В математике, случайный граф - это общий термин, обозначающий распределения вероятностей по графикам. Случайные графы могут быть описаны просто распределением вероятностей или случайным процессом, который их генерирует. Теория случайных графов находится на пересечении теории графов и теории вероятностей. С математической точки зрения случайные графы используются для ответа на вопросы о свойствах типичных графов. Его практическое применение можно найти во всех областях, в которых необходимо моделировать сложные сети - таким образом, известно множество моделей случайных графов, отражающих различные типы сложных сетей, встречающихся в различных областях. В математическом контексте случайный граф относится почти исключительно к модели случайных графов Эрдеша – Реньи. В других контекстах любая модель графа может называться случайным графом.
Случайный граф получается путем начала набора из n изолированных вершин и добавления последовательных ребер между ними случайным образом. Цель исследования в этой области - определить, на каком этапе может возникнуть то или иное свойство графа. Различные модели случайных графов производят разные распределения вероятностей на графиках. Чаще всего изучается вариант, предложенный Эдгаром Гилбертом, обозначенный G (n, p), в котором каждое возможное ребро встречается независимо с вероятностью 0 < p < 1. The probability of obtaining any one particular random graph with m edges is с обозначением .
Тесно связанная модель, модель Эрдеша – Реньи, обозначенная G (n, M), присваивает равную вероятность всем графам с ровно M ребрами. При 0 ≤ M ≤ N, G (n, M) содержит элементы , и каждый элемент встречается с вероятностью . Последнюю модель можно рассматривать как моментальный снимок в определенный момент времени (M) процесса случайного графа , который представляет собой случайный процесс, который начинается с n вершин и не имеет ребер и на каждом шаге добавляет одно новое ребро, выбираемое равномерно из набора отсутствующих ребер.
Если вместо этого мы начнем с бесконечного набора вершин и снова позволим каждому возможному ребру возникать независимо с вероятностью 0 < p < 1, then we get an object G called an бесконечный случайный граф . За исключением тривиальных случаев, когда p равно 0 или 1, такой G почти наверняка обладает следующим свойством:
Для любых n + m элементов , есть вершина c в V, которая смежна с каждым из и не смежна ни с одним из .
Оказывается, что если набор вершин счетный, то существует до изоморфизм, только один граф с этим свойством, а именно граф Радо. Таким образом, любой счетно-бесконечный случайный граф почти наверняка является графом Радо, который по этой причине иногда называют просто случайным графом . Однако аналогичный результат неверен для несчетных графов, из которых существует много (неизоморфных) графов, удовлетворяющих вышеуказанному свойству.
Другая модель, которая обобщает модель случайного графа Гилберта, - это модель случайного скалярного произведения . Граф случайного скалярного произведения связывает с каждой вершиной вещественный вектор. Вероятность ребра uv между любыми вершинами u и v является некоторой функцией скалярного произведения u• vих соответствующих векторов.
Матрица сетевой вероятности моделирует случайные графы через вероятности ребер, которые представляют вероятность того, что заданный край существует в течение указанного периода времени. Эта модель расширяется до направленной и ненаправленной; взвешенные и невзвешенные; и статическая или динамическая структура графов.
Для M ≃ pN, где N - максимально возможное количество ребер, две наиболее широко используемые модели, G (n, M) и G (n, p), почти взаимозаменяемы.
Случайно регулярные графы образуют особый случай со свойствами, которые могут отличаться от случайных графов в целом.
Когда у нас есть модель случайных графиков, каждая функция на графиках становится случайной величиной. Изучение этой модели состоит в том, чтобы определить, или, по крайней мере, оценить вероятность того, что свойство может появиться.
Термин «почти каждый» в контексте случайных графов относится к последовательность пробелов и вероятностей, так что вероятности ошибки стремятся к нулю.
