论文部分内容阅读
针对计算大规模复杂网络时介数的空间和时间复杂度问题，根据网络数据的存储特点，设计了减少内存占用并能提高查找速度的数据结构．根据介数计算的特点，用Python语言设计了粗粒度并行算法，在多核心工作站机群实现了并行算法．实验结果表明：并行算法不仅能够适用于上亿条边规模的网络，而且能够获得线性加速比，使120个计算核心的加速比达到了71左右，为分析大规模复杂网络数据的特性提供了易操作的方案．