Análisis de Redes y Medidas de Centralidad

Este proyecto implementa y evalúa el rendimiento de diversos algoritmos de centralidad sobre estructuras de grafos. Desarrollado en C++ para el procesamiento algorítmico de alto rendimiento.

Características Principales

• Estructura Eficiente: Representación del grafo mediante listas de adyacencia directas e inversas, con un mapeo de IDs para optimizar la memoria caché.
• Métricas Implementadas:
  • Degree Centrality (In/Out)
  • Closeness y Average Shortest Path (mediante BFS y Dijkstra)
  • Betweenness Centrality (Algoritmo de Brandes)
  • PageRank y HITS (Iteración de potencias)
  • Coreness (Algoritmo de Batagelj & Zaversnik)
• Perfilamiento Riguroso: Ejecución iterativa de pruebas para medir con precisión tiempos de ejecución (ms) y consumo de memoria (KB).
• Visualización de Datos: Scripts automatizados (analisis_rendimiento.py) para interpretar el archivo rendimiento.csv resultante, generando gráficos de barras, boxplots en escala logarítmica y heatmaps.

Estructura del Proyecto

• main.cpp / main.h: Punto de entrada, orquestador de iteraciones y exportación de métricas.
• grafo.cpp / grafo.h: Lógica base de la estructura y gestión de memoria del grafo.
• MedidasCentralidad.cpp / MedidasCentralidad.h: Núcleo matemático y motor de algoritmos.
• analisis_rendimiento.py: Script para graficar y perfilar los datos obtenidos.
• datasets/: Directorio con redes de prueba (ej. Yeast, redes económicas Trade).

Requisitos

• Compilador C++ (C++11 o superior recomendado)
• Python 3.x
• Librerías Python: pandas, seaborn, matplotlib

Uso

1. Compilar el proyecto:

   g++ main.cpp grafo.cpp MedidasCentralidad.cpp -o analisis_redes -O3
   

2. Ejecutar el código:

   ./analisis_redes