几种复杂网络模型的介绍：动态演化网络、社区网络、权重网络、相依网络、多层网络

最新推荐文章于 2024-09-22 09:54:39 发布

甜味辣椒酱

最新推荐文章于 2024-09-22 09:54:39 发布

阅读量2.4w

点赞数 18

分类专栏：复杂网络文章标签：概率论拓扑学图论

本文链接：https://blog.csdn.net/qq_42213329/article/details/109494379

版权

本文介绍了复杂网络的四种模型：动态演化网络、社区网络、权重网络和相依网络。动态演化网络依据网络部件、权重、演化机制和动态变化进行分类；社区网络关注其结构、评价标准；权重网络探讨加权网络的度量、实际网络和建模；相依网络涉及子网络、相依边和组合方式。这些模型帮助我们理解网络的复杂性和演化规律。

摘要由CSDN通过智能技术生成

《复杂网络与大数据》第二章：复杂网络模型的学习笔记

1动态演化网络

演化网络是随着时间的变化而变化的网络。

1.1以网络演化的部件划分

1.基于点边的网络演化模型：顾名思义，基于点边的网络演化模型就是指在网络演化过程中网络的结点和边都可以增加或删除的演化模型。

典型的如BA模型。BA模型是基于增长和择优连接两个原理提出的，增长原理强调了网络节点的演化，择优连接强调了网络边的演化。BA模型具有幂律度分布的特性

目前大多数的网络演化模型都是基于点边的网络演化模型。

2.基于边的网络演化模型：即网络演化过程中，节点数不变，但是边可以增加或删除的演化模型。

例如：ER模型在给定的节点之间采用随机连边策略产生随机图模型；WS模型在给定的节点之间采用边重连的策略产生小世界网络模型；NW模型给定的节点之间采用随机加边的策略产生小世界模型；

两种网络演化模型谁更合理目前并没有定论。

1.2以是否考虑权重划分

1.无权网络演化模型：如果对所研究网络的边没有赋予相应的权值，则该网络就称为无权网络。基本的ER模型、WS小世界模型、NW小世界模型以及BA模型都属于无权网络演化模型。目前基于BA模型产生了大量的无权网络演化模型。根据BA模型的网络增长和择优连接两条规则，这些模型大体可以分为两类：修改增长规则的无权网络演化模型和修改连接规则的无权网络演化模型。

无权网络演化模型主要针对网络的拓扑演化机制进行研究，不考虑网络的功能、承载业务等，演化结论主要也是通过对网络拓扑结构的评判(是否具有幂律度分布特性、小世界效应等)验证。因此，无权网络演化模型与实际网络演化还有一定差距。

2.含权网络演化模型：如果对所研究网络的边赋予了相应的权值，则该网络就称为含权网络或加权网络。现实世界的网络几乎都是含权网络。含权网络演化模型的研究对理解真实网络的演化过程具有重要意义。具有代表性的含权网络模型有DW模型， YJ BT模型， Barrat、Barthelemy和Vespignani提出的简单加权演化网络模型(BBV模型) 以及中国科技大学复杂系统研究小组提出的TDE模型及其改进模型。

含权网络演化模型认为网络承载的业务与网络拓扑结构是一种共生演化关系，相互驱动。BBV模型(特别是TDE模型) 通过将网络业务耦合人网络拓扑演化过程，不仅得到网络的幂律度分布，同时得到网络强度的幂律分布、网络权重的幂律分布以及高聚集性和非相称混合性等特征，更加成功地刻画出真实技术网络的特性。

1.3以演化网络采用的演化机制划分

1.单一演化机制模型：指演化过程中只采取一种演化机制的模型。ER模型、WS小世界模型、NW小世界模型、BA模型以及众多基于这些模型的改进模型都是单一演化模型。单一演化机制模型能有效研究某一演化机制对网络演化性质的影响，但对处于复杂多变环境中的真实网络而言，采用单一演化机制模型往往太过理想化，因此单一演化机制模型与实际网络相比还存在一定的差距。

2.混合演化机制模型：混合演化机制模型是指网络在演化过程中采取多种演化机制的模型。为了描述确定性与随机性和谐统一的世界以及增长过程的复杂性和多样性，中国原子能科学研究院网络科学小组的方锦清等人提出并发展了统一的混合网络模型，形成网络理论模型的三部曲。数值模拟和理论分析揭示了统一混合网络演化模型随多个混合比变化的若干特性，将其应用于一些现有的无权和含权复杂网络演化模型，可以得到更接近实际网络的特性。虽然混合演化机制模型能描述网络增长过程的复杂性和多样性，但是真实网络究竟采用了哪些演化机制以及各种演化机制所占比重的确定仍是一个需要解决的难题。

