复杂网络基础理论3

28
3.4.1 小世界网络模型
最近邻耦合网络（对应p＝0）是高度集聚的（C（ 0）≈3／4），但平均距离很大（L（0）≈N／2K>>1） 。当p较小时（0＜p<<1），重新连线后得到的网络与 原始的规则网络的局部属性差别不大，从而网络的集 聚系数变化也不大（C（p）∝C（0），但其平均距离 下降很快（L（p）<<L（0））。 这个结果是不难想象的：一方面，只要几条边的 随机重连就足以减小网络的平均距离；另一方面，几 条随机重连的边并不足以改变网络的局部集聚特性。 这类既具有较短的平均距离又具有较高的集聚系 数的网络就是典型的小世界网络。
由于随机网络中节点之间的连接是等概率的，因 此大多数节点的度都在均值＜k＞附近，网络中没有度 特别大的节点。
19
3.3.2 随机网络的度分布
对于大范围内的p值，最大和最小的度值都是确定 性的和有限的。例如，若p（N）∝N-1-1/k，几乎没有 图有度大于k的节点。另外一个极值情况是，若p＝［ ln（N）＋kln（ln（N））＋c]／N，几乎每个随机图 都至少有最小的度k。下图给出N＝1000，p＝0.0015 时随机网络的度分布，其中图中的点代表Xk／N（度分 布），而连续曲线代表期望值E（Xk）／N＝p（ki＝k ），可以发现两者偏离确实很少。
23
3.3.5 随机网络的特征谱
考查连接概率p（N）＝cN-z的随机网络GN,p的特 征谱。该网络的平均度为＜k＞＝Np＝cN1-z。当连接 概率中的参数变化时，随机网络的特征谱会发生逾渗 转变或者尖锐的相变，具体表现如下所述。 当0≤z＜1，图GN,p中将出现无限聚类体，并且当 N→∞，＜k＞→∞，任何节点都是几乎完全属于无限的 聚类体。在这种情况下，随机图的频谱密度发散到如 下半圆形分布，如下图所示。图中p值固定为0.05。
21
3.3.3 随机网络的直径和平均距离
随机网络的平均最短距离可以进行如下估计：考 虑随机网络的平均度＜k＞，对于任意一个节点，其一 阶邻接点的数目为＜k＞，二阶邻接点的数目为＜k＞2 。也就是说，在ER随机图中随机选择一个节点vi，网 络中大约有＜k＞Lrand个节点与节点vi的距离为Lrand。 依此类推，当l步后达到网络的总节点数目N，有N＝ ＜k＞l，故
27
3.4.1 小世界网络模型
在上述模型中，p＝0对应于完全规则网络，p＝1 则对应于完全随机网络，通过调节p值就可以控制从完 全规则网络到完全随机网络的过渡，如下图所示。
由上述算法得到网络模型的集聚系数C（p）和平 均距离L（p）都可看作是重连概率p的函数，如下图所 示。图中对集聚系数和平均距离作了归一化处理。
由上图可见，最大的特征值λ1是和频谱孤立的，并 且随着网络大小衰减为pN。
24
3.3.5 随机网络的特征谱
当z＞l时（N取3000），ρ（λ）偏离半圆形分布， 如下图的点划线所示，而且当N→∞时，＜k＞→0，此 时ρ（λ）的奇数阶矩等于0，这意味着要回到原节点的 路径只能是沿来时经过的相同节点返回，这正好表明 网络具有树状结构。 当z＝l且N→∞时，节点的平均度数＜k＞＝c。此 时，若c≤1时，网络仍基本上为树状结构；而若c＞1时 ，谱密度的奇数阶矩远远大于0，说明网络的结构发生 了显著的变化，出现了环和分支（集团）。当z＝l，N ＝3000时的谱密度如下图所示。
然而，真实网络并不遵循随机图的规律，相反， 其集聚系数并不依赖于N，而是依赖于节点的邻居数目 。通常，在具有相同的节点数和相同的平均度的情况 下，ER模型的集聚系数Crand比真实复杂网络的要小得 多。这意味着大规模的稀疏ER随机图一般没有集聚特 性，而真实网络一般都具有明显的集聚特性。 规则网络的普遍特征是集聚系数大且平均距离长 ，而随机网络的特征是集聚系数低且平均距离小。
7
3.2.2 最近邻耦合网络
1.概念 对于拥有N的节点的网络来讲，通常将每个节点只 与它最近的K个邻居节点连接的网络称为最近邻耦合网 络，这里K是小于等于N－1的整数。若每个节点只与 最近的2个邻居节点相连，这样所有节点相连就构成了 一维链或环，如下图（a）所示。如下图（b）所示的 二维晶格也是一种最近邻耦合网络。一般情况下，一 个具有周期边界条件的最近邻耦合网络包含N个围成一 个环的节点，其中每个节点都与它左右各K／2个邻居 节点相连，这里K是偶数，如下图（c）所示。
17
3.3.2 随机网络的度分布
在连接概率为p的ER随机图中，可知其平均度为 而某节点vi的度ki等于k的概率遵循参数为N－1和 p的二项式分布 值得注意的是，若vi和vj是不同的节点，则P（ki＝ k）和P（kj＝k）是两个独立的变量。为了找到随机图 的度分布，需得到度为k的节点数Xk。为此，需要得到 Xk等于某个值的概率P（Xk＝r）。连接度为k的平均节 点数为
返回 目录
25
3.4 小世界网络

