一类四正则小世界网络的生成树数目的算法

合集下载

小世界网络

小世界网络

4.2 小世界网络4.2.1 小世界网络简介1998年, Watts和Strogatz 提出了小世界网络这一概念,并建立了WS模型。

实证结果表明,大多数的真实网络都具有小世界特性(较小的最短路径)和聚类特性(较大的聚类系数)。

传统的规则最近邻耦合网络具有高聚类的特性,但并不具有小世界特性;而随机网络具有小世界特性但却没有高聚类特性。

因此这两种传统的网络模型都不能很好的来表示实际的真实网络。

Watts和Strogatz建立的小世界网络模型就介于这两种网络之间,同时具有小世界特性和聚类特性,可以很好的来表示真实网络。

4.2.2 小世界模型构造算法1、从规则图开始:考虑一个含有N个点的最近邻耦合网络,它们围成一个环,其中每个节点都与它左右相邻的各K/2节点相连,K是偶数。

2、随机化重连:以概率p随机地从新连接网络中的每个边,即将边的一个端点保持不变,而另一个端点取为网络中随机选择的一个节点。

其中规定,任意两个不同的节点之间至多只能有一条边,并且每一个节点都不能有边与自身相连。

在上述模型中,p=0对应于完全规则网络,p=1则对应于完全随机网络,通过调节p 的值就可以控制从完全规则网络到完全随机网络的过渡。

相应程序代码(使用Matlab实现)ws_net.m (位于“代码”文件夹内)function ws_net()disp('小世界网络模型')N=input('请输入网络节点数');K=input('请输入与节点左右相邻的K/2的节点数');p=input('请输入随机重连的概率');angle=0:2*pi/N:2*pi-2*pi/N;x=100*cos(angle);y=100*sin(angle);plot(x,y,'r.','Markersize',30);hold on;%生成最近邻耦合网络;A=zeros(N);disp(A);for i=1:Nif i+K<=Nfor j=i+1:i+KA(i,j)=1;endelsefor j=i+1:NA(i,j)=1; endfor j=1:((i+K)-N) A(i,j)=1; endendif K<ifor j=i-K:i-1 A(i,j)=1;endelsefor j=1:i-1A(i,j)=1; endfor j=N-K+i:N A(i,j)=1; endendenddisp(A);%随机化重连for i=1:Nfor j=i+1:Nif A(i,j)==1pp=unifrnd(0,1); if pp<=pA(i,j)=0; A(j,i)=0;b=unidrnd(N); while i==bb=unidrnd(N); endA(i,b)=1; A(b,i)=1; endendendend%根据邻接矩阵连线for i=1:Nfor j=1:Nif A(i,j)==1plot([x(i),x(j)],[y(i),y(j)],'linewidth',1); hold on;endendendhold offaver_path=aver_pathlength(A);disp(aver_path);4.2.3小世界网络模型平均路径长度与聚类系数对于纯粹的规则网络,当其中连接数量接近饱和时,集聚系数很高,平均路径长度也十分短。

最小生成树及算法

最小生成树及算法

|S|=n-1, 说明是树 最后S={a1, a2, a3,… ,an-1}
B. 破圈法
算法2 步骤如下: (1) 从图G中任选一棵树T1. (2) 加上一条弦e1,T1+e1中 生成一个圈. 去掉此圈中最大权边,得到新树T2, 以T2代T1,重复(2)再检查剩余的弦,直到全部弦 检查完毕为止.
例 n个城市,各城市之间的距离如下表(距离为 ∞,表示两个城市之间没有直接到达的线路)。 从一个城市出发走遍各个城市,如何选择最优的 旅行路线.
性质 任何一棵树至少有两片树叶。 证明 设树T=(V,E),结点数为v,因T是连通的,因 此,树中每个结点vi,有deg(vi)1,且 deg(vi)=2(v-1)=2v-2. 若T中结点度数都大于2,则 deg(vi) 2v,矛盾。 若T中只有一个结点度数为1,则 deg(vi) 2(v-1)+1=2v-1 矛盾。
4 3
v5 3 v6
3.5 生成树的计数
1、一些概念 • • ① 设 G 是一个连通图。 T , T 分别是 G 的两个生成树,如果 E (T ) E (T ) ,则认为 T , T 是 G 的两个不同的生成树。 G 的 不同的生成树个数用 (G) 表示。 如:
v1 v3 v2 v3 v1 v2 v3 v1 v2 v3 v1 v2
证明:⑴⑵ 当 n=2时, e=1, 显然 e=n-1. 假设n=k-1时命题成立,当n=k时,因G无圈、连 通,则至少有一条边(u,v),deg(u)=1,删去u,得到 连通无圈的图G1, G1的边数e1,结点数n1满足: e1=n1-1= k-2 将u,边(u,v)加到 G1中,得到T,且 e=n-1.
( K3 ) 3。 则:
② G-e: 从G中去掉边e后所得的图。

