Python NetworkX waxman_graph用法及代碼示例

返回 Waxman 隨機圖。

Waxman 隨機圖模型將 n 節點均勻地隨機放置在矩形域中。距離 d 的每對節點都由一條邊以概率連接

此函數使用 L 關鍵字參數實現了兩個 Waxman 模型。

• Waxman-1：如果沒有指定L，則設置為任意一對節點之間的最大距離。
• Waxman-2：如果指定L，則從區間[0, L]中均勻隨機選擇一對節點之間的距離。

參數：

n：int 或可迭代

節點數或可迭代節點

beta: float：

型號參數

alpha: float：

型號參數

L：浮點數，可選

節點之間的最大距離。如果未指定，則計算實際距離。

domain：four-tuple 個數字，可選

域大小，以 (x_min, y_min, x_max, y_max) 形式的元組形式給出。

metric：函數

數字向量的度量(表示為列表或元組)。這必須是一個接受兩個列表(或元組)作為輸入並產生一個數字作為輸出的函數。該函數還必須滿足 metric 的四個要求。具體來說，如果\(d\)是函數，\(x\)、\(y\)和\(z\)是圖中的向量，那麽\(d\)必須滿足

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

2. \(d(x, y) = 0\) 當且僅當 \(x = y\) ，

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

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

如果未指定此參數，則使用歐幾裏德距離度量。

seed：整數、random_state 或無(默認)

隨機數生成狀態的指示符。請參閱隨機性。

返回：

圖形

一個隨機的 Waxman 圖，無向且沒有自環。每個節點都有一個節點屬性'pos'，該屬性存儲該節點在歐幾裏得空間中的位置，由該函數生成。

注意：

從NetworkX 2.0 開始，參數 alpha 和 beta 與它們在概率分布中的常見角色一致。在早期版本中，它們在表達式中的位置是相反的。它們在調用序列中的位置也顛倒了，以最大限度地減少向後不兼容。

參考：

1

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

例子：

使用 metric 關鍵字參數指定備用距離度量。例如，要使用“taxicab metric”而不是默認的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)