Redes complexas consistem em uma representação em forma de grafo que apresenta propriedades topográficas bastante particulares, não encontrado em grafos simples. Um exemplo comum desse tipo de representação é a rede Web do Google. Haja vista a importância dos grafos, as redes complexas podem ser extremamente úteis para distribuição de tarefas em uma rede. Nesse contexto, este trabalho teve como finalidade passar por algumas características consecutivas na execução de distribuição de tarefas para saber qual a influência dessas características, denominadas características de distribuição da rede, efeito do grau médio, efeito heterogeneidade de graus, efeito de coeficiente de aglomeração e Efeito de estrutura de comunidade. Para tal, considerou-se a distribuição de redes conhecidas, como redes Barabási-Albert, ErdõsRényi, Holme-Kim e Lancichinetti-Fortunato-Radicchi. Essas características foram estudadas através de simulações observando o parâmetro do tempo médio de execução de tarefas, tempo médio na espera da fila e o tempo médio ocioso dos nós. Os resultados aqui apresentados, demonstram que é possível identificar a influência na distribuição da rede atribuída à execução de tarefas, mas não exclusivamente o motivo são essas características, o que possibilitará em aplicações futuras uma nova abordagem para descobrir quanto essa característica influencia e assim outras características podem influenciar.

Complex networks consist of very particular topographical properties graphical representation, not commonly found in simple graphs. A standard example is the Google web network. Given the importance of graphs, complex networks are extremely useful for distributing tasks in a network. In this context, this work aimed to go through some consecutive characteristics in the execution of task distribution to know the influence of these particular characteristics, named as network characteristics distribution, average degree effect, degree heterogeneity effect, agglomeration coefficient effect, and community effect. Thus, we consider the distribution of known networks, such as Barabási-Albert, Erdõs-Rényi, Holme-Kim, and Lancichinetti-Fortunato-Radicchi networks. These characteristics were studied through simulations observing the average time of execution of tasks, average time in the queue, and the average idle time of the nodes. These results demonstrated the feasibility to identify the influence on the distribution of the network attributed to the execution of tasks, but not exclusively the reason these characteristics, which will allow in future applications a new approach to discovering how much this characteristic and other characteristics may influence the network.