求最小生成树问题,常用的方法

求最小生成树问题,常用的方法

求最小生成树问题,常用的方法最小生成树(Minimum Spanning Tree)问题是一个经典的图论问题,其涉及到给定一个加权无向图,求其最小的生成树。

在实际问题中,求解最小生成树问题非常重要。

例如,最小生成树问题被广泛应用于网络设计、电路布线、机器学习等众多领域。

本文将介绍求解最小生成树问题的常用方法,包括Kruskal算法、Prim算法和Boruvka算法。

我们将详细介绍这些算法的原理和步骤,并给出各种算法的优缺点和适用情况。

1. Kruskal算法Kruskal算法是一种基于贪心策略的算法。

它首先将所有边按照权重大小排序,然后从小到大遍历边。

对于每个边,如果它连接了两个不同的连通块,则将这两个连通块合并成一个。

重复这个过程,直到所有的边都被考虑完。

最终的联通块就构成了最小生成树。

Kruskal算法具有简单、高效、容易实现的特点。

它的时间复杂度为O(E log E),其中E为边的数量。

Kruskal 算法的实现需要使用并查集。

Kruskal算法的优点是它是一种局部最优的策略,因此它能够在众多情况下得到最优解。

另外,它能够处理稀疏图和稠密图,因为它不需要全局访问图的结构。

2. Prim算法Prim算法也是一种基于贪心策略的算法。

它从一个任意的节点开始,不断加入与已经加入的节点相邻的最短边,直到所有节点都被加入。

这个过程类似于将一个连通块逐渐扩张为最小生成树。

Prim算法的时间复杂度为O(E log V),其中E为边的数量,V为节点的数量。

Prim算法的实现需要使用堆数据结构来进行边的最短距离的管理。

Prim算法的优点是它比Kruskal算法更加容易实现和理解。

另外,Prim算法能够处理不连通图,因为它从任意一个节点开始加入边。

此外,Prim算法也能够处理含有负权重的边的图。

3. Boruvka算法Boruvka算法是一种基于分治策略的算法。

它首先将所有的节点看作单独的连通块,然后每个连通块都选择当前权重最小的边加入。

最小生成树算法及其算法

最小生成树算法及其算法

包头师范学院本科学年论文论文题目:最小生成树及其算法院系:数学科学学院专业:信息与计算科学学号:0800000062姓名:吉余指导教师:吴云撰写学年:2010 至2011 学年二零一零年十一月目录1有关最小生成树的概念 .................. 错误!未定义书签。

2 prim算法介绍 (1)3 prim算法的实现 (3)4 kruskal算法介绍 (8)5 kruskal算法的实现 (9)6算法比较 (12)参考文献 (13)摘要连通图广泛应用于交通建设,求连通图的最小生成树是最主要的应用。

比如要在n个城市间建立通信联络网,要考虑的是如何保证n点连通的前提下最节省经费,就应用到了最小生成树。

求图的最小生成树有两种算法,一种是Prim(普里姆)算法,另一种是Kruskal (克鲁斯卡尔)算法。

本文重点讲述prum算法和kruskai算法和比较。

本文从分析课题的题目背景、题目意义、题目要求等出发,分别从需求分析、总体设计、详细设计、测试等各个方面详细介绍了系统的设计与实现过程,最后对系统的完成情况进行了总结。

