23、广义随机图与增长图模型解析

广义随机图与增长图模型解析

1. 网络的度分布特性

在对网络的研究中，度分布是一个关键的特性。以万维网的网络样本为例，其度分布呈现出无标度的特征，即网络节点具有度 (k) 的概率 (p_k) 对于较大的 (k) 值遵循幂律分布 (p_k \sim k^{-\gamma})，其中 (\gamma) 的取值范围在 ((2, 3])。这种幂律度分布与随机图的泊松度分布有很大不同，它表明大多数顶点连接稀疏，而少数顶点拥有极多的链接，这些少数顶点对万维网的功能起着至关重要的作用。

从数学角度来看，在一个无限系统中，当 (p_k \sim k^{-\gamma}) 且 (\gamma \in (2, 3]) 时，平均度 (\langle k \rangle) 是有限的，但二阶矩 (\langle k^2 \rangle) 是发散的。这意味着在像万维网这样的有限网络中，节点度会有较大的波动，而网络结构以这种特殊的方式组织起来是非常值得关注的。而且，无标度网络不仅存在于万维网中，在其他人造系统、社会系统和自然界中也普遍存在。虽然度指数 (\gamma) 的精确值取决于所研究网络的具体细节，但大多数通过经验得到的指数都大于 2 且小于 3。

2. 广义随机图模型

为了更好地对现实世界的系统进行建模，人们对 Erdős–Rényi 模型进行了推广，以生成具有任意度分布 (p_k) 的随机图。其中，配置模型是一种重要的研究对象。在配置模型中，每个节点的度被指定为一个精确的值，但除了这个约束外，链接是随机分布的。研究主要关注具有幂律度分布的图，使用 Molloy–Reed 准则来预测当 (\gamma) 小于临界值 (\gamma_c \approx 3.47) 时是否存在巨型组