[論文レビュー] On the metric distortion of nearest-neighbour graphs on random point sets

Amitabha Bagchi, Sohit Bansal|ArXiv.org|Apr 23, 2008

Computational Geometry and Mesh Generation参考文献 18被引用数 4

ひとこと要約

本稿は、Poisson点過程上の2次元$k$-近傍近隣グラフにおける臨界値$k_c(2)$の上界を213から188に改善した。$k \geq 188$のとき、無限大クラスタ内に、距離の測定が有界な無限大部分集合が存在することを証明した。すなわち、グラフ距離がユークリッド距離の定数倍以内に収まる。これらの結果は、長距離接続性と低拡張性が効率的なデータルーティングに不可欠な多ホップ無線センサネットワークに関連している。

ABSTRACT

We study the graph constructed on a Poisson point process in $d$ dimensions by connecting each point to the $k$ points nearest to it. This graph a.s. has an infinite cluster if $k > k_c(d)$ where $k_c(d)$, known as the critical value, depends only on the dimension $d$. This paper presents an improved upper bound of 188 on the value of $k_c(2)$. We also show that if $k \geq 188$ the infinite cluster of $\NN(2,k)$ has an infinite subset of points with the property that the distance along the edges of the graphs between these points is at most a constant multiplicative factor larger than their Euclidean distance. Finally we discuss in detail the relevance of our results to the study of multi-hop wireless sensor networks.

研究の動機と目的

• 2次元$k$-近傍近隣グラフにおける無限大クラスタの存在に関する臨界値$k_c(2)$の上界を改善すること。
• $k \geq 188$のとき、無限大クラスタ内に、グラフ距離がユークリッド距離の定数倍以内に収まる無限大部分集合が存在することを確立すること。
• これらの結果が、特に接続性と低拡張性ルーティングの観点から、多ホップ無線センサネットワークの設計および性能解析にどのように関連するかを示すこと。
• $k$-NNトポロジ制御を用いた大規模センサネットワークにおける効率的なデータ配信の可能性に対する理論的裏付けを提供すること。

提案手法

• ユークリッド距離を用いた$\mathbb{R}^2$上での均一なPoisson点過程における$k$-近傍近隣グラフモデル$\mbox{NN}(2,k)$を分析する。
• 確率的分岐理論と$\mathbb{Z}^2$上のサイト分岐を用いて、臨界$k_c(2)$の境界を導出し、分岐の上昇状態を利用する。
• 構成的証明を用いて、無限大クラスタ内に、グラフ距離がユークリッド距離の定数倍以内に収まる無限大部分集合を同定する。
• 3次元以上の次元$d \geq 3$へと証明手法を一般化し、2次元を超えたスケーラビリティを示す。
• 有限ボックス上のシミュレーションを用いて平均的および最大の距離歪みを推定し、データを$1 + a/k^2$関数にフィットさせて仮説を支持する。
• 各点が$\mathbb{Z}^2$内で無限大クラスタに属する確率が正であるという事実を用いて、低歪みを持つ密度の高い無限大部分集合の存在を推論する。

実験結果

リサーチクエスチョン

• RQ1 Poisson点過程上の2次元$k$-近傍近隣グラフにおける臨界値$k_c(2)$の最良の既知の上界は何か？
• RQ2 $\mbox{NN}(2,k)$の無限大クラスタ内に、ユークリッド距離に対して有界な距離歪みを持つ無限大部分集合が存在する$k$の値は何か？
• RQ3 $\mbox{NN}(2,k)$における平均的距離歪みは$k$とともにどのように変化するか？また、$1 + a/k^2$としてモデル化できるか？
• RQ4 無限大クラスタおよび有界歪みに関する理論的結果は、実世界の多ホップ無線センサネットワークにどの程度応用可能か？

主な発見

• $k_c(2)$の上界が213から188に改善され、2次元$k$-NNグラフにおける無限大クラスタの出現に関するより鋭い閾値が得られた。
• $k \geq 188$のとき、$\mbox{NN}(2,k)$の無限大クラスタ内に、任意の点対間のグラフ距離がそのユークリッド距離の定数倍以内に収まる無限大部分集合が存在する。
• シミュレーション結果から、$\mbox{NN}(2,k)$における平均的距離歪みは、実現ごとに$1 + 4.62/k^2$または$1 + 5.03/k^2$にほぼ比例することが判明し、仮説的な漸近形を支持する。
• $k \geq 5$のとき、最大成分内の99％以上の点対が、ユークリッド距離の2倍以内の距離歪みを持つことが示され、強い低拡張性を示している。
• 任意の所望の密度$\lambda$に対して、$k \geq 188$のとき、わずかに高い密度$\lambda'$で十分であり、$k$-NNグラフ内に無限大の低歪み部分集合を保証できることが示唆される。
• 本稿は、$k > k_c(2)$のとき、無限大クラスタ内での期待距離歪みが漸近的に$1 + a/k^2$（$a$は定数）となると仮説を立てており、歪みが高確率で2未満に抑えられると結論づけている。