Dies ist keine richtige Antwort auf Ihre Frage, aber für einen Kommentar etwas zu lang.
Die Menge, nach der Sie suchen, variiert von Diagramm zu Diagramm und hängt von der ursprünglichen Position des Gehers ab. Die erwartete Anzahl unterschiedlicher Zwischenknoten hängt stark von der Clusterbildung im Diagramm ab, und ich würde erwarten, dass die erwartete Anzahl unterschiedlicher Zwischenknoten mit dem Clusterbildungskoeffizienten korreliert .
Ein Cluster ist im Grunde eine Untergruppe von Scheitelpunkten, die eine große Anzahl von Kanten gemeinsam haben, so dass jeder Scheitelpunkt mit einem großen Bruchteil der anderen Scheitelpunkte innerhalb des Clusters verbunden ist. Wenn ein Walker einen Cluster betritt, bleibt er wahrscheinlich für eine große Anzahl von Hops in dieser Region und besucht möglicherweise jeden Knoten mehrmals. In der Tat ist die Verwendung von Zufallsläufen auf diese Weise eine der Berechnungstechniken, die zum Identifizieren von Clustern in großen Graphen verwendet werden. Somit wird für einen Wanderer, der in einem Cluster startet, die erwartete Anzahl unterschiedlicher Zwischenscheitelpunkte wahrscheinlich mit der Größe des Clusters und der durchschnittlichen Wahrscheinlichkeit, den Cluster zu verlassen, skaliert.
N1NN+1
Der durchschnittliche Grad der Eckpunkte innerhalb des Diagramms spielt ebenfalls eine wichtige Rolle, obwohl dies mit der Clusterbildung zusammenhängt. Der Grund dafür ist, dass der Wanderer, wenn er auf einen Scheitelpunkt mit Grad 1 springt, beim nächsten Sprung zum vorherigen Scheitelpunkt zurückspringen muss. Selbst wenn der Grad 2 ist, gibt es nur einen Pfad, der durch den Graphen geführt werden kann, obwohl er bei jedem Sprung in beide Richtungen durchlaufen werden kann. Auf der anderen Seite kann bei Graphen mit einem Grad über 2 die Anzahl der Pfade explodieren, was es äußerst unwahrscheinlich macht, zur ursprünglichen Stelle zurückzukehren, selbst wenn der kürzeste Pfad dazwischen klein ist.
Daher würde man erwarten, dass die Anzahl der unterschiedlichen Zwischenscheitelpunkte für Diagramme hoch ist, die beide einen Durchschnittsgrad von deutlich über 2 aufweisen und auch keine signifikante Häufung aufweisen, wie z. B. Bäume.
Natürlich gelten diese Kommentare nicht mehr für Quanten-Random-Walks, aber ich denke, Sie interessieren sich nur für den klassischen Fall.