中間時間ステップでのネットワークプロパティの測定

Question

ネットワークの成長の特定のステップ（すなわち、N = 100、N = 1000、N = 10000など）で、Barabasi Albertグラフの特定のプロパティを次のように測定する必要があります。 ）。私はnetworkxでこのようなグラフを生成する方法を知っていますが、実際に成長プロセス中にこれらのプロパティにアクセスする方法は私には不明です。

コードを表示する必要はありません。アルゴリズム自体のヒントが必要ですが、いくつかの例をお待ちしております。私はPython 2.7を使用していますが、必要に応じてRも快適です。

Answer 1

あなたが探している機能がBarbabasi Albert Graph functionのnetwrokxにあると思います。上記の関数on this link（networkx docsに基づいて）のソースコードを調べると、コメントにコメントが記載されています。 while source<n:ループの各繰り返しでグラフのプロパティを印刷して、必要なプロパティを取得することができます。 @Mohammedカシーフの回答に基づいて

Answer 2

は、ここでノードの数及び度の値のアレイでキーイング辞書を返すBarabasiアルバートグラフの修正されたソースコードである：

import random 
import networkx as nx 

def _random_subset(seq,m): 
    """ Return m unique elements from seq. 

    This differs from random.sample which can return repeated 
    elements if seq holds repeated elements. 
    """ 
    targets=set() 
    while len(targets)<m: 
     x=random.choice(seq) 
     targets.add(x) 
    return targets 

def barabasi_albert_graph_modified(n, m, seed=None): 

    if m < 1 or m >=n: 
     raise nx.NetworkXError(\ 
       "Barabási-Albert network must have m>=1 and m<n, m=%d,n=%d"%(m,n)) 
    if seed is not None: 
     random.seed(seed) 

    # Add m initial nodes (m0 in barabasi-speak) 
    G=nx.empty_graph(m) 
    G.name="barabasi_albert_graph(%s,%s)"%(n,m) 
    # Target nodes for new edges 
    targets=list(range(m)) 
    # List of existing nodes, with nodes repeated once for each adjacent edge 
    repeated_nodes=[] 
    # Start adding the other n-m nodes. The first node is m. 
    source=m 
    d = {} 
    while source<n: 
     # Add edges to m nodes from the source. 
     G.add_edges_from(zip([source]*m,targets)) 
     # Add one node to the list for each new edge just created. 
     repeated_nodes.extend(targets) 
     # And the new node "source" has m edges to add to the list. 
     repeated_nodes.extend([source]*m) 
     # Now choose m unique nodes from the existing nodes 
     # Pick uniformly from repeated_nodes (preferential attachement) 
     targets = _random_subset(repeated_nodes,m) 
     deg = np.array(list(G.degree().values())) 
     deg.sort() 
     d[G.number_of_nodes()] = deg 
     source += 1 
    return G,d 

だがそれを試してみましょう：

g,d = barabasi_albert_graph_modified(10,2) 
#out: 
#{3: array([1, 1, 2]), 
# 4: array([1, 2, 2, 3]), 
# 5: array([1, 2, 2, 3, 4]), 
# 6: array([1, 2, 2, 2, 4, 5]), 
# 7: array([1, 2, 2, 2, 3, 4, 6]), 
# 8: array([2, 2, 2, 2, 2, 3, 4, 7]), 
# 9: array([2, 2, 2, 2, 2, 2, 4, 5, 7]), 
# 10: array([2, 2, 2, 2, 2, 2, 3, 4, 5, 8])}