Network Science. Θεωρεία Γραφηµάτων (2)

Σχετικά έγγραφα
Network Science Θεωρεία Γραφηµάτων (1)

Πληροφοριακά Συστήματα Διοίκησης (ΜΒΑ) Ενότητα 1: Δικτυωτή Ανάλυση (Θεωρία Γράφων)

Αλγόριθμοι για Ασύρματα Δίκτυα. Θεωρία Γραφημάτων

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Διδάσκων: Κωνσταντίνος Κώστα Διαφάνειες: Δημήτρης Ζεϊναλιπούρ

(elementary graph algorithms)

Κεφάλαιο 3. Γραφήµατα v1.1 ( ) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

ΔΙΑΣΧΙΣΗ ΓΡΑΦΗΜΑΤΩΝ 1

Γράφηµα (Graph) Εργαστήριο 10. Εισαγωγή

Κεφάλαιο 3. Γραφήµατα v1.0 ( ) Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Graph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βάλια

ΣΧΕΔΙΑΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

ΠΛΗ111. Ανοιξη Μάθηµα 10 ο. Γράφοι. Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πολυτεχνείο Κρήτης

Γράφοι. Ένας γράφος ή αλλιώς γράφηµα αποτελείται απο. Εφαρµογές: Τηλεπικοινωνιακά και Οδικά ίκτυα, Ηλεκτρονικά Κυκλώµατα, Β.. κ.ά.

Αναζήτηση Κατά Πλάτος

Κεφάλαιο 3. Γραφήματα. v1.3 ( ) Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

u v 4 w G 2 G 1 u v w x y z 4

Κατανεμημένα Συστήματα Ι

Στοιχεία Θεωρίας Γράφων (Graph Theory)

Αναζήτηση Κατά Πλάτος

Αναζήτηση Κατά Πλάτος

Διάλεξη 18: Γράφοι I Εισαγωγή

Αλγόριθμοι Γραφημάτων

Κατανεμημένα Συστήματα Ι

Εισαγωγή στους Αλγόριθμους

Προβλήματα Ελάχιστου Κόστους Ροής σε Δίκτυο. Δίκτυα Ροής Ελάχιστου Κόστους (Minimum Cost Flow Networks)

Γράφοι. Ορολογία. Ορισµός: G = (V, E) όπου. Ορολογία (συνέχεια) γράφος ή γράφηµα (graph) V:ένα σύνολο E:µια διµελής σχέση στο V

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 3: ΑΝΑΠΑΡΑΣΤΑΣΗ ΔΕΔΟΜΕΝΩΝ - ΓΡΑΦΗΜΑΤΑ

(elementary graph algorithms)

Διάλεξη 29: Γράφοι. Διδάσκων: Παναγιώτης Ανδρέου

Εισαγωγή στην Επιστήμη των Υπολογιστών

Θεωρία Γραφημάτων Θεμελιώσεις-Αλγόριθμοι-Εφαρμογές

Δοµές Δεδοµένων & Ανάλυση Αλγορίθµων 3ο Εξάµηνο. Γραφήµατα. (Graphs)

Έξι βαθμοί διαχωρισμού

Αναζήτηση Κατά Πλάτος

Συνεκτικότητα Γραφήματος

Αλγόριθμοι και Δομές Δεδομένων (IΙ) (γράφοι και δένδρα)

Τυχαίοι γράφοι Η διάμετρος του G(n, 2 ln n/n) Ioannis Giotis

Κεφάλαιο 3. Γραφήματα. ver. 21/12/2014. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Βασικές Δοµές Δεδοµένων. Σύντοµη επανάληψη (ΕΠΛ 035).

Διάλεξη 20: Γράφοι I - Εισαγωγή

Σημειωματάριο Τετάρτης 29 Νοε. 2017

Graph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βασιλική

Γράφοι. Αλγόριθμοι και πολυπλοκότητα. Στάθης Ζάχος, Δημήτρης Φωτάκης

2 ) d i = 2e 28, i=1. a b c

Θεωρία Γραφημάτων: Ορολογία και Βασικές Έννοιες

Αλγόριθµοι και Πολυπλοκότητα

ΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ

Γράφοι: κατευθυνόμενοι και μη

Εισαγωγή στην Επιστήμη των Υπολογιστών

1. Σε ένα τουρνουά με 8 παίκτες μπορεί οι παίκτες να συμμετείχαν σε: 6,5,4,4,4,3,1,1 αγώνες αντίστοιχα;

Αλγόριθµοι Γραφηµάτων

Μη κατευθυνόµενα γραφήµατα. Στοιχεία Θεωρίας Γραφηµάτων (1) Υπογραφήµατα.

