[論文レビュー] A Coding Theoretic Approach for Evaluating Accumulate Distribution on Minimum Cut Capacity of Weighted Random Graphs

Tadashi Wadayama, Yuki Fujii|arXiv (Cornell University)|Feb 4, 2012

Energy Efficient Wireless Sensor Networks被引用数 4

ひとこと要約

本稿では、重み付き Erdős-Rényi ランダムグラフにおける最小カット容量の累積分布に関する組合せ論的下界を導出する符号理論的枠組みを提示する。グラフのカット空間と列重みが 2 のバイナリ LDGM コードとの間の対応関係を活用することで、有限サイズの解析が可能となり、スパarsely および密なグラフ集合の両方において、境界と実験的分布との間で強い一致が得られた。

ABSTRACT

The multicast capacity of a directed network is closely related to the $s$-$t$ maximum flow, which is equal to the $s$-$t$ minimum cut capacity due to the max-flow min-cut theorem. If the topology of a network (or link capacities) is dynamically changing or have stochastic nature, it is not so trivial to predict statistical properties on the maximum flow. In this paper, we present a coding theoretic approach for evaluating the accumulate distribution of the minimum cut capacity of weighted random graphs. The main feature of our approach is to utilize the correspondence between the cut space of a graph and a binary LDGM (low-density generator-matrix) code with column weight 2. The graph ensemble treated in the paper is a weighted version of Erdős-Rényi random graph ensemble. The main contribution of our work is a combinatorial lower bound for the accumulate distribution of the minimum cut capacity. From some computer experiments, it is observed that the lower bound derived here reflects the actual statistical behavior of the minimum cut capacity.

研究の動機と目的

• 動的変化するまたは確率的なネットワークにおける最小カット容量の統計的分布を非漸近的に評価するための手法を開発すること。
• 有限の頂点数および辺数を有する重み付きランダムグラフに対して、最小カット容量の累積分布の下界を確立すること。
• グラフのカット空間と列重みが 2 のバイナリ LDGM コードとの間の構造的類似性を活用し、組合せ論的解析を可能にすること。
• 漸近的近似が不十分な現実世界のネットワーク状況に適用可能なツールを提供すること。
• スパムモンテカルロシミュレーションを用いて、境界のタイトさを検証すること。

提案手法

• 本手法は、無向重み付きグラフのカット空間をその接続行列の行空間に写像し、列重みが 2 のバイナリ LDGM コードと双対性を確立する。
• 生成関数を用いてカットセット重みの分布をモデル化し、生成関数 f(x) が辺の重み分布を表す。
• 主要な境界は、閾値 δ 未満のカットの期待数に対するマルコフの不等式を用いて導出される。
• 境界は、頂点の部分集合、カットセットのサイズ、およびエッジ構成の三重和として表現され、組合せ係数と f(x)^v からの係数抽出を含む。
• 解析は、LDGM コードの平均重み分布に基づき、重み付きグラフ集合に適応されたものである。
• 本手法は、頂点数 k、辺数 n、および [1,q] の整数辺重みを有する固定された重み付き Erdős-Rényi ランダムグラフ集合に適用される。

実験結果

リサーチクエスチョン

• RQ1 符号理論的アプローチは、有限ランダムグラフにおける最小カット容量の累積分布に対して非漸近的下界を提供できるか？
• RQ2 導出された境界は、重み付きランダムグラフにおける最小カット容量の実験的統計的挙動をどの程度正確に反映するか？
• RQ3 グラフのカット空間と列重みが 2 のバイナリ LDGM コードの重み分布との間にはどのような関係があるか？
• RQ4 境界のタイトさはグラフの密度および辺重み分布にどのように依存するか？
• RQ5 本手法は Erdős-Rényi モデルを越えて、他のランダムグラフ集合へ拡張可能か？

主な発見

• 提案された Pr[λ(G) ≥ δ] に対する下界は、両方のスパarsely（k=100, n=400）および密（k=100, n=700）なグラフ集合において、10^4 個のシミュレートされたグラフから得られた実験的累積分布と強い一致を示した。
• スパースケース（n=400）では、1 ≤ δ ≤ 4 の範囲で境界が実験的分布をよく追跡した。
• 密ケース（n=700）では、境界がはるかにタイトになり、1 ≤ δ ≤ 15 の範囲でシミュレーションと密接に一致した。
• 境界は有限サイズ解析に基づくため、漸近的近似が失敗する現実世界のネットワークに適用可能である。
• LDGM コード解析に基づく本手法の基盤は、正則または不規則な二部グラフなどの他のグラフ集合への拡張を可能にする。
• 結果は、符号理論的アプローチが、純粋に漸近的手法よりも、ランダムグラフにおける典型的な最小カット挙動をより効果的に捉えられることを確認した。