Estamos chegando ao fim de nosso estudo sobre as redes aleatórias e queremos neste artigo discutir se estas redes apresentam caminhos curtos, como vimos nas redes complexas reais. Mas antes, vamos recapitular o que sabemos sobre estas redes até agora.
Nós vimos dois tipos de algoritmos para geração de redes aleatórias fictícias: as redes G(n,p), propostas por Gilbert; e as redes G(n,m), propostas por Erdös e Rényi. A despeito da diferença de algoritmo, vimos que os modelos gerados são equivalentes entre si, possuindo as mesmas propriedades. Controlando os parâmetros destas redes, percebemos que é possível gerar redes fictícias esparsas com densidade similar àquelas vistas em redes reais e que, a depender do valor da densidade ($densidade > \frac{1}{n-1}$), a rede forma uma componente conectada proeminente, contendo a maior parte dos nós da rede.
Em nossos estudos também vimos que a distribuição do grau nestas redes segue uma distribuição binomial, fazendo com a rede tenha a maior parte de seus nós com grau próximo da média e distribuídos de forma simétrica em relação à ela, ou seja, vimos que estas redes não são livres de escala. Também vimos que a aglomeração em redes aleatórias cresce linearmente com a densidade, precisando que a rede deixe de ser esparsa para que os grupos surjam, o que não é observado em redes reais.
Mas e quanto a formação de caminhos curtos? Será que as redes aleatórias são eficientes como as redes reais?
Veremos que a resposta para estas questões é sim e faremos isso, inicialmente, mostrando com um modelo teórico.
Considere a métrica de Tamanho Médio do Caminho. É possível observar que de modo geral, conforme $p$ aumenta, o tamanho médio do caminho tende a diminuir, porque há um aumento da densidade. Da mesma forma, se aumentarmos o grau médio ($\lambda$) também diminuímos o TMC. Assim, existe uma aproximação para o valor do tamanho médio do caminho, que é dada por $\frac{\log{n}}{\log{\lambda}}$.
A ideia por trás da fórmula é que em uma rede aleatória suficientemente grande de grau médio $\lambda$, se partirmos de um nó qualquer atingiremos $\lambda$ nós com um salto, $\lambda^2$ nós com dois saltos (já que cada vizinho do nó original tem em média $\lambda$ vizinhos) e, generalizando, $\lambda^D$ nós com $D$ saltos. Assim, assumindo que $D$ é a quantidade de saltos média para atingir todos os $n$ nós da rede, teremos:
$n=1+\lambda+\lambda^2+\lambda^3+\ldots+\lambda^D$
O que temos acima é a soma de uma progressão geométrica com razão $\lambda$, o primeiro termo $1$ e o último termo $\lambda^D$, que pode ser calculada por
$n = 1 \times \frac{\lambda^{D+1}-1}{\lambda-1}$
Este valor pode ser aproximado por $\lambda^D$, para $\lambda$ grande. Assim temos que
$n \cong \lambda^D \Rightarrow \log{n} \cong D\log{\lambda} \Rightarrow D = \frac{\log{n}}{\log{\lambda}}$
Este resultado aparece no trabalho Models of the Small World de Mark Newman, reconhecido autor na área de Ciência das Redes cujos esforços ajudaram muito a sedimentar os principais achados dela. Neste artigo, publicado no Journal of Statistical Physics em 2000, Newman revê diversos aspectos do efeito mundo-pequeno (small-world effect) sendo esta equação um dos resultados. Este é um resultado importante porque o aumento logarítmico do TMC com o tamanho da rede é a representação formal do efeito de efeito mundo-pequeno. Como $\log{n}$ cresce devagar com $n$, a tendência é que o TMC cresça pouco em sistemas muito grandes.
Note que o resultado é uma boa aproximação para o comportamento geral do TMC, mas que tende a subestimar o valor real. Para isso, Ted Lewis, em seu livro Network Science: Theory and Applications, apresenta outra aproximação que encontra melhores resultados. Sua aproximação para o TMC, obtida experimentalmente via regressão por mínimos quadrados, é
$TMC = \frac{1.32(\log_2{n})}{\log_2{(1.51\times n \times densidade)}}$
Para demonstrar a acurácia do modelo de Lewis, realizei uma simulação para redes G(n,p) com 100, 150 e 200 nós e para diferentes valores de grau médio ($\lambda = {7,8,\ldots,14}$). Para cada rede gerada, computamos o TMC obtido na rede e o TMC aproximado pelos modelos de Newman e de Lewis. Os gráficos abaixo mostram os resultados desta simulação e o comportamento que havíamos descrito.
Comentários
Postar um comentário