(完整)复杂网络模型的matlab实现

(完整)复杂网络模型的 matlab 实现
(完整)复杂网络模型的matlab实现
编辑整理：
尊敬的读者朋友们：
这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（(完整)复杂网络模型的matlab 实现）的内容能够给您的工作和学习带来便利。

同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。

本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为(完整)复杂网络模型的 matlab 实现的全部内容。

(完整)复杂网络模型的 matlab 实现
度分布
function [DeD,aver_DeD]=Degree_Distribution(A ）
％％求网络图中各节点的度及度的分布曲线
％％求解算法:求解每个节点的度，再按发生频率即为概率，求 P(k)
％A-———————网络图的邻接矩阵
%DeD-—-——-——网络图各节点的度分布
％aver_DeD——-———-网络图的平均度
N=size(A，2);
DeD=zeros(1，N）;
for i=1:N
％ DeD(i）=length（find （（A(i，：)==1)));
DeD（i)=sum（A(i,:));
end
aver_DeD=mean（DeD）；
if sum（DeD)==0
disp('该网络图只是由一些孤立点组成’);
return；
else
figure;
bar(［1:N］,DeD）;
xlabel（’节点编号n’）;
ylabel(’各节点的度数K'）；
title('网络图中各节点的度的大小分布图')；
end
figure；
M=max（DeD);
for i=1：M+1；%网络图中节点的度数最大为 M,但要同时考虑到度为0 的节点的存在性N_DeD（i)=length(find(DeD==i-1) ）；
％DeD=［2 2 2 2 2 2]
end
P_DeD=zeros(1，M+1)；
P_DeD（：)=N_DeD(：)。

/sum(N_DeD）；
bar(［0：M],P_DeD, 'r'）;
xlabel（’节点的度K’）；
ylabel（'节点度为 K 的概率 P（K）’);
title(’网络图中节点度的概率分布图’)；
平均路径长度
function [D，aver_D］ =Aver_Path_Length(A)
%％求复杂网络中两节点的距离以及平均路径长度
％％求解算法:首先利用 Floyd 算法求解出任意两节点的距离，再求距离的平均值得平均路径长度
％ A————————网络图的邻接矩阵
％ D—————--—返回值：网络图的距离矩阵
(完整)复杂网络模型的 matlab 实现% aver_D—-———-—返回值：网络图的平均路径长度
N=size(A,2)；
D=A;
D(find(D==0）)=inf;
身到自身的距离为 0。

f o r
e n d
f o r
i=1:N
D(i，i)=0;
k=1:N
for i=1：N
for
j=1:N
％将邻接矩阵变为邻接距离矩阵，两点无边相连时赋值为inf，自％Floyd 算法求解任意两点的最短距离
if D（i，j）〉D（i,k）+D（k,j)
D（i，j）=D（i,k）+D（k,j）；
end
end
end
end
aver_D=sum(sum(D) ）/(N＊（N—1）) ％平均路径长度
if aver_D==inf
disp（’该网络图不是连通图’)；
end
%％算法2：用时间量级 O（MN)的广度优先算法求解一个含 N 个节点和 M 条边的网络图的平均路径长度
聚类系数
function ［C,aver_C］ =Clustering_Coefficient（A）
%% 求网络图中各节点的聚类系数及整个网络的聚类系数
％％求解算法：求解每个节点的聚类系数,找某节点的所有邻居,这些邻居节点构成一个子图％% 从 A 中抽出该子图的邻接矩阵,计算子图的边数，再根据聚类系数的定义，即可算出该节点的聚类系数
%A—-——————网络图的邻接矩阵
％C————————网络图各节点的聚类系数
％aver---———-整个网络图的聚类系数
N=size（A,2）；
C=zeros(1，N）；
for i=1:N
aa=find(A（i，：） ==1); %寻找子图的邻居节点
if isempty(aa）
disp(['节点’,int2str（i）,'为孤立节点,其聚类系数赋值为0'］） ;
C（i)=0;
else
m=length(aa)；
if m==1
disp（['节点'，int2str(i)，’只有一个邻居节点，其聚类系数赋值为0’］）；
(完整)复杂网络模型的 matlab 实现C(i ）=0;
else
B=A（aa，aa) % 抽取子图的邻接矩阵
C(i ）=length(find（B==1))/(m*（m-1） );
end
end
end
aver_C=mean（C)。