英文 えいぶん 维基条目 じょうもく 网络的 てき 度 ど 分布 ぶんぷ 。将 はた 每 まい 个条目 め 看 み 成 なり 顶点,超 ちょう 链接看 み 成 なり 边,则对应的出 で 度 ど /入 いれ 度 ど 的 てき 分布 ぶんぷ 如图所 しょ 示 しめせ 。
度 ど 分布 ぶんぷ 是 これ 图论 和 わ 网络理 り 论 中 なか 的 てき 概念 がいねん 。一 いち 个图(或 ある 网络)由 よし 一 いち 些顶点 てん (节点)和 かず 连接它们的 てき 边(连结)构成。每 まい 个顶点 てん (节点)连出的 てき 所有 しょゆう 边(连结)的 てき 数量 すうりょう 就是这个顶点(节点)的 てき 度 ど 。度 ど 分布 ぶんぷ 指 ゆび 的 てき 是 ぜ 对一个图(网络)中 ちゅう 顶点(节点)度数 どすう 的 てき 总体描述。对于随 ずい 机 つくえ 图 ,度 ど 分布 ぶんぷ 指 ゆび 的 てき 是 ぜ 图中顶点度数 どすう 的 てき 概 がい 率 りつ 分布 ぶんぷ 。
定 てい 义[ 编辑 ]
度 ど 分布 ぶんぷ 是 ぜ 图论和 わ (复杂 )网络理 り 论中都 と 存在 そんざい 的 てき 概念 がいねん 。首 くび 先 さき 介 かい 绍图的 てき 概念 がいねん 。一 いち 个图
G
=
G
(
V
,
E
)
{\displaystyle G=G(V,E)}
是 ぜ 一 いち 个由两个集合 しゅうごう
V
{\displaystyle V}
和 わ
E
{\displaystyle E}
构成的 てき 二 に 元 げん 组。集合 しゅうごう
V
{\displaystyle V}
一般由有限个元素构成:
V
=
{
v
1
,
v
2
,
⋯
,
v
n
}
{\displaystyle V=\{v_{1},v_{2},\cdots ,v_{n}\}}
,其中的 てき 元素 げんそ
v
i
,
i
=
1
,
2
,
⋯
,
n
{\displaystyle v_{i},\,i=1,2,\cdots ,n}
被 ひ 称 しょう 为图的 てき 顶点。集合 しゅうごう
E
{\displaystyle E}
是 ぜ 由 ゆかり
n
2
{\displaystyle n^{2}}
个元素 げんそ 构成的 てき 集合 しゅうごう :
E
=
{
e
i
,
j
|
i
=
1
,
2
,
⋯
,
n
,
j
=
1
,
2
,
⋯
,
n
}
{\displaystyle E=\{e_{i,j}\,\,|\,\,i=1,2,\cdots ,n,\,j=1,2,\cdots ,n\}}
。
E
{\displaystyle E}
中 なか 的 てき 每 まい 个元素 げんそ 都 と 是 ぜ 一 いち 个非负整数 すう 。无向图中,
E
{\displaystyle E}
的 てき 一 いち 个元素 げんそ
e
i
,
j
=
k
{\displaystyle e_{i,j}=k}
,表示 ひょうじ
V
{\displaystyle V}
中 なか 的 てき 两个顶点
i
{\displaystyle i}
和 わ
j
{\displaystyle j}
连有
k
{\displaystyle k}
条 じょう 边,并且规定
e
i
,
j
=
e
j
,
i
{\displaystyle e_{i,j}=e_{j,i}}
。有向 ゆうこう 图中,
E
{\displaystyle E}
的 てき 一 いち 个元素 げんそ
e
i
,
j
=
k
{\displaystyle e_{i,j}=k}
,表示 ひょうじ
V
{\displaystyle V}
中 なか 的 てき 顶点
i
{\displaystyle i}
有 ゆう
k
{\displaystyle k}