Ασκήσεις στους Γράφους. 1 ο Σετ Ασκήσεων Βαθμός Μονοπάτια Κύκλος Euler Κύκλος Hamilton Συνεκτικότητα

Πανεπιστήμιο Πειραιώς Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών Τμήμα Ψηφιακών Συστημάτων ομές εδομένων

ΠΛΗ20 ΕΝΟΤΗΤΑ 5: ΘΕΩΡΙΑ ΓΡΑΦΗΜΑΤΩΝ/2. Μάθηµα 5.1: Παραστάσεις Γραφηµάτων. ηµήτρης Ψούνης

Παράδειγµα (4) Στοιχεία Θεωρίας Γραφηµάτων (2) Ορέστης Τελέλης. Τµήµα Ψηφιακών Συστηµάτων, Πανεπιστήµιο Πειραιώς. v 2. u 3.

Ενότητα 5: Αλγόριθμοι γράφων και δικτύων

Δομές Δεδομένων και Αλγόριθμοι

Ενότητα 10 Γράφοι (ή Γραφήµατα)

Πανεπιστήμιο Στερεάς Ελλάδας Τμήμα Πληροφορικής Εξάμηνο ΣΤ ΘΕΩΡΙΑ ΓΡΑΦΩΝ

ΘΕΩΡΙΑ ΓΡΑΦΩΝ. 10 η Διάλεξη Κατευθυνόμενοι Γράφοι Βασικά χαρακτηριστικά Αλγόριθμοι διάσχισης κατευθυνόμενων γράφων Λίγα Λόγια για Αλυσίδες Markov

Θεωρία Γραφημάτων 1η Διάλεξη

Τίτλος Μαθήματος: Θεωρία Γραφημάτων. Ενότητα: Συνεκτικότητα και Δισυνεκτικότητα. Διδάσκων: Λέκτορας Xάρης Παπαδόπουλος. Τμήμα: Μαθηματικών

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

Θεωρία Γραφημάτων 1η Διάλεξη

Κατευθυνόμενα γραφήματα. Μαθηματικά Πληροφορικής 6ο Μάθημα. Βρόγχοι. Μη κατευθυνόμενα γραφήματα. Ορισμός

Θεωρία Υπολογισμού και Πολυπλοκότητα Μαθηματικό Υπόβαθρο

1 Διάσχιση κατευθυνόμενων γραφημάτων

1 (6) 9 (6) 2 (3) 10 (9) 3 (6) 11 (6) 4 (8) 12 (6) 5 (6) 13 (8) 6 (5) 14 (6) 7 (6) 15 (11) 8 (8)

Κοινωνικά Δίκτυα Αναζήτηση Πληροφοριών σε Δίκτυα

Ν. Μ. Σγούρος Κοινωνικά Δίκτυα Τμ. Ψηφιακών Συστημάτων, Παν. Πειραιώς

Αλγόριθμοι και πολυπλοκότητα: 4 η σειρά ασκήσεων ΣΗΜΜΥ - Ε.Μ.Π.

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Στοιχεία Θεωρίας Γραφηµάτων (2)

3η Σειρά Γραπτών Ασκήσεων

Θεωρία Γραφημάτων: Ορολογία και Βασικές Έννοιες

Γράφοι. κόµβοι) και ένα σύνολο από γραµµές (που λέγονται ακµές) οι οποίες

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Διάλεξη 4: Απόδειξη: Για την κατεύθυνση, παρατηρούμε ότι διαγράφοντας μια κορυφή δεν μπορούμε να διαχωρίσουμε τα u και v. Αποδεικνύουμε

ΕΠΛ 231 οµές εδοµένων και Αλγόριθµοι Άννα Φιλίππου,

Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά

f e Γράφημα (Graph) Δηµοσθένης Σταµάτης Τµήµα Πληροφορικής ΑΤΕΙ ΘΕΣΣΑΛΟΝΙΚΗΣ

ΠΛΗ 20, 4 η ΟΣΣ: Βασικές Έννοιες Θεωρίας Γραφημάτων

Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Θεωρία Υπολογισμού. Ενότητα 3 : Γραφήματα & Αποδείξεις. Αλέξανδρος Τζάλλας

