復(fù)雜網(wǎng)絡(luò)主要拓?fù)鋮?shù)的matlab實(shí)現(xiàn)Word版

1、傳播優(yōu)秀Word版文檔 ，希望對(duì)您有幫助，可雙擊去除！function DeD,aver_DeD=Degree_Distribution(A)% 求網(wǎng)絡(luò)圖中各節(jié)點(diǎn)的度及度的分布曲線% 求解算法：求解每個(gè)節(jié)點(diǎn)的度，再按發(fā)生頻率即為概率，求P(k) %A網(wǎng)絡(luò)圖的鄰接矩陣%DeD網(wǎng)絡(luò)圖各節(jié)點(diǎn)的度分布%aver_DeD網(wǎng)絡(luò)圖的平均度N=size(A,2);DeD=zeros(1,N);for i=1:N % DeD(i)=length(find(A(i,:)=1); DeD(i)=sum(A(i,:);endaver_DeD=mean(DeD); if sum(DeD)=0 disp(該網(wǎng)絡(luò)圖只是由一

2、些孤立點(diǎn)組成); return;else figure; bar(1:N,DeD); xlabel(節(jié)點(diǎn)編號(hào)n); ylabel(各節(jié)點(diǎn)的度數(shù)K); title(網(wǎng)絡(luò)圖中各節(jié)點(diǎn)的度的大小分布圖);end figure;M=max(DeD);for i=1:M+1; %網(wǎng)絡(luò)圖中節(jié)點(diǎn)的度數(shù)最大為M,但要同時(shí)考慮到度為0的節(jié)點(diǎn)的存在性 N_DeD(i)=length(find(DeD=i-1);% DeD=2 2 2 2 2 2endP_DeD=zeros(1,M+1);P_DeD(:)=N_DeD(:)./sum(N_DeD);bar(0:M,P_DeD,r);xlabel(節(jié)點(diǎn)的度 K);yla

3、bel(節(jié)點(diǎn)度為K的概率 P(K);title(網(wǎng)絡(luò)圖中節(jié)點(diǎn)度的概率分布圖); 傳播優(yōu)秀Word版文檔 ，希望對(duì)您有幫助，可雙擊去除！function C,aver_C=Clustering_Coefficient(A)% 求網(wǎng)絡(luò)圖中各節(jié)點(diǎn)的聚類系數(shù)及整個(gè)網(wǎng)絡(luò)的聚類系數(shù)% 求解算法：求解每個(gè)節(jié)點(diǎn)的聚類系數(shù)，找某節(jié)點(diǎn)的所有鄰居，這些鄰居節(jié)點(diǎn)構(gòu)成一個(gè)子圖% 從A中抽出該子圖的鄰接矩陣，計(jì)算子圖的邊數(shù)，再根據(jù)聚類系數(shù)的定義，即可算出該節(jié)點(diǎn)的聚類系數(shù)%A網(wǎng)絡(luò)圖的鄰接矩陣%C網(wǎng)絡(luò)圖各節(jié)點(diǎn)的聚類系數(shù)%aver整個(gè)網(wǎng)絡(luò)圖的聚類系數(shù)N=size(A,2);C=zeros(1,N);for i=1:N aa=f

4、ind(A(i,:)=1); %尋找子圖的鄰居節(jié)點(diǎn) if isempty(aa) disp(節(jié)點(diǎn),int2str(i),為孤立節(jié)點(diǎn)，其聚類系數(shù)賦值為0); C(i)=0; else m=length(aa); if m=1 disp(節(jié)點(diǎn),int2str(i),只有一個(gè)鄰居節(jié)點(diǎn)，其聚類系數(shù)賦值為0); C(i)=0; else B=A(aa,aa) % 抽取子圖的鄰接矩陣 C(i)=length(find(B=1)/(m*(m-1); end endendaver_C=mean(C) 傳播優(yōu)秀Word版文檔 ，希望對(duì)您有幫助，可雙擊去除！function D,aver_D=Aver_Path_

5、Length(A)% 求復(fù)雜網(wǎng)絡(luò)中兩節(jié)點(diǎn)的距離以及平均路徑長(zhǎng)度% 求解算法：首先利用Floyd算法求解出任意兩節(jié)點(diǎn)的距離，再求距離的平均值得平均路徑長(zhǎng)度% A網(wǎng)絡(luò)圖的鄰接矩陣% D返回值：網(wǎng)絡(luò)圖的距離矩陣% aver_D返回值：網(wǎng)絡(luò)圖的平均路徑長(zhǎng)度 N=size(A,2); D=A; D(find(D=0)=inf; %將鄰接矩陣變?yōu)猷徑泳嚯x矩陣，兩點(diǎn)無(wú)邊相連時(shí)賦值為inf，自身到自身的距離為0. for i=1:N D(i,i)=0; end for k=1:N %Floyd算法求解任意兩點(diǎn)的最短距離 for i=1:N for j=1:N if D(i,j)D(i,k)+D(k,j) D(

6、i,j)=D(i,k)+D(k,j); end end end end aver_D=sum(sum(D)/(N*(N-1) %平均路徑長(zhǎng)度 if aver_D=inf disp(該網(wǎng)絡(luò)圖不是連通圖); end % 算法2： 用時(shí)間量級(jí)O(MN)的廣度優(yōu)先算法求解一個(gè)含N個(gè)節(jié)點(diǎn)和M條邊的網(wǎng)絡(luò)圖的平均路徑長(zhǎng)度 可以求出復(fù)雜網(wǎng)絡(luò)中兩節(jié)點(diǎn)間的距離以及平均路徑長(zhǎng)度，各節(jié)點(diǎn)的度及度的分布曲線，以及節(jié)點(diǎn)的聚類系數(shù)。You can find out the distance and average path length between the two nodes in complex networks .you can also f