小世界網絡和無標度網絡


錨點的重要性

線性網絡中錨點的識別可以有許多用途,例如在具有線性拓撲的社區寬帶網絡中,其中一個錨點可以作為因特網的網關,進而優化社區網絡中的整體傳輸時間。
用於軍事或者應急響應場景中時,可以通過將其中一個錨點作為中心節點來添加一些LL,從而能夠創建具有小APL值的網絡拓撲。
錨點的識別也有利於車間通信。

對於一個給定的圖,最小化APL等價於最小化圖的總路徑長度。
錨點的固定比例位置始終為0.2N或者0.8N.

基於啟發式方法的確定性鏈路添加
兩種確定性鏈路添加策略,即最大CC差異(MaxCCD),和順序確定性LL添加。

兩個節點之間的接近中心性差異CCD定義為兩個節點的CC值之間的差。
MaxCCD策略在具有最大CCD的節點對之間添加LL。
APL表示在整個網絡上節點對之間的路徑長度平均值。
AEL刻畫了網絡上平均每條鏈路的長度。
節點的BC值表示其在網絡中的重要性。
節點的CC值刻畫了該節點與其他節點的接近程度。
平均網絡時延:(Average Network Delay,ANeD)度量了一組數據從源節點傳播到目的節點所需的平均時間。ANeD等於傳播時延和傳輸時延之和。
順序確定性L添加是另一種基於啟發式的確定LL添加方法,它將正則線性網絡轉化為由k條LL構成的小世界網絡。

基於小世界特征的平均流容量增強啟發式算法ACES
布雷斯悖論

小世界網絡中的路由
路由可以被定義為將網絡中的特定信息從源節點轉發到目的節點的過程。
分布式路由算法
自適應分布式路由算法
前瞻式路由算法

小世界網絡中的容量
網絡容量定義為可以在單位時間內從網絡的一部分傳輸到另一部分的信息量。
增加網絡容量是提高底層網絡整體性能的關鍵挑戰之一。
可以通過兩種變換方式將正則網絡轉為小世界網絡:重連現有鏈路NL;添加新鏈路LL

第五章 無標度網絡

自然界中廣泛存在的無標度網絡遵循冪律度分布。
多種創建無標度網絡的方法:通過偏好連接;通過基於適應度的模型;通過改變內在適應度;通過相似性和流行度的局部優化;使用度指數1;通過貪心的全局優化。
簡單的貪心局部優化也可以導致某些節點出現高度的相似性和流行度。

無標度網絡的特征:使復雜網絡成為無標度網絡的主要特征:中心節點的存在;小世界屬性;超小網絡直徑;冪律度分布;基於鄰接矩陣和基於拉普拉斯矩陣的譜分布。

1.中心節點的存在
無標度網絡抵抗隨機攻擊的能力非常強大,然而,在有針對性攻擊面前又十分脆弱。
2.小世界屬性
該屬性可以通過低平均路徑長度APL和低到中等的平均聚類系數ACC來標識。
APL可以定義為網絡中所有節點對之間端到端跳數距離的平均值。無標度網絡的漸進APL值為O(loglogN),N為網絡規模。
ACC刻畫了網絡中每個節點有多少鄰居彼此也是鄰居的平均值。
3.網絡直徑
較小的網絡直徑也是無標度網絡的另一個關鍵特性。網絡的直徑可以定義為網絡中可能的最長端到端距離。無標度網絡也稱為超小型網絡。
4.度分布
網絡的度分布反映了網絡的整體連通情況。度分布統計了網絡中具有相同度數的節點數。冪律分布也被稱為長尾度分布,其中一些節點具有非常高的度,而其余節點的度則相對較低。
5.圖的譜分布
無標度網絡的譜分布具有三角形形狀。

無標度網絡的形成
在網絡演進的過程中,下述的一些機制可能會形成一個無標度網絡:增長和偏好連接;基於適應度的偏好連接;內在適應度的變化;相似性和流行度的優化;具有指數1的無標度網絡;基於貪心全局優化的網絡演進。
1.通過偏好連接創建無標度網絡:新加入網絡的節點更傾向於連接到那些度數更高的節點。
2.通過適應度建模創建無標度網絡:某個節點或者幾個節點在短時間內變得非常流行;
3.通過可變內在適應度創建無標度網絡:新加入的節點可以基於節點的某些特性與網絡中的現有節點相連接,並使得兩個節點彼此均受益;
4.通過優化創建無標度網絡:相似度用於衡量網絡中的節點與新加入節點的接近程度,即如果新節點更接近網絡中某一節點,則新節點連接到現有節點的機會就更高。
5.通過指數1創建無標度網絡:通過應用隨機映射過程的概念即可生成r=1的無標度模型。
6.通過貪心全局決策創建無標度網絡:通過一系列貪心全局決策添加一組LL之后,即可將小世界網絡轉化為無標度網絡,這里新添加的LL服從遠程鏈路親和性LRA的約束。介數中心性描述了節點位於網絡中不同節點間最短路徑的情況,節點的介數中心性越高,則其余新節點建立連接的親和力就越大,進而可以演化為網絡中的中心節點。
7.BA網絡演化模型通過將網絡增長和新鏈路的偏好連接相結合。

8,基於可變內在適應度的無標度網絡創建
這些節點之間會在互惠的基礎上相互建立連接。

流行度類似於吸引力,可以被認為是偏好連接的潛在動力;另一方面,相似度反映了網絡中具有類似興趣的群體。同質性(homophily)

無標度網絡也被稱為超小世界網絡。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM