典型复杂网络模型

网络的结构与功能联系紧密, 拓扑结构决定功能, 功能影响拓扑结构演化. 为研究复杂网络拓扑结构特性, Erdos与Renyi最早根据随机图理论构建了随机网络模型(ER模型), 但ER模型的连接规则与节点分布的随机性使其不适合研究真实复杂网络. 因此, 基于已有网络模型的缺陷与真实网络研究的需求, 学者们提出了大量不同的复杂网络模型.

小世界网络模型

通常认为如果网络的平均路径长度L与节点数N的对数成正比, 则称该网络具有小世界效应. 绝大部分真实复杂网络都具有小世界效应, 即具有较小的平均路径长度和较大的集聚系数.

基于此, Watts和Strogatz提出了小世界网络模型(WS模型). 在一个包含N个节点的环状规则网络中, 以顺时针方向访问每个节点并选取与当前节点连接的边, 以概率p对每条边进行删除和重连, 将边的另一端随机连接到其他节点上, 在这个过程中可能会出现长程边从而减小网络的平均路径长度, 以概率1–p保留原有边, 整个过程中不允许出现重复连接和自环. 可以改变p值来调节网络的随机性, 并保持网络中边数的平衡, p=0时对应规则网络, p=1时对应随机网络. 通过这种方法构造出来的小世界网络具有较小的平均路径长度和较大的集聚系数.

考虑到WS模型的构造方法可能会破坏网络的连通性, Newman和Watts对其进行了改进, 提出了NW模型. NW模型的改进之处在于用随机化加边取代了随机化重连, 即以概率p在随机选取的节点对之间添加连接边, 不改动原有连接边, 且不允许出现重复连接和自环. 当网络规模N足够大而p足够小时, WS模型与NW模型在本质上是一样的.

无标度网络模型

在随机网络和小世界网络中, 节点的度分布近似为泊松分布. 但研究者发现大多数真实复杂网络的度分布服从幂律分布, 即随着节点度k增大, 分布函数P(k)衰减速度变小.

针对这种情况, Barabas和Albert提出了无标度网络模型(BA模型)从两方面来描述其产生机制, 即网络增长和优先连接. 网络增长意味着网络中不断有新节点加入并连接到已存在的节点上, 初始网络包含m0个节点和m1条边, 每个时间步增加一个新节点和m(m≤m0)条边, 连接到m个已有的节点上; 优先连接意味着新增加的节点会优先连接度值较大的节点, 将节点i的度ki和所有节点度的总和k的比值作为新增加的节点连接到节点i的概率, 新增加的节点根据此概率选择所要连接的m个节点. 经过t个时间步后初始网络就会演化成具有m0+t个节点和m1+mt条边的网络, 其中大多数节点度值较小, 少数节点度值很大. 结果显示, BA网络不仅兼具小世界效应和较大的集群系数, 其度分布也满足幂律分布.

局域世界网络模型

BA模型中的优先连接机制存在于全局网络, 然而Li等通过对真实复杂网络的研究, 发现优先连接机制仅存在于局部网络, 因此在BA模型的基础上提出一种简单局域世界网络模型(LC模型). 该模型首先随机选取m个节点作为新增节点的局域世界, 新增节点会优先连接所对应的局域世界中度值较大的节点, 而不是选择全局网络中度值较大的节点进行连接.

在BA模型中, 新增节点拥有全局信息; 在LC模型中, 新增节点仅拥有局部信息. 在真实复杂网络中, 总是存在少数节点拥有全局信息, 大部分节点仅拥有局部信息. 基于此, Qin等对LC模型进行了改进, 建立了一种新的局域世界网络模型. 该模型引入了全局节点数与总结点数的比值作为新增节点属于全局节点的概率p. 当p=0时, 该模型对应于LC模型; 当p=1时, 对应于BA模型.

2.4 权重网络模型
上述网络模型均将网络视为无权网络, 忽略了节点之间的相互作用程度或节点和边的物理量等信息. 而真实网络往往为节点或边具有权重的有权网络, 相比于无权网络, 有权网络更能反映真实情况.

Yook提出了一种基于BA模型的简单加权网络模型, 通过赋予边权重来描述节点之间的相互作用强度与连接边之间的异质性.

Barrat等提出了具有较强代表性的BBV模型.该模型综合考虑了拓扑结构和权重在网络动态演化过程中的影响, 随着网络规模的增大, 其度分布、边权分布和节点权分布都具有无标度特性.

周健等把局域世界特征引入到BBV模型中, 提出了一种基于局域世界演化的BBV模型. 该模型的构建考虑了局域世界内新节点和新连接的产生、局域世界内旧连接的消亡、局域世界外新连接的产生、权值优先连接这4个方面.

周鹏尧等在BBV模型的基础上, 提出一种广义的加权网络演化(FBBV)模型. 该模型与BBV模型的不同之处在于, 当网络中加入新节点时, 网络中所有边权都会发生变化, 变化程度取决于各边所处的实际位置.

参考文章：复杂网络理论研究综述