复杂网络学习1

       复杂网络相关的资料看了很多，但是总觉得没有看到点上，很多东西都是知其然而不知其所以然，归根结底，还是心里太浮躁了，没有静下心来学习，另外一个原因，也是因为没有选好书，基础知识还不扎实，当然很多内容都看不太懂了。

       对网络结构的静态特征基本上掌握得差不多了，翻来覆去的总是那几个经典的反映图的连通性或者集群性的量，还是比较好懂，很多研究也都倾向于比较ER随机网和BA无标度网。

 

       难的地方在于动态的演化过程，真实世界的网络都是千变万化的，每一个独立的个体自身都在按照一定规律“进化”，从而使集体涌现出一些特质；另外正如社会网络中人的生老病死和相识相离，结点的数目以及边的连接关系都会发生一定的变化。研究网络动态的此消彼长，随时间的迁移变化，一定能够发现一些特定的规律，来指引我们对可以用网络特征描述的系统做出优化。

         “ComplexNetworks：Structureand Dynamics”这个文献综述总结得比较好，但是仍旧有很多东西模模糊糊。第一篇——基础篇，因为有之前的知识做垫底没什么难懂的；第二篇——动态演化，分析了网络系统的鲁棒性和疾病谣言的传播学，大多数研究都是围绕着临界值和giant component以及渗透理论和相变来分析的，看着看着就有种云里雾里的感觉。不过总结一点，建立符合实际的模型最为重要，这些研究的指导思想都与“从图中拿出多少结点会使网络崩溃”，但是对于不同的模型，得到的却是不一样的结论，总体来说就是研究对象的物理特征加上复杂网络的理论分析方法，得到最终的结果。具体的建模方法，前辈已经研究过了多种模型，这篇综述也就是介绍一些好的模型的描述，我们可以参考其中的一些思想，然后还是得建立一个实用的个性化的模型。

 

       先看文献综述有一点好处就是可以知道自己需要补充哪方面的知识，进而有针对性地学习，但是还是得全面。动态演化的时间是离散的，各个截取时间点的网络特征还是得归到静态模型区验证分析，在研究鲁棒性中，涉及到最多的就是giantcomponent和渗透理论，还有其他的一些公式也有一些难懂，通过查阅书籍很有助于理解。

        “Complex Networks”这本书很好，每一小节的篇幅都不是很长，看起来不会很吃力，而且讲解地也很好，在文献中看不懂的公式准则在这里都找到了解答最主要的收获就是判定图中存不存在giantcomponent的条件（<k^2>/<k>=2），在之后的对系统的分析中经常用到这个条件，虽然没只是一个很简答的判定方法，却可以有很多变形，在研究无标度网络中尤其重要。第9章讲一些基本判定方法，“生成函数”的意思还是没有弄清楚，第10章讲渗透的理论。

 

       对复杂网络的学习可以说到现在才刚刚开始入门，开始对书中的公式进行分析，学习一些数学物理方面的知识，比如复习随机数学的概率相关知识，了解物理上的晶格，还有span等，复杂网络的学习还是一个漫长的过程，贵在对过程的深刻理解，而不是只记住结论。