ایجاد توپولوژی Barabási–Albert:
از تابع generate_random_graphنبز برای تولید گراف BA استفاده شده است. 
کد زیر گراف BA را با پارامتر n=1000,k=10 تولید و ماتریس مجاورت آن را در فایلی به نام BA.dat ذخیره می کند.

clear all
e=generate_random_graph(2,1000,10);
 [II,JJ,s]=find(e);
 N=1000;
 ERv=zeros(N,N);
for i=1:length(II)
   ERv(II(i),JJ(i))=1;
end
 f=fopen('BA.dat','w');
 strformat='';


معیارهای اندازه گیری گرافBarabási–Albert:
•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.m همراه با داکیومنت آورده شده است):

کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

دانشگاه آزاد قزوین
پروژه درس: مباحث پیشرفته در شبکه های کامپیوتری

عنوان پروژه:
ارزیابی مقایسه ای شبکه های میان ارتباطی و اجتماعی
 بر اساس پارامترهای قابل اندازه گیری

ارائه دهنده: 

جعفر عالی نژاد


استاد درس:جناب آقای دکتر فرشاد صفایی







فهرست مطالب

عنوان                                        شماره صفحه                    
1. مقدمه    2
1-1.انواع شبکه های میان ارتباطی    2
1-2.کاراکترهای طراحی در شبکه های میان ارتباطی    3
1-3. توپولوژی    3
1-3-1.توپولوژی های شبکه ی میان ارتباطی    5
1-3-2. توپولوژی های شبکه های اجتماعی    8
2.معیارهایی که برای اندازه گیری بر روی گراف های  معرفی شده در گام 1 مورد نیاز است:    12
2-3. فاصله ژئودزی(Geodesic Distance)    13
2-4.ضریب خوشه بندی(Clustering Coefficient)    13
2-5. تعداد گروه های منزوی(Isolation Groups)    14
2-6. اتصال پذیری گره(Node Connectivity)    14
2-7. متوسط فاصله بین زوج گره در اثر خرابی    14
3. مقایسه گراف های هر نوع شبکه (میان ارتباطی و اجتماعی) بر اساس هر پارامترها و تفسیر آنها    14
3-1.مقدمه    16
3-2. شبیه سازی گراف شبكه های اجتماعی با استفاده از نرم افرار ORA و NEWORKX    16
3-3. گزارش اكسل معیارهای مورد بررسی در شبكه های اجتماعی    24
3-3-1.تفسیر معیار اتصال پذیری گره در شبکه اجتماعی    24
3-3-2.تفسیر معیار ضریب خوشه بندی در شبکه اجتماعی    25
3-3-3.تفسیر معیار تعداد گروه های منزوی در شبکه اجتماعی    25
3-3-4.تفسیر معیار میانوندی شبكه در شبکه اجتماعی    26
3-3-5.تفسیر معیار مركزیت میانوندی در شبکه اجتماعی    26
3-3-6.تفسیر معیار متوسط فاصله بین زوج گره در شبکه اجتماعی    27
3-3-7.تفسیر معیار قطر در شبکه اجتماعی    28
3-3-8.تفسیر معیار فاصله ژئودزی در شبکه اجتماعی    28
مراجع  30






