c++中新增加的一个概念称之为_网络经济学涉及的一些基本概念

网络在很多方面都有着非常重要的作用。比如社交网络、信息网络、供应链网络、金融网络等，网络经济学已经越来越受到经济学家的关注，这也是一个交叉学科，会用到数学、计算机、经济学等多种知识。

在这本书中，网络（network）的基础工具主要是两大块：1、图论（graph theory）2、博弈论（game theory）3、概率论（用于随机图）。

这篇文章主要介绍一下网络的一些基本的概念此后的章节都会大量用到这些基本概念。首先看下图，一个网络 (graph) 长下面这个样子：

• node：A，B等点
• edge：连接A、B两个nodes的边称之为edge。左边的edge是undirected edges,右边的则是directed edges
• path:A-B-D称为一个path，就是被一些edge连起来的点，当然A-D-C不是一个path，因为A-D之间没有edge相连
• cycle：特殊的path，比如C-B-D-C
• connected graph：如果一个graph是连通的，那么graph中任意两个nodes都有一条path相连
• component：内部互相连通，外部则互不相连，比如下面有3个components，其中最下面的是giant component，也就是一个graph中最大的component。

• length：两点之间的path经过了多少个steps，比如上图C-E-D经过了两个steps，那么length为2.
• distance：两点之间最短的length，如何寻找呢?使用宽度优先的搜索算法，比如想确定一个graph上面的任意两点A、G之间的distance（当然，前提是他们在一个component里面），首先确定一个根节点A作为第0层，然后把和A相连的所有nodes放在第1层，然后把nodes的nodes放在第3层，以此类推，直到发现G，那么G在第几层，A、G之间的distance就是多少。
• betweenness：任意选定图上的两个点i和j，然后找到它们所有的最短路径，个数记为n。定义
  为k在ij最短路径上的比例。如果ij之间有5条最短路径，其中三条都经过k点，那么
  =0.6，然后寻找所有的i和j，都计算出来
  ，然后求平均值
  ，定义为betweenness。
• triadic closure triangle:如果一个network中的两个人有一个共同的朋友，那么这两个人是朋友的概率也会更大，比如下图B和C有共同的朋友A，那么B和C之间有edge的可能性会更大。
• clustering coefficient：A的任意两个朋友彼此也是朋友的概率！

个体集聚系数

个体集聚系数

平均集聚系数

10、edge（ties）有强弱之分，就像人与人之间的关系有好朋友和普通朋友一样，我们称之为strong ties和weak ties

11、Strong Triadic Closure Property是指如果A有两个strong ties分别指向B和C，那么B和C之间应该有edge相连，否则就违反了Strong Triadic Closure Property

12、bridge：刻画一个edge的，如果连接A，B的一个edge从graph中被删去之后，A，B将分属于两个不同的component，那么称这个edge为bridge。

13、local bridge：也是用来刻画一个edge的，如果连接A，B的一个edge从graph中被删去之后，A，B之间的distance将至少增加为两个单位以上，那么称这个edge为local bridge。

虽然local bridge是刻画总体的，而weak ties是刻画局部的，但是他们之间有着密切的联系，我们用一个定理刻画：

在Strong Triadic Closure Property成立的前提下，如果A至少有两个strong ties，那么包含A的local bridge一定是weak ties，因为如果是strong ties，就会违反Strong Triadic Closure Property

14、何为weak/strong?我们刚刚一直在说有的ties是strong的，有的是weak的，那么应该如何界定呢？可以结合实际背景来确定，比如一个通讯录网络，可以用两个人的通话时长来刻画是weak 还是 strong

15、local bridge概念的一个扩展，我们定义一个neighborhood overlap：

，我们可以知道，如果neighborhood overlap等于0，也就是分子为0，表明A和B没有共同的朋友，那么连接AB的edge一定是一个local bridge，因为把这个edge去掉，AB之间的distance一定会大于2（如果等于2，说明他们有共同的朋友）

16、embeddedness:是针对一个edge而言的，一个edge链接的两个nodes的共同的朋友的数量，也就是neighborhood overlap的分子

—————————————————————————————————————

前沿部分：

如何寻找giant component呢？可以从大到小（divisive methods）的方法，也可以使用从小到大的方法（agglomerative methods）,下面介绍一种

（1）、首先找出所有edge的betweenness（如果graph任意两点之间的distance也就是两点之间距离最短的路径，如果经过某个edge，那么该edge的betweenness则加一，总和就是这个edge的betweenness的值，这可以帮助我们寻找“中心度”最高的edge或者nodes）

（2）、把最大betweenness的edge去掉，就可以将一个graph分成更小的部分

（3）、重复步骤（1）、（2）直到实现自己想要的适度规模的component

————————————————————————————————

一道有趣的课后习题！

当时思考的时候想了很久，没有什么头绪。老师说这道题很简单，只需要在一条直线上构造就行！就是比如一条直线上有两个nodes，一直到n个nodes。在有n个edges的情况下：

最长距离肯定是n，

平均距离为：

比为：

,不可能大于3，因此我们可以通过在中间加入很多点来减少平均距离，如下图所示：

此时我算得为