SciELO - Scientific Electronic Library Online

 
vol.21 número2Bridging the Gap Between Model-Based Design and Reliable Implementation of Feedback-Based Biocircuits: A Systems Inverse Problem ApproachUn modelo para determinar la madurez de la automatización de las pruebas del software como área de investigación y desarrollo índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Computación y Sistemas

versión On-line ISSN 2007-9737versión impresa ISSN 1405-5546

Resumen

ARCOS-ARGUDO, Miguel. Estudio comparativo entre el algoritmo de Kleinberg y el algoritmo Biased Selection para la construcción de redes small world. Comp. y Sist. [online]. 2017, vol.21, n.2, pp.325-336. ISSN 2007-9737.  https://doi.org/10.13053/cys-21-2-2722.

Actualmente las redes de tipo small world constituyen un tema muy importante en nuestro entorno, pues están presentes en varios fenómenos naturales y artificiales. Un objetivo de muchos algoritmos desarrollados para tratamiento de grafos es conseguir que un nodo cualquiera logre establecer una conexión directa con otro nodo del grafo seleccionado al azar obteniendo un “vecino lejano”. Este trabajo muestra un estudio comparativo entre dos algoritmos que logran este objetivo: Kleinberg y Biased Selection. Se demuestra por medio de experimentos que los dos algoritmos son capaces de obtener la distribución de Kleinberg. Se concluye que el algoritmo de Kleinberg obtiene una distribución de muestreo que es directamente proporcional a la distancia Euclidiana, y Biased Selection, a pesar de que también obtiene una distribución directamente proporcional a la distancia Euclidiana, permite que un nodo lejano pueda ser determinado como vecino lejano con mayor frecuencia.

Palabras llave : Biased Selection; cadenas de Markov; grafos; Kleinberg; paseos aleatorios; small world.

        · resumen en Inglés     · texto en Español