R igraph 手册页

sample_fitness {igraph}

R 文档

从顶点适应度分数生成随机图

描述

此函数生成一个非增长随机图，其边的概率与节点适应度分数成比例。

用法

sample_fitness(
  no.of.edges,
  fitness.out,
  fitness.in = NULL,
  loops = FALSE,
  multiple = FALSE
)

参数

no.of.edges	生成的图中的边数。
fitness.out	一个数值向量，包含每个顶点的适应度。对于有向图，这指定了每个顶点的出度适应度。
fitness.in	如果为 NULL（默认值），则生成的图将是无向图。 如果不为 NULL，则它应该是一个数值向量，并指定每个顶点的入度适应度。 如果此参数不为 NULL，则生成有向图，否则生成无向图。
循环	逻辑标量，是否允许图中的循环边。
multiple	逻辑标量，是否允许图中的多重边。

详细信息

此函数生成一个有向或无向随机图，其中顶点 i 和 j 之间边的概率取决于所涉及的两个顶点的适应度分数。 对于无向图，每个顶点都有一个适应度分数。 对于有向图，每个顶点都有一个出度和入度适应度，并且从 i 到 j 的边的概率取决于顶点 i 的出度适应度和顶点 j 的入度适应度。

生成过程如下。 我们从 N 个断开连接的节点开始（其中 N 由适应度向量的长度给出）。 然后我们随机选择两个顶点 i 和 j，其概率与它们的适应度成正比。 （当生成的图是有向图时，i 根据出度适应度选择，j 根据入度适应度选择）。 如果顶点尚未连接（或者如果允许多重边），我们会连接它们； 否则我们选择一个新的对。 重复此操作，直到创建所需数量的链接。

可以证明，每个顶点的预期度数将与其适应度成正比，尽管实际观察到的度数不会。 如果您需要生成具有精确度序列的图，请考虑使用 sample_degseq。

此模型通常用于生成静态无标度网络。 为实现此目的，您必须从所需的幂律分布中提取适应度分数。 或者，您可以使用 sample_fitness_pl，它会为您生成具有给定指数的适应度。

值

一个 igraph 图，有向或无向。

作者

Tamas Nepusz ntamas@gmail.com

参考

Goh K-I, Kahng B, Kim D: Universal behaviour of load distribution in scale-free networks. Phys Rev Lett 87(27):278701, 2001.

示例

N <- 10000
g <- sample_fitness(5*N, sample((1:50)^-2, N, replace=TRUE))
degree_distribution(g)
## Not run: plot(degree_distribution(g, cumulative=TRUE), log="xy")

---