使用 Erdős–Rényi 模型从真实有向图生成有向随机图
Generate a directed random graph using Erdős–Rényi model from a real directed graph
我正在尝试了解如何根据 Erdős–Rényi 模型 正确生成有向随机图。我查看了 network x 上的 erdos_renyi_graph 函数。
我已经将我的真实网络 (5317) 的节点数设置为 n 参数，然后对于 p 我计算了：
p = (< k_in > + < k_out >)/(n-1) = (78,302 )/(5317-1) = 0, 014729496
我计算的平均度数是 in_degree 和 out_degree 的总和。
应用此概率，它生成了一个具有 5317 个节点和 415.727 条边的随机图。比我的真实网络多很多边（207.167 条边）。
我是不是做错了什么？
我认为这是正确的，因为平均度数（k_in 和 k_out 的总和）比入度和出度高很多。因此，如果您按照 Erdős–Rényi 模型中的指示处理图形，您应该有类似 average degree/2 的内容，因为对于每条边，都有两个与之关联的顶点。所以根据度数求和公式:
，每条边在图中加两度
这就是结果跳水 2 的原因。所以在这种情况下，它会生成一个随机图，其边数与真实图的边数大致相同。
我正在尝试了解如何根据 Erdős–Rényi 模型 正确生成有向随机图。我查看了 network x 上的 erdos_renyi_graph 函数。
我已经将我的真实网络 (5317) 的节点数设置为 n 参数，然后对于 p 我计算了：
p = (< k_in > + < k_out >)/(n-1) = (78,302 )/(5317-1) = 0, 014729496
我计算的平均度数是 in_degree 和 out_degree 的总和。
应用此概率，它生成了一个具有 5317 个节点和 415.727 条边的随机图。比我的真实网络多很多边（207.167 条边）。
我是不是做错了什么？
我认为这是正确的，因为平均度数（k_in 和 k_out 的总和）比入度和出度高很多。因此，如果您按照 Erdős–Rényi 模型中的指示处理图形，您应该有类似 average degree/2 的内容，因为对于每条边，都有两个与之关联的顶点。所以根据度数求和公式:
这就是结果跳水 2 的原因。所以在这种情况下，它会生成一个随机图，其边数与真实图的边数大致相同。