更改

\frac{\mathbb E [k]}{n-1} u_1^{*n}(n-2),& n>1, \\

\frac{\mathbb E [k]}{n-1} u_1^{*n}(n-2),& n>1, \\

u(0) & n=1.

u(0) & n=1.

\end{cases}</math>其中 <math>u(k)</math> 表示度分布且 <math>u_1(k)=\frac{(k+1)u(k+1)}{\mathbb E[k]}</math>。 通过随机移除临界比例<math>p_c</math>的边，可以摧毁超大连通分量。这个过程叫做 [[渗流理论|随机网络的渗流]]。当度分布的二阶矩是有限的，即<math display="inline">\mathbb E [k^2]<\infty</math> 时，这个边数的临界比例为 <ref>{{Cite journal|last=Kryven|first=Ivan|date=2018-01-01|title=Analytic results on the polymerisation random graph model|journal=Journal of Mathematical Chemistry|language=en|volume=56|issue=1|pages=140–157|doi=10.1007/s10910-017-0785-1|issn=0259-9791|doi-access=free}}</ref> <math>p_c=1-\frac{\mathbb E[k]}{ \mathbb E [k^2] - \mathbb E[k]}</math> ，且超大连通分量中 [[平均路径长度|顶点与顶点间的平均距离]] <math>l</math> 的大小和网络的总规模呈对数比例， <math>l = O(\log N) </math>.<ref name=":1" />。

\end{cases}</math>其中 <math>u(k)</math> 表示度分布且 <math>u_1(k)=\frac{(k+1)u(k+1)}{\mathbb E[k]}</math>。 通过随机移除临界比例<math>p_c</math>的边，可以摧毁超大连通分量。这个过程叫做 [[渗流理论|随机网络的渗流]]。当度分布的二阶矩是有限的，即<math display="inline">\mathbb E [k^2]<\infty</math> 时，这个边数的临界比例为 <ref>{{Cite journal|last=Kryven|first=Ivan|date=2018-01-01|title=Analytic results on the polymerisation random graph model|journal=Journal of Mathematical Chemistry|language=en|volume=56|issue=1|pages=140–157|doi=10.1007/s10910-017-0785-1|issn=0259-9791|doi-access=free}}</ref> <math>p_c=1-\frac{\mathbb E[k]}{ \mathbb E [k^2] - \mathbb E[k]}</math> ，且超大连通分量中顶点与顶点间的平均距离<math>l</math> 的大小和网络的总规模呈对数比例， <math>l = O(\log N) </math>.<ref name=":1" />。

*入分量: <ref>{{Cite journal|last=Kryven|first=Ivan|date=2017-11-02|title=Finite connected components in infinite directed and multiplex networks with arbitrary degree distributions|journal=Physical Review E|volume=96|issue=5|pages=052304|doi=10.1103/PhysRevE.96.052304|pmid=29347790|arxiv=1709.04283|bibcode=2017PhRvE..96e2304K}}</ref><math display="block">h_\text{in}(n)=\frac{\mathbb E[k_{in}]}{n-1} \tilde u_\text{in}^{*n}(n-2),  \;n>1, \; \tilde u_\text{in}=\frac{k_\text{in}+1}{\mathbb E[k_\text{in}]}\sum\limits_{k_\text{out}\geq 0}u(k_\text{in}+1,k_\text{out}) </math>

*入分量: <ref>{{Cite journal|last=Kryven|first=Ivan|date=2017-11-02|title=Finite connected components in infinite directed and multiplex networks with arbitrary degree distributions|journal=Physical Review E|volume=96|issue=5|pages=052304|doi=10.1103/PhysRevE.96.052304|pmid=29347790|arxiv=1709.04283|bibcode=2017PhRvE..96e2304K}}</ref><math display="block">h_\text{in}(n)=\frac{\mathbb E[k_{in}]}{n-1} \tilde u_\text{in}^{*n}(n-2),  \;n>1, \; \tilde u_\text{in}=\frac{k_\text{in}+1}{\mathbb E[k_\text{in}]}\sum\limits_{k_\text{out}\geq 0}u(k_\text{in}+1,k_\text{out}) </math>

*出分量: <math>h_\text{out}(n)=\frac{\mathbb E[k_\text{out}]}{n-1} \tilde u_\text{out}^{*n}(n-2),  \;n>1, \;\tilde u_\text{out}=\frac{k_\text{out}+1}{\mathbb E[k_\text{out}]}\sum\limits_{k_\text{in}\geq0}u(k_\text{in},k_\text{out}+1).</math>

*出分量: <math>h_\text{out}(n)=\frac{\mathbb E[k_\text{out}]}{n-1} \tilde u_\text{out}^{*n}(n-2),  \;n>1, \;\tilde u_\text{out}=\frac{k_\text{out}+1}{\mathbb E[k_\text{out}]}\sum\limits_{k_\text{in}\geq0}u(k_\text{in},k_\text{out}+1).</math>

=== Watts–Strogatz 小世界模型 ===

=== Watts–Strogatz 小世界模型 ===