فهرست اشکال

عنوان                                            شماره صفحه
فصل اول : معرفی توپولوژی ها    
شكل 1-1. پهنای میان برشی    4
شكل 1-2. ساختار توری    5
شكل 1-3. خواص توری    6
شكل 1-4. خواص فوق مكعب    6
شكل 1-5. ساختار توری مدور    7
شكل 1-6. خواص توری مدور    7
شكل 1-7. ساختار درخت متوازن و غیر متوازن    8
شكل 1-8. خواص درخت     8
شكل1-9. دو نمایش ساختاری از شبكه هایی كه با مدل ER تولید شده اند.    9
شكل 1-10. مدل WS، گراف تصادفی ب) شبكه منظم    9
شكل1-11. مدل Scale Free    9
شكل1-12.مدل Watts Strogatz با 20 نود    10
فصل دوم: معیارهای مورد نیاز برای اندازه گیری بر روی گراف های شبكه اجتماعی و شبكه میان ارتباطی    
شكل 2-1. A) Degree centrality B) Closeness centrality C) Closeness centrality D) Eigenvector centrality E) Katz centrality F) Alpha centrality
13
فصل سوم: مقایسه گراف های هر نوع شبکه (میان ارتباطی و اجتماعی) بر اساس هر پارامترها و تفسیر آنها    
شكل 3-1. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 0 درصد با استفاده از نرم افزار ORA    17
شكل 3-2. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 10 درصد    17
شكل 3-3. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 15 درصد    18
شكل3-4. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 20 درصد    18
شكل3-5. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 30 درصد    18
شكل 3-6. تصویر ویژوالی شبکه Scale Free، درصد خطا = 0 درصد    19
شكل 3-7. تصویر ویژوالی شبکه Scale Free، درصد خطا = 10 درصد    19
شكل 3-8. تصویر ویژوالی شبکه Scale Free، درصد خطا = 15 درصد    19
شكل 3-9. تصویر ویژوالی شبکه Scale Free، درصد خطا = 20 درصد    20
شكل 3-10. تصویر ویژوالی شبکه Scale Free، درصد خطا = 30 درصد    20
شكل 3-11. تصویر ویژوالی شبکه Small World، درصد خطا = 0 درصد    20
شكل3-12. تصویر ویژوالی شبکه Small World، درصد خطا = 10 درصد    21
شكل 3-13. تصویر ویژوالی شبکه Small World، درصد خطا = 15 درصد    21
شكل3-14. تصویر ویژوالی شبکه Small World، درصد خطا = 20 درصد    21
شكل 3-15. تصویر ویژوالی شبکه Small World، درصد خطا = 30 درصد    22
شكل 3-16. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 0 درصد    22
شكل 3-17. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 10درصد    22
شكل 3-18. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 15 درصد    23
شكل 3-19. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 30 درصد    23
شكل3-20. بررسی معیار اتصال پذیری گره در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    24
شكل3-21. بررسی معیار ضریب خوشه بندی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    24
شكل 3-22. بررسی معیار تعداد گروه های منزوی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    25
شكل 3-23. بررسی معیار میانوندی شبكه در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    25
شكل 3-24. بررسی معیار مركزیت میانوندی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    26
شكل3-25. بررسی متوسط فاصله بین زوج گره در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    27
شكل3-26. بررسی معیار قطر در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    27
شكل 3-27. بررسی معیار فاصله ژئودزی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    28
 




1. مقدمه       پیشرفت تکنولوژی به معنای توانایی ساخت ترانزیستورهایی با ابعاد کوچکتر، امکان تجمیع مدارات را در مقیاس بیشتری بر روی تراشه فراهم می سازد. پژوهش های اخیر در جهت استفاده از این امکان، منجر به ساخت چندپردازندههای  روی تراشه با قدرت موازی سازی بالاتر نسبت به تک پردازنده ها شده، موجبات افزایش کارایی سیستم رافراهم می آورد. علاوه بر چندپردازنده ها، ساخت سیستمهای روی تراشه چند هسته ای ، شامل چند هسته پردازشی ،حافظه ها و مدارات خاص منظوره دیگر بدین وسیله میسر گردید. بیشتر سیستمهای  روی تراشه شامل یک تعداد هسته، که از طریق یک میان ارتباط  داخلی روی تراشه به هم متصل شده اند.
زمانی که تعداد هسته ها پردازشی کم است، برا ی ارتباط میان آ نها از واسط  های مشترک  استفاده می شود. واسط  های مشترک عموماً از دو قسمت داور و کانال ارتباطی مشترک تشکیل می شوند. به طور کلی برای استفاده  از کانال ارتباطی مشترک، ابتدا باید از داور شبکه، اجازه استفاده از کانال را بدست آورد. گذرگاه و کراس بار دو نمونه رایج از واسط های مشترک هستند. با افزایش تعداد هسته ها، دسترسی به داور مرکزی تبدیل به گلوگاه می شود. برای حل این مشکل از شبکه های روی تراشه استفاده می شود.
1-1.انواع شبکه های میان ارتباطی 
دو گونه شبکه میان ارتباطی برای ارتباط بین هسته ها وجود دارد :
                                                                   - داور
    دسته اول : واسط های مشترک
                                                              - کانال ارتباطی مشترک
گذرگاه  bus)) وکراس بار دو نمونه رایج اند(برای ارتباط سیستم ها با تعداد هسته محدود مناسب است.)
    دسته دوم : شبکه های روی تراشه هستند .
پیاده سازی مکانیسم کیفیت خدمات به کار رفته باید تا حد ممکن ساده و بدون ذخیره سازی بیش از حد در سخت افزار به صورت سریع باشد.

