利用上述算法生成一段python脚本

好的，以下是一个利用上述算法生成具有社团结构的无标度网络的 Python 脚本示例：

import networkx as nx
import numpy as np

# 初始化一个包含 5 个节点的网络
G = nx.Graph()
G.add_nodes_from(range(5))
for i in range(5):
    G.add_edge(i, (i + 1) % 5)

# 参数设置
p = 0.5  # 连接概率
n = 50  # 总节点数
k = 5  # 平均度数
c = 0.5  # 社区结构参数

# 生成网络
for i in range(5, n):
    # 计算节点 i 应该连接到哪些节点
    k_i = np.random.poisson(k)
    nodes = np.random.choice(G.nodes(), size=k_i, replace=False)
    for node in nodes:
        if np.random.rand() < p:
            G.add_edge(i, node)
    
    # 引入社区结构
    for j in range(i):
        if np.random.rand() < c:
            if np.random.rand() < 0.5:
                G.add_edge(i, j)
            else:
                G.add_edge(i, np.random.choice(list(G.neighbors(j))))

# 输出生成的网络信息
print("Number of nodes:", G.number_of_nodes())
print("Number of edges:", G.number_of_edges())
print("Average degree:", np.mean(list(dict(G.degree()).values())))
print("Number of communities:", nx.algorithms.community.modularity_max.greedy_modularity_communities(G))

该脚本的基本思路是先初始化一个包含 5 个节点的网络，然后按照上述算法添加更多的节点和连接，最后计算生成的网络的一些基本信息，如节点数、边数、平均度数和社区结构等。你可以根据需要进行修改和优化。