知识 Wiki 总览 / 复杂网络
复杂网络：概念与学习路线
更新于 2026-11-07条目链接
复杂网络用节点与边描述大量对象之间的相互作用，关注连接结构如何形成，以及结构如何影响传播、协作与系统稳定性。社交关系、论文引用、蛋白质相互作用和交通连接都可以构建为网络，但节点与边的定义必须服务于具体问题。
从图开始
记网络为 G=(V,E)，节点数 N=|V|，边数 M=|E|。无向图描述对称关系，有向图描述关注、引用等有方向的关系；加权图用边权表示强度、次数或距离。简单图不包含自环与平行边，多重图允许同一对节点间有多条边。
邻接矩阵 A 的元素 Aᵢⱼ表示 i 与 j 是否连接；无向网络的矩阵对称。大规模稀疏网络通常用边列表或稀疏矩阵存储，更节省空间。
建模前先回答
- 节点是什么？是否存在遗漏或重复身份？
- 什么事件产生一条边？方向、权重、时间窗口如何定义？
- 孤立节点是否被完整纳入？未观察到边是否等于没有关系？
- 研究目标是描述结构、解释形成机制，还是预测动态过程？
建议学习顺序
- 常用结构指标：度、聚类、距离与中心性。
- 经典网络模型：用基准模型理解结构来源。
- 社区发现：识别中观结构并检验稳定性。
- 传播与鲁棒性：连接结构如何影响动态过程。
- Python 实践：从一个可复现的小网络开始。
常见误区
网络图布局中的远近不必然代表真实距离；相关关系不等于因果；存在枢纽不等于已经证明无标度。研究结论要明确数据边界、模型假设和比较基准。