PL 
EnglishDomyślny
Українська🕸️ Sieci małego świata — model Wattsa-Strogatza
Poznaj model sieci małego świata Wattsa-Strogatza. Zacznij od regularnej sieci pierścieniowej i przełączaj krawędzie z prawdopodobieństwem p, obserwując przejście współczynnika gronowania i średniej długości ścieżki od porządku przez mały świat do losowości.
O sieciach małego świata
Ta symulacja buduje model Wattsa-Strogatza. Zaczyna od regularnej sieci pierścieniowej, w której każdy z N wierzchołków łączy się ze swoimi k najbliższymi sąsiadami, a następnie przełącza każdą krawędź z prawdopodobieństwem p do losowo wybranego odległego wierzchołka. Wraz ze wzrostem p sieć jest mierzona dwiema wielkościami: średnim współczynnikiem klastrowania C, obliczanym jako ułamek sąsiadów wierzchołka, którzy sami są ze sobą połączeni, oraz średnią długością najkrótszej ścieżki L, wyznaczaną przeszukiwaniem wszerz między parami wierzchołków.
Suwaki N, k i p ustawiają rozmiar sieci, lokalną łączność i ułamek przełączanych krawędzi, a przyciski Przełącz i Reset regenerują graf. Wykres śledzi stosunki C(p)/C0 i L(p)/L0 względem nieprzełączanej sieci. Kluczowa obserwacja jest taka, że garstka dalekosiężnych skrótów gwałtownie skraca długość ścieżki, podczas gdy klastrowanie pozostaje wysokie — powstaje w ten sposób reżim „małego świata”. To wyjaśnia zjawisko sześciu stopni oddalenia w sieciach społecznych, neuronowych i infrastrukturalnych.
Najczęściej zadawane pytania
Czym jest sieć małego świata?
Sieć małego świata to graf łączący wysokie lokalne klastrowanie, jak w regularnej sieci, z krótkimi średnimi długościami ścieżek między dowolnymi dwoma wierzchołkami, jak w grafie losowym. Watts i Strogatz wprowadzili ją w 1998 roku, by wyjaśnić, dlaczego rzeczywiste sieci, takie jak znajomości czy sieci energetyczne, są zarówno lokalnie skupione, jak i globalnie dobrze połączone.
Jak działa przełączanie Wattsa-Strogatza?
Model zaczyna od sieci pierścieniowej, w której każdy wierzchołek łączy się ze swoimi k najbliższymi sąsiadami. Następnie odwiedza każdą krawędź i z prawdopodobieństwem p ponownie łączy jeden jej koniec z losowym wierzchołkiem gdzie indziej w pierścieniu, unikając pętli własnych i duplikatów połączeń. Przy p = 0 nic się nie zmienia; przy p = 1 niemal wszystkie krawędzie stają się losowymi skrótami.
Co kontrolują suwaki N, k i p?
N ustawia liczbę wierzchołków (od 10 do 80), k ustawia, ilu najbliższych sąsiadów ma początkowo każdy wierzchołek (od 2 do 10, zawsze parzyste), a p ustawia prawdopodobieństwo przełączenia od 0 do 1. Zmiana N lub k odbudowuje sieć, a przesunięcie p ponownie uruchamia przełączanie i na żywo przelicza statystyki.
Czym jest współczynnik klastrowania C?
Współczynnik klastrowania wierzchołka to ułamek par jego sąsiadów, którzy są też bezpośrednio połączeni, obliczany jako 2 razy liczba połączeń między sąsiadami podzielona przez k razy (k minus jeden). C jest średnią tej wartości po wszystkich wierzchołkach, w zakresie od 0 do 1. Wysokie C oznacza, że twoi znajomi zwykle znają się nawzajem.
Jak mierzona jest tutaj średnia długość ścieżki L?
L to średnia liczba krawędzi na najkrótszej trasie między parami wierzchołków, wyznaczana przez uruchomienie przeszukiwania wszerz z każdego wierzchołka źródłowego. Dla szybkości symulacja próbkuje do 20 wierzchołków źródłowych zamiast wszystkich, co daje dokładne oszacowanie L bez obliczania każdej pary na większych grafach.
Dlaczego pośredni zakres p nazywa się „małym światem”?
Przy małym, ale niezerowym p, zaledwie kilka dalekosiężnych skrótów drastycznie skraca średnią długość ścieżki L, podczas gdy lokalne klastrowanie C ledwo maleje. Sieć zachowuje swoje ściśle powiązane sąsiedztwa, a jednocześnie staje się globalnie nawigowalna w bardzo niewielu krokach. Odznaka oznacza ten reżim, gdy p wynosi w przybliżeniu od 0,01 do 0,3.
Co oznaczają C/C0 i L/L0 na wykresie?
To klastrowanie i długość ścieżki podzielone przez ich wartości dla oryginalnej, nieprzełączonej sieci (p = 0). Wykreślenie tych znormalizowanych stosunków ujawnia charakterystyczne zapadnięcie małego świata: L/L0 gwałtownie spada wraz ze wzrostem p, podczas gdy C/C0 utrzymuje się blisko jedności aż do dużo wyższych wartości p, pozostawiając szeroką lukę między obiema krzywymi.
Czy to dokładna implementacja modelu?
Tak, stosuje standardową procedurę Wattsa-Strogatza: k-regularną sieć pierścieniową przełączaną krawędź po krawędzi z prawdopodobieństwem p. Wzory na klastrowanie i długość ścieżki BFS są dokładne, choć długość ścieżki wykorzystuje losową próbkę źródeł dla wydajności, więc wartości nieznacznie się wahają między uruchomieniami tych samych ustawień.
Czym jest „sześć stopni oddalenia”?
To popularna idea, że dowolne dwie osoby są połączone łańcuchem około sześciu znajomości. Struktura małego świata czyni to prawdopodobnym: rzadka sieć społeczna z zaledwie skromną liczbą losowych dalekosiężnych powiązań ma średnią długość ścieżki rosnącą bardzo powoli, w przybliżeniu logarytmicznie, wraz z wielkością populacji.
Gdzie sieci małego świata pojawiają się w świecie rzeczywistym?
Można je znaleźć w wielu systemach, w tym w okablowaniu neuronowym mózgu, sieci energetycznej, grafie współpracy aktorów, World Wide Web oraz sieciach interakcji białek. Struktura ta wspiera szybkie rozprzestrzenianie się informacji lub sygnałów, zachowując przy tym odporne lokalne społeczności, dlatego tak często powtarza się w naturze i technologii.