[論文レビュー] Extremal Properties of Complex Networks

Dionysios Barmpoutis, Richard M. Murray|arXiv (Cornell University)|Apr 29, 2011

Complex Network Analysis Techniques参考文献 11被引用数 4

ひとこと要約

本稿では、与えられた次数とサイズをもつ複雑ネットワークの極値構造——特に平均距離、直径、半径、媒介性中心性、効率、抵抗距離を最小化または最大化するグラフ——を解析的に導出する。完全グラフとスターリン構造が極値形であると特定し、最小化特性がリワイヤリングに対して頑健であるのに対し、最大化特性は非常に感受性が高く、すべての指標についてきわめて厳密な理論的境界が導かれる。

ABSTRACT

We describe the structure of connected graphs with the minimum and maximum average distance, radius, diameter, betweenness centrality, efficiency and resistance distance, given their order and size. We find tight bounds on these graph qualities for any arbitrary number of nodes and edges and analytically derive the form and properties of such networks.

研究の動機と目的

• 与えられた次数Nとサイズmをもつグラフ構造のうち、平均距離、直径、半径、媒介性中心性、効率、抵抗距離といった主要なネットワーク指標を極値化する構造を特定すること。
• すべてのNおよびmの値に対して、これらの指標のきわめて厳密な解析的境界を確立すること。
• ランダムエッジリワイヤリングを用いた構造的摂動に対する極値ネットワーク特性の感受性を分析すること。
• 特に性能劣化の観点から、極値ネットワーク構成が構造的変更に対してどれほど頑健であるかを特定すること。

提案手法

• グラフ理論を用いて、平均距離、直径、半径、媒介性中心性、効率、抵抗距離といったネットワーク指標を定義・形式化する。
• 極値グラフ理論を適用し、各指標の最小値および最大値をとる正確なグラフ構成（例えば完全グラフ、スターバリエーションなど）を導出する。
• 組合せ的解析と対称性の議論を用いて、特に抵抗距離の最大値をとる非同型グラフの数を数える。
• 固定されたNおよびmをもつネットワークに対してランダムリワイヤリングのシミュレーションを実施し、指標の統計的平均への進化を調査する。
• クリークサイズ、経路長、エッジ密度といったパラメータを用いて、極値境界の閉形式表現を導出する。
• 各(N, m)ペアについて10⁴個のランダムグラフを対象にモンテカルロサンプリングを用いた抵抗の数値近似により、結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 次数Nおよびサイズmをもつグラフ構造の中で、平均最短経路長、直径、半径、媒介性中心性、効率、抵抗距離を最小化または最大化するものは何か？
• RQ2 すべてのNおよびmの値に対して、これらのネットワーク指標のきわめて厳密な解析的境界は何か？
• RQ3 最大平均距離または抵抗をもつ極値ネットワークは、最小値をとるものと構造的にどのように異なるか？
• RQ4 極値ネットワーク特性はランダムエッジリワイヤリングに対してどれほど感受性が高く、統計的平均への収束はどの程度の速さで起こるか？
• RQ5 どのネットワークアーキテクチャが構造的摂動に対して最も頑健であり、それはなぜか？

主な発見

• 完全グラフは平均距離、直径、半径、抵抗距離を最小化し、効率および媒介性中心性を最大化する。
• スターバリエーションは、与えられたNおよびmに対して抵抗距離を最小化し、平均距離、直径、半径を最大化する。
• 抵抗距離の最大値をとる場合、極値グラフはほぼ完全な部分グラフに片端の経路が接続された構造であり、非同型グラフの数はP、C、αを含む区分的公式で与えられる。
• 平均距離および抵抗が最小のネットワークは、ランダムリワイヤリングに対し非常に頑健であり、多数のリワイヤリングにおいても極値特性を維持する。
• 平均距離および抵抗が最大のネットワークは、リワイヤリングに対して極めて感受性が高く、数回のエッジ変更で統計的平均に急速に収束する。
• エッジ密度を一定に保った場合、ネットワーク次数Nが大きくなるほど統計的平均への収束速度が向上し、大きなネットワークでは極値特性を失うまでに多くのリワイヤリングを要することが示唆される。