条 じょう 连向顶点
j
{\displaystyle j}
的 てき 边。如果一 いち 个图
G
{\displaystyle G}
中 ちゅう 所有 しょゆう 的 てき
e
i
,
j
{\displaystyle e_{i,j}}
都 と 不 ふ 超 ちょう 过1,并且
∀
i
=
1
,
2
,
⋯
,
n
,
e
i
,
i
=
0
{\displaystyle \forall i=1,2,\cdots ,n,\,\,e_{i,i}=0}
,那 な 么称图
G
{\displaystyle G}
是 ぜ 简单图。
网络理 り 论的数学 すうがく 框 かまち 架 か 建立 こんりゅう 在 ざい 图论上 じょう 。网络理 り 论中的 てき 网络其实就是图论中 ちゅう 的 てき 图,但 ただし 在 ざい 网络理 り 论中称 ちゅうしょう 之 の 为网络,图的顶点在 てんざい 网络理 り 论中称 ちゅうしょう 为节点 てん ,边被称 しょう 为连结。以下 いか 仍旧以图论中的 てき 术语定 てい 义度分布 ぶんぷ 。
一个无向图
G
=
G
(
V
,
E
)
{\displaystyle G=G(V,E)}
中 ちゅう 某 ぼう 个顶点 てん
v
i
0
{\displaystyle v_{i_{0}}}
的 まと 度 ど ,是 ぜ 指 ゆび 所有 しょゆう 与 あずか 它相连的边的数 すう 目 もく 。
d
(
v
i
0
)
=
∑
i
=
i
0
e
i
,
j
{\displaystyle d(v_{i_{0}})=\sum _{i=i_{0}}e_{i,j}}
有向 ゆうこう 图中,根 ね 据 すえ 连出边的数 すう 目 もく 和 わ 连入边的数 すう 目 もく ,分 ふん 为出度 ど
d
o
u
t
{\displaystyle d_{out}}
和 かず 入 いれ 度 ど
d
i
n
{\displaystyle d_{in}}
。
d
o
u
t
(
v
i
0
)
=
∑
i
=
i
0
e
i
,
j
{\displaystyle d_{out}(v_{i_{0}})=\sum _{i=i_{0}}e_{i,j}}
d
i
n
(
v
i
0
)
=
∑
j
=
i
0
e
i
,
j
{\displaystyle d_{in}(v_{i_{0}})=\sum _{j=i_{0}}e_{i,j}}
因 いん 此,一个无向图
G
=
G
(
V
,
E
)
{\displaystyle G=G(V,E)}
中 なか ,
d
{\displaystyle d}
可 か 以看成 なり 将 はた 每 まい 个顶点 てん 映 うつ 射 い 到 いた 一个非负整数的函数 かんすう :
d
:
v
i
↦
d
(
v
i
)
i
=
1
,
2
,
⋯
,
n
.
{\displaystyle d:\,v_{i}\mapsto d(v_{i})\quad i=1,2,\cdots ,n.}
而度分布 ぶんぷ 则是对每个非负整数 すう
m
{\displaystyle m}
,考察 こうさつ 度数 どすう 是 ぜ
m
{\displaystyle m}
的 てき 顶点在 てんざい 所有 しょゆう 顶点中 ちゅう 占 うらない 的 てき 比例 ひれい :
∀
m
∈
N
,
P
:
m
↦
P
(
m
)
=
Card
{
v
i
|
d
(
v
i
)
=
m
}
n
,
{\displaystyle \forall m\in \mathbb {N} ,\,\,P:m\mapsto P(m)={\frac {\operatorname {Card} \{v_{i}\,|\,d(v_{i})=m\}}{n}},}
[1]
因 いん 此满足 あし :
∑
m
∈
N
P
(
m
)
=
1.