ایجاد توپولوژی Barabási–Albert:
از تابع generate_random_graphنبز برای تولید گراف BA استفاده شده است. 
کد زیر گراف BA را با پارامتر n=1000,k=10 تولید و ماتریس مجاورت آن را در فایلی به نام BA.dat ذخیره می کند.

clear all
e=generate_random_graph(2,1000,10);
 [II,JJ,s]=find(e);
 N=1000;
 ERv=zeros(N,N);
for i=1:length(II)
   ERv(II(i),JJ(i))=1;
end
 f=fopen('BA.dat','w');
 strformat='';


معیارهای اندازه گیری گرافBarabási–Albert:
•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.m همراه با داکیومنت آورده شده است):

کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

ایجاد توپولوژی Erdos-Reiny:از تابع generate_random_graph برای تولید گراف ER استفاده شده است. این تابع  همراه با این داکیومنت آورده شده است(generate_random_graph.m)
برای تولید گراف ER با 1000 گره و متوسط درجه گراف 10،احتمال وجود لبه های گراف برابر با p=averagedegree/numberofnodes=10/1000=0.01 می باشد.
کد زیر گراف ER را با پارامتر n=1000,p=0.01 تولید و ماتریس مجاورت آن را در فایلی به نام ERf.dat ذخیره می کند.

clear all
e=generate_random_graph(0,1000,0.01);
 [II,JJ,s]=find(e);
 N=1000;
 ERv=zeros(N,N);
for i=1:length(II)
   ERv(II(i),JJ(i))=1;
end

معیارهای اندازه گیری گرافErdos-Reiny:
    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.m همراه با داکیومنت آورده شده است):





کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);
end


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

ایجاد توپولوژی (Random Regular Graph(MR

معیارهای اندازه گیری گرافMR

کد محاسبه قطر شبکه

• مرکزیت میانوندی

• فاصله ژئودژی و متوسط فاصله بین زوج گره ها در اثر خرابی

• ضریب خوشه بندی

تعداد اجزای متصل (گروه های منزوی)

توزیع فراوانی درجه گراف

شکل گراف

ایجاد توپولوژی (Random Regular Graph(MR:از تابع createRandRegGraphبرای تولید گراف MR استفاده شده است. 
کد زیر گراف MR را با پارامتر n=1000,k=10 تولید و ماتریس مجاورت آن را در فایلی به نام MR.dat ذخیره می کند.

clear all
e=createRandRegGraph(1000,10);
 [II,JJ,s]=find(e);
 N=1000;
 ERv=zeros(N,N);
for i=1:length(II)
   ERv(II(i),JJ(i))=1;
end

معیارهای اندازه گیری گرافMR:
•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.m همراه با داکیومنت آورده شده است):

کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);
end


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

فهرست

ایجاد توپولوژی Scale Free

•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی

• مرکزیت میانوندی

• فاصله ژئودژی و متوسط فاصله بین زوج گره ها در اثر خرابی

• ضریب خوشه بندی

تعداد اجزای متصل (گروه های منزوی)

توزیع فراوانی درجه گراف

شکل گراف

ایجاد توپولوژی Scale Free:
برای ایجاد گراف شبکه Scale Free از نرم افزار ORA-NetScenes استفاده شده است.
 
 
به منظور تحلیل گراف و ایجاد خطا در آن، اطلاعات گراف را به صورت یک فایل ماتریس مجاورت استخراج می کنیم. برای این کار ابتدا با استفاده از گزینه File>Data Export اطلاعات گراف را به صورت ماتریس CSV استخراج می کنیم:
 
و سپس با استفاده از یک برنامه نوشته شده با C# به یک فایل ماتریس مجاورت تیدیل می کنیم.
معیارهای اندازه گیری گرافScale Free:
•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.m همراه با داکیومنت آورده شده است):
کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);
end


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

فهرست

ایجاد توپولوژی Watts and Strogatz

معیارهای اندازه گیری گرافWatts and Strogatz

کد محاسبه قطر شبکه

• مرکزیت میانوندی

• فاصله ژئودژی و متوسط فاصله بین زوج گره ها در اثر خرابی

• ضریب خوشه بندیتوزیع فراوانی درجه گراف

• شکل گراف

ایجاد توپولوژی Watts and Strogatz:
از برنامه WSGraph.exe برای تولید گراف Watts an Strogatz استفاده شده است
برای تولید گراف WS با 1000 گره و متوسط درجه گراف 10 از فرمان زیر استفاده می شود:
C:\>WSGraph.exe -n 1000 -k 10 -b 0.5
گراف تولید شده با استفاده از این برنامه قالبی به شکل زیر دارد:
Time: 0.003 seconds.