3.4.1 小世界网络模型 3.4.2 小世界网络的度分布 3.4.3 小世界网络的平均距离



3.4.4 小世界网络的集聚系数
3.4.5 小世界网络的特征谱

26
3.4.1 小世界网络模型
1.WS小世界模型 WS小世界模型的构造算法如下： ①从规则图开始：考虑一个含有N个节点的最近邻 耦合网络，它们围成一个环，其中每个节点与它左右 相邻的各K／2个节点相连，K是偶数。参数满足 N>>K>>ln（N）>>1。 ②随机化重连：以概率p随机地重新连接网络中的 每条边，即将边的一个端点保持不变，而另一个端点 取为网络中随机选择的一个节点。其中规定，任意两 个不同的节点之间至多只能有一条边，且每个节点都 不能有边与自身相连。这样就会产生pNK／2条长程的 边把一个节点和远处的节点联系起来。
8
3.2.2 最近邻耦合网络
2.特性 每个节点vi的度均为K， 因此度分布为单尖峰，可 以表示为Delta函数P（k）＝δ（k－K）。 最近邻耦合网络的平均集聚系数就是每个节点的 集聚系数：C＝Ci＝3（K－2）／［4（K－1）］。对 较大K值，容易得到C≈0.75。可见，最近邻耦合网络 集聚程度还是很高的。 最近邻耦合网络不是小世界网络，因为对固定K值 ，该网络直径D和平均距离L分别为D=N／K，L≈N／ （2K）。当N →∞，L→∞。
可以看出，随机网络的平均最短距离随网络规模的增 加呈对数增长，这是典型的小世界效应。因为lnN随N 增长得很慢，所以即使是一个很大规模的网络，它的 平均距离也很小。
22
3.3.4 随机网络的集聚系数
由于随机网络中任何两个节点之间的连接都是等 概率的，因此对于某个节点vi，其邻居节点之间的连接 概率也是p，所以随机网络的集聚系数为
4
3.2 规则网络

3.2.1 全局耦合网络 3.2.2 最近邻耦合网络 3.2.3 星型耦合网络


5
3.2.1 全局耦合网络
1.概念 全局耦合网络是指任意两个节点之间都有边相连 的网络，也称完全图。对于无向网络来说，节点数为N 的全局耦合网络拥有N（N－1）／2条边，如下图所示 ；而对于有向网络来说，节点数为N的全局耦合网络拥 有N（N－1）条弧。
14
3.3 随机网络

3.3.1 随机网络模型 3.3.2 随机网络的度分布 3.3.3 随机网络的直径和平均距离



3.3.4 随机网络的集聚系数
3.3.5 随机网络的特征谱

15
3.3.1 随机网络模型
随机网络构成有两种等价方法：①ER模型：给定 N个节点，最多可以存在N（N－1）／2条边，从这些 边中随机选择M条边就可以得到一个随机网络，显然 一共可产生 种可能的随机图，且每种可能的概率 相同；②二项式模型：给定N个节点，每一对节点以概 率p进行连接。这样，所有连线的数目是一个随机变量 ，其平均值为M＝pN（N－1）／2。若G0是一个节点 为v1，v2，…，vN和M条边组成的图，则得到该图的概 率为P（G0）＝p M（1－p）N(N-1)/2-M，其中p M是M条 边同时存在的概率，（1－p）N(N-1)/2-M是其他边都不存 在的概率，二者是独立事件，故二概率相乘即得图G0 存在的概率。
6
3.2.1 全局耦合网络
2.特性 各节点的度均为N－1，因此度分布为单尖峰，可 以表示为Delta函数P（k）＝δ（k－N＋1）。 每个节点vi的集聚系数均为Ci＝1，故整个网络的 集聚系数为C＝1。 从任意一个节点到另外一个节点的最短路径长度 都为1，故整个网络的平均距离为L＝1。 在具有相同节点数的所有网络中，全局耦合网络 具有最小的平均距离和最大的集聚系数。该模型作为 实际网络模型的局限性很明显：全局耦合网络是最稠 密的网络，然而大多数大型实际网络都是很稀疏的， 它们边的数目一般至多是O（N）而不是O（N2）。
复杂网络基础理论
第三章 网络机制模型
Hale Waihona Puke Baidu
第三章 网络机制模型


