标签：
第一次接触复杂性科学是在一本叫think complexity的书上，Allen博士很好的讲述了数据结构与复杂性科学，barabasi是一个知名的复杂性网络科学家，barabasilab则是他所主导的一个实验室，这里的笔记则是关于里面介绍的课程的笔记，当然别人的课程不是公开课，所以从ppt里只能看到骨干的东西了，对了补充下，slider相关的书籍在这里可以找到
这一节课有事蛮多数学推导，相比较对程序的掌握，感觉自己应该更重视数学一点。
好了不说了，这一节课讲什么呢？讲的BA模型，它解释了无标度性出现的原因和机制。
记得前面我们谈过的两种网络模型么？
随机网络和无标度网络
记得它们之间的区别么？
它们之间表现最大的区别可能就是hubs（枢纽）的出现，就是说hubs会在无标度网络出现而不是随机网络。
BA模型的目的是为了解释这两个问题的：
怎么样，好奇么？我也好奇。BA模型从这两个方面来解释了这两个问题：
- 增长模式：不少现实网络是不断扩大不断增长而来的，例如互联网中新网页的诞生，人际网络中新朋友的加入，新的论文的发表，航空网络中新机场的建造等等。（节点N是增加的，随时间）
- 优先连接模式：新的节点在加入时会倾向于与有更多连接的节点相连，例如新网页一般会有到知名的网络站点的连接，新加入社群的人会想与社群中的知名人士结识，新的论文倾向于引用已被广泛引用的著名文献，新机场会优先考虑建立与大机场之间的航线等等。（链接是非随机的）
我们可以想象到，BA模型有很好的对现象的解释能力。但仍然属于对无标度网络（点击这个链接）的一种解释。
这个模型的公式推导蛮复杂但是背后的这些却很简单：为了理解复杂系统的拓扑结构，我们需要描述这个系统是如何形成的
当然了，任何模型都有缺点，他自己也描述了，在wiki的无标度网络页面里也有描述，这里我就不赘述
barabasilab-networkScience学习笔记5- Barabási-Albert 模型
标签：
原文地址：http://www.cnblogs.com/wybert/p/4414098.html
