next up previous
Next: Scale Free网络 Up: 网络机制模型 Previous: 规则网络与随机网络

Small World网络

Watt和Strogatz发现,只需要在规则网络上稍作随机改动就可以同时具备以上两个性质。改动的方法是,对于规则网络的每一个顶点的所有 边,以概率p断开一个端点,并重新连接,连接的新的端点从网络中的其他顶点里随机选择,如果所选的顶点已经与此顶点相连,则再随机 选择别的顶点来重连。当p = 0时就是规则网络,p = 1则为随机网络,对于0 < p < 1的情况,存在一个很大的p的区域,同时拥有较大的集聚 程度和较小的最小距离。Small World网络的生成方法见图(1),其中左图为规则网络,右图为随机网络,中间是一个典型的Small World 网络。Small World网络的几何性质如图(2)所示。


Fig 2: Small World网络的几何性质 同时有大集聚程度而小最短距离是Small World网络的重要特征,而且 此性质在p略大于0到小于1的很大范围内存在。本图取自文献[7]。

实证研究发现,大量的实际网络存在这种Small World现象,见表1。在Watts和Strogatz的工作之后,不同的作者做了许多Small World 网络上的动力学模型的研究[15,37,38,39,60,61,62,63],体现了平均集聚程度和平均最短距离的 深刻的表现能力。我们将在网络的动力学性质一节对此做一小结。

4表1:实际网络的Small World现象。列表中包括所研究网络的实际对象(Network),大小(Size), 平均度值(< k >),平均最短距离(l),按随机网络计算的最短距离(lrand),平均集聚程度(C), 按随机网络计算的集聚程度(Crand)。通过对比实际网络与相应(相同顶点数和边数)随机网络的性质, 可以发现网络的Small World特征。此表在文献[1]的基础上收集确认其他文献编辑而成,感谢作者 R. Albert提供。

Network Size $ \left\langle\vphantom{ k}\right.$k$ \left.\vphantom{ k}\right\rangle$ l lrand C Crand
WWW[31], site level, undir. 153, 127 35.21 3.1 3.35 0.1078 .00023
Internet[22] , domain level 3015 - 6209 3.52 - 4.11 3.7 - 3.76 6.36 - 6.18 0.18 - 0.3 0.001
Movie actors[7] 225, 226 61 3.65 2.99 0.79 0.00027
LANL co-authorship[66] 52, 909 9.7 5.9 4.79 0.43 1.8 x 10-4
MEDLINE co-authorship[66] 1, 520, 251 18.1 4.6 4.91 0.066 .1 x 10-5
SPIRES co-authorship[66] 56, 627 173 4.0 2.12 0.726 0.003
NCSTRL co-authorship[66] 11, 994 3.59 9.7 7.34 0.496 x 10-4
Math. co-authorship[67] 70, 975 3.9 9.5 8.2 0.59 5.4 x 10-5
Neurosci. co-authorship[67] 209, 293 11.5 6 5.01 0.76 .5 x 10-5
E. coli[52] , substrate graph 282 7.35 2.9 3.04 0.32 0.026
E. coli[52], reaction graph 315 28.3 2.62 1.98 0.59 0.09
Words[49], co-occurrence 460, 902 70.13 2.67 3.03 0.437 .0001
Power grid[7] 4, 941 2.67 18.7 12.4 0.08 0.005
C. Elegans[7] 282 14 2.65 2.25 0.28 0.05


next up previous
Next: Scale Free网络 Up: 网络机制模型 Previous: 规则网络与随机网络
wwwwjs 2004-01-04