REDES COMPLEJAS

Miguel Santiago Rada Sanchez

08 de Julio de 2016

1.

Resumen de la propuesta

Las redes se encuentran por todas partes, nos rodean, formamos parte de ellas, unas veces
como nodos (en nuestras relaciones de parentesco o amistad), en otras ocasiones como
enlaces (fluyendo como usuarios entre estaciones o aeropuertos). Las redes de comunicacion, la World Wide Web (www), el genoma humano, las redes de protenas, las redes
neuronales, las de transportes, las redes sociales, las redes de colaboracion cientfica o las
redes terroristas son algunos ejemplos. Incluso el lenguaje que nos sirve para escribir este
trabajo es una red, compuesta por palabras unidas por relaciones sintacticas y semanticas
(Barabasi; Bonabeau, 2003; Barrat et al., 2004; Borner et al., 2005).
El progreso de esta especialidad esta siendo tan acelerado que seg
un algunos autores nos
encontramos ante el surgimiento de una nueva disciplina basada en un nuevo concepto,
e incluso en una nueva filosofa, la del mundo peque
no (small world). Pero no debemos
olvidar que los extraordinarios avances que han tenido lugar en los u
ltimos a
nos en el
estudio y an
alisis de redes complejas no hubieran sido posibles sin otros procesos paralelos: la adquisici
on y manipulaci
on de datos por ordenador, que ha permitido manejar
voluminosas bases de datos, o el aumento del potencial de computacion que ha permitido
la exploraci
on de redes con millones de nodos (Albert; Barabasi, 2002).
Debido a esto se quiere hacer un breve acercamiento a las redes complejas con el fin de
ver sus caractersticas y ver en que se diferencias unas de otras, en este caso, una red libre
de escala con una red de tipo Erd
os Renyi.

2.

Descripci
on de la propuesta

2.1.

Planteamiento del problema de investigaci

on

2.2.

Marco te
orico y estado del arte.

1. REDES ALEATORIAS. Desde hace mas de 40 a

nos, la ciencia ha tratado a todas las
redes complejas como si fueran puramente aleatorias. Este paradigma fue establecido
a partir de los trabajos de los matematicos h
ungaros Paul Erdos y Alfred Renyi, que
en 1959 sugirieron que estos sistemas podan modelarse eficazmente interconectando
sus nodos mediante enlaces distribuidos al azar. Una importante prediccion de la
teora de redes aleatorias es que, aunque los enlaces de una red hayan sido distribuidos
al azar, el sistema resultante sera totalmente democratico y, por tanto, el n
umero
de enlaces por nodo se atiene a una distribucion acampanada de Poisson, en la que
resulta extra
no hallar nodos que cuenten con n
umeros mucho mayores o menores de
enlaces que la media (Barab
asi; Bonabeau, 2003; Erdos; Reyni, 1959).
2. REDES LIBRES DE ESCALA. Como hemos visto, las redes de topologa compleja
han sido tradicionalmente descritas a partir de la teora aleatoria de grafos. Sin
embargo, la utilizaci
on de bases de datos y el analisis de los distintos tipos de redes,
han permitido concluir que, con independencia del sistema y las entidades que lo
constituyen, la probabilidad de que un nodo de la red interact
ue con otros desciende
siguiendo una curva de ley potencial (power law). Este hallazgo confirma que muchas
redes del mundo real se caracterizan por la inexistencia de un patron que defina el
grado de conexi
on. La distribucion de grado en este tipo de redes muestra largas
colas, lo que implica que s
olo un peque
no n
umero de nodos es conectado por muchos
de los otros.

2.3.

Objetivos

2.3.1.

Objetivo general

Dise
nar y analizar una red compleja de tipo Erdos Renyi .
2.3.2.

Objetivos especficos

Implementar la red compleja en C.

Calcular el grado promedio de la red
2

2.4.

