复杂网络第二讲.ppt

规则网络 随机图 小世界网络模型 无标度网络模型 局域世界演化网络模型 模块性与等级网络 复杂网络的自相似性 规则网络 系统中节点及其与边的关系是固定的。 （a）全局耦合网络； （b）最近邻耦合网络； （c）星形网络 全局耦合网络具有最小的平均路径长度Lgc =1和最大的聚类系数Cgc =1； 最近邻耦合网络:包含N个围成一个环的点，其中每个节点都与它左右各K/2个邻居点相连（K为偶数），对于较大的K值，最近邻耦合网络的聚类系数为 因此，这样的网络是高度聚类的。对于固定的K值，网络平均路径长度为 星形耦合网络：有一个中心点，其余N-1个点都只与这个中心点连接，其平均路径长度为 聚类系数为 随机图 随机图是与规则网络相反的网络，一个典型模型是Erdos和Renyi于40多年前开始研究的随机图模型。 假设有大量的纽扣（N》1）散落在地上，并以相同的概率p给每对纽扣系上一根线。这样就会得到一个有N个节点，约pN(N-1)/2条边的ER随机图的实例。 ER 随机图的平均度是 ,平均路径长度 。LER为网络规模的对数增长函数是典型的小世界特征。ER随机图的聚类系数是C=p=k/N《1，这意味着大规模的稀疏ER随机图没有聚类特性。实际网络的聚类系数要比相同规模的ER随机图的聚类系数要高得多。 ER随机图的度分布可用Poission分布来表示： 因此，ER随机图也称为“Poission随机图”。 小世界网络模型 作为从完全规则网络向完全随机图的过渡，Watts和Strogtz于1998年引入了一个小世界网络模型，称为WS小世界模型。其构造算法如下： ①从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2个节点相连，K是偶数。 ②随机化重连：以概率p随机地重连网络中的每个边，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，任意两个不同节点之-间至多只能有一条边，并且每一个节点都不能有边与自身相连。 P=0对应于完全规则网络，p=1对应于完全随机网络。 具有较短的平均路径长度又具有较高的聚类系数的网络就称为小世界网络。 Newman和Watts提出了NW小世界模型，用“随机化加边”取代WS小世界模型构造中的“随机化重连”。算法如下： ①从规则图开始：含有N 个节点的最近邻耦合网络。 ②随机化加边：以概率P在随机选取的一对节点之间加上一条边。 NW小世界模型中，p=0对应于原来的最近邻耦合网络，p=1对应于全局耦合网络。 小世界网络的性质 1.聚类系数 WS小世界网络的聚类系数为 NW小世界网络的聚类系数为 2.平均路径长度 其中f（u）为一普适标度函数，满足 Newman等人基于平均场方法给出了如下近似表达式： 3.度分布 在基于“随机化加边”机制的NW小世界模型中，每个节点的度至少为K，因此当 时，一个随机选取的节点的度为k的概率为： 而当kK时，P（k）=0。 无标度网络模型 研究发现许多复杂网络的连接度分布函数具有幂律形式，由于这类网络的节点的连接度没有明显的特征长度，故称为无标度网络。 Barabasi 和Albert 提出了一个无标度网络模型，称为BA模型。该模型考虑到了实际网络的两个重要特性： ①增长特性；②优先连接特性。 基于这两个特性，BA无标度网络模型构造算法如下： ①增长：从一个具有m0个节点的网络开始，每次引入一个新的节点，并且连到m个已存在的节点上，这里 。 ②优先连接：一个新节点与一个已经存在的节点i相连接的概率 与节点i的度ki，节点j的度kj之间满足如下关系： 无标度网络的性质 1.平均路径长度 ，表明该网络具有小世界特性。 2.聚类系数 3.度分布 BA无标度网络的度分布函数为 这表明BA无标度网络的度分布函数