关键字:prum算法、最小生成树kruskal算法算法比较1 有关最小生成树的概念最小生成树:连通加权图里权和最小的生成树称为最小生成树。

从最小生成树定义看主要先了解图、树及生成树。

本文中最小生成树在计算机中存储方法是应用邻接矩阵的形式存储。

故也应了解邻接矩阵的定义。

定义一(图):图是有一个非空的顶点集合和一个描述顶点之间的关系即边的集合组成。

它可以形式化的定义为:G=(V ,E)V={ i V | j V VertexType}E={<i V ,j V >|i V ,j V ∈V ∧P (i V ,j V ) }其中,G 表示一个图,V 是图G 中顶点的集合,E 是V 中顶点偶对的有限集,这些顶点偶对称为边,VertexType 是用于描述顶点类型,集合E 中P (i V ,j V )的含义是:对有向图来说用“<>”表示,对无向图来说用“()”表示,即从i V 到 j V 两个顶点之间存在边。

最小生成树的算法

最小生成树的算法

最小生成树的算法王洁引言:求连通图的最小生成树是数据结构中讨论的一个重要问题.在现实生活中,经常遇到如何得到连通图的最小生成树,求最小生成树不仅是图论的基本问题之一 ,在实际工作中也有很重要的意义,,人们总想寻找最经济的方法将一个终端集合通过某种方式将其连接起来 ,比如将多个城市连为公路网络 ,要设计最短的公路路线;为了解决若干居民点供水问题 ,要设计最短的自来水管路线等.而避开这些问题的实际意义 ,抓住它们的数学本质 ,就表现为最小生成树的构造。

下面将介绍几种最小生成树的算法。

一,用“破圈法”求全部最小生成树的算法1 理论根据1.1 约化原则给定一无向连通图 G =(V ,E )( V 表示顶点,E 表示边),其中 V={ 1v , 2v ,3v …… n v },E= { 1e , 2e , 3e …… n e }对于 G 中的每条边 e ∈ E 都赋予权ω(i e )>0,求生成树 T = (V ,H ),H ⊆ E ,使生成树所有边权最小,此生成树称为最小生成树.(1) 基本回路将属于生成树 T 中的边称为树枝,树枝数为n -1,不属于生成树的边称为连枝.将任一连枝加到生成树上后都会形成一条回路.把这种回路称为基本回路,记为()cf e 。

基本回路是由 T 中的树枝和一条连枝构成的回路.(2) 基本割集设无向图 G 的割集 S (割集是把连通图分成两个分离部分的最少支路集合) ,若 S 中仅包含有T 中的一条树枝,则称此割集为基本割集,记为()S e 。

基本割集是集合中的元素只有一条是树枝,其他的为连枝.(3) 等长变换设T=(V,H),为一棵生成树,e ∈ H, 'e ∈ E, 'e ∉ H,当且仅当'e ∈()cf e ,也就是说e ∈()S e ,则'T =T ⊕{e, 'e }也是一棵生成树。

当()e ω='()e ω时,这棵生成树叫做等长变换。

算法合集之《生成树的计数及其应用》

算法合集之《生成树的计数及其应用》

算法合集之《生成树的计数及其应用》生成树是图论中的一个重要概念,指的是一个连通图中的一个子图,它包含图中的所有顶点,并且是一个树结构,即没有回路。

生成树可以应用于许多实际问题中,如网络设计、电路设计等。

生成树的计数是指给定一个图,计算其中生成树的个数。

本文将介绍生成树的计数方法及其应用。

生成树个数的计数方法主要有两种:基于度数矩阵的方法和基于邻接矩阵的方法。

基于度数矩阵的方法是通过度数矩阵计算生成树的个数。

度数矩阵是一个n*n的矩阵,其中第i行第j列的元素表示顶点i的度数。

对于一个连通图,它的度数矩阵满足以下性质:矩阵中每个元素都是对称的,对角线上的元素为顶点的度数,非对角线上的元素为-1、生成树的个数可以通过计算度数矩阵的行列式的值来获得。

基于邻接矩阵的方法是通过邻接矩阵计算生成树的个数。

邻接矩阵是一个n*n的矩阵,其中第i行第j列的元素表示顶点i和顶点j之间是否存在一条边。

对于一个连通图,它的邻接矩阵满足以下性质:矩阵中每个元素都是对称的,对角线上的元素为0,非对角线上的元素为1、生成树的个数可以通过计算邻接矩阵的专门构造的拉普拉斯矩阵的行列式的值来获得。

