07网络计算.pptVIP

网络计算 复杂网络概述 1个网络有关的算法 1. 复杂网络 定义 呈现高度复杂性的网络 钱学森：具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。 两项开创性工作 1998年Watts和Strogatz在Nature杂志上发表文章，引入了小世界(Small-World)网络模型，以描述从完全规则网络到完全随机网络的转变。小世界网络既具有与规则网络类似的聚类特性，又具有与随机网络类似的较小的平均路径长度。(WattsStrogatz,p.440-442)。 1999年Barabási和Albert在Science上发表文章指出，许多实际的复杂网络的连接度分布具有幂律形式。由于幂律分布没有明显的特征长度，该类网络又被称为无标度(Scale-Free)网络。 基本概念 节点的距离：网络中两个节点i和j之间的距离定义为两个节点的最短路径上的边数。 网络的直径：网络中所有“两节点之间的距离”的最大值。 平均路径长度（网络的特征路径长度）：任意两节点之间的距离的平均值，定义为 平均路径长度 N为网络节点数。分母为N(N+1)/2的原因：距离包含了每个节点到自身的距离（等于零），因此N个节点，一共有距离数： 若不考虑节点到自身的距离，则分母中N+1变成N-1。N很大时两种计算方式之间的误差很小可忽略。 聚类系数 一个网络中的节点i有ki条边和其它节点相连，这些相连的节点称为i的邻居。这些邻居之间又会有边互相连接，其实际存在的边数Ei和总的可能边数之比就称为节点i的聚类系数Ci： 整个网络的聚类系数C是所有节点的聚类系数的平均值 度（degree） 节点i的度即与i相连的节点的数目ki 直观上看一个节点的度越大意味着这个节点越重要。 网络中所有节点i的度的平均值称为网络的平均度，记为 k 度分布: 节点的度为k的概率用P(k)表示 规则网络(k=平均度,C=聚类系数) 全局耦合网络: k=1,C=1 最近邻网络: k=∞,C=3/4 (节点数→∞时) 星形网络: k=2,C=0或1 随机网络 典型随机网络: 埃尔德什和雷尼（Erd?s和Rényi）共同研究的ER模型。 ER模型是指在给定n个顶点后，规定每两个顶点之间都有p的概率连起来，而且这些判定之间两两无关 度分布: 服从泊松分布 随机网络 20世纪的后40年中，ER随机图理论一直是研究复杂网络拓扑的基本理论 ER随机图作为实际复杂网络的模型存在明显缺陷，即它的聚类系数与实际复杂网络不相同。 小世界网络 作为从完全规则网络向完全随机网络的过渡，Watts和Strogtz于1998年引入了一个有趣的小世界网络模型 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. 随机化重逢：以概率p随机地重新连接网络中的每个边，即：将边的一个端点保持不变，另一个端点取为网络中随机选择的一个节点。规定任意两个不同节点之间只能有一条边，并且每一个节点都不能有边与自身相连。 小世界网络 小世界网络模型反映了朋友关系网的一种特性，即大部分人的朋友都是邻居或同事，另一方面也有住得很远的朋友在异国他乡. 为什么称为”小世界” 对于规则网络，任意两个点（个体）之间的特征路径长度长（通过多少个体联系在一起），但聚合系数高（你是朋友的朋友的朋友的几率高）。 对于随机网络，任意两个点之间的特征路径长度短，但聚合系数低。 小世界网络，点之间特征路径长度小，接近随机网络，而聚合系数依旧相当高，接近规则网络。 为什么会这样 规则网络具有很高的聚合系数，其特征路径长度随着n(网络中节点的数量)线性增长，在从规则网络向随机网络转换的过程中，特征路径长度和聚合系数都会下降，到变成随机网络的时候，减少到最少。但两者的下降速度并不同步; 试验表明，少量的short cut的建立能够迅速减少特征路径长度，而聚合系数变化却不大，因为某一个short cut的建立，不仅影响到所连接的节点的特征路径长度，而且影响到他们邻居的路径长度，但对整个网络的聚合系数影响不大。因此少量的short cut的建立就能使整个网络不知不觉地变成小世界网络。 为什么会这样 实际的社会、生态、等网络都是小世界网络 在这样的系统里，信息传递速度快，并且少量改变几个连接，就可以剧烈地改变网络的性能，如对已存在的网络进行调整，如蜂窝电话网，改动很少几条线路，就可以显著提高性能。 六度空间 六度空间理论、六度分隔理论（Six Degrees of Separation）。又称小世界现象（小世界效应） 世界上所有互不相识的人只需要很少中间人就能建立起联系。后来1967年哈佛大学的心理学教授斯坦利·米尔格拉姆根据这概念做过一次连锁电子邮件