[論文レビュー] Component sizes of the random graph outside the scaling window

Asaf Nachmias, Yuval Peres|ArXiv.org|Oct 16, 2006

Stochastic processes and statistical mechanics参考文献 14被引用数 33

ひとこと要約

この論文は、$p = \frac{1 \pm \epsilon(n)}{n}$ かつ $\epsilon(n)n^{1/3} \to \infty$ である臨界スケーリング窓外におけるエドős＝レニー確率グラフ $G(n,p)$ の最大成分および他の成分の漸近的サイズについて、簡単で堅牢な証明を提供する。超臨界相 ($p = \frac{1+\epsilon(n)}{n}$) において、最大成分のサイズは $2n\epsilon(n)$ のまわりに集中しており、より小さな成分は $2\epsilon(n)^{-2}\log(n\epsilon(n)^3)$ のオーダーである。探索プロセスとマルティンググールの集中不等式を用いて示される。

ABSTRACT

We provide simple proofs describing the behavior of the largest component of the Erdos-Renyi random graph G(n,p) outside of the scaling window, p={1+\eps(n) \over n} where \eps(n) tends to 0, but \eps(n)n^{1/3} tends to \infty.

研究の動機と目的

• 臨界スケーリング窓外における $G(n,p)$ の成分サイズ挙動について、複雑な数え上げ的組合せ論を避けて、初等的かつ自己完結的な証明を提供すること。
• 臨界窓外で $\epsilon(n)n^{1/3} \to \infty$ である超臨界領域 ($p = \frac{1+\epsilon(n)}{n}$) において、最大成分サイズの集中を確立すること。
• 従来の数え上げ技法が使えないモデル（例：ランダム正則グラフにおける臨界パーコレーション）へもこの手法の堅牢性を拡張すること。
• 非臨界領域において、成分サイズが高確率で明示的な漸近式のまわりにきわめて集中することを示すこと。

提案手法

• 著者らは、アクティブ、探索済み、ニュートラルな頂点を追跡する頂点探索プロセスを用い、成分の発見を確率過程 $Y_t$ でモデル化する。
• プロセス $Y_t$ は $Y_t = Y_{t-1} + \eta_t - 1$ で定義され、$\eta_t$ は段階 $t$ で新たに発見された隣接頂点数であり、$Y_t$ は探索済みの成分を除いたアクティブな頂点数を表す。
• 探索プロセスを二項確率変数とカップリングし、$N_t$（ニュートラルな頂点数）の制御に大偏差不等式を適用する。
• マルティンググールの集中とオプション停止の議論を用いて、$Y_t$ がその期待値から逸脱するのを制御し、$Y_t$ が大きな区間で正のままであることを保証する。
• 条件付き期待値 $\mathbb{E}[\xi_j^* \mid \mathcal{F}_{j-1}]$ を用いた重要な推定が行われ、$Y_t$ のドリフトの近似に利用される。
• 成分サイズが $Y_t$ の過去の最小値を超えるエクストリームの長さに対応することを活用し、成分サイズの分布を制御できる。

実験結果

リサーチクエスチョン

• RQ1 $p = \frac{1+\epsilon(n)}{n}$ かつ $\epsilon(n)n^{1/3} \to \infty$ のとき、$G(n,p)$ の最大成分の漸近的サイズは何か？
• RQ2 臨界窓外の超臨界領域において、$\ell$ 番目に大きな成分のサイズはどのように振る舞うか？
• RQ3 深いつまりのグラフの漸近的数え上げを避けて、成分サイズ挙動を初等的手段で証明できるか？
• RQ4 探索プロセスは、高確率で成分サイズの集中をもたらすか？

主な発見

• 超臨界相で $p = \frac{1+\epsilon(n)}{n}$ かつ $\epsilon(n)n^{1/3} \to \infty$ のとき、最大成分サイズ $|\mathcal{C}_1|$ は、任意の $\eta > 0$ に対して、$n \to \infty$ のとき確率が $0$ に近づくように、$\left| \frac{|\mathcal{C}_1|}{2n\epsilon(n)} - 1 \right| > \eta$ を満たさない。
• $\ell > 1$ のとき、$\ell$ 番目に大きな成分は、$\left| \frac{|\mathcal{C}_\ell|}{2\epsilon(n)^{-2}\log(n\epsilon(n)^3)} - 1 \right| > \eta$ を満たさず、確率が $0$ に近づくため、与えられた式のまわりに集中していることが示される。
• 探索プロセスにより、高確率で最大成分は早期に発見され、$2(1-\eta)\epsilon n$ 以上、$2(1+\eta)\epsilon n$ 以下であることが保証される（$\eta > 0$ が小さい）。
• 時間 $2(1-\eta)\epsilon n$ より後で発見される成分は、高確率でサイズが $\epsilon n$ 以下であり、そのような大きな成分の期待数は $O(\epsilon^{-2})$ であるため、第二の大きな成分が存在する確率は無視できる。
• この手法は堅牢であり、従来の数え上げツールが使えないモデル（例：ランダム正則グラフにおける臨界パーコレーション）へも拡張可能である。