Transcript ランダムグラフ
ランダムグラフ
エルデシュとレーニイによって研究された.→ER-model
p:辺連結確率
pN ( N 1)
分
2
N:ノード総数
布:
スモールワールドネットワーク
コンセプト:任意の二つのノード間が相対的に短い経路である.
スケールフリーネットワーク
成長と優先的選択→集合と進化のモデル化=動的性
クラスタ
集合性の測定→クラスタ係
数:
完全グラフの総辺数:
Ci
2 Ei
k i k i 1
k i ( k i 1)
2
次数分布
ランダムグラフ:平均次数<k>でピークを持つポワソン分布
スケールフリーネットワーク:ベキ乗則分布
スケールフリーモデルの定義
(1)成長:少ないノード数(m0)で始め,毎回m(<=m0)個の異な
るノードと連結した新規ノードを追加する.
(2)優先的選択:新規ノードのノードiへの連結確率Πは,ノー
ドiの次数kiに依存する.
選択確率Π:
(ki )
ki
j
kj
理論的アプローチ
マスター方程式アプローチとレート方程式に従う,ノード次
数の変動.
次数分
布:
P (k )
P ( k i (t ) k )
k
2m
1
r
1
m0 t k
1
t
t→∞: P ( k ) ~ 2 m k , with r
1
1 1
1 3
マスター方程式,レート方程式
・マスター方程式アプローチ
時間t,ノードi,導入時間tiで次数kを持つ確率P(k, ti, t)の
時間変化
・レート(反応速度)方程式アプローチ
時間tのとき次数kを持つノードの平均数Nk(t)に注目.Nk(t)
の時間変化
モデルA(優先的選択なし,成長の
み)
選択確
率:
(ki )
1
m0 t 1
t→∞で次数分布は,指数関数的に衰退する.
モデルB(成長なし,優先的選択の
み)
N個の孤立ノードで始め,ランダム選択と優先的選択のノード
を連結する.次数分布は,ガウス分布に近くなる.
SFモデルの特徴
・平均経路長 l A log( N B ) C
・ノード間の相互関係
n kl
4 ( l 1)
k ( k 1)( k l )( k l 1)( k l 2 )
12 ( l 1)
k ( k l 1)( k l )( k l 1)( k l 2 )
・クラスタ係数
ベキ乗則C~N-0.75に比例して減少する.
適応度モデル
ビアンコーニとバラバシは,実際のネットワークでノードが競争
原理を持つことを論じた.
→各ノードに適応度ηiを割り当てる.
選択確率:
i
iki
j
jk j
大きな適応度を持つノードが小さな適応度を持つノードよりも
速く次数を増加させる.
エラー耐性
辺の除去よりノードの除去のほうがダメージが大きい.
SFネットワークのエラー耐性
ランダムなノード除去よりもハブ優先なノード除去のほうが早く
システムが崩壊する.
P(k0)から選択された次数k0のノードを考える.
臨界基準
点:
fc 1
1
k0
2
k0
1