Python NetworkX waxman_graph用法及代码示例

返回 Waxman 随机图。

Waxman 随机图模型将 n 节点均匀地随机放置在矩形域中。距离 d 的每对节点都由一条边以概率连接

此函数使用 L 关键字参数实现了两个 Waxman 模型。

• Waxman-1：如果没有指定L，则设置为任意一对节点之间的最大距离。
• Waxman-2：如果指定L，则从区间[0, L]中均匀随机选择一对节点之间的距离。

参数：

n：int 或可迭代

节点数或可迭代节点

beta: float：

型号参数

alpha: float：

型号参数

L：浮点数，可选

节点之间的最大距离。如果未指定，则计算实际距离。

domain：four-tuple 个数字，可选

域大小，以 (x_min, y_min, x_max, y_max) 形式的元组形式给出。

metric：函数

数字向量的度量(表示为列表或元组)。这必须是一个接受两个列表(或元组)作为输入并产生一个数字作为输出的函数。该函数还必须满足 metric 的四个要求。具体来说，如果\(d\)是函数，\(x\)、\(y\)和\(z\)是图中的向量，那么\(d\)必须满足

1. \(d(x, y) \ge 0\) ,

2. \(d(x, y) = 0\) 当且仅当 \(x = y\) ，

3. \(d(x, y) = d(y, x)\) ,

4. \(d(x, z) \le d(x, y) + d(y, z)\) 。

如果未指定此参数，则使用欧几里德距离度量。

seed：整数、random_state 或无(默认)

随机数生成状态的指示符。请参阅随机性。

返回：

图形

一个随机的 Waxman 图，无向且没有自环。每个节点都有一个节点属性'pos'，该属性存储该节点在欧几里得空间中的位置，由该函数生成。

注意：

从NetworkX 2.0 开始，参数 alpha 和 beta 与它们在概率分布中的常见角色一致。在早期版本中，它们在表达式中的位置是相反的。它们在调用序列中的位置也颠倒了，以最大限度地减少向后不兼容。

参考：

1

B. M. Waxman, Routing of multipoint connections. IEEE J. Select. Areas Commun. 6(9),(1988) 1617-1622.

例子：

使用 metric 关键字参数指定备用距离度量。例如，要使用“taxicab metric”而不是默认的Euclidean metric：

>>> dist = lambda x, y: sum(abs(a - b) for a, b in zip(x, y))
>>> G = nx.waxman_graph(10, 0.5, 0.1, metric=dist)