Watts–Strogatz 小世界模型

构造：从网格出发，随机重连

WS 模型的构造只有两步：

1. 从 $N$ 个节点、每个节点度为 $K$ 的环形规则网格出发；
2. 依次检查每条边，以概率 $\beta$ 把它的一个端点改连到随机选择的另一个节点（不允许自环和重边）。

$\beta=0$ 时是规则网格，$\beta=1$ 时接近随机网络。重连保持总边数不变，因此平均度始终为 $K$。

为什么高聚类与短路径可以共存

关键在于两个量对重连的敏感程度完全不同：

• 路径长度是全局量。一条重连产生的“捷径”（shortcut）可以把环上相距很远的两片区域直接接通，所有经过这附近的最短路径都同时受益。少量捷径就能让 $L$ 急剧下降。
• 聚集系数是局部量。一条边被重连，只破坏它所在的那几个三角形，对其他节点的局部结构没有影响。$C$ 大致按 $C(\beta) \approx C(0)(1-\beta)^3$ 缓慢下降（Barrat 与 Weigt 的近似）。

一次模拟（$N=1000$，$K=10$）给出：$\beta=0.01$ 时，$C$ 仍保持在初始值的约 98%，$L$ 已降到初始值的约 19%；$\beta=0.1$ 时 $C$ 约为 74%，$L$ 约为 9%。把 $C(\beta)/C(0)$ 和 $L(\beta)/L(0)$ 画在对数横轴上，就是 WS 论文中的经典图：$L$ 曲线先“掉下去”，$C$ 曲线很久之后才下降，两者之间的区间就是小世界区间。

可以把这件事概括为一句话：破坏聚类需要大量随机性，制造捷径只需要一点随机性。本专题页面的 WS 演示可以拖动 $\beta$ 直接验证。

Newman–Watts 变体与“需要多少捷径”

原始 WS 模型的重连可能把网络断开，给解析计算带来麻烦。Newman 和 Watts（1999）改为只加捷径、不删原有边：对每条网格边，以概率 $\beta$ 额外加一条连接两个随机节点的边。这一变体保证连通，平均度略增，但小世界行为相同，常被用于理论分析。

这类模型中，决定路径长度的不是 $\beta$ 本身，而是捷径的期望数目 $s \approx NK\beta/2$：$s \ll 1$ 时网络基本是网格，$L \propto N$；$s \gg 1$ 时 $L$ 转为按 $\ln$ 增长。因此从“大世界”到“小世界”的转变发生在 $\beta \sim 1/(NK)$ 附近——网络越大，需要的重连比例越小。这解释了为什么在大型网络中，哪怕极少量的随机长程连接也足以使其成为小世界（详细的标度分析见 Newman 与 Watts 1999；Barrat 与 Weigt 2000）。

WS 模型的局限

WS 模型解释了“高聚类 + 短路径”，但它的度分布很窄（所有节点的度都在 $K$ 附近），没有枢纽节点；它也不是一个生长过程，节点数事先固定；环形网格这种一维“空间”在多数系统中也没有直接对应。真实网络中常见的长尾度分布需要另一个机制来解释，更真实的空间结构见空间网络与随机几何图。