科林·库珀;Pra at,Pawe 增加程度的无标度图。 (英语) Zbl 1223.05274号 随机结构。算法 38,第4期,396-421(2011). 摘要:我们研究了一个无标度随机图过程,其中每一步添加的边数都会增加。这与标准模型不同,在标准模型中,每一步都会添加固定数量的边(m)。设\(f(t)\)是在步骤\(t)中添加的边数。在标准无标度模型中,(f(t)=m)常数,而在本文中我们考虑了(f(t)=[t^{c}],c>0)。这样一个图过程中,边的数量随着顶点的数量非线性增长,称为加速增长。我们分析了无向过程和有向过程。这些过程的度序列的幂律表现出截然不同的行为。对于无向过程,通过基于顶点度的优先连接选择每条边的端点。当(f(t)=m为常数时,这是标准的无标度模型,度序列的幂律为3。当\(f(t)=[t^{c}],c<1时,过程的度序列表现出带参数\(x=(3-c)/(1-c)\)的幂律。As(c到0,x到3),其值为(x=3),与标准无标度模型相同。因此,不再有缓慢增长的单调函数\(f(t)\)改变该模型的幂律,使其偏离\(x=3\)。当\(c=1\),使\(f(t)=t\),所有顶点的期望度为\(t\)时,顶点度集中,度序列不具有幂律。对于定向过程,终端顶点的选择与阶数成比例,再加上一个加法常数,以允许选择阶数为零的顶点。对于这个过程,当(f(t)=m\)为常数时,度序列的幂律为(x=2+1/m\)。当\(f(t)=[t^{c}],c>0\)时,幂律变为\(x=1+1/(1+c)\),这自然将幂律扩展到\([1,2]\)。 引用于2文件 理学硕士: 05C80号 随机图(图论方面) 05C07号机组 顶点度数 68英里11 互联网主题 关键词:无标度图;幂律度数序列;稠密随机图过程;网络图 PDF格式BibTeX公司 XML格式引用 \textit{C.Cooper}和\textit{P.Prałat},随机结构。算法38,No.4,396--421(2011;Zbl 1223.05274) 全文: 内政部 参考文献: [1] Barabási,随机网络中缩放的出现,《科学》286第509页–(1999)·Zbl 1226.05223号 ·doi:10.1126/science.286.5439.509 [2] Bollobás,无标度随机图过程的度序列,随机结构算法18 pp 279–(2001)·Zbl 0985.05047号 ·doi:10.1002/rsa.1009 [3] Bollobás,《图形和网络手册》(2002年) [4] Bollobás,无标度随机图的直径,Combinatorica 24 pp 5–(2004)·Zbl 1047.05038号 ·doi:10.1007/s00493-004-0002-2 [5] A.Bonato网络图表课程,数学研究生课程89美国数学学会普罗维登斯,RI 2008 xii+184 [6] A.Broder R.Kumar F.Maghoul P.Raghavan S.Rajagopalan R.Stata A.Tomkins J.Wiener 2000年309 320 [7] 钟,复杂图和网络(2006)·Zbl 1114.90071号 ·doi:10.1090/cbms/107 [8] C.库珀2002 263 275 [9] 库珀,网络图的一般模型,随机结构算法22页311–(2003)·Zbl 1018.60007号 ·doi:10.1002/rsa.10084 [10] 库珀,无标度随机图中的随机顶点删除,互联网数学1第463页–(2004)·1080.60006兹罗提 ·doi:10.1080/15427951.2004.10129095 [11] 库珀,网络图的年龄特异度分布,Comb Probab Compute 15 pp 637–(2006)·Zbl 1104.68081号 ·文件编号:10.1017/S096354830600753X [12] S.N.Dorogovtsev J.F.F.门德斯2002 [13] Dorogovtsev,通信网络加速增长对其结构的影响,Phys Rev E 63(2001)·doi:10.1103/PhysRevE.63.025101 [14] Dorogovtsev,《网络进化》,Adv Phys 51第1079页–(2002年)·doi:10.1080/00018730110112519 [15] Faloutsos,《互联网拓扑的幂律关系》,SIGCOMM第251页–(1999)·doi:10.1145/316194.316229 [16] R.Kumar P.Raghavan S.Rajagopalan D.Sivakumar A.Tomkins E.Upfal 2000年1月10日 [17] R.Kumar P.Raghavan S.Rajagopalan D.Sivakumar A.Tomkins E.Upfal 2000 57 65 [18] J.Leskovec J.Kleinberg C.Faloutsos 2005年177 187 [19] Leskovec,ACM TKDD07,ACM关于从数据中发现知识的交易1(2007) [20] Janson,随机图(2000)·doi:10.1002/9781118032718 [21] Janssen,具有多种排名方案的Protean图,Theor Compute Sci 410第5491页–(2009)·Zbl 1192.68485号 ·doi:10.1016/j.tcs.2009.05.009 [22] Luczak,变形图,互联网数学3第21页–(2006)·兹伯利1114.68053 ·doi:10.1080/15427951.2006.10129118 [23] Mattick,《加速网络》,《科学》307,第856页–(2005年)·doi:10.1126/science.1103737 [24] M.Mitzenmacher 2001 182 191 [25] Pittel,随机图中巨型k核的突然出现,J Comb理论,Ser B 67 pp 111–(1996)·Zbl 0860.05065号 ·doi:10.1006/jctb.1996.0036 [26] Prałat,关于变元图直径的注记,《离散数学》308第3399页–(2008)·Zbl 1153.05064号 ·doi:10.1016/j.disc.2007.06.025 [27] Prałat,《不断变化的图形》,《互联网数学》4第1页–(2009年)·Zbl 1167.05047号 ·doi:10.1080/15427951.2007.10129135 [28] Sen,《进化网络中传出链接的加速增长:确定性与随机性对比》,《物理评论》E 69第46107页–(2004年)·doi:10.1103/PhysRevE.69.046107 [29] Wormald,近似和随机算法讲座,第73页–(1999) [30] Yu,《加速增长网络的拓扑结构》,J Phys A Math Gen 39 pp 14343–(2006)·Zbl 1148.82311号 ·doi:10.1088/0305-4470/39/46/007 [31] Yule,基于J.C.Willis博士的结论的进化数学理论,Philos Trans R Soc Lond(Ser B)213 pp 21–(1924)·doi:10.1098/rstb.1925.0002 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。