R igraph 手册页

realize_degseq {igraph}

R 文档

从给定的度序列确定性地创建一个图

描述

创建一个具有给定顶点度的图通常很有用。此函数以确定性的方式创建这样一个图。

用法

realize_degseq(
  out.deg,
  in.deg = NULL,
  allowed.edge.types = c("simple", "loops", "multi", "all"),
  method = c("smallest", "largest", "index")
)

参数

out.deg	数值向量，度的序列（对于无向图）或出度（对于有向图）。对于无向图，其总和应为偶数。对于有向图，其总和应与in.deg的总和相同。
in.deg	对于有向图，入度序列。默认值为NULL，并创建一个无向图。
allowed.edge.types	字符，指定允许的边的类型。“simple”仅允许简单图（无环，无多重边）。“multiple”允许有多重边，但不允许环。“loops”允许环边，但不允许多重边（当前未实现）。“all”允许所有类型的边。默认值为“simple”。
method	字符，生成图的方法；见上文。

详细信息

简单的无向图使用 Havel-Hakimi 算法（无向情况）或类似的 Kleitman-Wang 算法（有向情况）构造。这些算法的工作原理是选择一个任意顶点，并将其所有存根连接到其他顶点。重复此步骤，直到所有度都已连接。

“method”参数控制在算法过程中选择顶点的顺序。

“smallest”方法选择剩余度最小的顶点。结果通常是一个具有高负度同配性的图。在无向情况下，只要存在连通实现，无论是否允许使用多重边，此方法都保证生成连通图。在有向情况下，它倾向于生成弱连通图，但这不能保证。这是默认方法。

“largest”方法选择剩余度最大的顶点。结果通常是一个具有高正度同配性的图，并且经常是不连通的。

“index”方法按索引顺序选择顶点。

值

新的图对象。

参见

sample_degseq 对于一个随机变体，它从具有给定度序列的图中采样。

示例

g <- realize_degseq(rep(2,100))
degree(g)
is_simple(g)

## Exponential degree distribution, with high positive assortativity.
## Loop and multiple edges are explicitly allowed.
## Note that we correct the degree sequence if its sum is odd.
degs <- sample(1:100, 100, replace=TRUE, prob=exp(-0.5*(1:100)))
if (sum(degs) %% 2 != 0) { degs[1] <- degs[1] + 1 }
g4 <- realize_degseq(degs, method="largest", allowed.edge.types="all")
all(degree(g4) == degs)

## Power-law degree distribution, no loops allowed but multiple edges
## are okay.
## Note that we correct the degree sequence if its sum is odd.
degs <- sample(1:100, 100, replace=TRUE, prob=(1:100)^-2)
if (sum(degs) %% 2 != 0) { degs[1] <- degs[1] + 1 }
g5 <- realize_degseq(degs, allowed.edge.types="multi")
all(degree(g5) == degs)

---