精华内容
下载资源
问答
  • 本文考察了网络的平均度对网络上的同步、博弈和传播动力学行为的影响。结果发现,随着平均度的增大,复杂网络会表现出更优的同步能力,在博弈中合作率会显著提升,在传播动力学中传播范围会明显扩大。但平均度对这几种...
  • 这个程序是来求整个网络的平均度 求解思想,统计出整个网络里面的1的总的个数, 然后除以节点的总数就可以计算出网络节点的平均度 """ def average_degree(): filestr = "" with open("result.t


    主要程序

    # -*- coding: utf-8 -*-
    """
    Created on Sat Nov 30 17:02:21 2019
    
    @author: Administrator
    """
    
    
    """
    
    这个程序是来求整个网络的平均度
    
    求解思想,统计出整个网络里面的1的总的个数,
    然后除以节点的总数就可以计算出网络节点的平均度
    
    """
    
    
    def average_degree():
      
      
      filestr = ""
      
      with open("result.txt") as files:
         for line in files:
             filestr += line.strip()
      
      #将字符串转换成列表
      matrix = eval(filestr)
      
      nodes = len(matrix)
      
      #存储网络中1的个数,即度的总数
      sum_degree = 0
     
      for i in range(len(matrix)):
        for j in range(len(matrix)):
          if(matrix[i][j] == 1):
            sum_degree = sum_degree + 1
        
      print("网络的平均度为:")
      aver_degree = float(sum_degree)/nodes
      print(aver_degree)
    
    average_degree()
    
    

    运行结果

    在这里插入图片描述

    展开全文
  • 计算网络节点的平均度

    千次阅读 2019-11-30 17:34:53
    下面的程序是用来计算网络节点的平均值 ...这个程序是来求整个网络的平均度 求解思想,统计出整个网络里面的1的总的个数, 然后除以节点的总数就可以计算出网络节点的平均度 """ def averag...

    下面的程序是用来计算网络节点的平均度

    # -*- coding: utf-8 -*-
    """
    Created on Sat Nov 30 17:02:21 2019
    
    @author: Administrator
    """
    
    
    """
    
    这个程序是来求整个网络的平均度
    
    求解思想,统计出整个网络里面的1的总的个数,
    然后除以节点的总数就可以计算出网络节点的平均度
    
    """
    
    
    
    def average_degree():
      
      
      filestr = ""
      
      with open("result.txt") as files:
         for line in files:
             filestr += line.strip()
      
      #将字符串转换成列表
      matrix = eval(filestr)
      
      nodes = len(matrix)
      
      #存储网络中1的个数,即度的总数
      sum_degree = 0
     
      for i in range(len(matrix)):
        for j in range(len(matrix)):
          if(matrix[i][j] == 1):
            sum_degree = sum_degree + 1
        
      print("网络的平均度为:")
      aver_degree = float(sum_degree)/nodes
      print(aver_degree)
    
    average_degree()
    

    在这里插入图片描述

    展开全文
  • 平均度约束无线传感器网络拓扑控制
  • BA随机网络的平均路径长度,平均度,聚类系数,
  • 推导得出了高速套路场景中车用自组织网络节点平均度的快速计算方法,结合车辆运动的约束性,在简化计算复杂度的同时,建立了其与宏观交通特征参数之问的联系,并得出网络的节,置平均度随交通密度或通信距离线性增加...
  • 基于EMD和混沌神经网络的平均温度预测方法研究,刘玉珠,张颖超,为提高月平均温度预测的准确率,针对月平均温度时间序列具有非线性、非平稳的特征,提出将经验模态分解(EMD)、相空间重构理论和
  • 为了提高有效性,提出了一种控制方案,该方案根据节点布尔函数的平均灵敏定期冻结网络的一部分。 进行了理论分析以估计馏分的预期临界值,并表明与随机冻结一部分馏分的临界值相比,使用该方案降低了临界值。 ...
  • 无线传感器网络参考文献:平均度约束无线传感器网络拓扑控制
  • matlab程序用于计算复杂网络相关系数和平均聚类系数的求解。适合于编程新手使用。大家可以使用,用于社交网络中复杂网络的计算。
  • RWP模型作为节点仿真移动模型被广泛应用在传统移动自组织网络研究中,而机会网络...分析结论指出,在平均度相近的条件下 RWP模型的平均聚类系数与实验数据有明显的差异,因此RWP模型不适合作为描述机会网络的移动模型.
  • #include "cmath" #include "iostream" #include "fstream" #include "vector" #include "ctime" #include "...#define m 2.5 //平均度&
    #include "cmath"
    #include "iostream"
    #include "fstream"
    #include "vector"
    #include "ctime"
    #include "iomanip"
    using namespace std;
    using std::vector;
    