Διάλεξη 18: Γράφοι I - Εισαγωγή

Κατευθυνόμενα και μη κατευθυνόμενα γραφήματα

βασικές έννοιες (τόμος Β)

Τομές Γραφήματος. Γράφημα (μη κατευθυνόμενο) Συνάρτηση βάρους ακμών. Τομή : Διαμέριση του συνόλου των κόμβων σε δύο μη κενά σύνολα

Βασικές Έννοιες Θεωρίας Γραφημάτων

Δομές Δεδομένων. Δημήτρης Μιχαήλ. Γραφήματα. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο

ΑΝΤΙΣΤΟΙΧΗΣΕΙΣ ΟΡΩΝ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙOΥΝΤΑΙ ΣΤΟΥΣ ΤΟΜΟΥΣ Α ΚΑΙ Β ΤΗΣ ΘΕ «ΔΙΑΚΡΙΤΑ ΜΑΘΗΜΑΤΙΚΑ» Ένα γράφημα αποτελείται από ένα σύνολο 94.

Αναζήτηση στους γράφους. - Αναζήτηση η κατά βάθος Συνεκτικές Συνιστώσες - Αλγόριθμος εύρεσης συνεκτικών συνιστωσών

Διάλεξη 4: Θεωρία Γραφημάτων Γραφέας: Σ. Κ. Διδάσκων: Σταύρος Κολλιόπουλος συνεκτικά γραφήματα (συνέχεια) Πρόταση 4.1 Δύο μπλοκ ενός

ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

Αλγόριθμοι Γραφημάτων

ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Βασικές Ιδιότητες και Διάσχιση Κεφάλαιο 5 ( και ) Ε. Μαρκάκης Επίκουρος Καθηγητής

Θεωρία Γραφημάτων και Εφαρμογές - Διακριτά Μαθηματικά ΙΙ Σεπτέμβριος 2017

Construction heuristics

Transcript:

Network Science Θεωρεία Γραφηµάτων ()

Section.8 PATHOLOGY

Διαδρομές Μια διαδρομή είναι μια σειρά κόμβων όπου κάθε κόμβος είναι δίπλα στην επόμενη P i0,in μήκους n μεταξύ των κόμβων i 0 και i n είναι μια διατεταγμένη συλλογή από n+ κόμβους και n συνδέσεις P n = {i 0,i,i,...,i n } P n = {(i 0,i ),(i,i ),(i,i ),...,(i n,i n )} (a) (b) Σε ένα κατευθυνόμενο δίκτυο, η διαδρομή μπορεί να ακολουθήσει μόνο την κατεύθυνση του βέλους.

Απόσταση μιας Διαδρομής Συντομότερη διαδρομή, Γεωδαιτικής διαδρομή D D A A B C B C Η απόσταση (συντομότερη διαδρομή, γεωδαιτική διαδρομή) μεταξύ δύο κόμβων ορίζεται ως ο αριθμός των ακμών κατά μήκος της συντομότερης διαδρομής που τους συνδέει. *Εάν οι δύο κόμβοι έχουν αποσυνδεθεί, η απόσταση είναι το άπειρο. Σε κατευθυνόμενα γραφήματα κάθε διαδρομή πρέπει να ακολουθεί την κατεύθυνση των βελών. Έτσι, σε ένα δίγραμμα η απόσταση από τον κόμβο Α στο Β (για μια διαδρομή ΑΒ) είναι γενικά διαφορετική από την απόσταση από τον κόμβο Β σε Α (σε μια πορεία BCA).