{\displaystyle \sum _{m\in \mathbb {N} }P(m)=1.}
从顶点 てん 中等 ちゅうとう 概 がい 率 りつ 地 ち 随 ずい 机 つくえ 抽取一 いち 个顶点 てん ,那 な 么这个顶点 てん 度数 どすう 为
k
{\displaystyle k}
的 てき 概 がい 率 りつ 就是
P
(
k
)
{\displaystyle P(k)}
。
随 ずい 机 つくえ 图顶点 てん 的 てき 度 ど 分布 ぶんぷ [ 编辑 ]
随 ずい 机 つくえ 图是指 ゆび 由 よし 随 ずい 机 つくえ 过程产生的 てき 图,即 そく 是 これ 将 はた 给定的 てき 顶点之 の 间随机 つくえ 地 ち 连上边。一个随机图
G
=
G
(
V
,
E
)
{\displaystyle G=G(V,E)}
中 なか ,每 まい 两个顶点之 の 间的边的数量 すうりょう
e
i
,
j
{\displaystyle e_{i,j}}
是 これ 随 ずい 机 つくえ 变量 。因 よし 此任一 いち 顶点
v
i
0
{\displaystyle v_{i_{0}}}
的 てき 度 たび
d
(
v
i
0
)
=
∑
i
=
i
0
e
i
,
j
{\displaystyle d(v_{i_{0}})=\sum _{i=i_{0}}e_{i,j}}
也是随 ずい 机 つくえ 变量。这个变量的 てき 概 がい 率 りつ 分布 ぶんぷ 也称为随机 つくえ 图中的 てき 顶点的 てき 度 ど 分布 ぶんぷ :
P
i
(
k
)
=
P
(
d
(
v
i
)
=
k
)
.
{\displaystyle P_{i}(k)=\mathbb {P} (d(v_{i})=k).}
这个定 てい 义与一般的图的度分布是不一样的[2] 。
在 ざい 经典的 てき 随 ずい 机 つくえ 图模型 がた 中 ちゅう ,所有 しょゆう 顶点的 てき 位置 いち 都 と 是 ぜ 一致 いっち 的 てき ,没 ぼつ 有 ゆう 特殊 とくしゅ 的 てき 顶点。因 よし 此每个顶点 てん 的 てき 度 ど 分布 ぶんぷ
P
i
(
k
)
{\displaystyle P_{i}(k)}
都 みやこ 是 ただし 相 しょう 同 どう 的 てき :
∀
i
,
P
i
(
k
)
=
P
(
k
)
{\displaystyle \forall i,\,P_{i}(k)=P(k)}
。所以 ゆえん ,随 ずい 机 つくえ 抽取一 いち 个顶点 てん ,它的度数 どすう 是 ぜ
k
{\displaystyle k}
的 てき 概 がい 率 りつ 就是
P
(
k
)
{\displaystyle P(k)}
;
P
(
k
)
{\displaystyle P(k)}
越 えつ 高 だか ,表示 ひょうじ 可能 かのう 有 ゆう 更 さら 多 た 的 てき 顶点度数 どすう 是 ぜ
k
{\displaystyle k}
。当 とう 顶点数 すう 目 もく 很大每 ごと 个顶点 てん 的 てき 度 ど 分布 ぶんぷ 都 と 是 ぜ 相 あい 对独立 どくりつ 的 てき 时候,顶点的 てき 度 ど 分布 ぶんぷ
P
i
(
k
)
{\displaystyle P_{i}(k)}
近似 きんじ 等 とう 于图中 ちゅう 度数 どすう 是 ぜ
k
{\displaystyle k}
的 てき 顶点的 てき 比例 ひれい [1] 。
例 れい 子 こ [ 编辑 ]
由 よし 十个顶点构成的图
以下 いか 给出一些度分布的例子。右 みぎ 图是由 よし 十个顶点构成的无向图。其中度数 どすう 是 ぜ 4的 てき 顶点有 ゆう 3个,度数 どすう 是 ぜ 3的 てき 顶点有 ゆう 6个,度数 どすう 是 ぜ 6的 てき 顶点有 ゆう 1个,所以 ゆえん 度 ど 分布 ぶんぷ 是 ぜ :
P
(
m
)
=
{
0.3
,
m
=
4
0.6
,
m
=
3
0.1
,
m
=
6
0
,
m
≠
3
