随机图 - 版本历史

13944556914：13944556914移动页面随机图 random graph至随机图覆盖重定向

2024-06-03T08:38:21Z

13944556914移动页面随机图 random graph至随机图覆盖重定向

2024年6月3日 (一) 08:38 13944556914

2024-06-03T08:38:14Z

薄荷：/* 编者推荐 */

2020-12-27T15:54:49Z

编者推荐

2020年11月21日 (六) 12:06 薄荷

2020-11-21T12:06:17Z

薄荷：薄荷移动页面随机图至随机图 random graph

2020-11-21T11:42:00Z

薄荷移动页面随机图至随机图 random graph

薄荷：/* 模型 */

2020-11-21T11:41:03Z

模型

2020年11月21日 (六) 11:37 薄荷

2020-11-21T11:37:22Z

2020年11月21日 (六) 11:37 薄荷

2020-11-21T11:37:02Z

2020年11月21日 (六) 11:36 薄荷

2020-11-21T11:36:22Z

2020年11月21日 (六) 11:36 薄荷

2020-11-21T11:36:11Z

@@ 第3行： / 第3行： @@
 |description=随机图,ER随机图模型, 概率分布
 }}
-在数学领域中，'''[[随机图]] Random Graph'''是指图上的概率分布的一般术语。随机图可以简单地用概率分布表示，也可以用生成它们的随机过程表示<ref name = "Random Graphs">{{cite book|first=Béla|last=Bollobás|title=Random Graphs|edition=2nd|year=2001|publisher=Cambridge University Press}}</ref><ref name = "Introduction to Random graphs>{{cite book|first1=Alan|last1=Frieze|first2=Michal|last2=Karonski|title=Introduction to Random Graphs|year=2015|publisher=Cambridge University Press}}</ref>。随机图的理论处于图论和概率论的交汇点上。从数学的角度来看，随机图可以用来回答有关典型图的性质的问题。在所有需要对复杂网络进行建模的领域都能看到它的实际应用——由于它反映了在不同领域遇到的不同类型的复杂网络，许多随机图模型就此被人们所熟知。在数学上，随机图几乎完全指的是 '''[[ER随机图模型 Erdős–Rényi model]]'''。在其他情况下，任何图形模型都可以称为随机图。
+在数学领域中，'''[[随机图]] （Random Graph）'''是指图上的概率分布的一般术语。随机图可以简单地用概率分布表示，也可以用生成它们的随机过程表示<ref name="Random Graphs">{{cite book|first=Béla|last=Bollobás|title=Random Graphs|edition=2nd|year=2001|publisher=Cambridge University Press}}</ref><ref name="Introduction to Random graphs">{{cite book|first1=Alan|last1=Frieze|first2=Michal|last2=Karonski|title=Introduction to Random Graphs|year=2015|publisher=Cambridge University Press}}</ref>。随机图的理论处于图论和概率论的交汇点上。从数学的角度来看，随机图可以用来回答有关典型图的性质的问题。在所有需要对复杂网络进行建模的领域都能看到它的实际应用——由于它反映了在不同领域遇到的不同类型的复杂网络，许多随机图模型就此被人们所熟知。在数学上，随机图几乎完全指的是 '''[[ER随机图模型 Erdős–Rényi model]]'''。在其他情况下，任何图形模型都可以称为随机图。
 ==模型==

@@ 第134行： / 第134行： @@
 ==编者推荐==
 ===集智相关文章===
 ===集智相关课程===
-===[https://campus.swarma.org/course/1161 复杂网络的基本模型]===
+====[https://campus.swarma.org/course/1161 复杂网络的基本模型]====
 本课程中，将详细介绍复杂网络的四个基本模型：规则网、随机图、小世界网络、Scale-Free 网络。
@@ 第157行： / 第154行： @@
 '''本词条内容源自公开资料，遵守 CC3.0协议。'''

