二网络拓扑基本模型及其性质.pptVIP

第二章 网络拓扑基本模型及其性质;;2.2 规则网络; 最近邻耦合网络中每一个节点只和周围的邻居节点相连。具有周期边界条件的最近邻耦合网络包含N个围成一个环的点，其中每个点都与它左右各K/2个邻居节点相连，这里K是一个偶数。对于较大K值，最近邻耦合网络的聚类系数为： Cnc=; 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，而他们彼此之间不连接。星形网络的平均路径长度为： Lstar= ;2.3 随机图; 随机图理论的一个主要研究课题是：当概率p为多大时，随机图会产生一些特殊的属性？ Erdos和Renyi系统性地研究了当N 时，ER随机图的性质与概率p之间的关系。他们采用如下定义： 如果当N 时产生一个具有性质Q的ER随机图的概率为1，那么就称几乎每一个ER随机图都具有性质Q。 Erdos和Renyi最重要的发现是ER随机图有如下的涌现或变相性质： ER随机图的许多重要的性质都是突然涌现的，也就是说，对于任一给定的概率p，要么几乎每一个图都具有某个性质Q，要么几乎每一个图都不具有该性质。 ; ER随机图平均路径长度为:LER∝lnN/lnk。这种平均路径长度为网络规模的对数增长函数的特性就是典型的小世界特征。 ER随机图的聚类系数是:C=p=k/N1，这意味着大规模的稀疏ER随机图没有聚类特性。 固定ER随机图的平均度k不变，则对于充分大的N，由于每条边出现与否都是独立的，ER随机图的度分布可以用Poission分布来表示: P(k)= pk(1-p)N-k;2.4 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的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。; WS小世界模型构造算法中的随机化过程可能破坏网络的连通性。另一个研究较多的小世界模型是由Newman和Watts提出的NW小世界模型。该模型是通过”随机化加边”取代WS小世界模型中的随机化重连而得到的。具体的构造算法如下： 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节点相连，K是偶数。 ②随机化重连：以概率p在随机选取的一对节点之间加上一条边。其中，任意两个不同的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。; 在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。;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 迄今为止，人们还没有关于WS小世界模型的平均路径长度L的精确解析表达式，不过，利用重正化群的方法可以得到如下公式：;;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kK时，一个随机选取的节点的度为k的概率为：;2.5 无标度网络模型; ① 增长特性：即网络规模是不断扩大的。例如每个月都会有大量的新的科研文章发表，而WWW上则每天有大量新的网页产生。 ② 优先连接特性：即新的节点更倾向于与那些具有较高连接度的“大”节点相连接。这种现象也被称为“富者更富”或“马太效应”。例如新发表的文章更倾向于引用一些已被广泛引用的重要文献，新的个人主页上的超文本链接更有可能指向新浪、雅虎等著名的站点。 基于网络的增长和优先连接特性，BA无标度网络模型的构造算法如下： ; 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，并且连接到m个已存在的节点上，这里m=m0。 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k j之间满足如下关系： 在经过t步后，这种算法产生一个有N=t+m0个节点、mt条边的网络。;1.平均路径长度 BA无标度网络的平均路径长度为：;3.度分布 BA网络的度分布函数为： ;去除节点对网络连通性的影响; 下面比较ER随机图和BA无标度网络的连通性对节点去除的鲁棒性。现考虑两种去除策略：一是随机故障策略，即完全随机地去除网络中的一部分节点；二是蓄意攻击策略，即从去除网络中度最高的节点开始，有意识地去除网络中一部分度最高的节点。假设去除的节点数占原始网络总节点数的比例为f，可以用最大连通