问题标签 [complex-networks]

我正在尝试在 Barabasi-Albert 网络中模拟 Ising 相变，并尝试复制一些可观察量的结果，例如在 Ising 网格模拟中观察到的磁化和能量。但是，我在解释我的结果时遇到了麻烦：不确定物理是错误的还是实现中存在错误。这是一个最小的工作示例：

观察结果：

1. 作为温度函数的磁化趋势
2. 比热

我已经尝试对代码进行大量注释，以防我忽略了某些内容，请询问。

问题：

1. 磁化趋势是否正确？磁化强度随温度升高而降低，但不能确定相变的临界温度。
2. 随着温度的升高，能量接近于零，这似乎与在伊辛网格中观察到的一致。为什么我得到负比热值？
3. 如何选择蒙特卡罗步数？这仅仅是基于网络节点数量的命中和试验吗？

编辑：02.06:：反铁磁配置的模拟分解

大家好！

我现在正在 MATLAB 中研究优先附件模型，但在理解以下内容时遇到了一些麻烦：

假设我一开始有 4 个节点，连接如下：

在下一个时间步骤中，我添加一个节点和 4 个连接，然后添加另一个单个节点和 4 个连接。
我与节点 i 的链接概率的公式是：

这导致第一步中每个节点 i = 1 到 4 的概率为 1/4，然后，将节点 5 连接到 1、2、3 和 4，我将有一个“度数总和”= 12 ，在以下时间步中添加节点 6 时。
这意味着链接概率是：1/6、1/6、1/6、1/6 和 1/3。

如何在 MATLAB 中进行设置？我的问题是，我通常将这些东西写在纸上以获得更好的理解，如果有随机化，我只是在纸上“模拟”它以将其与简单的 MATLAB 程序进行比较。

我现在要做的是：我取一个随机数，比如说 0.3045。
要将其添加到节点，它必须在

所以第一步我有一个想法，但现在我有两个不同的问题，我认为它们密切相关：

1. 我如何在 MATLAB 中实现这一点，范围方法是个好主意吗？
2. 假设每个节点只能连接一次，在添加第一个连接后概率如何变化？（我不得不承认这可能是一个更数学的问题......）

非常抱歉，这个问题看起来很乱，但我希望有人能给我一些关于这个实现的提示。
提前致谢！

我正在尝试使用移位反转模式使用python计算复杂网络（具有10000个节点）的拉普拉斯矩阵的第二小的特征值，这里是代码：

运行上面的代码时，我得到：

错误是否意味着拉普拉斯矩阵是奇异的？关于我应该如何进行的任何想法？有没有其他方法来计算这个第二小的特征值（使用 Matlab 或任何其他编程语言）？

这个问题是关于尝试使用 NetworkX对相互依赖的网络进行建模。有专用的包（例如Pymnet），但它们似乎不如 NetworkX 灵活。顺便说一句，我想给 NetworkX 最后一次机会。

因此，假设我们有 2 个单独的图 G1 和 G2，我们将它们绘制在同一个图中：

现在，如果我们尝试将 G1 的节点 0 与 G2 的节点 1 连接起来：

我们没有收到任何错误，但如果您再次绘制图表，图像与之前完全相同。如果您检查边数，您会得到与以前相同的结果：

意思是边基本上没有添加，或者添加了但不显示，或者添加了，但是因为它从一个图形运行到另一个图形，它不属于其中任何一个。

您如何建议在 NetworkX 中创建从 G1 到 G2 的互连，而不求助于其他包？

我试图安装 ComplexNetworkSim。我按照此处显示的说明进行操作： https ://pythonhosted.org/ComplexNetworkSim/installation.html

按照建议，我使用 setuptools 安装 NetworkX 和 SimPy（这是 ComplexNetworkSim 的先决条件）。

但是，当我尝试在 PyCharm 中使用该包时，基于此示例：

我收到以下错误消息：

我读过引文网络与复杂的自适应网络相关联，因为它们表现出以下特征：自组织、涌现、非线性、有序/混沌动态，并适应其环境。我想确切地知道引文的哪些特征展示了这些特征（只是一个简短的概述）。我也知道引文网络遵循复杂网络的幂律和小世界属性。它们还具有较高的聚类系数。

给定一个无向 NetworkX Graph graph，我想检查它是否是无标度的。

为此，据我了解，我需要找到k每个节点的度数，以及该度数P(k)在整个网络中的频率。由于度数的频率与度数本身之间的关系，这应该表示幂律曲线。

绘制我对 P(k) 和 k 的计算会按预期显示功率曲线，但是当我对其进行双重记录时，不会绘制直线。

以下图是使用 1000 个节点获得的。

代码如下：

m应该代表缩放系数，如果它在 2 到 3 之间，那么网络应该是无标度的。

这些图是通过调用 NetworkX 的 scale_free_graph 方法获得的，然后将其用作 Graph 构造函数的输入。

更新

根据@Joel 的要求，下面是 10000 个节点的图。
此外，生成图形的确切代码如下：
graph = networkx.Graph(networkx.scale_free_graph(num_of_nodes))

正如我们所看到的，大量的值似乎确实形成了一条直线，但网络似乎在其双对数形式中有一条奇怪的尾巴。

我有两个数据框df1，df2其中包含两个网络的边缘列表，g1并且g2包含相同的节点但不同的连接。对于每个节点，我想比较两个网络之间的 jaccard 索引。

我定义了计算 jaccard 索引的函数

我正在做的是以下内容：

我想知道是否有更有效的方法

我打算使用 D3.js 可视化一个复杂的网络（大约有 60k 边和 10k 节点）。然而，经典的力导向图布局似乎只能在普通笔记本电脑上处理大约 10k 条边。是否可以使用 D3 可视化整个图表，或者您有更好的选择吗？谢谢！

我应该如何简单地解释复杂网络中生成模型和配置模型之间的区别。