通过随机游走探索复杂网络

大多数真实复杂网络——如蛋白质相互作用、社会联系、互联网——仅部分已知且对我们可用。虽然在许多情况下探索此类网络的过程类似于随机游走，但研究和表征不同策略如何有效地覆盖此类网络的节点和边成为一个关键问题。同时，推断在此类网络探索过程中，诸如平均节点度和平均聚类系数等拓扑测量能被估计得多好也至关重要。本文通过考虑具有不同连通性的随机和Barabási-Albert (BA)网络模型，并由三种类型的随机游走探索来解决这些问题：传统游走、偏好未追踪边的游走和偏好未访问节点的游走。获得了一系列相关结果，包括：具有相同大小和平均节点度的随机和BA模型允许相似的节点和边覆盖效率；识别出覆盖给定百分比的节点/边时的随机游走步数与网络大小的线性标度；以及关键结果：通过随机游走对BA网络的平均节点度和聚类系数的估计通常会导致严重偏差。这些结果具有许多理论和实践意义。