如何用statnet生态系统实现类似igraph的sample_degseq配置模型？

我可以用igraph生成配置模型，代码如下：

set.seed(124) 
k_i <- rpois(10, 3)
## [1] 1 2 3 2 2 2 3 3 6 2
g <- igraph::sample_degseq(k_i, method = "vl")
plot(g)

我可以用statnet工具恢复该网络的正确度直方图：

library(statnet)
G <- intergraph::asNetwork(g)
summary(G ~ degree(min(k_i):max(k_i)))

但反向操作时出现多个警告和错误：

m <- ergm(G ~ degree(min(k_i):max(k_i)))
## e.g.
## In mple.existence(pl) : The MPLE does not exist!

请问statnet系列包中是否有函数或步骤能实现与igraph的sample_degseq类似的效果？

statnet生态中可以通过ergm包的simulate()函数，配合固定度序列的约束来实现与igraph::sample_degseq一致的配置模型生成效果，具体步骤如下：

1. 创建空网络对象：先初始化一个节点数与目标度序列长度匹配的空网络（按需设置有向/无向）：

library(statnet)
set.seed(124)
k_i <- rpois(10, 3)
# 生成无向空网络，节点数等于度序列长度
empty_net <- network(length(k_i), directed = FALSE)

2. 模拟符合度序列的网络：用simulate()指定degree(k_i)约束，通过MCMC抽样生成配置模型网络：

# 生成匹配度序列的配置模型网络
config_net <- simulate(empty_net ~ degree(k_i), 
                       control = control.simulate(MCMC.burnin = 10000))

3. 验证度序列匹配性：检查生成的网络度分布是否符合预期：

summary(config_net ~ degree(min(k_i):max(k_i)))

补充说明 #

• 你之前用ergm(G ~ degree(...))报错的原因：该操作是拟合度序列模型，而非生成网络。当网络存在极端度值（如示例中节点度为6，总节点仅10）时，最大伪似然估计（MPLE）无法计算，因此报错。而我们上述方法是直接生成符合度约束的网络，不存在拟合参数的问题。
• 若仅需简单生成固定度序列的随机网络，也可使用network包的sample.network()，但ergm的simulate()方法更贴近igraph::sample_degseq的抽样逻辑，适配性更强。

内容的提问来源于stack exchange，提问作者nmaclaren