@@ 第7行： / 第7行： @@
 ==模型==
-从一组 n 个孤立的顶点开始，在它们之间随机添加连续的边，这样就得到一个随机图。这个领域的研究的目的是确定在什么阶段图形的特殊性质可能出现<ref name = "Random Graphs2">[[Béla Bollobás]], ''Random Graphs'', 1985, Academic Press Inc., London Ltd.</ref>。不同的随机图模型在图上产生不同的概率分布。最常见的研究是由埃德加 · 吉尔伯特提出的，表示<math>G(n,M)</math> ，其中每个可能的边独立出现的概率为<math>0 <p< 1</math>。获得任意一个 m 边随机图的概率是 <math>p^m (1-p)^(N-m)</math > ，记号是 <math>N=\tbinom{n}{2}</math > 。<ref name = "Random Graphs3">[[Béla Bollobás]], ''Probabilistic Combinatorics and Its Applications'', 1991, Providence, RI: American Mathematical Society.</ref>
+从一组 n 个孤立的顶点开始，在它们之间随机添加连续的边，这样就得到一个随机图。这个领域的研究的目的是确定在什么阶段图形的特殊性质可能出现<ref name = "Random Graphs2">Béla Bollobás, ''Random Graphs'', 1985, Academic Press Inc., London Ltd.</ref>。不同的随机图模型在图上产生不同的概率分布。最常见的研究是由埃德加 · 吉尔伯特提出的，表示<math>G(n,M)</math> ，其中每个可能的边独立出现的概率为<math>0 <p< 1</math>。获得任意一个 m 边随机图的概率是 <math>p^m (1-p)^(N-m)</math > ，记号是 <math>N=\tbinom{n}{2}</math > 。<ref name = "Random Graphs3">Béla Bollobás, ''Probabilistic Combinatorics and Its Applications'', 1991, Providence, RI: American Mathematical Society.</ref>
@@ 第42行： / 第42行： @@
 ==性质==
-随机图理论研究随机图的典型性质，即从特定分布中抽取的图的高概率性质。例如，我们可以要求一个给定的值 <math>n</math> 和 <math>p</math>来表示<math>G(n，p)</math> 连接的概率。在研究这些问题时，研究人员往往集中在随机图的趋近行为上——各种概率收敛到的值变得非常大。'''[[渗流理论]] [[Percolation Theory]]'''刻画了随机图，特别是无穷大图的'''连通性 Connectedness'''。
+随机图理论研究随机图的典型性质，即从特定分布中抽取的图的高概率性质。例如，我们可以要求一个给定的值 <math>n</math> 和 <math>p</math>来表示<math>G(n，p)</math> 连接的概率。在研究这些问题时，研究人员往往集中在随机图的趋近行为上——各种概率收敛到的值变得非常大。'''[[渗流理论]] Percolation Theory'''刻画了随机图，特别是无穷大图的'''连通性 Connectedness'''。
-'''[[渗流]] [[Percolation]]''' 与图形（也称为网络）的'''鲁棒性 Robustness'''有关。给定一个随机图形，其中的节点是 <math>n</math> 和一个平均度 <math>\langle k\rangle</math> 。接下来我们随机移除一部分概率为 <math>1-p</math> 的节点，只留下一部分概率为 <math>p</math> 的节点。存在一个'''临界渗透阈值 Critical Percolation Threshold'''<math>p_c=\tfrac{1}{\langle k\rangle}</math>，当低于这个临界渗透阈值，网络变得支离破碎，而高于临界渗透阈值 <math>p_c</math> 的网络则存在一个巨大的'''连接元件 Connected Component'''（图论）<ref>{{cite book  |title=Networks: An Introduction |last= Newman |first=M. E. J. |year= 2010 |publisher=  Oxford}}</ref><ref>{{cite book |title= Complex Networks: Structure, Robustness and Function |authors= Reuven Cohen and [[Shlomo Havlin]] |year= 2010 |url= http://havlin.biu.ac.il/Shlomo%20Havlin%20books_com_net.php |publisher= Cambridge University Press}}</ref>。
+'''[[渗流]] Percolation''' 与图形（也称为网络）的'''鲁棒性 Robustness'''有关。给定一个随机图形，其中的节点是 <math>n</math> 和一个平均度 <math>\langle k\rangle</math> 。接下来我们随机移除一部分概率为 <math>1-p</math> 的节点，只留下一部分概率为 <math>p</math> 的节点。存在一个'''临界渗透阈值 Critical Percolation Threshold'''<math>p_c=\tfrac{1}{\langle k\rangle}</math>，当低于这个临界渗透阈值，网络变得支离破碎，而高于临界渗透阈值 <math>p_c</math> 的网络则存在一个巨大的'''连接元件 Connected Component'''（图论）<ref>{{cite book  |title=Networks: An Introduction |last= Newman |first=M. E. J. |year= 2010 |publisher=  Oxford}}</ref><ref>{{cite book |title= Complex Networks: Structure, Robustness and Function |authors= Reuven Cohen and Shlomo Havlin|year= 2010 |url= http://havlin.biu.ac.il/Shlomo%20Havlin%20books_com_net.php |publisher= Cambridge University Press}}</ref>。
@@ 第109行： / 第109行： @@
-[[随机图]]的[[ER模型]]是由Paul Erdős和Alfréd Rényi于1959年发表的论文《随机图论》中首次提出的，Gilbert 在他的论文《随机图论》中独立定义了这一模型。<ref name ="On Random Graphs">[[Paul Erdős|Erdős, P.]] [[Alfréd Rényi|Rényi, A]] (1959) "On Random Graphs I" in Publ. Math. Debrecen 6, p.&nbsp;290&ndash;297 [http://www.renyi.hu/~p_erdos/1959-11.pdf]</ref><ref name = "Random graphs">{{citation |last= Gilbert |first= E. N. |authorlink=Edgar Gilbert|year=1959 |title=Random graphs |journal=Annals of Mathematical Statistics |volume= 30|issue= 4 |pages=1141–1144|doi=10.1214/aoms/1177706098 |doi-access=free }}.</ref>
+[[随机图]]的[[ER模型]]是由Paul Erdős和Alfréd Rényi于1959年发表的论文《随机图论》中首次提出的，Gilbert 在他的论文《随机图论》中独立定义了这一模型。<ref name ="On Random Graphs">[[Paul Erdős|Erdős, P.]] [[Alfréd Rényi|Rényi, A]] (1959) "On Random Graphs I" in Publ. Math. Debrecen 6, p.&nbsp;290&ndash;297 [http://www.renyi.hu/~p_erdos/1959-11.pdf]</ref><ref name = "Random graphs">{{citation |last= Gilbert |first= E. N. |year=1959 |title=Random graphs |journal=Annals of Mathematical Statistics |volume= 30|issue= 4 |pages=1141–1144|doi=10.1214/aoms/1177706098 |doi-access=free }}.</ref>
 ==参见==

