集智俱乐部联合多位学者发起“复杂网络瓦解读书会”，旨在跨学科视角探索复杂网络瓦解的前沿进展。读书会将重点讨论不同算法与优化框架如何帮助理解网络脆弱性，并在实际约束下推动网络系统的智能演化与应用。研究核心在于通过干预关键节点或边来破坏网络连通性，这在基础设施防护和流行病控制等领域有广泛应用。本次读书会将聚焦“空间网络的瓦解”，通过两场报告探讨传统方法和机器学习范式在该领域的应用，旨在回答空间网络瓦解的内涵、必要性、关键区域识别及有效瓦解路径等核心问题。

📢 复杂网络瓦解读书会由集智俱乐部联合多位知名学者发起，旨在多角度探讨复杂网络瓦解的最新研究进展。

🗺️ 本次读书会的核心议题是“空间网络的瓦解”，将分两场报告探讨基于传统方法和机器学习范式的研究进展，深入理解地理空间信息对网络瓦解策略的影响。

💡 读书会将探讨如何通过不同的算法和优化框架认识网络的脆弱性，以及如何在现实约束下推动网络系统的智能演化与应用发展，核心问题包括空间网络瓦解的定义、研究意义、关键区域识别和有效瓦解方法。

🧠 首场报告将介绍基于区域中心性的启发式算法等传统空间网络瓦解方法；第二场报告将重点剖析图神经网络等机器学习模型在识别关键区域和优化瓦解策略中的应用。

📚 读书会还将关注网络瓦解在不同类型网络结构（如高阶网络、时序网络）中的表现，以及在面对网络异质性和约束条件时，如何有效识别并摧毁关键节点与连接。

2025-11-02 14:30 北京

2025年11月4日（周二）晚上19:30-21:30直播

分享简介

本次读书会以“空间网络的瓦解”为核心议题，分两场报告系统探讨该领域的研究进展。首场报告将立足传统方法，阐释空间网络瓦解的基本模型与基于区域中心性的启发式算法；第二场报告则转向前沿的机器学习范式，重点剖析图神经网络等智能模型在识别关键区域与优化瓦解策略中的应用。两场报告层层递进，共同致力于回答空间网络瓦解的内涵、必要性、关键区域识别方法以及有效瓦解路径等核心问题，为理解与解决这一兼具理论深度与应用价值的问题提供统一框架。

核心关注问题

本次分享包含两个内容：

1.基于传统方法的空间网络瓦解

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：

什么是空间网络瓦解问题？

为什么要研究空间网络瓦解问题？

如何综合权衡网络拓扑结构和地理空间信息识别关键区域？

如何建模空间网络瓦解问题？怎样有效瓦解空间网络？

核心概念

#网络瓦解#空间网络#网络瓦解 # 图神经网络 #关键区域识别

分享大纲

基于传统方法的空间网络瓦解-申晓达

空间网络瓦解

a.研究背景

b.研究意义

c.与拓扑网络瓦解的对比

研究进展

a.空间网络瓦解问题的建模

b.基于区域中心性的空间网络瓦解

c.基于启发式算法的空间网络瓦解

未来方向

a.具有成本约束的空间网络瓦解

b.基于机器学习的空间网络瓦解

基于人工智能的空间网络瓦解-谭丁荣

概念背景

a.研究背景

b.问题定义

研究进展

a.区域分割模型

b.虚拟节点模型

未来方向

a.理论模型

b.求解方法

主讲人介绍

吴俊，北京师范大学文理学院系统科学系、自然科学高等研究院复杂系统国际科学中心教授、博士生导师。加州大学戴维斯分校访问学者，“复杂系统与群体决策”广东省普通高校创新团队负责人、入选教育部“新世纪优秀人才支持计划”、广东省“珠江人才计划”。

申晓达，北京师范大学在读硕士，师从吴俊教授。研究方向为复杂网络瓦解、大数据。

谭丁荣，北京师范大学在读博士，师从吴俊教授。研究方向为空间网络瓦解、关键区域识别、机器学习。

参与方式

参与时间

2025年11月4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「网络瓦解」读书会，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] 吴俊, 邓烨, 王志刚, 等. 复杂网络瓦解问题研究进展与展望. 复杂系统与复杂性科学, 2022, 19(3): 1-13

[2] Neumayer S, Modiano E. Network reliability with geographically correlated failures. In: 2010 Proceedings IEEE INFOCOM. IEEE, pp. 1–9.

[3] Deng Y, Wu J, Qi M, Tan Y. Optimal disintegration strategy in spatial networks with disintegration circle model. Chaos 2019;29:061102.

[4] Wang Z, Deng Y, Wang Z, Wu J. Disintegrating spatial networks based on region centrality. Chaos 2021;31:061101.

[5] Wang Z, Su Z, Deng Y, Kurths J, Wu J. Spatial network disintegration based on kernel density estimation. Reliab Eng Syst Safe 2024;245:110005.

[6] Wang Z, Deng Y, Dong Y, Kurths J, Wu J. Spatial network disintegration based on ranking aggregation. Inform Process Manag 2025;62:103955.

[7] Shen X, Wang Z, Deng Y, Wu J. Spatial network disintegration with heterogeneous cost. Chaos Soliton Fract 2024;187:115414.

[8] Barthélemy M. Spatial networks. Physics reports, 2011, 499(1-3): 1-101.

[9] Deng Y, Wu J, Qi M, et al. Optimal disintegration strategy in spatial networks with disintegration circle model. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2019, 29(6): 061102 .

[10] Tan D, Zhang M, Shen X, et al. Identifying key regions in spatial networks through graph neural networks. Reliability Engineering & System Safety. 2025, 266: 11743.

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「复杂网络瓦解读书会」，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：复杂网络瓦解读书会启动：从结构脆弱性到智能优化前沿

点击“阅读原文”，报名读书会

阅读原文

跳转微信打开