The graph: 
0 -- 531
0 -- 2
0 -- 53
0 -- 612
0 -- 5
0 -- 195
0 -- 525
0 -- 671
0 -- 954

1 -- 2
1 -- 737
1 -- 912
1 -- 5
1 -- 785
1 -- 258
1 -- 407
1 -- 485
1 – 506
برای تبدیل این قالب به فرمت ماتریس مجاورت از یک برنامه به زبان C# استفاده شده است. فابل تولید شده و نیز تبدیل شده آن به فایل ماتریس مجاورت به ترتیب WS.dat و WSadj.dat می باشند.

معیارهای اندازه گیری گرافWatts and Strogatz:
•    معیار تغییرات قطر شبکه در اثر ایجاد خرابی
برای محاسبه قطر شبکه ابتدا کوتاه ترین مسیرهای بین زوج گره های شبکه را محاسبه می کنیم و سپس از بین این کوتاه ترین مسیرها، طولانی ترین مسیر را به عنوان قطر شبکه انتخاب می کنیم.
برای این کار از الگوریتم دایکسترا برای محاسبه کوتاه ترین مسیر بین زوج گره ها استفاده می کنیم(کد این الگوریتم به نام simple_dijkstra.mدر پوشه مربوط به شبکه Erdos-Reneyآورده شده است):


کد محاسبه قطر شبکه:

function diam = diameter(adj)
diam=0;
for i=1:size(adj,1)
    d=simple_dijkstra(adj,i);
    diam = max ([max(d),diam]);
end


در مرحله بعد برای ایجاد خرابی در شبکه یک برنامه به زبان C# نوشته شده است:

دانشگاه آزاد قزوین
پروژه درس: مباحث پیشرفته در شبکه های کامپیوتری

عنوان پروژه:
ارزیابی مقایسه ای شبکه های میان ارتباطی و اجتماعی
 بر اساس پارامترهای قابل اندازه گیری

ارائه دهنده: 

جعفر عالی نژاد


استاد درس:جناب آقای دکتر فرشاد صفایی







فهرست مطالب

عنوان                                        شماره صفحه                    
1. مقدمه    2
1-1.انواع شبکه های میان ارتباطی    2
1-2.کاراکترهای طراحی در شبکه های میان ارتباطی    3
1-3. توپولوژی    3
1-3-1.توپولوژی های شبکه ی میان ارتباطی    5
1-3-2. توپولوژی های شبکه های اجتماعی    8
2.معیارهایی که برای اندازه گیری بر روی گراف های  معرفی شده در گام 1 مورد نیاز است:    12
2-3. فاصله ژئودزی(Geodesic Distance)    13
2-4.ضریب خوشه بندی(Clustering Coefficient)    13
2-5. تعداد گروه های منزوی(Isolation Groups)    14
2-6. اتصال پذیری گره(Node Connectivity)    14
2-7. متوسط فاصله بین زوج گره در اثر خرابی    14
3. مقایسه گراف های هر نوع شبکه (میان ارتباطی و اجتماعی) بر اساس هر پارامترها و تفسیر آنها    14
3-1.مقدمه    16
3-2. شبیه سازی گراف شبكه های اجتماعی با استفاده از نرم افرار ORA و NEWORKX    16
3-3. گزارش اكسل معیارهای مورد بررسی در شبكه های اجتماعی    24
3-3-1.تفسیر معیار اتصال پذیری گره در شبکه اجتماعی    24
3-3-2.تفسیر معیار ضریب خوشه بندی در شبکه اجتماعی    25
3-3-3.تفسیر معیار تعداد گروه های منزوی در شبکه اجتماعی    25
3-3-4.تفسیر معیار میانوندی شبكه در شبکه اجتماعی    26
3-3-5.تفسیر معیار مركزیت میانوندی در شبکه اجتماعی    26
3-3-6.تفسیر معیار متوسط فاصله بین زوج گره در شبکه اجتماعی    27
3-3-7.تفسیر معیار قطر در شبکه اجتماعی    28
3-3-8.تفسیر معیار فاصله ژئودزی در شبکه اجتماعی    28
مراجع  30