1.4以演化网络是否动态变化划分

1.静态网络演化模型：在相邻两个时间步内，网络节点及节点之间的关系一直保持不变，则称这类网络为静态网络。目前研究的网络演化模型基本上都属于此类型。

2.动态网络演化模型：在相邻两个时间步内，网络节点及节点之间的关系(边)具有可变性，则称这类网络为动态网络。动态网络系统中，节点的状态和拓扑都是动态演化的，节点的状态和网络的拓扑之间可能是相互影响的，且系统在整体层面上会展示出各种各样的集体行为。当前的研究重点主要是系统具有什么样的集体动力学行为、如何干预或控制此系统等。

2社区网络

目前，社区还没有明确的定义。一般而言，社区是指网络中具有相似属性的节点集合，社区内部关系紧密，社区之间节点关系稀疏。Fortunato从网络节点相似度，局部和全局3个角度总结了常见的社区的定义。

节点相似度定义：社区是由网络中相似节点构成的集合。同一个社区中的节点在异构的网络中呈现相似的特征，所以可以根据节点的相似度划分社区。通常采用层次聚类方法度量节点相似度和发现社区结构。
局部定义：社区是与网络中其他部分只有少量关联的部分。即社区内部个体关系紧密。
全局定义：社区是整个网络系统的一种划分，整个网络构成一棵层次树状图，根据某种特征函数值进行划分,得到最优的社区结构。这种特征函数也就是一种社区划分的衡量标准,对社区结构给出了一种量化定义。最常见的特征医数是 Newman 等人提出的模块度函数。

综合以上3中定义可以看出，节点相似度是利用节点属性对网络进行划分，社会网络分析领域经常采用这种定义。然而，在复杂网络中，由于节点的属性非常复杂，很难获得有效的信息，因此大多数复杂的网络社区都使用后两种定义，利用网络拓扑来发现社区结构。

2.1复杂网络中社区结构的分类

在复杂网络中，有两种类型的社团结构:层次结构和重叠结构，它们可能同时存在于复杂网络中。
1.层次结构

社区层次结构是对社会网络中不同层次、不同粒度社区的整合。现实世界中的大多数网络系统都显示出层次的形态。真实网络通常由社区组成,而这样的社区中包含较小的社区,小社区中可能包含更小的社区等。社区层次结构的意义在于揭示复杂网络中社区之间的上下包含关系。层次结构在社会网络中普遍存在,如篮球和羽毛球俱乐部都属于球类俱乐部,围棋和象棋俱乐部都属于棋牌俱乐部,而球类和棋牌类俱乐部都属于体育俱乐部。发现网络社区层次结构,可以深人理解不同尺度下网络结构及网络结构之间的关系,从而更好地反映真实系统的情况,有利于进行系统分析。目前发现社区层次结构较多采用层次聚类的方法,按照网络图中节点之间的距离或者相似度进行聚类,将整个网络结构构建成为一棵树状图。树状图表示了网络社区的层次结构,如图所示,每个节点是树状图中的叶子,然后通过连接构成树状图,组成一个完整的网络。树状图中的每一层代表不同的社区,从底层到高层社区数量越来越少,社区规模越来越大。

2.重叠结构

研究发现,现实世界中许多网络社区之间通常并不是彼此独立的,而是相互关联的。换言之,网络由相互关联,彼此重叠的社区组成,社区之间存在重叠的节点。社区的重叠结构是指社区中每个节点并非只属于一个独立的社区,而是存在某些节点可能属于多个社区。例如,在社会网络中,根据不同的分类方法,每个人可能会划分到多个不同的社区(如家庭、公司、兴趣小组、学校等):在科学家合作网络中,一个物理学家同时也可能是一个数学家,因此他将同时处于分别由物理学家和数学家构成的两个社区中。社区重叠结构更加符合真实世界的社区之间的关系,反映了更加真实的网络结构。复杂网络中层次重重社区如图所示,从图中可以发现某些节点在不同的社区之间起着桥梁的作用，同时属于两个不同的社区。