| Complexe netwerken zoals het Internet en het World Wide Web spelen een steeds grotere rol in onze maatschappij. Ordening van de enorme hoeveelheid informatie beschikbaar op het web is van groot belang voor de toegankelijkheid van deze informatie. Een invloedrijke methode voor rangschikking van deze informatie is bijvoorbeeld de door Google geïntroduceerde PageRank. Wiskundig kan de PageRank van een webpagina gezien worden als de kans dat een willekeurige websurfer zich op deze pagina bevindt. Deze kans wordt voornamelijk bepaald door het aantal en de kwaliteit van inkomende hyperlinks. NetRank bestudeert wiskundige modellen en methoden voor rangschikking van knooppunten in complexe netwerken. Gezien de enorme omvang van deze netwerken zijn snelle en efficiënte algoritmen voor het bepalen van deze rangschikking van bijzonder belang. Daarnaast zal NetRank ook de invloed van de snelle groei van het Web bestuderen. Modellen voor netwerk groei geven een diep wiskundig inzicht in belangrijke eigenschappen van echte netwerken. Over de evolutie van de rangschikking van knopen in groeiende netwerken is nog bijzonder weinig bekend. Resultaten voor groeiende netwerken zijn waardevol om de ontwikkeling van onder andere het World Wide Web beter te kunnen modelleren en voorspellen. De in NetRank ontwikkelde modellen vallen binnen de klasse van stochastische processen, in het bijzonder Markov processen, die worden bestudeerd binnen de Stochastische Operationele Research. De wiskundige resultaten en inzichten zijn breed toepasbaar voor het bepalen van rangschikking en evenwichtsverdelingen in algemene netwerken. |
