这个例子展示了如何构建和分析Watts-Strogatz小世界图。Watts-Strogatz模型是一个具有小世界网络属性的随机图,例如聚类和较短的平均路径长度。
创建Watts-Strogatz图有两个基本步骤:
用。创建一个环状格子平均度节点.每个节点都连接到它的两边的最近邻居。
对于图表中的每个边,具有概率的目标节点.重新连接的边缘不能是重复或自循环。
在第一步之后,图是一个完美的环格。所以,当,没有边被重新连接,模型返回一个环晶格。相反,当,所有的边被重新布线,环格被转换成一个随机图。
该文件WattsStrogatz.m
实现此图算法以获取无向图形。输入参数是N
,K
, 和bet
根据上述算法描述。
查看文件WattsStrogatz.m
.
%版权所有2015 Mathworks,Inc。功能h = WattsStrogatz (N, K,β)% H = WattsStrogatz(N,K,beta)返回带有N的WattsStrogatz模型图%节点,n * k边,平均节点2 * k和重新加热概率β。%%beta = 0是环格,并且BETA = 1是随机图。%将每个节点连接到下一个和以前的邻居。这个构造环格的%指数。s = repelem((1:n)',1,k);t = s + repmat(1:k,n,1);t = mod(t-1,n)+1;%重新绕每个边缘的目标节点,概率β为source = 1:n switchedge = rand(k,1)“下”);t(source, switchEdge) = ind(1:nnz(switchEdge));结束h =图(s,t);结束
构造一个有500个节点的环格Wattsstrogatz.
功能。什么时候bet
为0时,函数返回一个节点都具有度的环晶格2 k
.
h = WattsStrogatz(0) 500年25日;情节(h,“NodeColor”,'K',“布局”,“圆”);标题('Watts-Strogatz Graph with $N = 500$ nodes, $K = 25$, and $\beta = 0$',...'口译员',“乳胶”)
通过提高增加图表中的随机性量bet
来0.15
和0.50
.
H2 = Wattsstrogatz(500,25,0.15);绘图(H2,“NodeColor”,'K',“EdgeAlpha”, 0.1);标题('Watts-strogatz图形以$ n = 500 $ nodes,$ k = 25 $,$ \ beta = 0.15 $',...'口译员',“乳胶”)
h3 = WattsStrogatz(500年,25岁,0.50);情节(h3,“NodeColor”,'K',“EdgeAlpha”, 0.1);标题('Watts-Strogatz Graph with $N = 500$ nodes, $K = 25$, and $\beta = 0.50$',...'口译员',“乳胶”)
通过增加来生成完全随机图bet
到它的最大值1.0
.这将重新束所有边缘。
H4 = WATTSSTROGATZ(500,25,1);绘图(H4,“NodeColor”,'K',“EdgeAlpha”, 0.1);标题('Watts-Strogatz Graph with $N = 500$ nodes, $K = 25$, and $\beta = 1$',...'口译员',“乳胶”)
不同瓦特 - Strogatz图中节点的度分布变化。什么时候bet
是0,节点都具有相同程度,2 k
,所以度分布只是一个狄拉克函数的中心2 k
,.然而,随着bet
增加,度分布改变。
这张图显示了的非零值的度分布bet
.
直方图(学位(h2),“BinMethod”,“整数”,“FaceAlpha”, 0.9);持有在直方图(学位(h3),“BinMethod”,“整数”,“FaceAlpha”, 0.9);直方图(学位(h4),“BinMethod”,“整数”,“FaceAlpha”, 0.8);持有离开标题(瓦茨- strogatz模型图的节点度分布)Xlabel(节点的度)ylabel('节点数量')传说(‘\β= 1.0,‘\β= 0.50,‘\β= 0.15,'地点',“西北”)
Watts-Strogatz图具有较高的聚类系数,因此节点倾向于形成小团体,即紧密相连的节点组成的小团体。作为bet
增加到最大值1.0
,您会看到越来越多的轮毂节点,或相对程度高的节点。枢纽是图中其他节点和派系之间的公共连接。集线器的存在允许小团体的形成,同时保持较短的平均路径长度。
计算每个值的平均路径长度和轮毂节点数bet
.对于本例来说,中心节点是度数大于或等于55的节点。这些节点的度都比原来的环点阵增加了10%或更多。
n = 55;d = [意思(平均值(距离(h))),nnz(度(h)> = n);...平均值(平均值(距离(H2))),NNZ(度(H2)> = N);...平均(平均(距离(h3))), nnz(学位(h3) > = n);平均(平均(距离(h4))), nnz(学位(h4) > = n)];T = table([0 0.15 0.50 1]', d(:,1), d(:,2),...“VariableNames”,{“β”,“AvgPathLength”,'numberofhubs'})
T = 4x3 table Beta AvgPathLength NumberOfHubs ____ _____________ ____________ 0 5.48 0 0.15 2.0715 20 0.5 1.9101 85 1 1.9008 92
作为bet
增加,图中的平均路径长度迅速降至其限制值。这是由于形成高度连接的轮毂节点,这变得更加多bet
增加。
绘图Watts-Strogatz模型图,使每个节点的大小和颜色成比例到其学位。这是可视化集线器的形成的有效方法。
COLOROMAP.hsvDEG =度(H2);NSIZE = 2 * SQRT(DEG-MIN(DEG)+0.2);ncolors = deg;绘图(H2,'Markersize',nsizes,“NodeCData”nColors,“EdgeAlpha”, 0.1)标题('Watts-strogatz图形以$ n = 500 $ nodes,$ k = 25 $,$ \ beta = 0.15 $',...'口译员',“乳胶”)彩色栏