PL 
EnglishDomyślny
Українська🌐 Sieć bezskalowa — preferencyjne dołączanie Barabásiego-Alberta
Symuluj rosnącą sieć bezskalową w modelu preferencyjnego dołączania Barabásiego-Alberta. Nowe węzły łączą się z istniejącymi z prawdopodobieństwem proporcjonalnym do ich stopnia, tworząc huby i potęgowy rozkład stopni.
O symulacji sieci bezskalowej
Ta symulacja rozwija sieć za pomocą modelu dołączania preferencyjnego Barabásiego-Alberta (1999). Zaczynając od małego zalążka m+1 w pełni połączonych wierzchołków, każdy nowy wierzchołek dołącza m krawędzi do istniejących wierzchołków wybranych z prawdopodobieństwem proporcjonalnym do ich bieżącego stopnia — „bogaci stają się bogatsi”. Wynikiem jest rozkład stopni typu prawa potęgowego P(k) proporcjonalny do k do potęgi minus gamma, gdzie gamma równa się 3, zdominowany przez garstkę hubów o wysokim stopniu.
Elementy sterujące pozwalają ustawić m (liczbę krawędzi dodawanych przez każdy nowy wierzchołek, od 1 do 5), prędkość wzrostu w wierzchołkach na sekundę oraz maksymalną liczbę wierzchołków (od 10 do 200). Możesz dodawać wierzchołki pojedynczo lub uruchomić ciągły wzrost automatyczny, przełączać między układem skierowanym siłami a układem promienistym oraz kolorować wierzchołki według stopnia lub wieku. Statystyki na żywo podają liczbę wierzchołków i krawędzi, maksymalny i średni stopień oraz współczynnik klastrowania. Ta sama topologia występuje w internecie, sieci WWW, sieciach cytowań i sieciach społecznych.
Najczęściej zadawane pytania
Czym jest sieć bezskalowa?
Sieć bezskalowa to taka, której rozkład stopni podąża za prawem potęgowym P(k) proporcjonalnym do k do potęgi minus gamma, a nie krzywą dzwonową. Oznacza to, że większość wierzchołków ma niewiele połączeń, podczas gdy niewielka liczba hubów ma ich bardzo dużo. Termin „bezskalowa” odzwierciedla fakt, że nie istnieje typowy stopień wierzchołka charakteryzujący całą sieć.
Czym jest dołączanie preferencyjne?
Dołączanie preferencyjne to reguła napędzająca model Barabásiego-Alberta: gdy dołącza nowy wierzchołek, szansa, że połączy się z istniejącym wierzchołkiem, jest proporcjonalna do bieżącego stopnia tego wierzchołka. Dobrze połączone wierzchołki mają więc większe szanse na zdobycie nowych połączeń — efekt często podsumowywany jako „bogaci stają się bogatsi”. To dodatnie sprzężenie zwrotne tworzy huby, które widać wyłaniające się w symulacji.
Co robi suwak m?
Suwak m ustawia, ile krawędzi tworzy każdy nowo dodany wierzchołek, od 1 do 5 w tej symulacji. Wyższe m daje gęstszą sieć o większym średnim stopniu i wyższym klastrowaniu. Zmiana m resetuje sieć, ponieważ zalążkiem jest pełny graf m+1 wierzchołków, od którego zaczyna się wzrost.
Dlaczego powstają huby?
Huby powstają z połączenia wzrostu i dołączania preferencyjnego. Wierzchołki, które dołączają wcześnie, mają więcej czasu na gromadzenie połączeń, a gdy są już dobrze połączone, przyciągają jeszcze więcej nowych krawędzi. Ta kumulująca się przewaga sprawia, że nieliczne wierzchołki stają się nieproporcjonalnie centralne, podczas gdy większość pozostaje słabo połączona.
Jaka jest wartość wykładnika gamma?
Dla standardowego modelu Barabásiego-Alberta wykładnik rozkładu stopni gamma wynosi dokładnie 3, i dotyczy to każdej wartości m. Wiele rzeczywistych sieci wykazuje gamma w zakresie od w przybliżeniu 2 do 3, nieco płytszą niż czysty model BA, często z powodu dodatkowych efektów, takich jak starzenie się wierzchołków lub ich „kondycja” (fitness).
Czym różni się to od grafu losowego (Erdősa-Rényiego)?
W losowym grafie Erdősa-Rényiego krawędzie są rozmieszczane jednorodnie losowo, a rozkład stopni jest rozkładem Poissona, więc wierzchołki są w dużej mierze wymienne, a bardzo wysokie stopnie są niezwykle mało prawdopodobne. Sieć bezskalowa ma za to rozkład potęgowy z ciężkim ogonem, co czyni duże huby dużo bardziej prawdopodobnymi. Oba modele zachowują się więc bardzo różnie pod wpływem awarii i ataku.
Dlaczego sieci bezskalowe są odporne, a zarazem kruche?
Ponieważ większość wierzchołków ma niski stopień, losowa awaria zwykle trafia w nieistotny wierzchołek, więc sieć pozostaje połączona nawet, gdy wiele wierzchołków zostanie usuniętych losowo. Jednak celowe usunięcie kilku hubów o wysokim stopniu szybko fragmentuje sieć. Ta właściwość „odporny, a zarazem kruchy” jest definiującą i szeroko badaną cechą topologii bezskalowych.
Co oznaczają statystyki na żywo?
Wierzchołki i Krawędzie liczą bieżący rozmiar sieci. Maks. stopień to najwyższa liczba połączeń, jaką ma jakikolwiek pojedynczy wierzchołek, a Śr. stopień to średnia po wszystkich wierzchołkach, dążąca do 2m. Współczynnik klastrowania mierzy, jak często sąsiedzi wierzchołka są też połączeni ze sobą nawzajem, uśredniony po całej sieci.
Czy ta symulacja jest fizycznie dokładna?
Wiernie implementuje podstawowy mechanizm wzrostu z dołączaniem preferencyjnym, który definiuje model, więc wyłaniające się huby i tendencja potęgowa są autentyczne. Układ skierowany siłami służy wyłącznie wizualizacji i nie wpływa na strukturę sieci. Przy zaledwie kilkudziesięciu do kilkuset wierzchołkach zmierzony rozkład stopni jest przybliżeniem asymptotycznego prawa potęgowego dla małej próby.
Gdzie sieci bezskalowe pojawiają się w świecie rzeczywistym?
Rozkłady stopni typu prawa potęgowego lub zbliżone do niego odnotowano w sieci WWW hiperłączy, fizycznym internecie, sieciach cytowań naukowych, sieciach współpracy aktorów, grafach obserwujących w mediach społecznościowych oraz sieciach interakcji białek. Zrozumienie ich struktury hubów pomaga projektować odporną infrastrukturę oraz strategie spowalniania epidemii poprzez celowanie w silnie połączone wierzchołki.