动力学模拟2

阅读几篇动力学的文章，基本上是以概率论和状态转移为基础的。

第一个是分析邮件网络中的关系，以一天为时间单位，运行113天，得到113章静态的网络拓扑图，分析网络图中的相关性，很小，说明当前有连接关系的两个结点，在下一张图中不一定有，主要分析相邻时间点上的图的相关性；发现度数大的结点并不总是度数大的，随着时间的推移，结点的度数出现很大的波动性。

他们是从统计学的角度来研究，大范围内的探讨。主要分析静态图的演化变迁，这其中包含了许多的信息，网络的结构是依赖于时间的，他们之间的相关性与差异性（方差）提供了很好的证明；网络攻击上，结点的度数是变化的，所以目的攻击并不一定是成功的，因为度数最大的几个结点并不总是固定的。

所采用的方法就是对单张静态图进行分析，根据公式计算出一些宏观量值，然后总的比较分析。

第二个是利用状态空间的模型来模拟生物学中的种群数量的进化过程。

为群体设定一个状态空间，对于特定的状态，设定相应的测度空间，因为是基于population的，所以用概率密度函数来表示相应的测度，然后根据进化的特征定义状态的转移概率。（pdf：概率密度函数表示，比如说t时刻年龄超过i的动物数量）。

具体的方法：状态空间模型的建模就是状态变化的推断，用概率论中的方法，先设定出模型，包含不可知的参数然后做实验，然后用极大似然法来估计模型中的参数。

这个算是状态空间模型的方法，应该可以类似于这种方式，他们是基于种群的数量，我们可以是基于网络的层次性与结构性，以此为测度，利用相似的方法，进行参数的估计，得到准确模型。但是，大的背景还是复杂网络的动力学，这只是执行过程中的手段。

最后，突然想到复杂网络中的相变，从dot文件大小得到的信息：53个文件中有41个文件大小在10kb以下，也就是说很少的调用图会很大，就是出现giant component，而大多数的网络拓扑图还是没有达到“复杂”的程度，而且大文件的出现也有一些周期性，这也是发现的一点规律。