生成树的计数方法在实际应用中有着广泛的应用。

以下是两个典型的应用案例。

1.网络设计:在网络设计中,生成树可以用来表示一个网络的拓扑结构。

生成树的计数可以帮助设计师在设计网络时选择最佳的拓扑结构,以提高网络的可靠性和性能。

例如,在构建一个数据中心的网络时,生成树的计数可以帮助设计师选择恰当的网络拓扑结构,使得数据中心能够快速传输数据,并且故障时能够保持高可用性。

2.电路设计:在电路设计中,生成树可以用来表示电路中的连接关系。

生成树的计数可以帮助设计师评估电路的性能,并且选择合适的电路结构以优化电路的功耗和响应速度。

例如,在设计一个数字电路时,生成树的计数可以帮助设计师选择合适的连接方式,以最小化电路中的延迟和功耗。

综上所述,生成树的计数及其应用是一个复杂而重要的问题。

集合论与图论中的生成树与网络流计算


PART FOUR
● 增广路径的定义:从源点到汇点的所有顶点的集合,且每条边都只使用一次的路径
● 增广路径算法的基本思想:通过不断寻找增广路径来增加网络流的流量,直到无法再找到增广路径为 止
● 增广路径算法的实现步骤: a. 初始化:设置源点为入度为0的顶点,其他顶点的入度为无穷大 b. 寻找 增广路径:从入度为0的顶点开始,沿着增广路径进行遍历,更新边的流量和剩余容量 c. 重复步骤b, 直到无法再找到增广路径为止
生成树在路由优化 中的应用:通过优 化路由路径,提高 数据传输效率
PART SIX
生成树算法的优化:提高算法的效率和稳定性,降低计算复杂度 网络流计算的应用拓展:在网络优化、社交网络分析、推荐系统等领域的应用
生成树与网络流计算的理论研究:研究生成树和网络流的基本性质和规律,探索新的理论模型和算法
最大流问题限制:不能超过容量限制,不能出现负流量
最小割集是网络流中的一种重要概念,它表示将网络分割成两个部分的集合。
最小割集是网络流中所有割集中的最小者,它可以确定网络的容量和流量。
最小割集可以通过Kruskal算法或Prim算法等图论算法来求解。
最小割集在网络流计算中具有重要的作用,它可以用来解决许多实际问题,如最大流问题、 最小费用流问题等。
最小生成树在网络流问题中的定义 最小生成树在网络流问题中的算法实现 最小生成树在网络流问题中的实际应用案例 最小生成树在网络流问题中的优缺点分析
最小生成树算法: 用于解决最小连接 问题,常用于网络 设计
最大生成树算法: 用于解决最大覆盖 问题,常用于网络 覆盖优化
生成树在流量控制 中的应用:通过控 制网络流量分布, 提高网络性能
PART FIVE
定义生成树:一个连通无环的子图,它包含了图中的所有顶点,但只包含部分边。

最小生成树算法详解

最小生成树算法详解最小生成树(Minimum Spanning Tree,简称MST)是图论中的一个经典问题,它是指在一个加权连通图中找出一棵包含所有顶点且边权值之和最小的树。

