小馆前几天在上地理课时听到地理老师讲了一个段子，来诠释俄罗斯有多大：

老师：你们知道北欧的芬兰和东亚的朝鲜吗？

同学：知道知道。

老师：它们其实离得很近，因为它们只相隔一个——俄罗斯……

好冷

这个事情其实用另一种方法就能很好的理解：

这是一个简化了的区域图，它是一个典型的“图”，在这个图中，边就表示了“邻国”这一关系，点就表示国家。在这里，芬兰和朝鲜的最短距离就是1（芬兰-俄罗斯-朝鲜）。

（中国北部15省市的大致图像）

看到上图，肯定有人会问：明明北京，天津是基本被包在河北里面的，为什么在上图中来到了河北外面了？这就是拓扑学的一个思想：无论你在怎么变化，只要边不变，点不变，你俩就是一样的！

在这里，我们会发现一些事：在这里有着像内蒙古，河北这样的“超级枢纽”，一个点接了好多的边；还有像新疆，青海，黑龙江这样的“边缘结点”，一个点没接几条边。

而“超级枢纽”也分好几类，内蒙古这样的属于靠面积大，而河北则是靠位置重要。

分析到这里，我们来想一个事情：假如说因为某种原因，内蒙古“撤省”了（只是为了方便解释，没有别的意思），其它连接保持不变，那么图会变成这样：

现在我们数一数之前辽宁-甘肃的最短距离和现在辽宁-甘肃的最短距离：

辽宁-内蒙古-甘肃（1）（之前）

辽宁-河北-山西-陕西-甘肃（3）（现在）

想必大家都发现了，内蒙古这样的“交通枢纽”十分的重要，如果它因为某种原因“废掉了”，那么整个交通体系都会受到影响。

由此，我们就开始了在“网络”中探寻的征程！

现在，让我们创建一个“Internet.xiaoguan”，去探寻一下网络背后的奥妙：

最开始，整个网络中只有你一个网页，即1号节点；

在某一天，一个人寻找到了你的网络并与你做连接，成为了2号节点；

就这样，你的网络开始初具规模，成为了这个样子。

在这时，你开始设立了一个列表，这个列表是按照每个节点的连接数进行排布，并且新加入的人可以与列表中的人进行连接。当然了，它们肯定是更愿意与列表中的前面几个结点进行连接（毕竟他们在互联网里就是这样做的）。

那么8号节点的连接就应该是这样的：

很久之后，你的网络规模变得很大。

在此时，你的网络被黑客盯上了，他想在你的网络中散布病毒！而你早有防范，在一些节点中注射了“抗体”。

（后有“/”的节点为注射抗体的节点）

黑客首先在6号节点注射病毒，此时为这样：

6号节点只能传染给4号节点，但4号节点已经注射了抗体，不会被传染。

但黑客“贼心不死”，又在7号节点注射了病毒：

紧接着，7号传染给了1号：

之后网络的传染与你的反应如下：

很明显，如果病毒侵入了“中心节点”，那么整个网络就会沦陷。我们的互联网的结构也与此类似，只不过要大上很多，也要复杂很多。

这种网络我们称为“无尺度网络”，这种网络的中心节点是名副其实的“中心”，如果一个中心节点“废掉了”，整个网络就会很快“沦陷”。这就说明了“无尺度网络”的承受能力（或称鲁棒性）十分的差。

而另一种网络则是“小世界网络”，这种网络的典型例子就是某些地铁线路：

这样的环线地铁+对角线地铁的方式会大大缩短从某个节点到另一个节点的距离，如果排布得好还可以让地铁交通方便许多许多。

那么问题来了，除了利用“小世界网络”，还有什么办法优化地铁线路呢？

“遗传算法”！

“遗传算法”具体原理很简单：

搞几个初始状态；

然后看这些状态中哪两个（或多个）最好（相对于这几个来说）；

删除其它状态；

将这些状态进行交融，并在其中加入突变，产生多个“子代”；

重复以上步骤；

最终就会得到整个状态的一个近似最优解。

那为什么这个算法被称为“遗传算法”呢？

其实就是因为它遵循着“自然选择”机制，适应“自然”的状态留下并繁衍，不适应“自然”的状态消失。

以上就是“复杂科学”的一小部分，复杂科学的坑其实很大，而且小馆一时半会儿还不想填（因为自己没搞懂）但是，以后总会说的。

（theend）