[論文レビュー] Distances in random graphs with finite mean and infinite variance degrees

Remco van der Hofstad, Gerard Hooghiemstra+1 more|arXiv (Cornell University)|Feb 28, 2005

Advanced Graph Theory Research被引用数 11

ひとこと要約

本稿は、分散が無限大であるべきべき分布を示すランダムネットワークにおけるグラフ距離（ホップカウント）を分析しており、特に尾指数 τ ∈ (2,3) の場合を対象としている。i.i.d. 度数を持つ構成モデルを用いて、2つのノード間の典型的な距離が漸近的に 2 log log N / |log(τ−2)| に成長することを厳密に確立し、この平均周辺の極限的フラクチュエーションを同定している。これは、有限分散および重い尾を持つケースの先行研究を拡張するものである。

ABSTRACT

In this paper we study random graphs with independent and identically distributed degrees of which the tail of the distribution function is regularly varying with exponent $τ\in (2,3)$. The number of edges between two arbitrary nodes, also called the graph distance or hopcount, in a graph with $N$ nodes is investigated when $N o \infty$. When $τ\in (2,3)$, this graph distance grows like $2\frac{\log\log N}{|\log(τ-2)|}$. In different papers, the cases $τ>3$ and $τ\in (1,2)$ have been studied. We also study the fluctuations around these asymptotic means, and describe their distributions. The results presented here improve upon results of Reittu and Norros, who prove an upper bound only.

研究の動機と目的

• 分散が無限大である重い尾を持つ度数分布を示すランダムネットワークにおけるグラフ距離の漸近的挙動を理解すること。
• 分散が有限な場合（τ > 3）および極端に重い尾を持つ場合（τ ∈ (1,2)）の先行研究を、臨界的ケース τ ∈ (2,3) にまで拡張すること。
• このようなネットワークにおける2つの典型的なノード間のグラフ距離（ホップカウント）の極限分布を厳密に同定すること。
• スケーリングされたグラフ距離の分布収束を確立し、その極限的フラクチュエーションを記述すること。

提案手法

• 本研究では、尾指数 τ ∈ (2,3) を持つべきみのべき分布に従う i.i.d. 度数を持つ構成モデルを用いる。この分布は、緩やかに変化する関数 L(x) を満たす正則変動条件を満たす。
• グラフの探索プロセスを、与えられたノードから出発する際の各段階での自由スタブ数を追跡することで、分枝過程の近似を用いてモデル化する。
• 主な技術的ツールとして、各ホップにおけるアクティブスタブ数の時間的変化を追跡する確率過程の使用、および重い尾分布に対する極値理論の適用が用いられる。
• モーメントバウンドと集中不等式を用いて、各探索段階で到達可能なノード数に対する漸近的バウンドを導出する。
• 探索プロセスと分枝過程を比較するカップリング論法を導入し、スケーリングされたグラフ距離の分布収束を確立する。
• 探索プロセスを段階に分解し、大偏差推定を用いてレアイベントを制御する。

実験結果

リサーチクエスチョン

• RQ1 度数分布の分散が無限大（τ ∈ (2,3)）である場合、ネットワークサイズ N が増大するに従い、2つの典型的なノード間のグラフ距離はどのようにスケーリングするか？
• RQ2 このようなネットワークにおけるグラフ距離（ホップカウント）の極限分布は何か？ また、そのフラクチュエーションは漸近的にどのように振る舞うか？
• RQ3 漸近的距離は尾指数 τ にどのように依存するか？ スケーリングの正確な関数的形は何か？
• RQ4 平均距離の周囲のフラクチュエーションは同定可能か？ また、それらは非退化の極限分布に収束するか？

主な発見

• N → ∞ のとき、サイズ N のネットワークにおける2つの典型的なノード間のグラフ距離は、τ ∈ (2,3) に対して漸近的に 2 log log N / |log(τ−2)| に成長する。
• スケーリングされたグラフ距離は非退化の極限確率変数に分布収束する。この極限分布は、平均スケーリング周辺のフラクチュエーションを捉えている。
• フラクチュエーションのオーダーは O(1) であり、その極限分布は正規分布でない。これは度数分布の重い尾の性質を反映している。
• Reittu と Norros による先行の上界を改善し、距離の鋭い漸近的特徴付けを提供している。
• 解析により、度数分散が無限大であっても、小・世界現象が依然として成立することが確認されたが、有限分散の場合とは異なる対数的スケーリングを示している。