Documente Academic
Documente Profesional
Documente Cultură
En la actualidad las redes complejas se estudian por su relacin con muchos campos de
la ciencia. Sin duda, muchos sistemas en la naturaleza se pueden describir por medio de
redes complejas, que topolgicamente son grafos (estructuras matemticas formadas
por nodos (o vrtices) conectados por enlaces (o aristas)) a los que se agregan algunas
caractersticas dinmicas que hacen necesario estudiarlos desde varios puntos de vista.
(algo as como un cdigo gentico que nos permita con absoluta precisin establecer
comparaciones entre ellas).
El conjunto de definiciones
relacionadas con la medicin de distancias internas que necesitamos son:
La distancia dij
, se define como la media de las distancias entre todos los pares de nodos, es
decir, la separacin tpica entre pares de nodos.
A medida que se tenan ms datos de redes complejas reales se constat que la longitud
promedio de los caminos de la mayora de ellas era relativamente pequea, incluso en
los casos en que estos tipos de redes tuvieran muchos menos enlaces de los posibles que
se podran dar (a menor cantidad de conexiones en el mundo, parece claro que haya que
hacer recorridos ms largos para poder llegar de un nodo a otro). Esta caracterstica es
lo que se llam efecto de mundo pequeo, y de ah el nombre de redes de mundo
pequeo que intentan modelarlo.
Coeficiente de Clustering
En tu red de amigos es muy posible que los amigos de tus amigos sean
tambin amigos tuyos. Esta propiedad se refiere a la agrupacin (o clustering, por su
nombre en ingls) de la red. Ms precisamente, podemos definir un coeficiente de
clustering C
como la proporcin media de pares de vecinos de un nodo que tambin son vecinos
entre s.
Supongamos que un nodo i
de la red tiene ki vecinos (o enlaces). Es evidente que, a lo sumo pueden existir
ki(ki1)/2 enlaces entre ellos (y esto solo ocurre si todos estn conectados entre s).
El coeficiente de clustering, Ci, del nodo i se define entonces como la proporcin entre,
Ci=Eiki(ki1)/2
El coeficiente de clustering de la red ser la media de los coeficientes de clustering de
todos sus nodos. Obviamente, C1
y solo tomar el valor 1 en el caso de que la red sea completa (es decir, aquella que
tiene todas las posibles conexiones entre todos sus nodos). En una red completamente
aleatoria de N nodos se puede probar que C1/N, un valor que sera muy pequeo en
la mayora de las redes reales, que tienen un nmero muy elevado de nodos. Sin
embargo, se ha constatado numricamente que la mayora de las redes reales tienen
Distribucin de Grados
La ms simple, y quizs tambin la ms usada, caracterstica individual de un nodo es
su grado. El grado, ki
, de un nodo i se define generalmente como el nmero total de sus conexiones. El
promedio de los grados de los nodos de una red se llama grado medio de la red, y se
denota por k
.
La distribucin de grados de los nodos en una red viene dado por la funcin de
distribucin P(k)
, que es la probabilidad de que un nodo seleccionado al azar tenga exactamente k
enlaces. Una red regular tiene una distribucin de grados muy simple, porque todos los
nodos tienen el mismo nmero de enlaces, por lo que su grfica vendra representada
por una distribucin de tipo delta (es decir, la funcin se anula para todos los posibles
grados, menos para el grado que tienen todos sus nodos, donde se alcanza el valor 1).
Cualquier aleatoriedad en la red ampliar la forma de este pico, y en el caso lmite de
una red completamente aleatoria, la distribucin de grados sigue una distribucin de
Poisson, donde la forma de la distribucin cae de manera exponencial a medida que nos
alejamos del valor mximo, k. Debido a este descenso exponencial, la probabilidad de
encontrar un nodo con k enlaces se convierte en insignificante para k>>k
.
En los ltimos aos, muchos resultados empricos muestran que en la mayora de las
redes reales de gran escala el grado de distribucin se desva significativamente de la
distribucin de Poisson. En particular, para muchas redes el grado de distribucin se
describe mucho mejor por una ley de potencias de la forma P(k)k
. Esta distribucin cae de forma ms gradual que una exponencial, lo que permite la
existencia de algunos nodos de grado muy alto. Debido a que estas leyes de potencia no
se concentran alrededor de una media (escala), es por lo que se llaman libres de escala.
