Pajek复杂网络仿真平台

used sequence of elementary operations as a macro and run it as a single command. Using systems of macros, Pajek is adapted to special groups of users. In this article, with some typical examples, the main applications of Pajek are discussed to analysis the topology of complex networks.
2
2 Pajek 的主要特点
简单的说，Pajek 的特点主要表现在三个方面。在本章的三小节中将一一简单介绍。
6.4.1 1-模与 2-模复杂网络的概念 28 6.4.2 利用 Pajek 实现 2-模到 1-模复杂网络的转换 30 6.4.3 其他附属选项 31 7 利用 Pajek 生成复杂网络 34 7.1 生成复杂网络 34 7.2 生成 ER 随机网络 35 7.3 生成无尺度（scale-free）复杂网络 35 8 Pajek 的可视化 37 8.1 复杂网络图的绘制 37 8.1.1 绘制复杂网络图 37 8.1.2 绘制不同类节点的复杂网络图 37 8.1.3 绘制不同大小节点的复杂网络图 38 8.1.4 绘制不同权值的边的复杂网络图 38 8.2 调整复杂网络图的布局 38 8.3 复杂网络图的旋转 41 9 Pajek 中的宏 42 9.1 宏的作用 42 9.2 宏的定义 42 9.3 宏的使用 42 9.4 宏的应用实例 42 10 结论 44
关键词：复杂网络，可视化，抽象化，有向图，无向图，权值
EMULATOR OF COMPLEX NETWORK
ABSTRACT
The idea of complex network, with thousands of vertices and lines, have been widely applied in many different areas, including computer, biology, physics and social science, to name but a few. Although the types of complex networks are innumerable, all of them can be described by a common model, which is known as graph. Based on graphs and using six data structures, Pajek, which is very efficient and humanized, is a program designed for the emulation of complex network. The basic set of efficient algorithms are implemented in it to analyze the topology of complex networks, including analysis of the local nature of vertices and lines, abstraction to get a global view of network, transformation between different types of networks, generating random networks and so on. Pajek provide the user with some powerful visualization tools on a three-dimensioned reference frame. The user can further improve the picture manually or automatically by moving vertices or spin. Moreover, we can define an often
1
图中研究。 利用图对复杂网络建模后，可以看到其结构具有很多相同的共性。例如关于顶点度值、 聚类系数、平均路径长度[12]的分析方法以及大量不同复杂网络中存在的相同的统计特征， 再如随机去点与选择性攻击对复杂网络结构的影响及其分析方法[10]。研究复杂网络的几何 性质，复杂网络的形成机制，复杂网络演化的统计规律，复杂网络上的模型性质，以及复杂 网络的结构稳定性，并把它与具体系统结合起来就是复杂网络研究的中心内容。
复杂网络仿真平台
摘要
