2网络拓扑基本模型及其性质.pptVIP

2、网络拓扑基本模型及其性质 本章内容 规则网络 随机图 小世界网络 无标度网络 等级网络 局域世界演化网络 2.2 规则网络 全局耦合网络(globally coupled network) 任意两个点之间都有边直接相连； 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路径长度Lgc=1和最大的聚类系数Cgc=1。 2.2 规则网络 最近邻耦合网络(nearest-neighbor coupled network) 每一个节点只和它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，其中每个节点都与它左右各K/2(K为偶数)个邻居节点相连。 聚类系数： 平均路径长度： 2.2 规则网络 星形耦合网络(star coupled network) 有一个中心点，其余的N－1个节点都只与这个中心点相连，而它们彼此之间不连接。 聚类系数： 假设如果一个节点只有一个邻居节点，那么该节点聚类系数定义为1。 平均路径长度： 2.3 随机图 典型模型[1]：假设有大量纽扣(N1)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个点，约pN(N-1)条边的ER随机图的实例。 当概率p为多大时，随机图会产生一些特殊的属性？ 2.3 随机图 Erdos和Renyi采用的定义： 如果当N??时产生一个具有性质Q的ER随机图的概率为1，那么就称几乎每个ER随机图都具有性质Q。 Erdos和Renyi的最重要的发现是ER随机图具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，要么几乎每个图都具有某个性质Q(比如连通性)，要么几乎每个图都不具有该性质。 ER随机图的平均度是k=p(N-1)?pN。 ER随机图的平均路径长度LER?LnN/Lnk，具有小世界特性。 ER随机图的聚类系数是C=k/N 1，没有聚类特性。 ER随机图的度分布是Poission分布。 P(k) ? kke-k / k! 2.4 小世界网络模型 规则的最近耦合网络具有高聚类特性，但并不是小世界网络；ER随机图虽然具有小的平均路径长度但没有高聚类特性。 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。 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，其中每个节点都与它左右相邻的各K/2节点相连，K为偶数。 随机化重连：以概率p随机地重新连接网络中每个边，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，并且每个节点都不能与自身相连。 小世界网络模型： P=0对应于完全规则网络；p=1对应于完全随机网络； Newman和Watts提出的NW小世界模型[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，其中每个节点都与它左右相邻的各K/2节点相连，K为偶数。 随机化重连：以概率p随机在选取的一对节点之间加上一条边。其中，任意两个不同节点之间至多只能有一条边，并且每个节点都不能与自身相连。 p=0对应于完全规则网络；p=1对应于完全随机网络。 当p足够小和N足够大时，NW小世界模型本质上等同于WS小世界模型。 聚类系数 WS小世界模型的聚类系数[1]： NW小世界模型的聚类系数[2]： 平均路径长度 目前还没有WS小世界模型的平均路径长度的精确解析表达式，不过利用重正化群方法可以得到如下公式[1]： 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的近似表达式[2]： 度分布 在NW小世界模型中，每个节点的度至少为K。因此当k?K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。 对于随机化重连的WS小世界模型，当k?K/2时有： WS网络是所有节点的度都近似相等的均匀网络。 2.6 无标度网络模型 BA无标度网络 ER随机图和WS小世界模型的一个共同特征就是网络的连接度分布可近似用Poisson分布来表示，该分布在度平均值k处有一峰值，然后呈指数快速衰减。这意味着当kk时，度为k的节点几乎不存在。因此，这类网络也称为均匀网络或指数网络(exponential network)。 Internet、WWW以及新陈代谢网络等的连接度分布函数具有幂率形式。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。 为解释幂率分布的产生机理，Barabasi和Albert提出了一个无标度网络模型，现称为BA模型： 增长(growth)特性：即网络的规模是不断扩大的。例如每个月都会有大量的新的科研文章发表，而WWW上则每天都有大量新的网页产生；