Redes regulares
completa con N nodos tiene N(N1)/2 enlaces, mientras que la mayora de las redes
reales de gran escala parecen tener un nmero de enlaces de orden O(N) en lugar de
O(N2)
.
Redes aleatorias
En el extremo opuesto del espectro de una red totalmente regular estn las redes
completamente aleatorias, que como notamos al principio de este texto, fueron
estudiadas por Erds y Rnyi (ER) a finales de las dcada de los 50.
Supongamos que tenemos un gran nmero de nodos (N>>1
) y que con una cierta probabilidad p (la misma siempre), se conecta cada par de nodos
con un enlace. El resultado es un grafo aleatorio ER con N nodos y aproximadamente
pN(N1)/2
enlaces.
k=p(n1)pN
, y la longitud del camino promedio es Lln(N)/k, por lo que, debido a que lnN
crece lentamente en funcin de N, la longitud del camino promedio se mantiene
bastante bajo incluso en una red con muchos nodos. Este aumento logartmico de la
longitud del camino promedio con el tamao de la red es un efecto tpico de mundo
pequeo. Por otro lado, en una red aleatoria el coeficiente de clustering es
y se reconecta uno de sus extremos con cualquiera de los otros nodos de la red.
. Este resultado es bastante natural: por una parte, basta hacer varias reconexiones
aleatorias para disminuir la longitud del camino promedio significativamente, pero por
otra parte, unas pocas reconexiones no pueden cambiar de manera crucial el valor de
clusterizacin local de la red.
Este modelo de mundo pequeo WS tambin se puede ver como una red homognea en
la que todos los nodos tienen aproximadamente el mismo nmero de enlaces. En este
sentido, es similar al modelo aleatorio ER. Se han realizado algunas variantes sobre la
misma idea, una de ellas fue la propuesta por Newman y Watts, en la que no se rompen
conexiones, sino que solo se aaden conexiones entre nodos lejanos con probabilidad p
. Si p=0, tenemos la red original, y si p=1 se convierte en una red completa. El
modelo NW es algo ms fcil de analizar que el modelo de WS original, ya que no
produce grupos aislados al mantener los enlaces originales. Para valores de p
suficientemente pequeos y N
suficientemente grandes, el modelo NW es esencialmente equivalente al modelo de WS.
En la actualidad, estos dos modelos se denominan comunmente modelos de mundo
pequeo.
Los modelos de mundo pequeo, tienen sus races en las redes sociales no virtuales,
donde la mayora de la gente es amiga de sus vecinos fsicos inmediatos, por ejemplo
los vecinos en la misma calle o compaeros en la misma oficina. Por otro lado, muchas
personas tienen un par de amigos que estn lejos, en la distancia, como amigos de otros
pases, que estn representados por las conexiones de largo alcance creadas por el
procedimiento de reconexin que hemos visto.
mm0
de los nodos ya existentes.
Enlace preferencial: La probabilidad, i, de que un nuevo nodo se conecte al nodo
i (uno de los nodos ya existentes) depende del grado, ki, de ste: i=ki/jkj
1
Tras t
pasos, el algoritmo da como resultado una red con N=t+m0 nodos y mt enlaces, y se
obtiene una red libre de escala: la forma de la distribucin de grados no cambia con el
tiempo, es decir, no cambia debido a un aumento de la escala de la red. La distribucin
de grados sigue una ley de potencias con exponente -3, es decir, la probabilidad de
encontrar un nodo con k enlaces es proporcional a k3
.
Los resultados numricos muestran que, en comparacin con una red aleatoria con el
mismo nmero de nodos y el mismo grado medio, la longitud del camino promedio del
modelo libre de escala es algo menor, y sin embargo el coeficiente de clustering es
mucho mayor. Esto implica que la existencia de unos pocos nodos con grado alto
desempea un papel clave en acercar los nodos entre s.
El modelo BA es un modelo minimalista que captura los mecanismos responsables de la
distribucin de grados que sigue una ley de potencias, aunque tiene algunas limitaciones
evidentes cuando se compara con algunas redes del mundo real, lo que ha provocado
que se haya intensificado la bsqueda de otros modelos evolutivos que superen estas
limitaciones.