The concept complex networks'' refers to a network that is often the
representation of a complex system. In this context, a statistical physics
approach has been exploited as a very convenient method because of its
deep connection with graph theory and because of its ability to
quantitatively characterize macroscopic phenomena in terms of
the microscopic dynamics of the various systems.
Our research focuses on the development of appropriate models of
spreading dynamics, such as diffusion models of opinion formation
and spreading of infections. Particularly, we present models of
contact that differ from the traditional static graph modeling that
is at the core of classical graph theory: We incorporate underlying agent
interactions that generate dynamical contact networks.
The network itself is the result of the interactions among nodes.
Motivated by the close relations of the field with real world
measurements, we collect and incorporate in the context of
Statistical Physics literature new sets of social networks
in order to test and validate the models here proposed.
Ein Netzwerk stellt ein Gebilde aus Knotenpunkten dar, die
miteinander verbunden sein koennen. Obwohl Graphen vielfach
zeichnerisch dargestellt werden, sind sie 'nur' mathematische
Strukturen. Dies bedeutet vor allem, dass verschiedene Visualisierungen denselben Graphen darstellen koennen. Die Netzwerktheorie ist ein interdisziplinaeres Forschungsgebiet, das mit Hilfe mathematischer und statistischer Methoden Netzwerke aus unterschiedlichen Bereichen untersucht.
Neuere Erkenntnisse auf diesem Forschungsgebiet
erlauben es, Modelle, die das Entstehen von realen Netzwerken mit besonderen
Eigenschaften erklaeren sollen, empirisch zu
ueberpruefen. Ein Teil dieser Dissertation
betrachtet anhand der Entwicklung entsprechender Modelle zum Beispiel die
Ausbreitungsdynamik von Systemen, die Meinungsbildung
oder Infektionen. Wir stellen Modelle von Kontaktnetzwerken vor, die nicht urspruenglich auf der Graphentheorie
basieren, sondern aus Agenten bestehen, die aufeinander wirken und
durch die Netzwerke erzeugen. Das Netzwerk ist dann ein
Resultat der Wechselwirkungen zwischen den Knoten. Um unsere Modelle
zu testen, werden wir verschiedene empirische soziale Netzwerke betrachten.
[1]
Stanley Wasserman,et al.
Social Network Analysis: Methods and Applications
,
1994,
Structural analysis in the social sciences.
[2]
Stephen Wolfram,et al.
Cellular Automata And Complexity
,
1994
.
[3]
John Scott.
Social Network Analysis
,
1988
.
[4]
S. Redner,et al.
Introduction To Percolation Theory
,
2018
.
[5]
Robert Sedgewick,et al.
Algorithms in C
,
1990
.
[6]
Robert C. Kohberger,et al.
Cluster Analysis (3rd ed.)
,
1994
.
[7]
Marta C González,et al.
System of mobile agents to model social networks.
,
2006,
Physical review letters.
[8]
L. Reichl.
A modern course in statistical physics
,
1980
.
[9]
M.G.B. Drew,et al.
The art of molecular dynamics simulation
,
1996
.
[10]
M. F.,et al.
Bibliography
,
1985,
Experimental Gerontology.
[11]
Gerard T. Barkema,et al.
Monte Carlo Methods in Statistical Physics
,
1999
.
[12]
Stefan Bornholdt,et al.
Handbook of Graphs and Networks: From the Genome to the Internet
,
2003
.
[13]
Gama Pinto.
Model of mobile agents for sexual interactions networks
,
2006
.