二分随机图

使用 Erdős-Rényi 模型生成二分图

用法

bipartite_gnm(...)

bipartite_gnp(...)

sample_bipartite_gnm(
  n1,
  n2,
  m,
  ...,
  directed = FALSE,
  mode = c("out", "in", "all")
)

sample_bipartite_gnp(
  n1,
  n2,
  p,
  ...,
  directed = FALSE,
  mode = c("out", "in", "all")
)

参数

...

传递给 sample_bipartite_gnp()。

n1

整数标量，底部顶点数。

n2

整数标量，顶部顶点数。

m

整数标量，\(G(n,m)\) 图的边数。

directed

逻辑标量，是否创建有向图。另请参阅 mode 参数。

mode

字符标量，指定如何在有向图中定向边。如果为“out”，则有向边从底部顶点指向顶部顶点。如果为“in”，则边从顶部顶点指向底部顶点。“out”和“in”不会生成互边。如果此参数为“all”，则每个边方向都被独立考虑，并且可能会生成互边。此参数对于无向图将被忽略。

p

实数标量，\(G(n,p)\) 图的连接概率。

详细信息

与单分（单模式）网络类似，我们可以通过它们的生成过程为二分图定义 \(G(n,p)\) 和 \(G(n,m)\) 图类。在 \(G(n,p)\) 中，顶部和底部顶点之间的每个可能的边都以概率 \(p\) 实现，彼此独立。在 \(G(n,m)\) 中，我们均匀地选择 \(m\) 条边来实现。

参见

随机图模型（游戏）erdos.renyi.game(), sample_(), sample_bipartite(), sample_chung_lu(), sample_correlated_gnp(), sample_correlated_gnp_pair(), sample_degseq(), sample_dot_product(), sample_fitness(), sample_fitness_pl(), sample_forestfire(), sample_gnm(), sample_gnp(), sample_grg(), sample_growing(), sample_hierarchical_sbm(), sample_islands(), sample_k_regular(), sample_last_cit(), sample_pa(), sample_pa_age(), sample_pref(), sample_sbm(), sample_smallworld(), sample_traits_callaway(), sample_tree()

示例

## empty graph
sample_bipartite_gnp(10, 5, p = 0)
#> IGRAPH 2ca9ac7 U--B 15 0 -- Bipartite Gnp random graph
#> + attr: name (g/c), p (g/n), type (v/l)
#> + edges from 2ca9ac7:

## full graph
sample_bipartite_gnp(10, 5, p = 1)
#> IGRAPH 08b6e6b U--B 15 50 -- Bipartite Gnp random graph
#> + attr: name (g/c), p (g/n), type (v/l)
#> + edges from 08b6e6b:
#>  [1]  1--11  1--12  1--13  1--14  1--15  2--11  2--12  2--13  2--14  2--15
#> [11]  3--11  3--12  3--13  3--14  3--15  4--11  4--12  4--13  4--14  4--15
#> [21]  5--11  5--12  5--13  5--14  5--15  6--11  6--12  6--13  6--14  6--15
#> [31]  7--11  7--12  7--13  7--14  7--15  8--11  8--12  8--13  8--14  8--15
#> [41]  9--11  9--12  9--13  9--14  9--15 10--11 10--12 10--13 10--14 10--15

## random bipartite graph
sample_bipartite_gnp(10, 5, p = .1)
#> IGRAPH bef5fe6 U--B 15 2 -- Bipartite Gnp random graph
#> + attr: name (g/c), p (g/n), type (v/l)
#> + edges from bef5fe6:
#> [1] 1--13 3--14

## directed bipartite graph, G(n,m)
sample_bipartite_gnm(10, 5, m = 20, directed = TRUE, mode = "all")
#> IGRAPH ff5918f D--B 15 20 -- Bipartite Gnm random graph
#> + attr: name (g/c), m (g/n), type (v/l)
#> + edges from ff5918f:
#>  [1]  4->11  9->11  3->13 10->13  2->14  5->14  6->14 10->14  3->15  7->15
#> [11] 13-> 3 15-> 3 12-> 4 15-> 5 11-> 6 12-> 6 11-> 7 15-> 7 11-> 9 12-> 9