用python代码复现watts-strogta model

Watts-Strogatz模型是一种复杂网络生成模型，它结合了无标度网络（如Barabási-Albert模型）和小世界网络的特点。以下是用Python代码简单复现这个模型的基本步骤：

import networkx as nx
import random

def watts_strogatz_graph(n, k, p):
    """
    Watts-Strogatz模型
    n: 网络节点数
    k: 每个节点原始连接数（邻接度）
    p: 将随机边的概率，从原链形结构中随机替换
    """
    # 创建链形结构
    G = nx.connected_watts_strogatz_graph(n, k, p)

    # 添加短程随机联系
    for node in G.nodes():
        neighbors = list(G.neighbors(node))
        if len(neighbors) > 1:  # 如果有邻居
            # 随机选择一个邻居作为新的边起点，另一个保持不变
            neighbor1, neighbor2 = random.sample(neighbors, 2)
            G.add_edge(neighbor1, neighbor2)

    return G

# 示例
n_nodes = 1000  # 节点数
k_neighbors = 4  # 原始链接数
rewiring_probability = 0.1  # 链条随机化的概率

G = watts_strogatz_graph(n_nodes, k_neighbors, rewiring_probability)
print(f"生成的网络包含 {n_nodes} 个节点")

在这个代码中，`nx.connected_watts_strogatz_graph`函数用于创建初始的链条结构，然后通过随机选择和添加新边来引入短程联系。你可以通过调整参数来观察模型如何影响网络的结构。