Теория случайных графов изучает типичные свойства случайных графов, которые с высокой вероятностью имеют место для нарисованных графов из определенного дистрибутива. Например, мы можем запросить заданное значение и , какова вероятность того, что подключен. Изучая такие вопросы, исследователи часто сосредотачиваются на асимптотическом поведении случайных графов - значения, к которым сходятся различные вероятности как , становятся очень большими. Теория перколяции характеризует связность случайных графов, особенно бесконечно больших.
Перколяция связана с устойчивостью графа (также называемого сетью). Дан случайный график из узлов и средней степени . Затем мы случайным образом удаляем фракцию узлов и оставляем только часть . Существует критический порог перколяции , ниже которого сеть становится фрагментированной. в то время как выше существует гигантский связный компонент.
Локализованная перколяция означает удаление узла, его соседей, следующих ближайших соседей и т. д. до дробной части of узлов из сети удалено. Было показано, что для случайного графа с распределением Пуассона степеней точно так же, как при случайном удалении. Для других типов распределения степеней для локализованной атаки отличается от случайной атаки (пороговые функции, эволюция )
Случайные графы широко используются в вероятностном методе, где пытаются доказать существование графов с определенными свойствами. Существование свойства на случайном графе часто может означать, через лемма Семереди о регулярности, существование этого свойства почти на всех графах.
В случайных регулярных графах, - это набор -регулярных графиков с таким образом, что и являются натуральные числа,
Последовательность степеней граф
Если ребра,
Почти каждый граф обрабатывает четное число вершин с ребром, повышающим минимальную степень до 1, или случайный граф. с немного большим, чем
Для некоторой константы
Свойства случайного графа могут изменяться или оставаться неизменными при преобразованиях графа. Машаги А. и др., Например, продемонстрировали, что преобразование, которое преобразует случайные графы в их дуальные по ребрам графы (или линейные графы), дает ансамбль графов с почти одинаковым распределением степеней, но со степенью корреляции и значительно более высокий коэффициент кластеризации.
Дан случайный граф G порядка n с вершиной V (G) = {1,..., n}, на жадный алгоритм по количеству цветов, вершины могут быть окрашены в цвета 1, 2,... (вершина 1 окрашена в 1, вершина 2 окрашена в 1, если она не смежна с вершиной 1, в противном случае она окрашен в 2 цвета и т. д.). Количество правильных раскрасок случайных графов с учетом количества q цветов, называемое его хроматическим полиномом, до сих пор остается неизвестным. Масштабирование нулей хроматического полинома случайных графов с параметрами n и количеством ребер m или вероятностью соединения p было исследовано эмпирически с использованием алгоритма, основанного на символьном сопоставлении с образцом.
A random tree - это tree или arborescence, которое формируется случайным процессом. В большом диапазоне случайных графов порядка n и размера M (n) распределение числа компонентов дерева порядка k асимптотически Пуассон. Типы случайных деревьев включают равномерное остовное дерево, случайное минимальное остовное дерево, случайное двоичное дерево, treap, быстрое изучение случайных дерево, броуновское дерево и случайный лес.
Рассмотрим данную модель случайного графа, определенную в вероятностном пространстве
Частными случаями являются условно однородные случайные графы, где
Во взаимозависимых графах узлы в одной сети (графе) зависят от функционирования других сетей. Таким образом, сбои в одном или нескольких графах вызывают каскадные сбои между графами, которые могут привести к внезапному коллапсу.
Самое раннее использование модели случайного графа было Хелен Холл Дженнингс и Джейкоб Морено в 1938 году, когда «случайная социограмма» (направленная модель Эрдеша-Реньи) рассматривалась при изучении сравнения доли взаимных ссылок в их сетевых данных со случайной моделью. Другое использование под названием «случайная сеть» было сделано Соломоновым и Рапопортом в 1951 году, когда использовалась модель ориентированных графов с фиксированной исходящей степенью и случайно выбранными присоединениями к другим вершинам.
Эрдеш– Модель Реньи случайных графов была впервые определена Полом Эрдёшем и Альфредом Реньи в их статье 1959 года «О случайных графах» и независимо Гилбертом в его статье «Случайные графы».