مدل باراباشی آلبرت. مدل باراباشی - آلبرت ( انگلیسی: Barabási–Albert model ) یک الگوریتم تولید شبکه پیچیده بی مقیاس با ساز و کار پیوست ترجیحی است. گمان می شود شبکه های طبیعی ای مانند شبکه تنظیم ژن و برخی شبکه های مصنوعی، از قبیل، اینترنت، وب جهان گستر، تحلیل استنادی و بعضی از شبکه های اجتماعی [ ۱] تقریبا بی مقیاس باشند و شامل رئوس کمی با درجهٔ بالای غیر عادی در مقایسه با سایر رئوس شبکه باشند. [ ۲] این راس ها را «شاه راس» یا «hub» گویند.
هدف مدل باراباشی - آلبرت، ایجاد یک شبکه بی مقیاس است. این مدل منجر به یک شبکه جهان کوچک با توزیع درجه توانی می شود. با وجود این که شبکه های دنیای واقعی دارای توزیع درجه ای شبیه به توزیع توانی هستند[ ۳] ، اما مدل باراباشی - آلبرت به دلیل پایین بودن ضریب خوشگی در شبکه ای که ایجاد می کند، مدل کاملی برای شبیه سازی یک شبکه واقعی نیست. مدل دیگری که بر اساس پیوست ترجیحی منجر به یک شبکه جهان کوچک با توزیع درجه توانی می شود، مدل هُلم - کیم[ ۴] است. در مدل هلم - کیم شبکه ها با ضریب خوشگی بالاتری ایجاد می شوند.
بسیاری از شبکه های مشاهده شده ( حداقل تقریباً ) در کلاس شبکه های بی مقیاس قرار می گیرند، به این معنی توزیع درجه شان توانی ( یا بی مقیاس ) است، در حالی که مدل های تصادفی ای همچون مدل اردوش - رنیی و مدل واتس - اشتروگاتز از توزیع توانی تبعیت نمی کنند. مدل باراباشی - آلبرت یکی از مدل هایی ست که شبکه های بی مقیاس تولید می کند. این مدل دو مفهوم کلی مهم دارد: رشد و پیوست ترجیحی؛ که هردو به طور گسترده در شبکه های واقعی وجود دارند.
مفهوم اول، رشد، یعنی تعداد راس ها در طول زمان افزایش می یابد.
مفهوم دوم یعنی پیوست ترجیحی به این معناست که هرچه یک راس بیشتر پیوندیده باشد، احتمال بیشتری برای دریافت پیوندهای جدید دارد. راس های با درجهٔ بیشتر، میل بیشتری برای پیوند خوردن به راس های نوورود دارند. برای شهود بهتر به دو مثال توجه کنید. اولی شبکه ای از افراد است. در اینجا پیوند دو راس به معنی آشنایی یکی با دیگریست. حال وقتی تازه واردی وارد اجتماع می شود، احتمال بیشتری دارد که با افراد مشهورتر آن آشنا شود تا دیگر افراد. برای مثال دوم شبکه جهانی وب را درنظر بگیرید. در اینجا نیز مدل باراباشی - آلبرت فرض می کند که صفحات جدید ترجیحاً به شاه راس ها ( سایت های مشهوری همچون گوگل و نه صفحات ناشناخته ) پیوند می خورند.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفهدف مدل باراباشی - آلبرت، ایجاد یک شبکه بی مقیاس است. این مدل منجر به یک شبکه جهان کوچک با توزیع درجه توانی می شود. با وجود این که شبکه های دنیای واقعی دارای توزیع درجه ای شبیه به توزیع توانی هستند[ ۳] ، اما مدل باراباشی - آلبرت به دلیل پایین بودن ضریب خوشگی در شبکه ای که ایجاد می کند، مدل کاملی برای شبیه سازی یک شبکه واقعی نیست. مدل دیگری که بر اساس پیوست ترجیحی منجر به یک شبکه جهان کوچک با توزیع درجه توانی می شود، مدل هُلم - کیم[ ۴] است. در مدل هلم - کیم شبکه ها با ضریب خوشگی بالاتری ایجاد می شوند.
بسیاری از شبکه های مشاهده شده ( حداقل تقریباً ) در کلاس شبکه های بی مقیاس قرار می گیرند، به این معنی توزیع درجه شان توانی ( یا بی مقیاس ) است، در حالی که مدل های تصادفی ای همچون مدل اردوش - رنیی و مدل واتس - اشتروگاتز از توزیع توانی تبعیت نمی کنند. مدل باراباشی - آلبرت یکی از مدل هایی ست که شبکه های بی مقیاس تولید می کند. این مدل دو مفهوم کلی مهم دارد: رشد و پیوست ترجیحی؛ که هردو به طور گسترده در شبکه های واقعی وجود دارند.
مفهوم اول، رشد، یعنی تعداد راس ها در طول زمان افزایش می یابد.
مفهوم دوم یعنی پیوست ترجیحی به این معناست که هرچه یک راس بیشتر پیوندیده باشد، احتمال بیشتری برای دریافت پیوندهای جدید دارد. راس های با درجهٔ بیشتر، میل بیشتری برای پیوند خوردن به راس های نوورود دارند. برای شهود بهتر به دو مثال توجه کنید. اولی شبکه ای از افراد است. در اینجا پیوند دو راس به معنی آشنایی یکی با دیگریست. حال وقتی تازه واردی وارد اجتماع می شود، احتمال بیشتری دارد که با افراد مشهورتر آن آشنا شود تا دیگر افراد. برای مثال دوم شبکه جهانی وب را درنظر بگیرید. در اینجا نیز مدل باراباشی - آلبرت فرض می کند که صفحات جدید ترجیحاً به شاه راس ها ( سایت های مشهوری همچون گوگل و نه صفحات ناشناخته ) پیوند می خورند.
wiki: مدل باراباشی آلبرت