目录
之前的内容，我们了解的都是一个静态的网络，比如在某一个时刻中，网络节点之间的连接关系，而这里我们要说的是一个动态的网络，即网络的结构随着时间的变化而变化。这样的例子在实际中相当的常见，比如分析随着时间的推移，企业的层次结构是否变得合理了，还是说上半年企业发展的非常合理，而到了下半年一个企业的层次性开始变差。或者再比如，我们想知道一个新员工是如何融入团体，如何能让不同性格的新员工都能以最快的速度成为团队的一员？那我们就需要分析一般员工随着时间的推移，先和谁建立了联系，之后又和谁称为了伙伴，进而分析它的交友是不是有效，是不是正常。
在这里我们通过计算机模拟的方式，介绍一个经典的动态网络的模型，随机图模型（Random graphs）在随机图中，我们模仿这样的一个环境，假如一个团体中有很多的个体，之后两个人随机的认识并且成为朋友，那么随着时间的推移，这个团体会变成什么样子呢？或者说这个以人为节点，边代表好友关系的网络会是什么样子的呢？
为了了解这些，我们使用软件对这个网络的状况进行一次模拟，因为网站对图片大小有限制，所以这里没法展示完整的动图，这里就是我们模拟时候的状况，最后随着时间的推移会形成一个很大的团体，也叫做giant component。
一个很重要的结论，就是我们观察图片左下角的框，那里表示的是每个节点的度中心性，（还记得什么是度中心性吗？学而时习之哦），这里度中心性就是每个节点和其他多少个节点直接相连，可以理解为一个人交到了多少个好朋友。统计结果显示，当度中心度到达1左右的时候，也就是每个人都有一个好朋友之后，网络中最大的成分会爆炸性增长，也就是说认识朋友的圈子会快速的增加。
还有一个结论是在这种情况下，如果在中途统计网络中所有人员交朋友的数量，我们会发现这个数量实际上是符合正态分布的。