在解决实际问题中,最小生成树算法被广泛应用于网络规划、电力传输、城市道路建设等领域。

本文将详细介绍最小生成树算法的原理及常见的两种算法:Prim算法和Kruskal算法。

一、最小生成树算法原理最小生成树算法的核心思想是贪心算法。

其基本原理是从图的某个顶点开始,逐步选取当前顶点对应的边中权值最小的边,并确保选取的边不会构成环,直到所有顶点都被连接为止。

具体实现最小生成树算法的方法有多种,两种常见的算法是Prim 算法和Kruskal算法。

二、Prim算法Prim算法是一种基于顶点的贪心算法。

它从任意一个顶点开始,逐渐扩展生成树的规模,直到生成整个最小生成树。

算法的具体步骤如下:1. 初始化一个空的生成树集合和一个空的顶点集合,将任意一个顶点加入到顶点集合中。

2. 从顶点集合中选择一个顶点,将其加入到生成树集合中。

3. 以生成树集合中的顶点为起点,寻找与之相邻的顶点中权值最小的边,并将该边与对应的顶点加入到最小生成树中。

4. 重复第3步,直到生成树中包含所有顶点。

Prim算法是一种典型的贪心算法,其时间复杂度为O(V^2),其中V为顶点数。

三、Kruskal算法Kruskal算法是一种基于边的贪心算法。

它首先将所有边按照权值从小到大进行排序,然后从小到大依次选择边,判断选取的边是否与已选取的边构成环,若不构成环,则将该边加入到最小生成树中。

算法的具体步骤如下:1. 初始化一个空的生成树集合。

2. 将图中的所有边按照权值进行排序。

3. 依次选择权值最小的边,判断其两个顶点是否属于同一个连通分量,若不属于,则将该边加入到最小生成树中。

4. 重复第3步,直到最小生成树中包含所有顶点。

Kruskal算法通过并查集来判断两个顶点是否属于同一个连通分量,从而避免形成环。

最小生成树算法详解


Kruskal算法的核心是使用并查集来维护连通性,当一条边的两个顶点属于不同的 连通分量时,将这条边加入到生成树中,同时将两个连通分量合并为一个连通分 量,直到所有的连通分量都被合并为一个连通分量,生成树构建完毕。
算法步骤
初始化
将所有的边按照权值从小到大排序,初始化并查集和生成树。
选择边
从最小的边开始,依次选择每一条边,如果这条边的两个顶点属于不同的连通分量,将这 条边加入到生成树中,并将两个连通分量合并为一个连通分量。
最小生成树算法详解
xx年xx月xx日
目 录
• 最小生成树概述 • 普里姆算法(Prim算法) • 克鲁斯卡尔算法(Kruskal算法) • 最小生成树算法比较 • 最小生成树算法实践
01
最小生成树概述
定义与性质
定义
最小生成树是一个图的所有顶点连接起来形成的树,其所有 边的权重之和最小。
性质
最小生成树是一种最优树,它代表了从图中所有顶点中选择 一些顶点,使得这些顶点之间连接的边的权重之和最小。
重复选择
重复以上步骤,直到所有的边都被考虑过,生成树构建完毕。
Kruskal算法的拓展与优化
拓展
Kruskal算法适用于任何连通的带权图,不仅限于树和森林。
优化
在实现Kruskal算法时,可以通过优化查找和排序算法来提高效率。例如,使 用并查集的路径压缩和按秩合并优化来减少查找和合并操作的时间复杂度。
01
图论
最小生成树算法是图论中的一个经典问题,需要使用图的数据结构来
表示和解决问题。
02
并查集
并查集是一种用于处理不相交集合的数据结构,可以高效地解决最小
生成树算法中的连通性问题。
03

第四章 网络分析(第三节 最小生成树)


9
2
23
3
1
14
18 2 6
6
30 11
4
6
19
14
5 20
5
16
出现回路
7
26 44
8
Kruskal最小生成树算法
3-5 2 6-7 5 3-4 6 4-8 6 1-2 9 4-5 11 1-6 14 1-7 14 5-8 16 3-8 19 5-7 20 2-3 23 5-6 30 7-8 44
9
2
23
3
1
14
18 2 6
6
30 11
4
6
19
14
5 20
5
16
7
27
44
8
Kruskal最小生成树算法
3-5 2 6-7 5 3-4 6 4-8 6 1-2 9 4-5 11 1-6 14 1-7 14 5-8 16 3-8 18 5-7 20 2-3 23 5-6 30 7-8 44
9
2
权重最小
1
14
18 2 6
6
权重最小
14
5 20
30
11
4
6
19
5
16
7
9
44
8
Kruskal最小生成树算法
3-5 2 6-7 5 3-4 6 4-8 6 1-2 9 4-5 11 1-6 14 1-7 14 5-8 16 3-8 19 5-7 20 2-3 23 5-6 30 7-8 44
9
2
23
3
1
14
3-5 2 6-7 5 3-4 6 4-8 6 1-2 9 4-5 11 1-6 14 1-7 14 5-8 16 3-8 19 5-7 20 2-3 23 5-6 30 7-8 44
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