Αριθμός διαδρομών μεταξύ δύο κόμβων Πίνακας Γειτνίασης N ij, ο αριθμός διαδρομών μεταξύ δύο οποιωνδήποτε κόμβων i και j: Απόσταση n=: Εάν υπάρχει μια σύνδεση μεταξύ i και j, τότε A ij = (αλλιώς A ij =0). Απόσταση n=: Εάν υπάρχει μια σύνδεση απόστασης δύο μεταξύ i και j, τότε A ik A kj = (αλλιώς A ik A kj =0). Ο αριθμός των d ij = διαδρομών μεταξύ i και j είναι N ij N () = A ik A kj = [A ] ij k =, όπου [...] ij υποδηλώνει το (ij)ωστό στοιχείο ενός πίνακα Απόσταση n: Γενικά, εάν υπάρχει μια διαδρομή απόστασης n μεταξύ i και j, τότε A ik A lj = and A ik A lj =0 αλλιώς. Ο αριθμός των διαδρομών της απόστασης n μεταξύ i και j είναι * N (n) ij = [A n ] ij * ισχύει και για τα κατευθυνόμενα και τα μη κατευθυνόμενα δίκτυα όπου N ij (d ) > 0

Βρίσκοντας τις Αποστάσεις: BREADTH FIRST SEARCH (BFS) Algorithm

Βρίσκοντας τις Αποστάσεις: BREADTH FIRST SEARCH (BFS) Algorithm Παράδειγμα: Απόσταση μεταξύ κορυφής 0 και κορυφής :. Ξεκινάμε από το 0. 0

Βρίσκοντας τις Αποστάσεις: BREADTH FIRST SEARCH (BFS) Algorithm Απόσταση μεταξύ κορυφής 0 και κορυφής :. Βρίσκουμε τους γειτονικούς κόμβους του. Σημειώστε τους κόμβους ως απόσταση. Τους βάζουμε σε μια ουρά. 0

Βρίσκοντας τις Αποστάσεις: BREADTH FIRST SEARCH (BFS) Algorithm Απόσταση μεταξύ κορυφής 0 και κορυφής :. Παίρνουμε τον πρώτο κόμβο έξω από την ουρά. Βρίσκουμε το μη σημαδεμένο γειτονικό κόμβο σε αυτό το γράφημα. Τον σημαδεύουμε με την ετικέτα. Τους βάζουμε στην ουρά. 0

Βρίσκοντας τις Αποστάσεις: BREADTH FIRST SEARCH (BFS) Algorithm Απόσταση μεταξύ κορυφής 0 και κορυφής :. Επαναλαμβάνουμε έως ότου βρούμε τον κόμβο ή ώσπου να μην υπάρχουν περισσότεροι κόμβους στην ουρά. 5. Η απόσταση μεταξύ 0 και είναι η ετικέτα του ή, αν το δεν έχει ετικέτα, είναι το άπειρο. 0

Διάμετρος δικτύου και Μέση Απόσταση Διάμετρος: d max η μεγαλύτερη απόσταση μεταξύ οποιουδήποτε ζευγαριού από κορυφές στο γράφημα. Μέσο μήκος διαδρομής/απόστασης, <d>, για ένα συνδεδεμένο γράφημα: d L max i, j i d ij όπου d ij είναι η απόσταση από την κορυφή i στην κορυφή j Σε ένα μη κατανεμημένο γράφημα ισχύει d ij =d ji, έτσι χρειάζεται να καταμετρηθούν μόνο μια φορά: d L max i, j >i d ij

PATHOLOGY: Σύνοψη Κοντινότερη διαδρομή l! 5 l! l!5 l! = l!5 = Η διαδρομή με τη μικρότερη απόσταση μεταξύ δύο κόμβων (απόσταση).

PATHOLOGY: Σύνοψη Διάμετρος Μέσο μήκος απόστασης 5 l! = 5 (l! + l! + l! + + l!5 + l! + l! + + l!5 + l! + l!5 + + l!5 ) /0 =.6 Η μακρύτερη συντομότερη διαδρομή σε ένα γράφημα Ο μέσος όρος των συντομότερων μονοπατιών για όλα τα ζεύγη των κόμβων.

PATHOLOGY: Σύνοψη Κύκλος Μονοπάτι Αυτοαποφυγής 5 5 Μια διαδρομή με τoν ίδιο αρχικό και τελικό κόμβο. Μια διαδρομή που δεν τέμνει τον εαυτό της.

PATHOLOGY: Σύνοψη Eulerian Μονοπάτι Hamiltonian Μονοπάτι 5 5 A path that traverses each link exactly once. A path that visits each node exactly once.

