Hochgradig gruppierte skalenfreie Netzwerke

Wir schlagen ein Modell für wachsende Netzwerke vor, das auf einem endlichen Gedächtnis der Knoten basiert. Das Modell zeigt stilisierte Merkmale realer Netzwerke: Potenzgesetzverteilung des Grades, lineare bevorzugte Anknüpfung neuer Verbindungen und eine negative Korrelation zwischen dem Alter eines Knotens und seiner Verbindungsrate. Bemerkenswert ist, dass die Gradverteilung erhalten bleibt, obwohl nur der zuletzt gewachsene Teil des Netzwerks betrachtet wird. Mit dem Wachstum des Netzwerks erreicht die Clusterung einen asymptotischen Wert, der größer ist als der für regelmäßige Gitter mit der gleichen durchschnittlichen Konnektivität und ähnlich dem, der in den Netzwerken von Filmschauspielern, Koautorschaften in der Wissenschaft und Wortsynonymen beobachtet wird. Diese hochgradig gruppierten skalenfreien Netzwerke deuten darauf hin, dass Gedächtniseffekte entscheidend für eine korrekte Beschreibung der Dynamik wachsender Netzwerke sind.