Common outputs of software programs for network estimation include association matrices containing the edge weights between pairs of symptoms and a plot of the symptom network. Although such outputs are useful, it is sometimes difficult to ascertain structural relationships among symptoms from these types of output alone. We propose that matrix permutation provides a simple, yet effective, approach for clarifying the order relationships among the symptoms based on the edge weights of the network. For directed symptom networks, we use a permutation criterion that has classic applications in electrical circuit theory and economics. This criterion can be used to place symptoms that strongly predict other symptoms at the beginning of the ordering, and symptoms that are strongly predicted by other symptoms at the end. For undirected symptom networks, we recommend a permutation criterion that is based on location theory in the field of operations research. When using this criterion, symptoms with many strong ties tend to be placed centrally in the ordering, whereas weakly-tied symptoms are placed at the ends. The permutation optimization problems are solved using dynamic programming. We also make use of branch-search algorithms for extracting maximum cardinality subsets of symptoms that have perfect structure with respect to a selected criterion. Software for implementing the dynamic programming algorithms is available in MATLAB and R. Two networks from the literature are used to demonstrate the matrix permutation algorithms.

用于网络估计的软件程序的常见输出包括关联矩阵，其中包含症状对之间的边权重和症状网络图。尽管这些输出很有用，但有时很难仅从这些输出类型中确定症状之间的结构关系。我们建议矩阵置换提供了一种简单而有效的方法，用于根据网络的边缘权重来阐明症状之间的顺序关系。对于有向症状网络，我们使用在电路理论和经济学中具有经典应用的置换标准。此标准可用于将强烈预测其他症状的症状放在排序的开头，将其他症状强烈预测的症状放在最后。对于无向症状网络，我们推荐一个基于运筹学领域定位理论的置换标准。使用此标准时，具有许多强联系的症状倾向于放在排序的中心，而弱联系的症状则放在最后。使用动态规划解决置换优化问题。我们还利用分支搜索算法来提取症状的最大基数子集，这些子集对于选定的标准具有完美的结构。MATLAB 和 R 中提供了用于实现动态规划算法的软件。文献中的两个网络用于演示矩阵置换算法。具有许多强联系的症状往往放在排序的中心，而弱联系的症状则放在最后。使用动态规划解决置换优化问题。我们还利用分支搜索算法来提取症状的最大基数子集，这些子集对于选定的标准具有完美的结构。MATLAB 和 R 中提供了用于实现动态规划算法的软件。文献中的两个网络用于演示矩阵置换算法。具有许多强联系的症状往往放在排序的中心，而弱联系的症状则放在最后。使用动态规划解决置换优化问题。我们还利用分支搜索算法来提取症状的最大基数子集，这些子集对于选定的标准具有完美的结构。MATLAB 和 R 中提供了用于实现动态规划算法的软件。文献中的两个网络用于演示矩阵置换算法。我们还利用分支搜索算法来提取症状的最大基数子集，这些子集对于选定的标准具有完美的结构。MATLAB 和 R 中提供了用于实现动态规划算法的软件。文献中的两个网络用于演示矩阵置换算法。我们还利用分支搜索算法来提取症状的最大基数子集，这些子集对于选定的标准具有完美的结构。MATLAB 和 R 中提供了用于实现动态规划算法的软件。文献中的两个网络用于演示矩阵置换算法。