PATHOLOGY: Σύνοψη ΑΡΙΘΜΟΣ συντομότερων μονοπατιών μεταξύ δύο κόμβων

Section.9 Συνδεσιµότητα

Συνδεσιμότητα των μη κατευθυνόμενων Διαγραμμάτων Συνδεδεμένο (μη κατευθυνόμενο) γράφημα: οποιεσδήποτε δύο κορυφές μπορεί να συνδέονται με ένα μονοπάτι. Ένα αποσυνδεδεμένο γράφημα αποτελείται από δύο ή περισσότερα συνδεδεμένα στοιχεία. A B A B Μεγαλύτερη συνιστώσα: Γιγαντιαίο Στοιχείο D F G C F D F G C F Το υπόλοιπο: Οι απομονώσεις Γέφυρα: αν τις διαγράψουμε, το γράφημα θα αποσυνδεθεί

Συνδεσιμότητα των μη κατευθυνόμενων Διαγραμμάτων Πίνακας Γειτνίασης Ο πίνακας γειτνίασης ενός δικτύου με διάφορα συστατικά μπορεί να γραφτεί σε ένα μπλοκ με διαγώνια μορφή, έτσι ώστε τα μη μηδενικά στοιχεία να περιορίζονται σε τετράγωνα, με όλα τα άλλα στοιχεία να είναι μηδέν.

Συνδεσιμότητα των κατευθυνόμενων Διαγραμμάτων Απόλυτα συνδεδεμένο κατευθυνόμενο γράφημα: έχει ένα μονοπάτι από κάθε κόμβο σε κάθε άλλο κόμβο και το αντίστροφο (π.χ. ΑΒ διαδρομή και ΒΑ διαδρομή). Ασθενώς συνδεδεμένο κατευθυνόμενο γράφημα: είναι συνδεδεμένο αν παραβλέψουμε τις κατευθύνσεις των άκρων. Τα απόλυτα συνδεδεμένα συστατικά μπορούν να προσδιοριστούν, αλλά δεν αποτελεί κάθε κόμβος μέρος ενός συνηθισμένου έντονα συνδεδεμένου συστατικού. A B E A B F D E F C D C G G

Συνδεσιμότητα των κατευθυνόμενων Διαγραμμάτων Βρίσκοντας τα συνδεδεμένα στοιχεία ενός ΔΙΚΤΥΟΥ. Ξεκινάμε από ένα τυχαία επιλεγμένο κόμβο i και εκτελούμε μια BFS. Μαρκάρουμε όλους τους κόμβους που επιτεύχθηκαν με αυτόν τον τρόπο με n =.. Εάν ο συνολικός αριθμός των επισημασμένων κόμβων ισούται Ν, τότε το δίκτυο είναι συνδεδεμένο. Εάν ο αριθμός των επισημασμένων κόμβων είναι μικρότερο από το Ν, το δίκτυο αποτελείται από διάφορα στοιχεία. Για τον εντοπισμό τους, προχωράμε στο βήμα.. Αυξάνουμε την ετικέτα (label) n n +. Επιλέγουμε ένα μη σημαδεμένο κόμβο j, και τον μαρκάρουμε με n. Χρησιμοποιούμε το BFS για να βρούμε όλους τους κόμβους που είναι προσβάσιμοι από το j, και τους σημειώνουμε με n. Επιστρέφουμε στο βήμα.

Section 0 Συντελεστής οµαδοποίησης

Συντελεστής ομαδοποίησης Συντελεστής ομαδοποίησης: Ποιο μέρος των γειτόνων σας είναι συνδεδεμένοι? Κόμβος i με βαθμό ki Ci σε [0,] Wa)s & Strogatz, Nature 998..6a

Συντελεστής ομαδοποίησης Συντελεστής ομαδοποίησης: Ποιο μέρος των γειτόνων σας είναι συνδεδεμένοι? Κόμβος i με βαθμό ki (.6) Ci σε [0,] Wa)s & Strogatz, Nature 998..6b

Section summary

Τρεις βασικές ποσοτικές σχέσεις στην επιστήμη των Δικτύων Βαθμός Διανομής: P(k) Μήκος διαδρομής: <d> Συντελεστής ομαδοποίησης:

Επιστήμη των Γραφημάτων Μη Κατευθυνόμενο Κατευθυνόμενο 0 0 0 A ij = 0 0 0 0 0 A ii = 0 A ij = A ji L = N i, j = A ij < k >= L N 0 0 0 0 0 A ij = 0 0 0 0 0 0 0 A ii = 0 A ij A ji L = N A ij < k >= L i, j = N

Επιστήμη των Γραφημάτων Unweighted (undirected) Weighted (undirected) 0 0 0 A ij = 0 0 0 0 0 0 0.5 0 0 A ij = 0.5 0 0 0 0 0 L = A ii = 0 N i, j = A ij A ij = A ji < k >= L N L = N i, j = A ii = 0 nonzero(a ij ) A ij = A ji < k >= L N protein-protein interactions, www Call Graph, metabolic networks

Επιστήμη των Γραφημάτων Self-interactions Multigraph (undirected) 0 0 A ij = 0 0 0 0 0 0 0 A ij = 0 0 0 0 0 L = A ii 0 A ij = A ji N N A ij + A ii? i, j =,i j i= L = N i, j = A ii = 0 nonzero(a ij ) A ij = A ji < k >= L N

Επιστήμη των Γραφημάτων Complete Graph (undirected) 0 0 A ij = 0 0 A ii = 0 A i j = N(N ) L = L max = < k >= N

Επιστήμη των Γραφημάτων: Τα πραγματικά δίκτυα μπορούν να έχουν πολλαπλά χαρακτηριστικά WWW > κατευθυνόμενο πολυγραφικό με αυτο-αλληλεπιδράσεις. Protein Interactions > μη κατευθυνόμενο, μη σταθμισμένο, με αυτοαλληλεπιδράσεις. Collaboration network > μη κατευθυνόμενο, πολυγραφικό ή σταθμισμένο. Mobile phone calls > κατευθυνόμενο, σταθμισμένο. Facebook Friendship links > μη κατευθυνόμενο, μη σταθμισμένο.

Βιο-Χάρτης ΓΟΝΙΔΙΩΜΑ αλληλεπιδράσεις πρωτεΐνης-γονιδίου ΠΡΩΤΕΩΜΑΤΑ αλληλεπιδράσεις μεταξύ πρωτεϊνών ΜΕΤΑΒΟΛΙΣΜΟΣ Βιο-Χημικές Αντιδράσεις Κιτρικός Κύκλος

Δίκτυο Μεταβολισµού Αλληλεπιδράσεις Πρωτεϊνών Metabolic Network Sensory Workshop

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΔΙΚΤΥΟ αλληλεπίδρασης πρωτεΐνης-πρωτεΐνης Undirected network N=,08 proteins as nodes L=,90 binding interac ons as links. Average degree <k>=.90. Protein Movie Not connected: 85 components the largest (giant component),67 nodes

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΔΙΚΤΥΟ αλληλεπίδρασης πρωτεΐνης-πρωτεΐνης Μη κατευθυνόμενο δίκτυο N=,08 πρωτεΐνες ως κόμβοι L=,90 δεσμευτικές αλληλεπιδράσεις ως σύνδεσμοι. μέσος βαθμός <k>=.90. Μη συνδεδεμένοι: 85 στοιχεία το μεγαλύτερο (γιγαντιαίο στοιχείο),67 κόμβοι

ΜΕΛΕΤΗ ΠΕΡΙΠΤΩΣΗΣ: ΔΙΚΤΥΟ αλληλεπίδρασης πρωτεΐνης-πρωτεΐνης p k είναι η πιθανότητα ένας κόμβος να έχει βαθμό k. Nk = # κόμβοι με βαθμό k p k = Nk / N

A CASE STUDY: PROTEIN-PROTEIN INTERACTION NETWORK d max = <d>=5.6

A CASE STUDY: PROTEIN-PROTEIN INTERACTION NETWORK <C>=0.

Class CLASS INFORMATION

Project Συζήτηση: Αναφέρεται κόμβους και συνδέσμους στο περιβάλλον σας Μέγεθος του δικτύου (# κόμβοι, # συνδέσεις)

Project Το πρόβλημα των γεφυρών του Königsberg Ποια από τις εικόνες στην Εικόνα.9 μπορεί να γίνει:. χωρίς την σηκώσουμε το μολύβι μας από το χαρτί;. χωρίς να γίνεται καμία γραμμή πάνω από μια φορά;. Γιατί;