43
一类四正则小世界网络的生成树数目的算法
ห้องสมุดไป่ตู้
收稿日期:2014年1月31日;修回日期:2014年2月26日;录用日期:2014年3月10日


生成树是表征网络结构性质的一个重要物理量,然而精确地确定网络上的生成树数目是一个巨大的理论 挑战。本文提出了一个四正则小世界网络模型。介绍了其概念及演化过程,详细计算了四正则图的相关 拓扑特性,例如直径、聚类系数等。给出了此类四正则网络的生成树数目计算方法,得出生成树数目公 式及熵。研究发现,所研究网络的生成树的熵与具有相同平均度的其他网络形成了鲜明的对比,因为后 者的生成树的熵小于所研究网络。因此,这一四正则小世界网络上的生成树数目比其他具有自相似结构 网络生成树的数目要多。
点数 N t = 3 N t −1 + 2 = 2 ⋅ 3t − 1( t ≥ 1) 和总边数 Et = 3Et −1 + 6 = 4 ⋅ 3t − 3 ( t ≥ 1) 。
N t′ = 2 × 3 N t + 4 = 4 × 3t − 2 ( t ≥ 1) 和总边数 Et′ = 2 Et + 2 = 8 × 3t − 4 ( t ≥ 1) 。
关键词
复杂网络;四正则网络;生成树
1. 引言
复杂网络已成为学术界研究的一个热点,许多现实世界中的网络都具有小世界效应,例如:电力网 络、生物网络、交通网络、社会关系网络。一个网络具有小世界效应是指该网络具有较小的平均路径长 度和较大的聚类系数这两个主要的属性,这里较小的平均路径长度是指网络的平均路径长度按照网络的 阶的对数形式增长。 作为网络的另外一个重要的结构性质,网络中生成树数目的计算在数学、物理和其他学科里是一个 基本的问题。生成树与网络的诸多方面有着紧密的联系[1] [2],包括可靠性[3]、最优同步[4]、运输[5]、 随机游走[6] [7]等。例如:一个网络的生成树数目与网络中两个节点之间的有效电阻密切相关[8],并且 还可以反过来决定两节点之间的平均首达时间;作为随机游走的一个基本量,生成树数目在不同理论和 应用领域都有广泛的应用。另一方面,对于一个连通网络,在保持节点数不变的情况下,其生成树数目 最大的结构网络具有最好的同步能力。最近,网络中的生成树一直是许多研究关注的焦点。许多文章中 已经研究了特定网络中生成树数目,例如,Sierpinski 网络[9],E-R 随机图[10]以及章忠志等人给出的分 形无标度网络[2],伪分形无标度网络[11],小世界法雷网络[12],在 2013 年,作为所提出的计算生成树 数目的新方法的算例,赵海兴等人计算出了文献[13] [14]中的模型的生成树数目.这些研究说明了不同网 络结构中的生成树有不同的影响。 本文提出了一类具有小世界现象的四正则网络并且得到了其相应的拓扑特性, 例如直径、 聚类系数。 结果表明我们的模型具有离散指数度分布、高聚类系数、较小的直径,满足小世界网络的主要特性;给 出了此类四正则网络的生成树数目的计算方法并得到了相应的公式, 根据生成树数目确定了生成树的熵。
(1)
并且 t 步的生 由图 3 和图 4 容易看出 Ft 在第 t 步时的生成树数目是通过迭代的方法由 t − 1 步得到的,
ST ( Ft ) = 12 ST 3 ( Ft −1 ) + 12 ST 2 ( Ft −1 ) ⋅ SF ( Ft −1 ) + 3ST ( Ft −1 ) ⋅ SF 2 ( Ft −1 ) 3 2 SF ( Ft ) =8ST ( Ft −1 ) + 12 ST ( Ft −1 ) ⋅ SF ( Ft −1 ) + 6 ST ( Ft −1 ) ⋅ SF 2 ( Ft −1 ) + SF 3 ( Ft −1 )
Abstract
Spanning tree is an important quantity characterizing the reliability of a network; however, explicitly determining the number of spanning trees in networks is a theoretical challenge. In this paper, we present a class of four regular network model with small world phenomenon. We introduce the concept and evolving process and determine the relevant topological characteristics of the four regular network, such as diameter and clustering coefficient. We give a calculation method of number of spanning trees in