Resumen

La identificación eficiente de nodos influyentes es uno de los aspectos esenciales en el campo de las redes complejas, que tiene una excelente importancia teórica y práctica en el mundo real. Se han desarrollado y desplegado una cantidad valiosa de enfoques en estas áreas donde solo unos pocos han utilizado medidas de centralidad junto con sus deficiencias y limitaciones correspondientes en sus estudios. Por lo tanto, para resolver estos desafíos, proponemos un novedoso algoritmo de centralidad basado en la distancia efectiva (EDBC) para la identificación de nodos influyentes en redes correspondientes. El algoritmo EDBC comprende factores como la potencia de la capa K, nodos de grado, distancia efectiva y numerosos niveles de influencia de vecinos o potencial de vecindario. El rendimiento del algoritmo propuesto se evalúa en nueve redes del mundo real, donde se emplea un modelo de epidemia susceptible infectado recuperado (SIR) para examinar la dinámica de propagación de cada nodo. Los resultados de la simulación demuestran que el algorit

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Identificación; Nodos influyentes; Redes complejas; Medidas de centralidad; Algoritmo EDBC; Dinámicas de propagación
• Keywords:Identification; Influential nodes; Complex networks; Centrality measures; EDBC algorithm; Spreading dynamics