فهرست اشکال

عنوان                                            شماره صفحه
فصل اول : معرفی توپولوژی ها    
شكل 1-1. پهنای میان برشی    4
شكل 1-2. ساختار توری    5
شكل 1-3. خواص توری    6
شكل 1-4. خواص فوق مكعب    6
شكل 1-5. ساختار توری مدور    7
شكل 1-6. خواص توری مدور    7
شكل 1-7. ساختار درخت متوازن و غیر متوازن    8
شكل 1-8. خواص درخت     8
شكل1-9. دو نمایش ساختاری از شبكه هایی كه با مدل ER تولید شده اند.    9
شكل 1-10. مدل WS، گراف تصادفی ب) شبكه منظم    9
شكل1-11. مدل Scale Free    9
شكل1-12.مدل Watts Strogatz با 20 نود    10
فصل دوم: معیارهای مورد نیاز برای اندازه گیری بر روی گراف های شبكه اجتماعی و شبكه میان ارتباطی    
شكل 2-1. A) Degree centrality B) Closeness centrality C) Closeness centrality D) Eigenvector centrality E) Katz centrality F) Alpha centrality
13
فصل سوم: مقایسه گراف های هر نوع شبکه (میان ارتباطی و اجتماعی) بر اساس هر پارامترها و تفسیر آنها    
شكل 3-1. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 0 درصد با استفاده از نرم افزار ORA    17
شكل 3-2. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 10 درصد    17
شكل 3-3. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 15 درصد    18
شكل3-4. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 20 درصد    18
شكل3-5. تصویر ویژوالی شبکه Erdos-Reiny ، درصد خطا = 30 درصد    18
شكل 3-6. تصویر ویژوالی شبکه Scale Free، درصد خطا = 0 درصد    19
شكل 3-7. تصویر ویژوالی شبکه Scale Free، درصد خطا = 10 درصد    19
شكل 3-8. تصویر ویژوالی شبکه Scale Free، درصد خطا = 15 درصد    19
شكل 3-9. تصویر ویژوالی شبکه Scale Free، درصد خطا = 20 درصد    20
شكل 3-10. تصویر ویژوالی شبکه Scale Free، درصد خطا = 30 درصد    20
شكل 3-11. تصویر ویژوالی شبکه Small World، درصد خطا = 0 درصد    20
شكل3-12. تصویر ویژوالی شبکه Small World، درصد خطا = 10 درصد    21
شكل 3-13. تصویر ویژوالی شبکه Small World، درصد خطا = 15 درصد    21
شكل3-14. تصویر ویژوالی شبکه Small World، درصد خطا = 20 درصد    21
شكل 3-15. تصویر ویژوالی شبکه Small World، درصد خطا = 30 درصد    22
شكل 3-16. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 0 درصد    22
شكل 3-17. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 10درصد    22
شكل 3-18. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 15 درصد    23
شكل 3-19. تصویر ویژوالی شبکه Watts Strogatz، درصد خطا = 30 درصد    23
شكل3-20. بررسی معیار اتصال پذیری گره در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    24
شكل3-21. بررسی معیار ضریب خوشه بندی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    24
شكل 3-22. بررسی معیار تعداد گروه های منزوی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    25
شكل 3-23. بررسی معیار میانوندی شبكه در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    25
شكل 3-24. بررسی معیار مركزیت میانوندی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    26
شكل3-25. بررسی متوسط فاصله بین زوج گره در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    27
شكل3-26. بررسی معیار قطر در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    27
شكل 3-27. بررسی معیار فاصله ژئودزی در شبکه اجتماعی بر حسب تعداد گره و درصد خرابی    28
 