    
    #define N 10000//节点数
    #define m 2.5 //平均度<k>=2m
    double gamma=3;//gamma值在这改
    void fast_search(int a,int b,double A[],double target,int& location){//from large to small
    	if(a==b){
    		if(target==A[a])
    			location=a;
    	}
    	if(a>b){
    		if(A[b]<=target){
    			location=b;
    		}
    		else{
    			location=0;
    		}
    	}
    	if(a==b-1){
    		if(A[a]<=target && A[b]>=target){
    			location=a;
    		}
    		if(A[b]<target){
    			location=b;
    		}
    	}
    	if(a<b-1){
    		int mid=(a+b)/2;
    		if(mid==a){
    			fast_search(mid+1,b,A,target,location);
    		}
    		if(mid>a){
    			if(A[mid]<target){
    				fast_search(mid,b,A,target,location);
    			}
    			if(A[mid]>target){
    				fast_search(a,mid,A,target,location);
    			}
    			if(A[mid]==target){
    				location=mid;
    			}
    		}
    	}
    }
    
    void gui_yi(double A[],int a,int b){
    	int i;double temp=0;
    	for(i=a;i<b;i++){
    		temp+=A[i];
    	}
    	for(i=a;i<b;i++){
    		A[i]=A[i]/temp;
    	}
    }
    
    int v_insert(vector<int>& v,int target){
    	int i=0;
    	if(v[0]==-1){
    		v.insert(v.begin(),target);
    		return 1;
    	}
    	if(v[0]!=-1){
    		if(v[0]>target){
    			v.insert(v.begin(),target);
    			return 1;
    		}
    		else if(v[0]==target)
    			return 0;
    		else{
    			while(v[i]!=-1 && v[i]<target)
    				i++;
    			if(v[i]==target)
    				return 0;
    			else{
    				v.insert(v.begin()+i,target);
    				return 1;
    			} 
    		}
    	}
    }
    int lar_rand(){
    	int a,b,c;
    	a=rand()%1024;
    	b=rand()%1024;
    	c=1024*a+b;
    	return c;
    }
    int main(){
    	
    	vector<int> A[N];
    	double p[N]={0},x[N]={0},p1,p2,r1,r2,n1024_2=1024*1024,sum;
    	int i,j,l1=0,l2=0,total_edges=0,return1,return2,i_deg[N]={0},deg[3000]={0};
    
    	ifstream fin;
    	ofstream fout;
    	
    	for(i=1;i<N;i++){
    		A[i].push_back(-1);
    	}
    	for(i=1;i<N;i++)
    		p[i]=pow((double)i,-(double)(1/(gamma-1)));
    
    	gui_yi(p,1,N-1);
    	sum=0;
    	for(i=1;i<N;i++){
    		sum+=p[i];
    		p[i]=sum;
    	}
    	
    	double p_m=p[1],f_i_j;
    	double p_m_2=pow((double)1200,2.0);
    	
