第一次接触复杂性科学是在一本叫think complexity的书上，Allen博士很好的讲述了数据结构与复杂性科学，barabasi是一个知名的复杂性网络科学家，barabasilab则是他所主导的一个实验室，这里的笔记则是关于里面介绍的课程的笔记，当然别人的课程不是公开课，所以从ppt里只能看到骨干的东西了，对了补充下，slider相关的书籍在这里可以找到
前面大概有三节课是动手实验课，使用一些软件或者函数库来亲自探索一些特定的一些网络
中间还请了另外一个实验室的来讲授关于网络随时间变化的性质，变化中的网络，里面大致上说现实中的很多网络都是随着时间来慢慢演化的，由于ppt做得很精简然后我在textbook也没有找到相关的内容所以就不做详细介绍
这篇博客主要介绍evolving networks！（evolving networks怎么翻译呢？翻译成模型演化比较好一点）主要来讲模型的演化的性质
好，我们来看看维基怎么讲？
Evolving Networks are networks that change as a function of time. They are a natural extension of network science since almost all real world networks evolve over time, either by adding or removing nodes or links over time. Often all of these processes occur simultaneously, such as in social networks where people make and lose friends over time, thereby creating and destroying edges, and some people become part of new social networks or leave their networks, changing the nodes in the network. Evolving network concepts build on established network theory and are now being introduced into studying networks in many diverse fields.
evolving networks是一个随时间变化的一些列的网络集合，他是网络科学的自然延伸，一般也认为是网络科学基础上建立起来的理论，本系列的笔记主要在讲网络科学
上篇博客说到的BA网络模型只是一个做了最简单假设的比较简化的模型，它假设网络增长是线性的，偏向链接也是线性的，然而这两个假设导致了模型不能捕捉到以下性质：
- variations in the shape of the degree distribution
- variations in the degree exponent
- the size-independent clustering coefficient
BA模型解释了现实世界网络的无标度性，我们只做了很简单的两个假设。现在我们假设如果我们调整BA模型可以用来描述现实世界中大部分的网络。如果我们要做到这样的效果，那么我们就要在我们的模型里面添加我们所知道的发生在现实世界中的一些机制：添加链接既是在没有增加新节点的情况，连接的重新连线（就像现实世界中的分手再谈新的恋爱一样），链接的删除（分手），还有节点删除（比如人死了），约束或者优化。
好的，现在我们来介绍一个新星：Bianconi-Barabasi model
除了介绍了这个网络模型，还介绍了fitness model
In complex network theory, the fitness model is a model of the evolution of a network: how the links between nodes change over time depends on the fitness of nodes. Fitter nodes attract more links at the expense of less fit nodes.
It has been used to model the network structure of the World Wide Web.