更改

== 算法==

== 算法==

计算一个图中所有顶点的介数和''' 紧密中心性Closeness centralities'''涉及到计算图中所有节点对之间的最短路径，使用 Floyd-Warshall 算法时，这需要[[big theta|<math>\Theta(|V|^3)</math>]]的时间复杂度，改进后的算法不仅可以找到一条路径，还可以计算两个节点之间的所有最短路径。在稀疏图上，Johnson算法或Brandes算法可能更有效率，两者的时间复杂度为[[Big O notation|<math>O(|V|^2 \log |V| + |V| |E|)</math>]]。在未加权图上，使用 Brandes 算法计算''' 介数中心性Betweenness centrality'''需要的时间复杂度为[[Big O notation|<math>O(|V| |E|)</math>]]。{{Sfnp|Brandes|2001|p=1}}

计算一个图中所有顶点的介数和''' 紧密中心性Closeness centralities'''涉及到计算图中所有节点对之间的最短路径，使用 Floyd-Warshall 算法时，这需要[[big theta|<math>\Theta(|V|^3)</math>]]的时间复杂度，改进后的算法不仅可以找到一条路径，还可以计算两个节点之间的所有最短路径。在稀疏图上，Johnson算法或Brandes算法可能更有效率，两者的时间复杂度为[[Big O notation|<math>O(|V|^2 \log |V| + |V| |E|)</math>]]。在未加权图上，使用 Brandes 算法计算''' 介数中心性Betweenness centrality'''需要的时间复杂度为[[Big O notation|<math>O(|V| |E|)</math>]]。

在计算一个图的所有节点的介数和''' 紧密中心性Closeness centralities'''时，假定图是无向的，并且图在允许自环和多边时是连通的。当专门处理网络图时，图通常没有自环或多边来维持简单的关系（其中的边表示两个人或节点之间的联系）。在这种情况下，使用 Brandes 算法将最终的中心性除以2，因为每条最短路径被计算两次。

在计算一个图的所有节点的介数和''' 紧密中心性Closeness centralities'''时，假定图是无向的，并且图在允许自环和多边时是连通的。当专门处理网络图时，图通常没有自环或多边来维持简单的关系（其中的边表示两个人或节点之间的联系）。在这种情况下，使用 Brandes 算法将最终的中心性除以2，因为每条最短路径被计算两次。

另一个算法通过引入一个超参数来控制勘探和开发之间的平衡，将计算测地线的弗里曼（Freeman）介数和所有路径上计算纽曼（Newman）介数的结果进行了推广。时间复杂度是图中的边数乘以节点数。{{Sfnp|Mantrach|2010}}

另一个算法通过引入一个超参数来控制勘探和开发之间的平衡，将计算测地线的弗里曼（Freeman）介数和所有路径上计算纽曼（Newman）介数的结果进行了推广。时间复杂度是图中的边数乘以节点数。

中心性的概念也扩展到了群体层次。群体介数中心性反映了通过一组节点连接非组成员节点对的测地线所占的比例。修改了计算所有节点之间的介数中心性的Brandes算法，以计算具有相同渐近运行时间的一组节点之间的群体介数中心性。

中心性的概念也扩展到了群体层次。群体介数中心性反映了通过一组节点连接非组成员节点对的测地线所占的比例。修改了计算所有节点之间的介数中心性的Brandes算法，以计算具有相同渐近运行时间的一组节点之间的群体介数中心性。