Giant component in a configuration-model power-law graph with a variable number of links
Auteurs : Heung Kyung Kim, Mi Jin Lee, Matthieu Barbier, Sung-Gook Choi, Min Seok Kim, Hyung-Ha Yoo, Deok-Sun Lee
Résumé : We generalize an algorithm used widely in the configuration model such that power-law degree sequences with the degree exponent $\lambda$ and the number of links per node $K$ controllable independently may be generated. It yields the degree distribution in a different form from that of the static model or under random removal of links while sharing the same $\lambda$ and $K$. With this generalized power-law degree distribution, the critical point $K_c$ for the appearance of the giant component remains zero not only for $\lambda\leq 3$ but also for $3<\lambda<\lambda_l \simeq 3.81$. This is contrasted with $K_c=0$ only for $\lambda\leq 3$ in the static model and under random link removal. The critical exponents and the cluster-size distribution for $\lambda<\lambda_l$ are also different from known results. By analyzing the moments and the generating function of the degree distribution and comparison with those of other models, we show that the asymptotic behavior and the degree exponent may not be the only properties of the degree distribution relevant to the critical phenomena but that its whole functional form can be relevant. These results can be useful in designing and assessing the structure and robustness of networked systems.
Outils pour cet article
Posez des questions sur cet article à notre assistant IA
Vous pouvez aussi discutez avec plusieurs papiers à la fois ici.
⚠La licence de l'article ne nous permet pas de nous appuyer sur son contenu et l'assistant IA ne peut se servir que des métadonnées de l'article plutôt que de l'article complet.
Le résumé précédent a été créé il y a plus d'un an et peut être réexécuté (si nécessaire) en cliquant sur le bouton Exécuter ci-dessous.
⚠La licence de cet article spécifique ne nous permet pas de nous appuyer sur son contenu et les outils de synthèse seront exécutés en utilisant les métadonnées de l'article plutôt que l'article complet. Cependant, l'outil produira quand même un bon résultat, et vous pouvez également essayer nos outils sur des papiers avec des licences plus ouvertes.
Articles similaires résumés avec nos outils d'IA
Naviguez à travers encore plus d'articles similaires en utilisant une
représentation arborescenteRecherchez des articles similaires (en version bêta)
Nous comparons le titre et le résumé avec les articles indexés dans notre base. Pour les articles arXiv, la recherche porte sur la même catégorie ; pour les DOI et les autres sources, elle couvre toutes les sources et disciplines. Vous pouvez la relancer à mesure que notre base s’enrichit.
Avertissement : Notre outil de synthèse basé sur l'IA et l'assistant virtuel fournis sur ce site Web peuvent ne pas toujours fournir des résumés complets ou des réponses exactes. Nous vous encourageons à examiner attentivement et à évaluer le contenu généré pour vous assurer de sa qualité et de sa pertinence par rapport à vos besoins.