Metodologa propuesta

El trabajo y plan de desarrollo a ejecutar consta de cuatro etapas:

Etapa 1: Inicial
1. Definici
on del tema.
2. Formulaci
on del problema.
3. Acercamiento al problema.
Etapa 2: Investigaci
on y apropiaci
on de conceptos.
1. Investigaci
on a cerca de las Redes complejas y lenguaje de programacion C.
Etapa 3: Implementacion y An
alisis de los C
alculos
1. Representacion de una Red Complejas en el Lenguaje de Programacion C .
2. Calcular la centralidad de la red, el grado promedio en la red.
3. Comparaci
on de resultados con una Red Compleja Libre de Escala.
Etapa 4: Presentaci
on
1. Analisis de resultados.
2. Escritura proyecto final.
3. Realizacion de presentaci
on.
Estas actividades son de primordial importancia para la ejecucion exitosa de la propuesta
y tambien permitir
an la transferencia de conocimientos, el intercambio de ideas y la divulgacion de resultados entre la comunidad cientfica nacional e internacional conducente a la
socializaci
on del conocimiento y del reconocimiento de la institucion Univalle que apoya
el desarrollo de esta propuesta.

2.5.

Cronograma de actividades
Actividades Semana

Etapa 1

Etapa 2

10

11

Etapa 4

Etapa 4

12

13

14

X
X

15

16

3.

Justificaci
on

En este proyecto se investigar

a y se analizara dos tipos de redes la aleatoria y la libre de
escala y sus principales caractersticas como por ejemplo: el grado, coeficiente de agrupamiento y etc.
Esta investigacion se debe realizar ya que como aspirantes a matematicos debemos conocer
la importancia del analisis numerico y sus aplicaciones, por lo tanto, este trabajo es un
medio para conocer mas acerca de este tema.
Se desea realizar este proyecto ya que como estudiantes pretendemos estar mas familiarizados con la teora de redes ya que esta es muy importante en la actualidad de la matematica
aplicada.
Realizaremos esta investigacion gracias al acompa
namiento de la profesora Heliana Arias
y por nuestras propias consultas sobre temas relacionados con la teora de redes y a la
programacion en el interprete C.

4.

Desarrollo Numerico

4.1.

Modelo Erd
os-Renyi

En teora de grafos el modelo Erd

osRenyi (a veces nombrado en la literatura abreviado
como modelo ER), nombrado as por ser un estudio que realizaron los matematicos Paul
Erdos y Alfred Renyi,1 se denomina es uno de los metodos empleados en la generacion
de grafos aleatorios. En este modelo se tiene que un nuevo nodo se enlaza con igual
probabilidad con el resto de la red, es decir posee una independencia estadstica con el
resto de nodos de la red. Hoy en da se emplea como una base teorica en la generacion de
otras redes.
4.1.1.

Concepto

Si consideramos N nodos de una red sin conectar y distribuidos de forma aleatoria, podemos imaginar que en un instante inicial enlazamos dos cualesquiera, de esta forma en
pasos sucesivos vamos enlazando aleatoriamente de dos a dos nodos. Los nodos que se
encuentren enlazados se descartan. Si repetimos el proceso M veces eligiendo un par de
nodos en cada turno al final habremos establecido como maximo M enlaces entre parejas
de nodos. Si M es un valor peque
no con respecto al valor total de nodos muchos de los
nodos estar
an desconectados, mientras que por el contrario otros nodos estaran formando

peque
nas islas.
Por el contrario, si M es grande en comparacion con N el n
umero total de nodos, es muy
posible que casi todos los nodos esten enlazados entre s. Cuando se enlazan los nodos de
esta forma aparecen propiedades especficas en la distribucion de grado P (k) ya que posee
propiedades de distribuci
on de Poisson. Durante muchas decadas a partir de los a
nos 1950
se penso que las redes con esta caracterstica eran las mas adecuadas para describir ciertas
redes complejas y pronto se vio que no era del todo cierto.
4.1.2.

Propiedades

Para calcular la probabilidad P (k) (distribucion de grado) de que un nodo tenga k conexiones en la red aleatoria generada con el modelo ErdosRenyi, primero se intenta calcular
la probabilidad pc de que una pareja elegida al azar este enlazada entre s. Para ello se calcula el n
umero total de posibles parejas en una red de N nodos, a ese n
umero total lo
denominamos Np y su expresi
on es:

Np =

= N (N 1)
2
2

como el n
umero de parejas enlazadas por el modelo es M , se tiene por lo tanto la expresion
analtica de la probabilidad pc como:
pc =

M
2M
=
Np
N (N 1)

si tomamos en la red generada un nodo particular al azar y lo denominamos vj , el n

umero
de nodos enlazados a pares que contuvieran a vj sera N 1, ya que vj se puede enlazar
con exactamente N 1 nodos restantes de la red. Sin embargo en los M enlaces generados,
puede que no estuviera vj . Suponemos entonces que estuviera en k de ellas. La probabilidad
en este caso de que estuviera vj contenido en k parejas de las N 1 posibles es:

N 1
(pc )k (1 pc )N 1k
P (k) =
k
Esta formula corresponde a una distribucion binomial para M y N de valor finito. Si se
tiene en consideraci
on ahora que la red empieza a crecer hasta llegar a valores grandes del
n
umero de nodos (N ) y de enclaces (M ) hasta llegar al punto en que: N M . De
esta forma se tiene que la cantidad:
z=

2M
N
5

permanece en valores completamente finitos y la distribuion de grado P (k) se convierte

en una distribuci
on de Poisson de la forma
P (k) = ez

zk
k!

que como se ha mencionado es una distribucion de Poisson de promedio en z. En los papers

posteriores del a
no 1960 Erd
os y Renyi empezaron a estudiar la dinamica de las redes en
crecimiento llegando a estudiar transiciones de fase en las redes en funcion de p.

4.2.

Pseudoc
odigo
VARIABLES
N: (entero), N
umero de nodos.
P:(flotante), Probabilidad de enlace.
Na:(flotante), Probabilidad.
GenerarRedErdosRenyi(N,P):
INICIO
for(i=1;i<=N;i++):
Crear nodo i
end
for(i=1;i<=N;i++):
for(j=i+1;j<=N;j++):
Generar Na;
if(P>=Na):
Conectar el nodo i con el j
end
end
end

4.3.

Algoritmo C++
#include<stdio.h>
#include<stdio.h>
#include<stdlib.h>
#include<time.h>
6

#include<math.h>
#define N 150
#define p 0.2
main(){
int i,j,n,s,m,kmax,ki,L;
double q,t;
srand(time(NULL));
FILE *pf,*pf1;
//Declaracion de Variables
int red[N+1][N+1];
int k[N+1];
//Crear matriz nula
for(i=1;i<=N;i++){
k[i]= 0;
for(j=1;j<=N;j++){
red[i][j]=0;
}
}
L=0;
s=0;
// Crear la red, es decir enlazar los nodos
for(i=1;i<=N-1;i++ ){
for(j=i+1;j<=N;j++){
q= (double)rand()/(RAND MAX);
if(p>=q){
red[i][j]=1;
red[j][i]=1;
k[i]++;
k[j]++;
L++;
}
}
}
7

//hallar el grado maximo

kmax=0;
for(i=1;i<=N;i++){
if(k[i]>kmax){
kmax= k[i];
}
}
//Declarar matriz de vecinos
int mvecinos [N][kmax];
// mvecinos Nula
for(i=1;i<=N;i++){
for(j=1;j<=kmax;j++){
mvecinos[i][j]= 0;
}
}
//LLenar matriz mvecinos
for(i=1;i<=N;i++){
ki=1;
for(j=1;j<=N;j++){
if(red[i][j]==1){
mvecinos[i][ki]=j;
ki++;
}
}
}
pf1=fopen(listadovecinos.txt,w);
fprintf(pf1, %d %d \n\n,N,L);
//Listado de enlaces sin repetir
for(i=1;i<=N;i++){
for(j=1;j<=kmax;j++){
if(mvecinos[i][j]>i){
8

m++;
s=s+1;
printf( %d %d \n,i,mvecinos[i][j]);
fprintf(pf1, %d %d %d \n,s,i,mvecinos[i][j]);
}
}
}
fclose(pf1);
//declarar vector a graficar
int nk [kmax];
// nk nulo
for(i=1;i<=kmax;i++){
nk[i]=0;
}
//llenar nk
for(i=1;i<=N;i++){
nk[k[i]]++;
}
pf = fopen(tabladistgrado.txt,w);
for(i=1;i<=kmax;i++){
fprintf(pf,\n %d %d \n,i,nk[i]);
}
fclose(pf);
}

5.

Bibliografa
Enrique Vicente Bonet Esteban (Lenguaje C)
9

https://es.wikipedia.org/wiki/Modelo Erdos-Renyi
Andres Marzal, Isabel Gracia (Introduccion al programacion con C)
C. G. G
omez Santill
an, 2009, Afinacion Estatica Global de Redes Complejas y Control Din
amico Local de la Funcion Tiempo de Vida en el Problema de Direccionamiento de Consultas Sem
anticas.
INTEGRANTES
Miguel Santiago Rada (Estudiante de pregrado).

10