Erdős-Rényi-modellen er en af to nært beslægtede modeller til generering af tilfældige grafer . Modellerne er opkaldt efter matematikerne Pal Erdős og Alfred Rényi , som først introducerede en af modellerne i 1959 [1] [2] , mens Edgar Hilbert foreslog en anden model samtidigt og uafhængigt af Erdős og Rényi [3] . I Erdős og Rényis model er alle grafer med et fast sæt hjørner og et fast sæt kanter lige sandsynlige. I Hilberts model har hver kant en fast tilstedeværelse eller fraværssandsynlighed uafhængig af andre kanter. Disse modeller kan bruges i en probabilistisk metode til at bevise eksistensen af grafer, der opfylder forskellige egenskaber, eller til at give en præcis definition af, om en egenskab forstås at holde for næsten alle grafer.
Der er to nært beslægtede versioner af Erdős-Rényi-modellen af en tilfældig graf.
Tilfældige grafers adfærd studeres ofte, når n , antallet af hjørner i grafen, har en tendens til uendelig. Selvom p og M kan være faste i dette tilfælde, kan de også afhænge af en funktion af n . For eksempel redegørelsen
Næsten alle grafer er forbundetmidler
Da n har en tendens til det uendelige, er sandsynligheden for, at en graf med n toppunkter og en kantinklusionssandsynlighed 2ln( n )/ n forbundet, en tendens til 1.Den matematiske forventning om antallet af kanter i er lig med , og ifølge loven om store tal vil enhver graf i B næsten helt sikkert have omtrent dette antal kanter. Derfor, groft sagt, hvis , så skulle G ( n , p ) opføre sig som G ( n , M ) s når n vokser .
Dette er tilfældet for mange grafegenskaber. Hvis P er en egenskab ved en graf, der er monoton i forhold til undergrafrækkefølgen (hvilket betyder, at hvis A er en undergraf af B , og A opfylder P , så vil B også opfylde P ), så gælder udsagn " P for næsten alle grafer i " og " P gælder for næsten alle grafer i " er ækvivalente (for ). For eksempel gælder dette, hvis P har egenskaben at være forbundet, eller hvis P har egenskaben at have en Hamiltonsk cyklus . Dette gælder dog ikke nødvendigvis for ikke-monotone egenskaber (f.eks. egenskaben til at have et lige antal kanter).
I praksis er modellen en af de mest brugte i dag, blandt andet på grund af den nemme analyse, som edge-uafhængighed giver.
Med ovenstående notation har grafen i gennemsnit kanter. Toppunktsgradfordelingen er binomial [4] :
hvor n er det samlede antal hjørner i grafen. Fordi
kl ogdenne fordeling er Poisson-fordelingen for stor n og np = konstant.
I et papir fra 1960 beskrev Erdős og Rényi [5] adfærden meget nøjagtigt for forskellige p -værdier . Deres resultater omfatter:
Således er den nøjagtige tærskelsandsynlighed for tilslutning .
Yderligere egenskaber ved grafen kan beskrives næsten nøjagtigt, da n har en tendens til uendelig. For eksempel er der k ( n ) (ca. lig med 2log 2 ( n )), sådan at den største klike i næsten helt sikkert enten er af størrelsen k ( n ) eller [6] .
Så selvom problemet med at finde størrelsen af den største klike i en graf er NP-komplet , er størrelsen af den største klike i en "typisk" graf (ifølge denne model) godt forstået.
Kant-duale grafer af Erdős-Rényi grafer er grafer med næsten samme gradfordelinger, men med gradkorrelation og en meget højere klyngekoefficient [7] .
I perkolationsteori undersøges en endelig eller uendelig graf, og kanter (eller forbindelser) fjernes tilfældigt. Så er Erdős-Rényi-processen i virkeligheden en uvægtet perkolation på hele grafen . Da teorien om perkolation har dybe rødder i fysikken , er der lavet en stor mængde forskning på gitter i euklidiske rum. Overgangen ved np =1 fra den gigantiske komponent til den lille komponent har analoger til disse grafer, men for gitter er overgangspunktet vanskeligt at bestemme. Fysikere taler ofte om at studere hele grafen som en selvkonsistent feltmetode . Så er Erdős-Rényi-processen tilfældet med et gennemsnitligt perkolationsfelt.
En del betydeligt arbejde er også blevet udført med perkolering på tilfældige grafer. Fra et fysisk synspunkt forbliver modellen en middelfeltmodel, hvorfor motivationen for forskning ofte formuleres i form af stabiliteten af en graf, der ses som et kommunikationsnetværk. Lad en tilfældig graf med noder med gennemsnitlig grad < k > blive givet. Vi fjerner andelen af noder og forlader netværkets share p′ . Der er en kritisk perkolationstærskel , under hvilken netværket bliver fragmenteret, mens der over tærsklen er en kæmpe forbundet komponent af orden n . Den relative størrelse af den gigantiske komponent er givet ved formlen [5] [1] [2] [8] .
Hovedantagelserne for begge modeller (at kanterne er uafhængige, og at hver kant er lige sandsynlig) er muligvis ikke egnede til at modellere nogle virkelige fænomener. Især fordelingen af grader af hjørner af Erdős-Rényi grafer har ikke tunge haler af fordelingen, mens fordelingen anses for at have en tung hale i mange rigtige netværk . Desuden har Erdős-Rényi grafer lav clustering, hvilket ikke er tilfældet i mange sociale netværk. For populære modelalternativer, se artiklerne The Barabasi-Albert Model og The Watts and Strogats Model . Disse alternative modeller er ikke perkolationsprocesser , men er i stedet henholdsvis vækst- og omledningsmodeller. Erdős-Rényi netværksinteraktionsmodellen blev for nylig udviklet af Buldyrev et al . [9] .
Modellen blev først foreslået af Edgar Hilbert i et papir fra 1959, der studerede forbindelsestærsklen nævnt ovenfor [3] . Modellen blev foreslået af Erdős og Renyi i deres papir fra 1959. Som i Hilberts tilfælde undersøgte de forbindelsen , og en mere detaljeret analyse blev udført i 1960.