编制程序实现基于随机图理论构建节点数N=100的随机网络，并分别绘制不同p值情况下的随机网络的度分步，P值分别以0.1为步长从0到1取

要编写程序来实现基于随机图理论构建节点数为100的随机网络并绘制不同p值下度分布曲线，你可以使用Python语言结合如`networkx`库来进行这样的任务。这里是一个简单的步骤指南：

首先，确保已安装了必要的库，如果没有，可以使用`pip install networkx matplotlib`命令安装。

import numpy as np
import networkx as nx
import matplotlib.pyplot as plt

# 定义节点数
N = 100

# 创建列表，用于存储不同p值对应的网络
degree_distributions = []

# 设置p值范围，以0.1步长从0到1
p_values = np.arange(0, 1, 0.1)

for p in p_values:
    # 使用Erdős–Rényi模型生成随机图
    G = nx.random_graphs.gnp_random_graph(N, p)
    
    # 计算每个节点的度数
    degrees = [node.degree for node in G.nodes]
    
    # 度分布作为频率或概率计算
    degree_distribution = list(np.histogram(degrees, bins=np.arange(0, N+2))[0])
    
    # 存储每一步的度分布
    degree_distributions.append(degree_distribution)
    
# 绘制度分布曲线
fig, ax = plt.subplots()
ax.set_xlabel('Degree')
ax.set_ylabel('Probability')
ax.plot(range(0, N+2), degree_distributions, label=f"P-values: {p_values}")
ax.legend(title='P-value')

plt.title("Degree distributions of random graphs with varying edge probabilities")
plt.show()