根据 \(G(n,p)\) Erdős-Rényi 模型生成随机图

每条可能的边都以相同的概率 p 独立创建。此模型也称为伯努利随机图，因为顶点对的连通性状态遵循伯努利分布。

用法

sample_gnp(n, p, directed = FALSE, loops = FALSE)

gnp(...)

参数

n

图中的顶点数。

p

在两个任意顶点之间绘制边的概率（\(G(n,p)\) 图）。

directed

逻辑值，表示该图是否为有向图，默认为 FALSE。

loops

逻辑值，表示是否添加自环边，默认为 FALSE。

...

传递给 sample_gnp()。

值

一个图对象。

详细信息

该图有 n 个顶点，并且每对顶点都以相同的概率 p 连接。 loops 参数控制是否也考虑自连接。此模型有效地约束了边的平均数量，\(p m_\text{max}\)，其中 \(m_\text{max}\) 是边的最大可能数量，这取决于图是有向还是无向，以及是否允许自环。

参考文献

Erdős, P. 和 Rényi, A., On random graphs, Publicationes Mathematicae 6, 290–297 (1959)。

参见

随机图模型（博弈） bipartite_gnm(), 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_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()

作者

Gabor Csardi csardi.gabor@gmail.com

示例

# Random graph with expected mean degree of 2
g <- sample_gnp(1000, 2 / 1000)
mean(degree(g))
#> [1] 2.056
degree_distribution(g)
#>  [1] 0.119 0.274 0.279 0.173 0.099 0.037 0.013 0.004 0.000 0.002

# Pick a simple graph on 6 vertices uniformly at random
plot(sample_gnp(6, 0.5))