1. مقدمه       پیشرفت تکنولوژی به معنای توانایی ساخت ترانزیستورهایی با ابعاد کوچکتر، امکان تجمیع مدارات را در مقیاس بیشتری بر روی تراشه فراهم می سازد. پژوهش های اخیر در جهت استفاده از این امکان، منجر به ساخت چندپردازندههای  روی تراشه با قدرت موازی سازی بالاتر نسبت به تک پردازنده ها شده، موجبات افزایش کارایی سیستم رافراهم می آورد. علاوه بر چندپردازنده ها، ساخت سیستمهای روی تراشه چند هسته ای ، شامل چند هسته پردازشی ،حافظه ها و مدارات خاص منظوره دیگر بدین وسیله میسر گردید. بیشتر سیستمهای  روی تراشه شامل یک تعداد هسته، که از طریق یک میان ارتباط  داخلی روی تراشه به هم متصل شده اند.
زمانی که تعداد هسته ها پردازشی کم است، برا ی ارتباط میان آ نها از واسط  های مشترک  استفاده می شود. واسط  های مشترک عموماً از دو قسمت داور و کانال ارتباطی مشترک تشکیل می شوند. به طور کلی برای استفاده  از کانال ارتباطی مشترک، ابتدا باید از داور شبکه، اجازه استفاده از کانال را بدست آورد. گذرگاه و کراس بار دو نمونه رایج از واسط های مشترک هستند. با افزایش تعداد هسته ها، دسترسی به داور مرکزی تبدیل به گلوگاه می شود. برای حل این مشکل از شبکه های روی تراشه استفاده می شود.
1-1.انواع شبکه های میان ارتباطی 
دو گونه شبکه میان ارتباطی برای ارتباط بین هسته ها وجود دارد :
                                                                   - داور
    دسته اول : واسط های مشترک
                                                              - کانال ارتباطی مشترک
گذرگاه  bus)) وکراس بار دو نمونه رایج اند(برای ارتباط سیستم ها با تعداد هسته محدود مناسب است.)
    دسته دوم : شبکه های روی تراشه هستند .
پیاده سازی مکانیسم کیفیت خدمات به کار رفته باید تا حد ممکن ساده و بدون ذخیره سازی بیش از حد در سخت افزار به صورت سریع باشد.

گزارش پروژه ی درس مباحث ویژه

برنامه ی مربوط به رسم گراف های خواسته شده در فولدر methods قرار داده شده است. همچنین نتایج شامل مقدار فراوانی هر درجه به ازای هر یک از الگوریتم های خواسته شده در پروژه، معیارهای مورد نظر شامل مرکزیت میانوندی، فاصله ی ژئودزی، ضریب خوشیدگی،تعداد گروه های ایزوله و اتصال پذیری گره در فولدر result موجود می باشد. تولید گراف های خواسته شده توسط NetworkX 1.7 است.

نمودارهای خواسته شده در فایل excel به نام result-mabahes موجود می باشد. با توجه به نمدارهای رسم شده می توان نتایج زیر را گرفت:

1) طبق الگوریتم BA فراوانی بر حسب درجه ی ایجاد شده از power law پیروی می کند.

2) نمودار مربوطه برای الگوریتم ER از power law پیروی نکرده و از پواسون پیروی می کند.

3)نمودار مربوطه برای الگوریتم SW از پواسون پیروی می کند.

4) نمودار مربوط به الگوریتم KE از power law پیروی می کند.

5) همچنین گراف p,g را در حالتیکه p=1 و g=0 است رسم شده است ( که در واقع نقطه ی بهینه از لحاظ تغییرات قطر است  dd/df)

همچنین طبق خواسته ی مساله نمودار را در صورت خرابی تصادفی به ازای الگوریتم های موجود و با درصد های خرابی 10% ، 15% ، 20% و 30% رسم نموده ایم. به ازای کلیه ی حالات SW بدترین حالت را دارد و وضعیت گراف های p,g و BA در ازای درصد های خرابی متفاوت از سایر الگوریتم ها بهتر است.

نمودارها را در شکل زیر می توانید مشاهده نمایید ( معیار رسم نمودارها متوسط فاصله ی ژئودزی پس از حملات است).

from networkx import *
import sys
import networkx as nx
from random import random
vNum = 1000

G=nx.erdos_renyi_graph(vNum,0.01)

T10 = copy.deepcopy(G)
T15 = copy.deepcopy(G)
T20 = copy.deepcopy(G)
T30 = copy.deepcopy(G)


for  b in range (0 ,vNum):
    c = random() * 100
    if (c <= 10):
        T10.remove_node(b)

for  b in range (0 ,vNum):
    c = random() * 100
    if (c <= 15):

نام مقاله: «شباهت در شبکه های دوستی: انتخاب یا نفوذ؟

اثر محدود به شرایط و ویژگی‌های غیر قابل مشاهده فردی»

فهرست مطالب

چکیده 

1- مقدمه 

2- زمینه‌های نظری و فرضیه

2-1- محدودیت سازمانی: کشش شبکه

2-2- محدودیتهای سازمانی: سرمایه‌گذاری در مقابل محرومیت اجتماعی

2-3- دید کلی

2-4- نفوذ اجتماعی عمومی

2-5- نفوذ اجتماعی و طبقه‌بندی اجتماعی

2-6- نفوذ اجتماعی و کنترل اجتماعی

3- اندازه‌گیری

4- تحلیل

5- نتیجه‌گیری

6- پژوهشهای آینده

چکیده

اکثر تحقیقات در مورد شباهت در شبکه‌های دوستی با تمرکز بر ویژگی‌های فردی به آشکاری قابل مشاهده است.

