具有规定度序列与子图族的网络生成及分析：高阶结构至关重要

设计能够在改变子图组成及子图在节点周围分布的同时生成具有给定度序列的网络算法，是一个重要且具有挑战性的研究问题。现有算法缺乏对关键网络参数的控制、无法指定节点所属的子图、复杂度代价高昂，或者关键地从有限的网络集合中采样。为了能够对子图的影响和作用进行可控研究，特别是针对传染病、神经元活动或复杂传染，生成过程必须具备通用性，且生成的网络应尽可能多样。本文提出两种新的网络生成算法，以子图为构建模块来构造保持给定度序列的网络。此外，这些算法在节点和全局层面对聚类提供了控制。在这两种情况下，我们均表明，尽管受度序列和全局聚类的约束，所生成网络具有显著不同的拓扑结构，这体现在子图普遍程度与节点周围分布，以及路径长度和中介中心性度量等大规模网络结构指标上。在这些网络上对标准传染病和复杂传染模型进行的模拟表明，度分布和全局聚类并不总是能准确预测其上发生的动力学过程的结果。最后我们讨论了两种方法的优点与局限。