    	while(total_edges<m*(N-1)+1){
    		l1=0;l2=0;
    		r1=(double)lar_rand()/n1024_2;
    		r2=(double)lar_rand()/n1024_2;
    		fast_search(1,N-1,p,r1,l1);
    		fast_search(1,N-1,p,r2,l2);
    		if(l1!=0 && l2!=0 && l1!=l2){
    			return1=v_insert(A[l1],l2);
    			v_insert(A[l2],l1);
    			if(return1==1)
    				total_edges++;
    		}
    	}
    
    fout.open("SF_net.txt");
    int q;
    int k;
    int f;
    int s=0;
    double h=1;
    fout<<N<<" "<<0<<endl;
    for(i=1;i<N;i++)
    {                
    	             q=0;
    				 k=0;
    				 f=0;
                       while(A[i][k]!=-1)
    				   {
    							 	  k++;
    								  q++;
    				   }
    				   s=s+q;
                       fout<<i<<" "<<q;         
    				  while(A[i][f]!=-1)
    				   {
                              
    					   fout<<" "<<A[i][f]<<" "<<setiosflags(ios::fixed)<<setprecision(6)<<h;
    							 	  f++;
    				   }
                                 fout<<endl; 
         							 
    }
                       
                      
    }    

     

    展开全文
  • 1、从文件中读取网络数据,选择你认为适合数据结构进行存储 注:txt格式文件中,每一列数字代表节点编号,因此每一行表示这两个节点有一条边,例如第一行为(0 769),表示第0号节点与第769号节点相连 file...

    今天也要超级努力啊……

    原数据展示:

    1、从文件中读取网络数据,选择你认为适合的数据结构进行存储

    注:txt格式文件中,每一列的数字代表节点的编号,因此每一行表示这两个节点有一条边,例如第一行为(0 769),表示第0号节点与第769号节点相连

    file = open('example_1.txt','r')#打开文件
    lines = file.readlines()#对文件进行逐行读取
    edge = len(lines)#网络边的条数
    net = dict()#创建空字典,value为元组形
    for line in lines:#遍历每行数据
        whole = line.split( )# 以空格为分隔符,包含 \n
        k = whole[0]#取出每行数据的第一个数
        tup1 = (whole[1],)#取出每行数据的第二个数,存入元组
        if k not in net:#如果字典中不存在与k相同的key,就添加key-value值
            net[k] = tup1
        else:#如果字典中存在与k相同的key值,就将对于的值添加到value中
            net[k] = net[k] +tup1
    file.close()

    统计以上网络中每个节点的度,整个网络的平均度,以及每个度的频率(即度的分布),将度分布的散点图画出来。

    #节点的度
    file1 = open("节点的度.csv",'w',encoding='utf-8',newline='')#创建节点的度.csv文件
    csv_writer = csv.writer(file1)#构建csv写入对象
    csv_writer.writerow(["节点","度"])#构建列表头
    count = 0#计算节点的个数
    for key in net:
        count += 1
        f = key
        d = len(net[key])
        csv_writer.writerow([f, d])
    file1.close()
    #网络平均度
    print("网络平均度为:{}".format(2*edge/count))

    计算度分布,写入表格‘度的分布.csv’中

    #度的分布
    du = open('节点的度.csv','r',encoding='utf-8')
    reader = csv.reader(du)
    newfile = open('度的分布.csv', 'w',encoding='utf-8', newline='')
    csv_writer = csv.writer(newfile)#构建csv写入对象
    csv_writer.writerow(["度","度的分布"])#构建列表头
    dir1 = dict()
    for row in reader:
        if row[1] == '度':
            continue
        else:
            h = row[1]
            if h not in dir1:
                dir1[h] = 1
            else:
                dir1[h] += 1
    for key in dir1:
        dir1[key] = dir1[key]/count
        csv_writer.writerow([key, dir1[key]])
    du.close()
    newfile.close()

    由于pycharm中无法成功安装matplotlip库,无法做散点图,这里根据度的分布的表,在csv中作出的度的分布的散点图

     

     