,
4
,
6
{\displaystyle P(m)={\begin{cases}0.3,&m=4\\0.6,&m=3\\0.1,&m=6\\0,&m\neq 3,4,6\end{cases}}}
对于
n
{\displaystyle n}
阶完全 ぜん 图,所有 しょゆう 的 てき 顶点的 てき 度数 どすう 都 と 是 ぜ
n
−
1
{\displaystyle n-1}
,所以 ゆえん 度 ど 分布 ぶんぷ 是 ぜ :
P
(
m
)
=
{
1
,
m
=
n
−
1
0
,
m
≠
n
−
1
{\displaystyle P(m)={\begin{cases}1,&m=n-1\\0,&m\neq n-1\end{cases}}}
图3.随 ずい 机 つくえ 网络的 てき 度 ど (a)集中 しゅうちゅう 在 ざい 某 ぼう 个特定 とくてい 值
d
c
{\displaystyle d_{c}}
附近 ふきん ,而无尺度 しゃくど 网络的 てき 度 ど 分布 ぶんぷ (b)则遵守 じゅんしゅ 幂律分布 ぶんぷ
如果图
G
{\displaystyle G}
是 ぜ 任意 にんい 两顶点 てん 之 の 间以概 がい 率 りつ
0
<
p
<
1
{\displaystyle 0<p<1}
连边的 てき 随 ずい 机 つくえ 图,那 な 么每个顶点 てん 都 と 有 ゆう 相 しょう 同 どう 的 まと 度 ど 分布 ぶんぷ 。
P
(
m
)
=
(
n
−
1
m
)
p
m
(
1
−
p
)
n
−
1
−
m
.
{\displaystyle P(m)={\binom {n-1}{m}}p^{m}(1-p)^{n-1-m}.}
[2]
这个分布 ぶんぷ 是 ぜ 泊 とまり 松 まつ 分布 ぶんぷ 。我 わが 们可以构造 づくり 每 ごと 个顶点 てん 的 てき 度数 どすう 都 と 是 ぜ 这样的 てき 概 がい 率 りつ 分布 ぶんぷ 的 てき 随 ずい 机 つくえ 图模型 がた 。这样当 とう 顶点数 すう 很大的 てき 时候,度数 どすう 是 ぜ
k
{\displaystyle k}
的 てき 顶点的 てき 个数占 うらない 的 てき 比例 ひれい 大 だい 致是
P
(
k
)
{\displaystyle P(k)}
。这个分布 ぶんぷ 的 てき 特 とく 点 てん 是 ぜ 当 とう k很小或 ある 很大的 てき 时候,
P
(
k
)
{\displaystyle P(k)}
都 と 近似 きんじ 于0,
P
(
k
)
{\displaystyle P(k)}
的 てき 值在一个特定的值处达到高峰,然 しか 后 きさき 回 かい 落。也就是 ぜ 说,大 だい 多数 たすう 的 てき 顶点的 てき 度数 どすう 在 ざい 这个特定 とくてい 值左右 さゆう 。然 しか 而在真 ま 实的复杂网络中 ちゅう ,人 にん 们观察到,度 ど 分布 ぶんぷ 并不像 ぞう 这种随 ずい 机 つくえ 图模型 がた 显示的 てき ,聚集在 ざい 某 ぼう 个特定 とくてい 值周围,而是随 ずい 着 ぎ k增大 ぞうだい 而以多 た 项式速度 そくど 递减,也就是 ぜ 遵从所 しょ 谓的幂律分布 ぶんぷ :
P
(
k
)
∝
1
k
γ がんま
{\displaystyle P(k)\propto {\frac {1}{k^{\gamma }}}}
也就是 ぜ 说
P
(
k
)
{\displaystyle P(k)}
的 てき 概 がい 率 りつ 反 はん 比 ひ 于
k
{\displaystyle k}
的 てき 某 ぼう 个幂次 じ ,其中
γ がんま
{\displaystyle \gamma }
是 ぜ 某 ぼう 个正实数。这种网络特性 とくせい 被 ひ 称 しょう 为无尺度 しゃくど 特性 とくせい [3] [4] 。
参考 さんこう 文献 ぶんけん [ 编辑 ]
引用 いんよう
期 き 刊 かん 文章 ぶんしょう
书籍
参 まいり 见[ 编辑 ]