3.1 引言 3.2 规则网络 3.3 随机网络 3.4 小世界网络 3.5 无标度网络 3.6 层次网络 3.7 确定性网络 3.8 自相似网络
2
3.1 引言
复杂网络的研究大致可以描述为三个密切相关但 又依次深入的方面： ①大量的真实网络的实证研究，分析真实网络的 统计特性； ②构建符合真实网络统计性质的网络演化模型， 研究网络的形成机制和内在机理； ③研究网络上的动力学行为，如网络的鲁棒性和 同步能力，网络的拥塞及网络上的传播行为等。 本章针对第二个方面，以得知网络模型需如何构 成才会展现这些特定的统计性质。
16
3.3.1 随机网络模型
ER模型的一个伟大发现是：当连接概率p超过某 个临界概率pc（N），许多性质就会突然涌现。例如， 针对随机图的连通性，若p大于临界值（lnN）／N， 那么几乎每一个随机图都是连通的。 若当N→∞时，连接概率p＝p（N）的增长比pc（ N）慢，则几乎所有连接概率为p（N）的随机图都不 会有性质Q。相反，若连接概率p（N）的增长比pc（N ）快，则几乎每一个随机图都有性质Q。因此，一个有 N个节点和连接概率p＝p（N）的随机图有性质Q的概 率满足：
18
即
。
3.3.2 随机网络的度分布
Xk值的概率接近如下泊松分布 这样一来，度为k的节点数目Xk满足均值为λk的泊松分 布。上式意味着Xk的实际值和近似结果Xk＝N· P（ki＝ k）并没有很大偏离，只是要求节点相互独立。这样， 随机图的度分布可近似为二项式分布
在N比较大的条件下，它可以被泊松分布取代
20
3.3.3 随机网络的直径和平均距离
对于大多数的p值，几乎所有的图都有同样的直径 。这就意味着连接概率为p的N阶随机图的直径的变化 幅度非常小，通常集中在
一些重要的性质：若＜k＞小于1，则图由孤立树 组成，且其直径等于树的直径。若＜k＞大于1，则图 中会出现连通子图。当＜k＞大于等于3.5时，图的直 径等于最大连通子图的直径且正比于ln（N）。若＜k ＞大于等于ln（N），则几乎所有图是完全连通的，其 直径集中在ln（N）／ln（pN）左右。
3
3.1 引言
每一种网络系统都有其自身的特殊机制，有其自 身的演化机制，但由于都可以使用网络分析的方法进 行分析，所以也有其共性。 研究网络的集合性质、网络的形成机制、网络演 化的统计规律、网络上的模型性质以及网络的结构稳 定性，并把它与现实系统结合起来加以研究比较是复 杂网络研究的主要任务。
返回 目录
9
3.2.2 最近邻耦合网络
【例3.1】用Matlab程序绘制最近邻耦合网络，并给出 具体程序代码。 解：（1）最近邻耦合网络绘制的Matlab程序如下：
10
3.2.2 最近邻耦合网络
11
3.2.2 最近邻耦合网络
（2）当N＝20，K＝6时，该程序的仿真结果如下图所 示。
12
3.2.3 星型耦合网络
1.概念 星形耦合网络，它有一个中心点，其余的N－1个 点都只与这个中心点连接，而彼此之间不连接，如下 图所示。
13
3.2.3 星型耦合网络
2.特性 中心节点的度为N－1，而其它节点的度均为1，所 以星型耦合网络的度分布可以描述为如下函数 星形网络的平均距离为L＝2－2／N 。当N→∞， L→2。 假设定义一个节点只有一个邻居节点时，其集聚 系数为1，则中心节点的集聚系数为0，而其余N－1个 节点的集聚系数均为1，所以整个网络的平均集聚系数 为C＝（N－1）／N 。当N →∞，C→1。 由此可见，星型耦合网络是比较特殊的一类网络 返回 目录 ，它具有稀疏性、集聚性和小世界特性。