    展开全文
  • Ad Hoc网络是一种多跳的自组织网络网络是由移动的节点组成。...提出了移动节点的平均连接计算方法,并在此基础上提出了一种新的分簇算法(MCDA),通过对算法进行分析和仿真测试,证明了该算法的有效性。
  • TDR中,资源预留在多个方向具有可变灵活,并在一定条件下被分割为多个子预留,从而提高系统容纳能力,并描述了相应接纳控制算法。仿真实验结果表明,提出机制能有效地减少预留产生资源碎片和请求拒绝率...
  • 推导最近邻居连接网络的平均距离

    千次阅读 2017-03-28 00:10:44
    当节点数趋向无穷时,推导平均度为4的最近邻居连接网络的平均距离。 解:设节点数为N,定义%为取余运算符,设R:=(N-1)%4代表(N-1)/4的余数。 根据最近邻居连接网络的性质,每个节点都有同质性,所以我们只要算出...
  • 鉴于此,针对大规模无尺度网络的平均路径长度计算问题,基于树形结构模型给出了无尺度网络平均路径长度<l>SF 的计算公式,并分析了网络规模和节点间连接方式对平均路径长度的影响. 分析结果表明,<l>SF与无尺度网络...
  • 我们提出了一个新概念,分为两步。 将其定义为复杂网络节点容量,我们建立了一个复杂网络级联故障... 另外,在给定节点平均度的条件下,我们可以通过最大化平均两步度来设计对随机故障具有最佳鲁棒性无标度网络
  • 本文通过对微博传播网络的结构分析来探索微博传播过程, 利用新浪微博数据, 建立微博传播网络, 分析该网络的生成机制, 使用平均场论的方法, 推导微博传播网络的度分布模型. 实验结果表明: 微博传播网络的度分布是...
  • 作者正在检查模糊逻辑、神经网络在软计算领域性能,以便基于平均误差进行评估。 这里正在努力选择合适软计算技术来预测印度未来平均温度。 最初,最小二乘基线性方程、指数概念被应用于优化误差,软计算...
  • 基于电阻网络提出一种快速实用节点重要评估方法, 该方法利用节点对网络电能消耗影响来评估节点重要, 如果由于一个节点存在而导致网络平均电能消耗减少, 则该节点就越重要, 反之则该节点重要就低....
  • 2时,网络中最小度的节点数以及网络的平均度都与网络大小N有某种数量关系。通过与γ≥2的无标度网络对比,该类特殊网络呈现出不同的性质和行为,网络的边与节点相比呈现快速增长,具有更大的平均度,网络中有更多的边,...
  • 针对个性化服务研究中用户兴趣估计要求,分析用户行为特征与兴趣度的相互关系,选取页面关注时间、滚动/翻页次数、页面大小作为用户兴趣度的判别依据,提出一种基于RBF 神经网络模型用户兴趣量化估计方法。...
  • 在BA无标度网络上研究了基于历史记忆的雪堆博弈中的合作行为,探讨了收益系数r、记忆长度M、网络的平均度
  • 研究无标度网络的相关性。关于相邻点对的联合分布,利用率方程方法把已有的结果推广到BA模型的一般情况。同时使用平均场方法给出任意点对的联合分布。
  • 该重要函数指标实质上与网络的平均最短距离指标是一致的,通过该重要函数指标值的大小可以得到网络中各节点的重要排序.理论分析与实例表明,对于小型网络,该方法的计算比较简单,且直观、有效、合理.
  • 针对平面磨削特点,采用正交试验方法获取学习样本,用BP神经网络建立砂轮径向切入进给量、轴向进给量和工作台进给速度与表面粗糙关系模型,并用MATLAB实现对该模型训练和仿真,由此得出表面粗糙预测模型。...
  • 利用隶属函数将预测时刻的温度和当日的平均温度进行模糊化处理,减小夏季温度波动性对负荷预测的影响;建立含3层隐藏层的长短时记忆神经网络(LSTM)预测网络,并利用适应性矩估计(Adam)优化算法提高LSTM梯度参数的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,158
精华内容 463
关键字:

网络的平均度