198
个编辑
更改
跳到导航
跳到搜索
第119行：
第119行： − − === Diameter of a network === − As another means of measuring network graphs, we can define the diameter of a network as the longest of all the calculated shortest paths in a network. It is the shortest distance between the two most distant nodes in the network. In other words, once the shortest path length from every node to all other nodes is calculated, the diameter is the longest of all the calculated path lengths. The diameter is representative of the linear size of a network. If node A-B-C-D are connected, going from A->D this would be the diameter of 3 (3-hops, 3-links).{{Fact|date=November 2019}}
→Diameter of a network
平均最短路径长度的计算方法是找到所有节点对之间的最短路径，并取其长度所有路径的平均值(其长度为路径中包含的中间边的数目，即图中两个顶点之间的距离{ displaystyle d { u，v }})。 这向我们展示了从网络中的一个成员到另一个成员所需的平均步数。 期望平均最短路径长度(即平均最短路径长度的总体均值)作为一个随机网络模型的顶点数 n } n 的函数的行为定义了该模型是否表现出小世界效应; 如果它缩放为{ displaystyle o (ln n)} ，则该模型生成小世界网。 对于比对数更快的增长，该模型不会产生小世界。 超小世界效应(ultra-small world effect)是超小世界效应的特例。
平均最短路径长度的计算方法是找到所有节点对之间的最短路径，并取其长度所有路径的平均值(其长度为路径中包含的中间边的数目，即图中两个顶点之间的距离{ displaystyle d { u，v }})。 这向我们展示了从网络中的一个成员到另一个成员所需的平均步数。 期望平均最短路径长度(即平均最短路径长度的总体均值)作为一个随机网络模型的顶点数 n } n 的函数的行为定义了该模型是否表现出小世界效应; 如果它缩放为{ displaystyle o (ln n)} ，则该模型生成小世界网。 对于比对数更快的增长，该模型不会产生小世界。 超小世界效应(ultra-small world effect)是超小世界效应的特例。
=== 网络半径 ===
=== 网络半径 ===