基于双种群协同进化的复杂网络关键节点检测方法DPCND及其在可持续能源系统中的应用潜力

本综述系统探讨了关键节点检测（CND）作为衡量网络鲁棒性的重要工具，提出了一种基于双种群协同进化（DPCND）的创新算法。该算法通过主种群（原始图生成）与辅助种群（简化图生成）的交互机制（影响力策略与扩展策略），有效解决了复杂网络规模扩大导致的NP完全问题挑战，在20个真实网络数据中验证了其优于现有方法的效能与效率，对能源网络（如智能电网脆弱性管理）和疾病传播控制等领域具有重要应用价值。

　　

Highlight

关键节点检测（CND）是分析复杂网络属性的核心工具，在电网脆弱性评估、社交网络信息传播最大化及疾病控制等领域具有广泛应用。随着网络规模指数级增长，传统精确方法（如整数线性规划ILP）难以应对计算挑战，而启发式算法（如遗传算法GA）又易陷入局部最优。本研究创新性地提出双种群协同进化框架（DPCND），通过主-辅种群动态交互，突破维度灾难限制，为生命科学中的疾病网络靶点识别和生物分子相互作用网络分析提供新思路。

The proposed method DPCND

DPCND包含三阶段：双种群构建（分别基于原始图和简化图生成种群）、种群交互（通过影响力策略与扩展策略实现信息互通）以及种群进化（子代生成与种群更新）。辅助种群在简化空间中快速定位优质解，主种群则提供全局网络信息以确保解的质量。该框架显著提升搜索效率，尤其适用于大规模生物网络（如蛋白质相互作用网络PPI）中的关键靶点挖掘。

Experimental results

在20个真实网络（包括生物网络和社交网络）上的实验表明，DPCND在解的质量和计算效率上均优于当前最先进算法（如Memetic Algorithm和Centrality-based Greedy Algorithms）。参数迭代（iter）分析进一步验证了算法稳定性，为疾病关键基因筛查和药物靶点优先排序提供可靠计算工具。

Conclusion and future work

DPCND通过双种群协同机制有效解决了CND问题的计算瓶颈，未来可拓展至动态网络分析和多目标优化场景，尤其在传染病防控和精准医疗网络建模中具有广阔应用前景。