[networkx]双边交换

还有，已连接\u双\u边缘\u交换（G，nswap=1，\u窗口\u阈值=3） _窗口阈值是什么？

---

保持连通性不应该是对连通子图进行保证连通性的断边重连吗？

我相信你的问题是：

nx.double\u edge\u swap

的源代码说明：

而不是从生成的边列表中均匀地随机选择， 该算法从一组节点中进行非均匀选择 按程度加权的概率

他们为什么决定这样做？”

对吗

如果是这样，那么首先我将解释为什么这两种方法给出相同的结果。从概念上讲，我们希望创建一个大的边列表，然后从该列表中随机选择两条边。如果我们选择两个概率与其程度成正比的节点，然后从每个节点中选择一条边，则我们获得了相同的结果：

如果

u

有

c

倍于

v

的边，让

p\u v

成为选择

v

和

d\u v

其程度的概率。那么从

v

中选择给定边的概率是

p\u v/d\u v

：也就是选择

v

的概率de>，选择该边的概率。现在让我们看看

u

的边之一：它被选择的概率是

cp\u v/cd\u v

，这是相同的

---

现在为什么要这样做，而不是创建一个长的边列表？一个问题是内存限制。要从所有边中进行选择，需要将所有边都存储在一个列表或集合中。这将很困难。第二个问题是，一旦边交换，我们不仅必须更新图形，而且必须更新此列表或集合，而ich可能不是一个有效的过程。因此需要编写更多的代码并采取更多的步骤。

请在StackOverflow上使用英语。1.为什么作者使用算法从节点集中以度加权的概率非均匀选择，而不是从生成的边列表中随机均匀选择？您可以直接编辑帖子请随意编辑您的问题。您还可以添加标记“python”和“graphs”“。同时添加指向您要求的功能文档的链接。这将帮助用户回答您的问题。请让我知道我是否正确解释了您的问题。如果是这样的话，我将把你的问题改成英语。我不明白你的话，从v中选择某一边缘的概率是p_v/d_v：即选择v的概率乘以1/d_v，选择该边缘的概率。我可以认为d_v等于包含节点v的边的数目吗。现在我们假设len（G.edges（））=m，那么p_v=d_v/m。这意味着1/m=p_v/d_v，即从v中选择给定边的概率。这是正确的？

# Instead of choosing uniformly at random from a generated edge list,
# this algorithm chooses nonuniformly from the set of nodes with
# probability weighted by degree.
程序中选择的方法和从边列表中随机选相比，有什么优势？