←上一版本		2020年11月21日 (六) 11:41的版本
第34行：		第34行：

	一旦我们有了一个随机图的模型，图上的每个函数都变成了一个随机变量。对这个模型的研究是为了确定，或者至少估计一个属性可能发生的概率。		一旦我们有了一个随机图的模型，图上的每个函数都变成了一个随机变量。对这个模型的研究是为了确定，或者至少估计一个属性可能发生的概率。
−

	==术语==		==术语==

@@ 第3行： / 第3行： @@
 |description=随机图,ER随机图模型, 概率分布
 }}
 在数学领域中，'''[[随机图]] Random Graph'''是指图上的概率分布的一般术语。随机图可以简单地用概率分布表示，也可以用生成它们的随机过程表示<ref name = "Random Graphs">{{cite book|first=Béla|last=Bollobás|title=Random Graphs|edition=2nd|year=2001|publisher=Cambridge University Press}}</ref><ref name = "Introduction to Random graphs>{{cite book|first1=Alan|last1=Frieze|first2=Michal|last2=Karonski|title=Introduction to Random Graphs|year=2015|publisher=Cambridge University Press}}</ref>。随机图的理论处于图论和概率论的交汇点上。从数学的角度来看，随机图可以用来回答有关典型图的性质的问题。在所有需要对复杂网络进行建模的领域都能看到它的实际应用——由于它反映了在不同领域遇到的不同类型的复杂网络，许多随机图模型就此被人们所熟知。在数学上，随机图几乎完全指的是 '''[[ER随机图模型 Erdős–Rényi model]]'''。在其他情况下，任何图形模型都可以称为随机图。

←上一版本	2024年6月3日 (一) 08:38的版本
（没有差异）

←上一版本	2020年11月21日 (六) 11:42的版本
（没有差异）

@@ 第1行： / 第1行： @@
-{#seo:
+{{#seo:
-|keywords=随机图, 图,ER随机图模型, Random graph
+|keywords=随机图,图,ER随机图模型, Random graph
-|description=随机图, ER随机图模型, 概率分布
+|description=随机图,ER随机图模型, 概率分布
 }}

@@ 第155行： / 第155行： @@
 ----
-本中文词条由[[用户:Jie|Jie]]翻译，[[用户:Qige96|Ricky]]审校，[[用户:薄荷|薄荷]]欢迎在讨论页面留言。
+本中文词条由[[用户:923397935|923397935]]翻译，[[用户:CecileLi|CecileLi]]审校，[[用户:打豆豆|打豆豆]]欢迎在讨论页面留言。
 '''本词条内容源自公开资料，遵守 CC3.0协议。'''