R igraph 手册页

sample_fitness_pl {igraph}

R 文档

从顶点适应度分数生成无标度随机图

描述

此函数生成一个非增长的随机图，其预期度分布服从幂律。

用法

sample_fitness_pl(
  no.of.nodes,
  no.of.edges,
  exponent.out,
  exponent.in = -1,
  loops = FALSE,
  multiple = FALSE,
  finite.size.correction = TRUE
)

参数

no.of.nodes	生成的图中顶点的数量。
no.of.edges	生成的图中的边数。
exponent.out	数值标量，度分布的幂律指数。对于有向图，这指定出度分布的指数。它必须大于或等于 2。如果在此处传递 Inf，您将获得 Erdos-Renyi 随机网络。
exponent.in	数值标量。如果为负数，则生成的图将是无向图。如果大于或等于 2，则此参数指定入度分布的指数。如果为非负但小于 2，则会生成错误。
循环	loops
multiple	逻辑标量，是否允许在生成的图中允许多重边。
finite.size.correction	逻辑标量，是否使用 Cho 等人提出的有限尺寸校正，请参阅下面的参考文献。

详细信息

此游戏生成一个有向或无向随机图，其中顶点的度数遵循具有指定指数的幂律分布。对于有向图，可以分别指定入度和出度分布的指数。

该游戏只是使用 sample_fitness 和适当构造的适应度向量。特别是，顶点 i 的适应度为 i^{-alpha}，其中 alpha = 1/(gamma-1) 且 gamma 是参数中给出的指数。

为了在有向图的情况下消除入度和出度之间的相关性，入适应度向量将在设置之后和调用 sample_fitness 之前被打乱。

请注意，在游戏的原始公式中，对于小于 3 的指数可能会观察到显着的有限尺寸效应。此函数提供了一个参数，使您可以通过假设顶点 i 的适应度为 (i+i_0-1)^{-alpha} 来消除有限尺寸效应，其中 i_0 是一个适当选择的常数，以确保最大度数小于边数乘以平均度数的平方根；有关更多详细信息，请参见 Chung 和 Lu 的论文以及 Cho 等人的论文。

值

igraph 图，有向或无向。

作者

Tamas Nepusz ntamas@gmail.com

参考

Goh K-I, Kahng B, Kim D: 无标度网络中负载分布的普遍行为。 Phys Rev Lett 87(27):278701, 2001。

Chung F 和 Lu L: 具有给定度序列的随机图中的连通分量。 Annals of Combinatorics 6, 125-145, 2002。

Cho YS, Kim JS, Park J, Kahng B, Kim D: Achlioptas 过程下无标度网络中的渗透跃迁。 Phys Rev Lett 103:135702, 2009。

示例

g <- sample_fitness_pl(10000, 30000, 2.2, 2.3)
## Not run: plot(degree_distribution(g, cumulative=TRUE, mode="out"), log="xy")

---