5.4.2　复杂网络的分类

国际上对于复杂网络还缺乏明确且统一的分类，但是根据目前有关文献提出的分类方式，主要有以下两种分类方式。

1.根据现实网络的观点分类

其可分为信息网络、技术网络和生物网络三类。虽然这三种网络的结构形式各不相同，且彼此描述的系统内涵各异，其节点和边的定义差别也很大，但它们却具有一些相同的特征，如网络节点间的作用很复杂，而且高度不规则。在度和群聚系数等网络特征度量方面节点之间的差异性非常大，表现出不对称性。尽管这些网络大而复杂，但是节点间的最短平均路径距离却很小，呈现出小世界特性。大量的实证研究表明现实世界中的许多网络具有下面三个共同特性：节点度服从幂律分布、群聚系数高、节点间平均路径距离小。

除了以上的分类以外，国内外研究者还发现，根据不同领域的网络，在按照上述网络类别进行分类后，还应该依据具体领域的不同来区分不同类型的网络，例如应该有军事网络、物理网络、生态网络、经济网络、通信网络、交通网络、工程网络等。每类网络还有更加细致的划分，例如生物网络具体分类还有神经网络、蛋白质网络和新陈代谢网络等。

2.按照现实网络结点的度分布特点分类

其可分为随机图模型、小世界模型、无标度模型和大统一混合模型四类。随机图模型理论指出随机图属于指数网络，并且该指数网络中的节点是同质的，它们的度大致相同，绝大部分节点的度都位于网络节点平均度附近，网络节点度分布随度数的增加呈指数衰减，网络中不存在度数特别大的节点。目前国内外研究界把具有较小平均路径长度和较大群聚系数的网络统称为小世界网络。随机图模型与小世界模型的主要区别是前者的群聚系数小，而后者的群聚系数大。无标度网络模型理论指出无标度网络中节点是异质的，其节点度服从幂律分布。大部分节点只与少数几个其他节点连接，但网络中存在为数不多的度数特别大的节点，称为中心节点或者节点，这些中心节点对无标度网络的特性起着主导和支配作用。小世界网络和无标度网络是近年来的新发现，具有普遍性。大统一混合模型（UHNM）抓住了真实世界中两个基本连接方式的混合特点，即随机性和确定性两大类连接方式，通过引进一个总混合比，把一些现有的模型的特性包括在内，具有一定的普适性。大统一混合网络模型是随机图模型、小世界模型、无标度模型的进一步拓广。