Про симуляцію безмасштабної мережі
Ця симуляція вирощує мережу за моделлю Барабаші-Альберт (1999) з переважним приєднанням. Починаючи з невеликого зародка — повного графа з m+1 вузлів — кожен новий вузол додає m ребер до існуючих вузлів, обраних з імовірністю, пропорційною їхньому поточному ступеню: «багатий стає багатшим». Результатом є степеневий розподіл ступенів P(k), пропорційний k у ступені мінус гамма, де гамма дорівнює 3, а розподіл визначається невеликою кількістю вузлів-хабів з великим ступенем.
Повзунки дозволяють задати m (кількість зв'язків нового вузла, від 1 до 5), швидкість зростання у вузлах за секунду та максимальну кількість вузлів (від 10 до 200). Можна додавати вузли по одному або вмикати автоматичне зростання, перемикатися між силовим і радіальним розміщенням, а також розфарбовувати вузли за ступенем або за віком. Жива статистика показує кількість вузлів і ребер, максимальний і середній ступінь та коефіцієнт кластеризації. Така сама топологія трапляється в Інтернеті, WWW, мережах цитувань і соціальних мережах.
Поширені запитання
Що таке безмасштабна мережа?
Безмасштабна мережа — це мережа, розподіл ступенів якої підпорядковується степеневому закону P(k), пропорційному k у ступені мінус гамма, а не дзвіноподібній кривій. Це означає, що більшість вузлів мають мало зв'язків, тоді як невелика кількість хабів — дуже багато. Термін «безмасштабна» відображає відсутність типового ступеня вузла, який характеризував би всю мережу.
Що таке переважне приєднання?
Переважне приєднання — це правило, що лежить в основі моделі Барабаші-Альберт: коли новий вузол приєднується до мережі, імовірність його з'єднання з існуючим вузлом пропорційна поточному ступеню цього вузла. Добре з'єднані вузли ймовірніше отримують нові ребра — це часто описують як «багатий стає багатшим». Саме такий позитивний зворотний зв'язок породжує хаби, які видно у симуляції.
За що відповідає повзунок m?
Повзунок m визначає кількість ребер, які створює кожен новий вузол, — від 1 до 5 у цій симуляції. Більше значення m дає густішу мережу з вищим середнім ступенем і вищою кластеризацією. Зміна m скидає мережу, оскільки зародок — це повний граф з m+1 вузлів, з якого починається зростання.
Чому виникають хаби?
Хаби виникають через поєднання зростання і переважного приєднання. Вузли, що приєднуються раніше, мають більше часу для накопичення зв'язків, і, ставши добре з'єднаними, вони ще активніше приваблюють нові ребра. Цей кумулятивний ефект призводить до того, що кілька вузлів стають непропорційно центральними, тоді як більшість залишається слабко пов'язаною.
Яке значення має показник гамма?
Для стандартної моделі Барабаші-Альберт показник розподілу ступенів гамма дорівнює рівно 3, і це справедливо для будь-якого значення m. Багато реальних мереж демонструють гамма в діапазоні приблизно від 2 до 3 — дещо менше, ніж у чистій моделі BA, часто через додаткові чинники на кшталт старіння вузлів або «фітнесу».
Чим це відрізняється від випадкового графа Ердоша-Реньї?
У випадковому графі Ердоша-Реньї ребра розміщуються рівномірно, і розподіл ступенів є пуасонівським: вузли здебільшого взаємозамінні, а хаби з дуже великим ступенем вкрай малоймовірні. У безмасштабній мережі натомість діє важкохвостий степеневий розподіл, що робить великі хаби набагато ймовірнішими. Тому дві моделі поводяться зовсім по-різному при відмовах і атаках.
Чому безмасштабні мережі одночасно стійкі та вразливі?
Оскільки більшість вузлів мають малий ступінь, випадкова відмова зазвичай торкається незначного вузла — мережа залишається зв'язною навіть після видалення багатьох вузлів навмання. Проте цілеспрямоване видалення кількох хабів з великим ступенем швидко роз'єднує мережу. Ця властивість «стійка, але вразлива» є визначальною і добре вивченою рисою безмасштабних топологій.
Що означає жива статистика?
«Вузлів» і «Ребер» — поточний розмір мережі. «Макс. ступінь» — найбільша кількість зв'язків у будь-якого окремого вузла, «Сер. ступінь» — середнє по всіх вузлах, яке прагне до 2m. Коефіцієнт кластеризації вимірює, наскільки часто сусіди вузла також з'єднані між собою, в середньому по всій мережі.
Чи є ця симуляція фізично точною?
Вона вірно реалізує основний механізм зростання з переважним приєднанням моделі Барабаші-Альберт, тому хаби та степенева тенденція, що виникають, є справжніми. Силове розміщення слугує виключно для візуалізації і не впливає на структуру мережі. З кількома десятками або сотнями вузлів виміряний розподіл ступенів є малибірковою апроксимацією асимптотичного степеневого закону.
Де безмасштабні мережі зустрічаються в реальному світі?
Степеневі або близькі до степеневих розподіли ступенів виявлено у WWW (гіперпосилання між сторінками), фізичному Інтернеті, мережах наукових цитувань, мережах акторських колаборацій, графах підписників соціальних медіа та мережах взаємодії білків. Розуміння структури хабів допомагає проектувати стійку інфраструктуру і виробляти стратегії уповільнення епідемій через атаку на найбільш пов'язані вузли.