[論文レビュー] Connecting the Random Connection Model

Srikanth K. Iyer|arXiv (Cornell University)|Oct 19, 2015

Stochastic processes and statistical mechanics参考文献 7被引用数 3

ひとこと要約

本稿は、d次元トーラス上のランダム接続モデル（RCM）における連結性の鋭い閾値を確立し、接続半径が $\left(\frac{\gamma \log n}{\alpha n}\right)^{1/d}$ にスケーリングする際、$\gamma > \beta$ のとき、グラフは高確率で連結になることを示している。ここで $\beta = \inf\{x > 0 : xg(\alpha/(x\theta)) > 1\}$ である。この結果は古典的なランダム幾何グラフの連結性閾値を拡張し、連結性領域におけるエッジ長と次数分布の強法則を提供する。

ABSTRACT

Consider the random graph $G({\mathcal P}_{n},r)$ whose vertex set ${\mathcal P}_{n}$ is a Poisson point process of intensity $n$ on $(- \frac{1}{2}, \frac{1}{2}]^d$, $d \geq 2$. Any two vertices $X_i,X_j \in {\mathcal P}_{n}$ are connected by an edge with probability $g\left( \frac{d(X_i,X_j)}{r} ight)$, independently of all other edges, and independent of the other points of ${\mathcal P}_{n}$. $d$ is the toroidal metric, $r > 0$ and $g:[0,\infty) o [0,1]$ is non-increasing and $α= \int_{\mathbb{R}^d} g(|x|) dx < \infty$. Under suitable conditions on $g$, almost surely, the critical parameter $d_n$ for which $G({\mathcal P}_{n}, \cdot)$ does not have any isolated nodes satisfies $\lim_{n o \infty} \frac{αn d_n^d}{\log n} = 1$. Let $β= \inf\{x > 0: x g\left( \fracα{x θ} ight) > 1 \}$, and $θ$ be the volume of the unit ball in $\mathbb{R}^d$. Then for all $γ> β$, $G\left({\mathcal P}_{n}, \left( \frac{γ\log n}{αn} ight)^{\frac{1}{d}} ight)$ is connected with probability approaching one as $n o \infty$. The bound can be seen to be tight for the usual random geometric graph obtained by setting $g = 1_{[0,1]}$. We also prove some useful results on the asymptotic behaviour of the length of the edges and the degree distribution in the {\it connectivity regime}.

研究の動機と目的

• ノード数が増加する際、ランダム接続モデルが高確率で連結になるようになる臨界接続半径を特定すること。
• 一般の接続関数 $g$ に対して、古典的なランダム幾何グラフの連結性閾値を拡張すること。
• 連結性領域における最長エッジ長および次数分布の強法則を確立すること。
• 標準的なランダム幾何グラフにおいて $g = \mathbf{1}_{[0,1]}$ のとき、既知の結果と一致するタイトな十分条件を提供すること。

提案手法

• 次元 $d \geq 2$ の $d$ 次元トーラス $(-\frac{1}{2}, \frac{1}{2}]^d$ 上に強度 $n$ のポアソン点過程を用いる。
• 頂点 $X_i, X_j$ 間に確率 $g\left(\frac{d(X_i,X_j)}{r}\right)$ でエッジを独立に形成するランダムグラフ $G(\mathcal{P}_n, r)$ を定義する。ここで $g$ は非増加関数であり、$\alpha = \int_{\mathbb{R}^d} g(|x|) dx < \infty$ である。
• 接続半径における単調性を保証するカップリング構成を用いることで、異なる半径間での比較が可能になる。
• 孤立ノードの期待数を分析し、$E[W_n(r_n(b))] \to e^{-b}$ が $n \to \infty$ のとき成り立つことを示し、孤立頂点のポアソン極限を確立する。
• 大偏差および集中不等式を用いて、まれな事象（特に低次数ノードの存在）の確率を抑え込む。
• 局所化の議論と積分推定を用い、十分な数の近傍を持たない頂点の期待数を制御する。この際、$H(x) = x \log x - x + 1$ を用いて偏差バウンドを導出する。

実験結果

リサーチクエスチョン

• RQ1 ノード数 $n \to \infty$ のとき、ランダム接続モデルが高確率で連結になる臨界半径 $r_n$ は何か？
• RQ2 標準的なランダム幾何グラフのケースを除き、接続関数 $g$ が連結性閾値にどのように依存するかは？
• RQ3 連結性領域における最長エッジ長の漸近的挙動は何か？
• RQ4 特に高次または低次ノードの挙動を含め、連結性領域における次数分布の挙動は？

主な発見

• 孤立ノードを排除するための臨界半径 $d_n$ は、$\lim_{n \to \infty} \frac{\alpha n d_n^d}{\log n} = 1$ を満たし、孤立ノードの不在に関する鋭い閾値を確立する。
• すべての $\gamma > \beta = \inf\{x > 0 : xg(\alpha/(x\theta)) > 1\}$ に対して、$n \to \infty$ のときグラフ $G(\mathcal{P}_n, (\frac{\gamma \log n}{\alpha n})^{1/d})$ は高確率で連結である。
• 標準的なランダム幾何グラフ $g = \mathbf{1}_{[0,1]}$ に対してこのバウンドはタイトであり、古典的な連結性閾値を回復する。
• 連結性領域における最長エッジ長は、ほとんど確実に $O\left(\left(\frac{\log n}{n}\right)^{1/d}\right)$ である。これは直径やルーティング解析に不可欠である。
• 連結性領域における次数分布は強法則を満たし、典型的な次数は $n$ に対して対数的に増加する。
• 本稿では、次数が $c_n = \gamma H_+^{-1}(b_1/\gamma) \log n$ よりも小さい頂点が存在する確率が可 summable であることを証明し、高連結性を保証する。