复杂网络的概念已经在计算机、 生物、 物理以及社会科学等各个领域中得到广泛的应用。 尽管复杂网络的类型举不胜举，但是所有的复杂网络都可以用共同的模型——图来描述。 Pajek 以网络图的模型为基础，以六种数据类型为形式，以其快速有效性和人性化的特点， 为复杂网络的分析提供了一个仿真平台。 它集成了一系列快速有效的算法用于分析复杂网络 的拓扑结构， 包括从局部的角度分析网络节点和边的性质、 利用抽象化的手段分析网络的全 局结构、实现各种类型网络图之间的相互转换以及随即图的生成等。Pajek 利用一个三维的 可视化界面， 为用户提供了一系列可视化工具。 允许用户通过手动或者自动的调节节点位置、 旋转网络图等方法，从视觉的角度直观地分析网络模型。此外，Pajek 中的宏文件允许用户 将一系列常用的操作保存为一个文件， 从而能够有效地满足各种类型用户的不同需求。 本文 将结合具体的实例，分章节讨论 Pajek 在分析复杂网络拓扑结构中的应用。
1 引言
1.1 复杂网络的基本概念以及研究历史
近几年来，复杂网络的研究正处于蓬勃发展的阶段[1，2]，其思想已经充斥到科学和社 会的每一个角落。复杂网络可以用来描述人与人之间的社会关系[3]，物种之间的捕食关系 [4]，计算机之间的网络联接[5]，词与词之间的语义联系[6]，科学家之间的合作关系[7]，蛋 白质之间的相互作用 [8]， 科研文章之间的引用关系[9] 以及网页的链接结构[9]等等。 总之， 从因特网到万维网， 从生物体的结构网络到动物之间的食物链， 从人体的神经网络到社会关 系网络等等，可以说，复杂网络，无处不在。复杂网络的研究正渗透到物理、生物甚至社会 学科等各个领域，因而，复杂网络的定性和定量研究已经成为当今科学的一大主题。 每一个系统中的复杂网络都有其自身的特殊性质， 有其紧密联系在一起的独特现象， 有 其自身的演化机制，但是不同的复杂网络在其结构特征上都呈现出一定的共性[10]。研究复 杂网络的共性，首先需要一种描述这种不同类型复杂网络的共同数学模型。 复杂网络模型的研究，最早可以追溯到十八世纪，由伟大的数学家欧拉建立。欧拉所研 究的问题，就是起源于当时俄国的一个小镇，这个小镇中有一些河流，在此镇中一共建了 7 座桥，小镇的人希望找到一条行走路线，能够通过所有的桥，并且每座桥只能经过一次。当 时人们反复尝试也没有找到这样的路线， 最后欧拉发现这样的路径是不存在的。 他分析这个 问题基本的手段， 就是把这个问题用一个抽象的图来表示。 具体做法即把这些河流分割开的 四个陆地区域，每一个区域用一个结点来表示，而把桥梁当成连接这些结点的连线。这样一 种图的表示方法，就演变成为表述复杂网络一种共同的模型。比如对 Internet 而言，每一个 结点表示一个路由器， 如果两个路由器之间直接通过光纤连接， 则这两个节点就通过一条边 相连。以人类社会关系网络而言，每一个人就可以看成一个结点，两个人如果是朋友关系， 那么这两个人之间就有一条边直接相连。因此，尽管复杂网络的类型是千差万别的，但是它 们都可以用共同的模型——图描述出来[11]。 一般来说，图的分类有两种方法。根据图中的边是否具有方向性，可以将图分为有向图 和无向图两种。实际上，当我们忽略边的方向的时候，或者反过来看认为任何一条边都是双 向的时候，有向图就成为无向图。因此，关于无向图的所有性质都可以在有向图中研究。另 外，根据图中是否考虑各条边的权重，可以将它分为有权图和无权图。同样地，如果将有权 图的各边权值都设为 1，有权图就称为无权图。因此，关于无权图的所有性质也可以在有权
Keywords: complex network, visualization, abstraction, directed network,
1 引言 1 1.1 复杂网络的基本概念以及研究历史 1 1.2 Pajek 的产生背景 2 2 Pajek 的主要特点 3 2.1 计算的快速性 3 2.2 可视化 4 2.3 抽象化 4 3 Pajek 的数据结构 6 3.1 Network（网络） 6 3.2 Partition（分类） 9 3.3 Permutation（排序） 9 3.4 Cluster（类） 10 3.5 Hierarchy（层次） 10 3.6 Vector（向量） 10 4 利用 Pajek 分析复杂网络基本性质 12 4.1 度的计算 12 4.2 两点间的距离 13 4.2.1 两点间的最短路径 13 4.2.2 复杂网络的直径 15 4.2.3 K 步之内的路径 15 4.2.4 复杂网络的测地矩阵（Geometric Matrices） 15 4.3k 近邻（k-neighbors） 16 4.4 聚类系数 17 4.4.1 CC1 --- 聚类系数 17 4.4.2 CC --- 2 近邻聚类系数 19 2 5 利用 Pajek 分析复杂网络结构 20 5.1 复杂网络图的遍历 20 5.1.1 深度优先搜索遍历 20 5.1.2 广度优先搜索遍历 21 5.2 复杂网络图的核心(Core) 21 5.3 复杂网络图的连通分量(components) 23 5.4 复杂网络的关键路径 24 6 利用 Pajek 转换复杂网络 26 6.1 无向边与有向边的转换 26 6.1.1 有向边转换为无向边 26 6.1.2 无向边转换为有向边 26 6.2 改变复杂网络图的结构 26 6.2.1 添加节点 26 6.2.2 添加兄弟边（sibling edges） 27 6.2.3 删除边 27 6.3 复杂网络图的缩减 27 6.4 2-模到 1-模网络图的转换 28