30、网络支持与云存储技术解析

网络支持与云存储技术解析

1. 幂律网络度的估计

在网络研究中，估计幂律网络的度分布是一个重要问题。对于具有 $P$ 个顶点且 $k_{min} = 1$ 的离散幂律分布网络，$\gamma$ 的一个良好近似公式为：
$\hat{\gamma} \approx 1 + P \left(\sum_{i = 1}^{P} \ln \frac{k_i}{k_{min}} - \frac{1}{2}\right)^{-1} = 1 + \frac{P}{\sum_{i = 1}^{P} 2k_i}$

同时，对于离散随机变量的两个概率密度函数的相似性和差异性，有多种度量方法，如迹距离（也称为 Kolmogorov 或 $L_1$ 距离）和保真度。

1.1 迹距离和保真度的定义

• 迹距离：$D(p_X(x), p_Y(x)) = \frac{1}{2} \sum_{x} |p_X(x) - p_Y(x)|$
• 保真度：$F(p_X(x), p_Y(x)) = \sum_{x} \sqrt{p_X(x)p_Y(x)}$

迹距离是一种度量，它满足非负性、对称性、不可区分者的同一性和三角不等式。而保真度不是一种度量，因为它不满足不可区分者的同一性，即 $F(p_X(x), p_X(x)) = \sum_{x} \sqrt{p_X(x)p_X(x)} = 1 \neq 0$。

确定基于公式计算的分布与算法产生的分布之间的 $L_1$ 距离，需要所有顶点的度信息。从相关数据可知，度为 1 的顶点在幂律网络的顶点中占比很大，可对实际度分布提供合理近似。

2. 流