such four regular network and derive the formulas and the entropy of number of spanning trees. We find that the entropy of spanning trees in the studied network is in sharp contrast to other small world with the same average degree, of which the entropy is less than the studied network. Thus, the number of spanning trees in such four regular network is more than that of other self-similar networks.
D ( t= ) 2t + 1
用归纳法可证明公式成立,并且 t ∼
ln N t 。 ln 3
因此直径随着节点数的增加呈对数形式增长,所以该四正则网络满足小世界网络特性。
3.2. 聚类系数(Clustering Coefficient)
聚类系数是用来衡量一个复杂网络的集团化程度。节点 i 的聚集系数 Ci 描述的是网络中与该节点直 接相连的节点之间的连接关系,即与该节点直接相邻的节点间实际存在的边数目占最大可能存在的边数 2ei 的比例, Ci 的表达式为 Ci = ,式中 ki 表示节点 i 的度, ei 表示节点 i 的邻接节点之间实际存在 ki ( ki − 1)
成树数目来求得原模型 Gt 的生成树数目,他们的关系如公式(1):
ST ( Gt ) = 2ST 2 ( Ft ) + 2ST ( Ft ) ⋅ SF ( Ft )
成树是由 t − 1 步生成树和生成森林共同构成的, Ft 有以下几种情形: 由图 5 可以看出 Ft 的包含两个分支的生成森林有以下几种情形:
44
一类四正则小世界网络的生成树数目的算法
t=0
t=1
t=2
Figure 1. Construction of Ft, showing the first three steps of the iterative process 图 1. Ft 的前三步迭代构造
t=0
t=1
t=2
Figure 2. Construction of Gt, showing the first three steps of the iterative process 图 2. Gt 的前三步迭构造
本文所研究的四正则网络模型 Gt 是由两条边连接两个 Ft 构成的(如图 2)。并计算得到了 Gt 的总点数
3. 拓扑特性
3.1. 直径(Diameter)
直径定义为网络中任意两个顶点间最小距离的最大值,它是反映网络最大传递延迟的属性。小的直 径与小世界网络的概念是一致的,这里用直径代替平均路径长度来说明网络的小世界特性。用 D ( t ) 表示 本网络模型的时间步 t 时的直径。由图 2 知, D ( 0 ) = 1 , D (1) = 3 ,在接下来的每一迭代步 ( t ≥ 2 ) 中,直 径随着新点的增加而增加.网络的直径满足如下公式:
2. 网络生成的迭代算法
正则图是每个顶点的度相同的图[15]。若每个顶点的度均为 k ,称为 k -正则图。通过迭代的方法构造 了一类四正则图。为了正确计算 Gt 的生成树数目,首先构建一个新模型 Ft 如图 1、2 所示,用 Ft ( t ≥ 0 ) 来 表示经过 t 步后的网络,网络 Ft 的生成算法如下:当 t = 0 时的初始网络 Ft 是一个四个节点连接三条边的 使得最底层的每个叶子节点的度为 4, 对于 t ≥ 2 ,Ft 三叉树, 当 t = 1 时网络 Ft 是由两个三叉树粘贴而成, 通过如下的方式得到: 对 Ft −1 中在 t − 1 步生成的三叉树的每个叶子节点再生出三个叶子节点, 然后复制这 个三叉树,粘贴这两个三叉树的最底层叶子节点并使得它们的度为 4(如图 1)。计算得到了网络 Ft 的总
7 = 0.875 ,具有较高的聚类系数,满足小世界特性。 8
4. 生成树数目(Spanning Trees)
生成树 T 是一个连通图 G 的一个极小连通子图,包含 G 的所有 n 个顶点,有 n − 1 条边的连通图。若
T 为森林,则称它为 G 的一个生成森林。我们找出了 Ft 和 Gt 的关系(如图 3)。假设 ST ( Ft ) 表示在 Ft 中第 t 步时的生成树数目, SF ( Ft ) 表示在 Ft 中第 t 步时具有两个分支的生成森林数目,那么通过计算 Ft 的生
Keywords
Complex Network; Four Regular Network; Spanning Tree
一类四正则小世界网络的生成树数目的算法
贾环身1,赵海兴2
相关文档
最新文档