Complex networks are found in many domains and the control of these networks is a research topic that continues to draw increasing attention. This paper proposes a method of network control that attempts to maintain a specified target distribution of the network state. In contrast to many existing network control research works, which focus exclusively on structural analysis of the network, this paper also accounts for user actions/behaviours within the network control problem. This paper proposes and makes use of a novel distribution-based control method. The control approach is applied within a simulation of the real-valued voter model, which could have applications in problems such as the avoidance of consensus or extremism. The network control problem under consideration is investigated using various theoretical network types, including scale free, random, and small world. It is argued that a distribution-based control approach may be more appropriate for several types of social control problems, in which the exact state of the system is of less interest than the overall system behaviour. The preliminary results presented in this paper demonstrate that a standard reinforcement learning approach is capable of learning a control signal selection policy to prevent the network state distribution from straying far from a specified target distribution. In summary, the results presented in this paper demonstrate the feasibility of a distribution-based control solution within the simulated problem. Additionally, several interesting questions arise from these results and are discussed as potential future work.

中文翻译：

---

走向基于分布的社交网络控制。

复杂网络存在于许多领域，这些网络的控制是一个不断受到越来越多关注的研究课题。本文提出了一种网络控制方法，试图保持网络状态的指定目标分布。与许多现有的网络控制研究工作只关注网络的结构分析相比，本文还考虑了网络控制问题中的用户行为/行为。本文提出并利用了一种新颖的基于分布的控制方法。控制方法应用于实值选民模型的模拟中，该模型可能适用于避免共识或极端主义等问题。使用各种理论网络类型研究正在考虑的网络控制问题，包括无标度、随机和小世界。有人认为，基于分布的控制方法可能更适合于几种类型的社会控制问题，在这些问题中，系统的确切状态不如整体系统行为感兴趣。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。有人认为，基于分布的控制方法可能更适合于几种类型的社会控制问题，在这些问题中，系统的确切状态不如整体系统行为感兴趣。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。有人认为，基于分布的控制方法可能更适合于几种类型的社会控制问题，在这些问题中，系统的确切状态不如整体系统行为感兴趣。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。在这种情况下，系统的确切状态不如整体系统行为那么重要。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。在这种情况下，系统的确切状态不如整体系统行为那么重要。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。本文提出的初步结果表明，标准的强化学习方法能够学习控制信号选择策略，以防止网络状态分布远离指定的目标分布。总之，本文提出的结果证明了在模拟问题中基于分布的控制解决方案的可行性。此外，从这些结果中产生了几个有趣的问题，并作为潜在的未来工作进行了讨论。