; Bogu?á, M.; Serrano, M. á. Geometric Correlations Mitigate the Extreme Vulnerability of Multiplex Networks against Targeted Attacks. arXiv February 8, 2017.

[8] Nan, H.; Wang, S.; Ouyang, C.; Zhou, Y.; Gu, W. Assessing the Robustness and Reducibility of Multiplex Networks with Embedding-Aided Interlayer Similarities. Phys. Rev. E 2025, 111 (5), 054315. https://doi.org/10.1103/PhysRevE.111.054315.

[9] Hu, Q.; Li, R.; Deng, Q.; Zhao, Y.; Li, R. Enhancing Network by Reinforcement Learning and Neural Confined Local Search. In Proceedings of the Thirty-Second International Joint Conference on Artificial Intelligence.

復雜網絡瓦解讀書會

從復雜網絡的構建到智能優化的演化，理解網絡的魯棒性與瓦解機制始終是一個深刻的挑戰。更值得深思的是，網絡的結構和算法設計如何決定了網絡在遭遇局部攻擊時的脆弱性，及其整體瓦解的速度與范圍。動態演化過程中的節點和邊的變化，也會影響系統如何在瓦解中保持部分功能，或如何適應新的結構。因此，網絡瓦解研究聚焦于一個核心問題：在不同類型的網絡結構（如高階網絡、空間網絡、時序網絡）中，局部的破壞如何引發整體功能的喪失？在面對網絡的異質性和約束條件下，不同的優化算法如何有效識別并摧毀關鍵節點與連接，從而最大化網絡的瓦解效應，進而影響系統的整體穩定性與韌性？

集智俱樂部聯合北京師范大學教授吳俊、國防科技大學副研究員譚索怡、北京化工大學副教授谷偉偉、中國科學技術大學博士后范天龍、國防科技大學在讀博士卿楓共同發起，跨越網絡結構、算法模型與應用場景的視角，探索復雜網絡瓦解的前沿進展。重點探討不同算法與優化框架如何幫助我們認識網絡的脆弱性，并在現實約束下推動網絡系統的智能演化與應用發展。

詳情請見：