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
图理论就是以前图论介绍的那些东西，这些东西在大学就接触过，现在提升到科学应用的角度了。
图理论有三个核心和基础的概念：
- Degree distribution: P(k)
- Path length: <d>
- Clustering coefficient: C
第一个概念是节点的度：现实中的网络的度都是远远小于可能的最大值的，在列举的例子中度最大的不到100而节点上万
第二个概念是路径长度（关于边）
第三个概念是Clustering coefficient，它反映了一个节点周围的节点聚集情况
另外图理论和矩阵论里有些对节点，那就是图可以转化为矩阵，它们有一定的对象关系
这里的概念和理论的详细内容可以参照这篇课程的ppt和text book，也可以按照上面提到的关键词看看wiki，知乎什么的
参考文献：
http://barabasilab.neu.edu/courses/phys5116/content/Class2_2014_Graphs.pdf
http://barabasilab.neu.edu/networksciencebook/downlPDF.html