matlab课程论文—无尺度网络的实现与可视化

《matlab课程论文—无尺度网络的实现与可视化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、课程论文：无尺度网络的实现与可视化摘要随着对复杂网络的深入研究，越来越多的系统，如神经网络和万维网，都被描述为有着复杂拓扑结构的网络。而很多的网络中节点的度分布都满足与图的大小无关的幂率分布，这被称为无尺度网络。幂率分布被发现是由增长和优先连接导致的。在这里我用matlab实现了网络动态生长的过程并把最终生成的无尺度网络进行了可视化。1引言1.1无尺度网络的提出在网络理论的研究中，复杂网络是由数量巨大的节点和节点之间错综复杂的关系共同构成的网络结构。用数学的语言来说，就是一个有着足够复杂的拓扑结构特征的图。复杂网络的研究是现今科学研究中的一个热点，与现实中各类高复杂性系统，如的

2、互联网网络、神经网络和社会网络的研究有密切关系。无论在社会科学、生命科学还是信息科学中，都存在着拥有十分复杂的拓扑结构特征的网络结构。这种网络结构的形式既不是完全规则，也不是完全随机的，例如在度分布中出现重尾现象。在一般的随机网络（如ER模型）中，大部分的节点的度都集中在某个特殊值（平均值）附近，成钟形的泊松分布规律。偏离这个特定值的概率呈指数性下降，远大于或远小于这个值的可能都是微乎其微的，就如一座城市中成年居民的身高大致的分布一样。然而现实世界的网络大部分都不是随机网络，少数的节点往往拥有大量的连接，而大部分节点却很少，一般而言他们符合二八定律，(也就是80/20Paret

3、oprinciple)。在1998年，Barabasi、Albert等人合作进行一项描绘万维网的研究时，发现通过超链接与网页、文件所构成的万维网网络并不是如一般的随机网络一样，有着均匀的度分布[4]。他们发现，万维网是由少数高连接性的页面串联起来的。绝大多数（超过80%）的网页只有不超过4个超链接，但极少数页面（不到总页面数的万分之一）却拥有极多的链接，超过1000个，有一份文件甚至与超过200万个其他页面相连。与居民身高的例子作类比的话，就是说大多数的节点都是“矮个子”，而却又有极少数的身高百丈的“巨人”。Barabasi等人将其称为无尺度网络[1]。1.2无尺度网络的性质人

4、们给具有这种性质的网络起了一个特别的名字——无尺度网络。这里的无标度是指网络缺乏一个特征度值（或平均度值），即节点度值的波动范围相当大，典型的特性则是度分布的幂定律(Powerlaw)递减。所谓一个网络的度分布，是指随机地从网络中挑出一个节点时，这个节点的度为d的概率。无尺度网络的度分布满足幂律分布，也就是说d=k的概率正比于k的某个次幂：Pd=k∝k-α。幂律分布这一特性，正说明了无尺度网络的度分布与一般随机网络的不同。随机网络的度分布属于正态分布，因此有一个特征度数，即大部分节点的度数都接近它。无尺度网络的度分布是呈集散分布：大部分的节点只有比较少的连接，而少数节点有大量的

5、连接。由于不存在特征度数，因此得名“无尺度”。现实生活中，无尺度网络的例子有很多。因特网、美国演员网络、细胞中蛋白质的交互网络都是无尺度网络。无尺度网络的特性是：当节点意外失效或改变时，对网络的影响一般很小，只有很小的概率会发生大的影响，但当有Hub节点受到影响时，网络受到的影响会比随机网络大得多。1.3无尺度网络的形成无尺度网络是怎么产生的呢？幂率分布又是如何形成的Barabasi在1999年的论文中提出了一个BA模型来解释复杂网络的无尺度特性[2]。这个模型基于两个假设：l增长模式(Growth)：不少现实网络是不断扩大不断增长而来的，例如互联网中新网页的诞生，人际网络中新

6、朋友的加入，新的论文的发表，航空网络中新机场的建造等等。l优先连接模式(Preferentialattachment)：新的节点在加入时会倾向于与有更多连接的节点相连，例如新网页一般会有到知名的网络站点的连接，新加入社群的人会想与社群中的知名人士结识，新的论文倾向于引用已被广泛引用的著名文献，新机场会优先考虑建立与大机场之间的航线等等。在这种假设之下，BA模型的具体构造为：1.增长：从一个较小的网络开始（这个网络是有m0个节点的完全图），逐步加入新的节点，每次加入一个新节点。新节点与m个(m小于等于m0)不同的已经存在于网络中的旧点相连产生m条新边。2.优先连接：连接方式为优先

7、考虑高度数的节点。对于某个原有节点i，将其在原网络中的度数记作di，那么新节点与之相连的概率为：Pi=diidi论文中证明了这种方式产生的网络度分度为幂率分布，是无尺度网络。2无尺度网络的实现基于增长和优先选择机制，这里用matlab程序生成无尺度网络。定义函数scale_free，输入变量为网络中节点的个数，输出为网络对应图的邻接矩阵。Matlab代码如下：functionmatrix=scale_free(X)%初始化网络数据N=X;%网络结点个数m0=3;%初始结点个数m=3;%后来每