Complex Networks

در دهه گذشته شاهد ظهور یک حوزه بین رشته ای جدید بودیم که بر درک شبکه های بزرگ متمرکز بود که پویا، بزرگ، باز و دارای ساختاری است که نظم و تصادفی بودن را محدود می کند. حوزه شبکه های پیچیده به ما کمک کرده است تا بسیاری از پدیده های پیچیده مانند شیوع بیماری، تعامل پروتئین، روابط اجتماعی را بهتر درک کنیم.

حوزه شبکه‌های پیچیده به دلیل دسترسی گسترده به منابع عظیم داده شبکه در سال‌های گذشته، پیشرفت زیادی دریافت کرده است. یکی از شگفت‌انگیزترین یافته‌ها این است که شبکه‌های واقعی کاملاً متمایز از مفروضات سنتی نظریه شبکه عمل می‌کنند. به طور سنتی، شبکه های واقعی قرار بود دارای اکثریت گره ها با تعداد اتصالات یکسان در حدود یک میانگین باشند. این معمولاً توسط نمودارهای تصادفی مدل‌سازی می‌شود. اما تحقیقات شبکه مدرن می‌تواند نشان دهد که اکثر گره‌های شبکه‌های واقعی بسیار کم متصل هستند و در مقابل، گره‌هایی با اتصال بسیار شدید (هاب‌ها) وجود دارد.

تئوری های کنونی همراه با در دسترس بودن داده ها، رشته شبکه های پیچیده (که گاهی علوم شبکه نامیده می شود) را به یکی از امیدوارکننده ترین رشته های بین رشته ای امروز تبدیل می کند. این نمونه از آثار این کتاب به عنوان طعمی از آنچه در افق وجود دارد مانند کنترل پویایی یک شبکه و در شبکه، استفاده از تعاملات اجتماعی برای بهبود برنامه ریزی شهری، رتبه بندی در موسیقی و درک انتقال دانش در شبکه های نفوذ را می دهد.

In the last decade we have seen the emergence of a new inter-disciplinary field concentrating on the understanding large networks which are dynamic, large, open, and have a structure that borders order and randomness. The field of Complex Networks has helped us better understand many complex phenomena such as spread of decease, protein interaction, social relationships, to name but a few.

The field of Complex Networks has received a major boost caused by the widespread availability of huge network data resources in the last years. One of the most surprising findings is that real networks behave very distinct from traditional assumptions of network theory. Traditionally, real networks were supposed to have a majority of nodes of about the same number of connections around an average. This is typically modeled by random graphs. But modern network research could show that the majority of nodes of real networks is very low connected, and, by contrast, there exists some nodes of very extreme connectivity (hubs).

The current theories coupled with the availability of data makes the field of Complex Networks (sometimes called Network Sciences) one of the most promising interdisciplinary disciplines of today. This sample of works in this book gives as a taste of what is in the horizon such controlling the dynamics of a network and in the network, using social interactions to improve urban planning, ranking in music, and the understanding knowledge transfer in influence networks.