(برای مثال: نگرش و رفتار)

در زمینه‌هایی که در آن انتخاب چه کسی نسبتا نامحدود دوستانه خواهد بود.

اغلب این مطالعات نشان می‌دهد که انتخاب اجتماعی به جای نفوذ اجتماعی علت اصلی، شباهت در میان دوستان است.

ما استدلال می‌کنیم که در یک محیط که در آن همکاری اجتماعی بسیار مهم است و انتخاب دوستی بیشتر محدود است، نفوذ ممکن است دلیل اصلی شباهت در میان دوستان باشد.

افزون بر آن، این موضوع را مورد بررسی قرار می‌دهیم که آیا طبقه‌بندی اجتماعی و کنترل همکاری‌‌‌‌ها موجب تقویت فرآیند نفوذ اجتماعی در میان دوستان می‌شود؟

با استفاده از مدل تصادفی مبتنی بر بازیگر برای پویا نمودن شبکه، ما مجموعه داده‌های سه دسته (موج) از سالهای گوناگون دوره‌های آموزشی نیروی دریایی سلطنتی هلند را مورد بررسی قرار دادیم.

اولین دوره مربوط به کالج دانش‌آموزان دوره افسری است که اولین بار در شکل‌گیری دوستی برای نظم و انضباط نظامی مورد تجزیه و تحلیل قرار گرفته است.

اولین فرضیه ما این است که دانش‌آموزان افسری، نظم و انضباط نظامی خود را با دوستان‌شان تنظیم کرده و از آن پشتیبانی می‌کنند.

بر خلاف انتظارمان برای پشتیبانی از این ایده است که افراد نظم و انضباط خود را نسبت به دوستان‌شان تنظیم می‌کنند که این همان، تخصص نظامی است، این نظم در دوست‌یابی برای افزودن به دوستان‌شان نیست بلکه برای اعمال کنترل برای یافتن همکار است.

ما در این یافته‌ها تلاش نمودیم با جزییات و کاملا استادانه روابط دوستانه را ترسیم نماییم.

کلید واژه ها

شبکه‌های دوستی، انتخاب، نفوذ، واگیر (سرایت)، فرضیه سیر تکاملی، مدلهای تصادفی مبتنی بر بازیگر

1- دیباچه

بنیادی در علوم اجتماعی تاسیس شده است که افرادی را نشان می‌دهد که در دوست‌یابی یک مقدار زیادی از شباهت در نگرشها و رفتارها را دارا هستند. (مک فرسون و همکاران، 2001).

استدلال اصلی پشت این یافته‌ها این است که روابط دوستی مشخص شده به عنوان روابطی که در آن افراد به لحاظ اجتماعی تعامل داشته و شبیه به یکدیگر بوده‌اند که شامل نیاز به درک متقابل و مشترک است و بدین صورت شباهت بین دو نفر بیان شده است.

(برن، 1971، گرانوتر مشابه، 1973؛ هوستون و لوینگر، 1978؛ کراک هارت، 1992؛ زگلینک، 1995).

به عنوان یک نتیجه از این یافته‌ها می‌توان به شباهت در روابط دوستی که بسیار رخ می‌دهد، اشاره داشت؛ محققان به دنبال درک این موضوع هستند که چه فرآیندهایی باعث تشابه در روابط دوستی می‌شود؟

به طور کلی، این قابل درک است که این شباهتها میان دوستان هستند که روابط دوستانه را می‌سازند و در نتیجه از هر دو انتخاب اجتماعی و فرآیند نفوذ اجتماعی استفاده می‌شود. (کوهن، 1977؛ کاندل، 1978).

بنابر این، افرادی که دارای دوست مشابه هستند، روابطشان با دیگر دوستان مشابه گسترش می‌یابد