[논문 리뷰] A Coding Theoretic Approach for Evaluating Accumulate Distribution on Minimum Cut Capacity of Weighted Random Graphs

Tadashi Wadayama, Yuki Fujii|arXiv (Cornell University)|2012. 02. 04.

Energy Efficient Wireless Sensor Networks인용 수 4

한 줄 요약

이 논문은 가중치가 부여된 Erdős-Rényi 무작위 그래프에서 최소 컷 용량의 누적분포에 대한 조합론적 하한을 도출하기 위해 코딩 이론적 프레임워크를 제시한다. 컷 공간과 열 무게가 2인 이진 LDGM 코드 사이의 대응 관계를 활용함으로써, 유한 크기의 분석이 가능해지며, 실험 결과는 희박한 그래프와 조밀한 그래프 집합 모두에서 이론적 하한과 경험적 분포 간의 뛰어난 일치를 보여준다.

ABSTRACT

The multicast capacity of a directed network is closely related to the $s$-$t$ maximum flow, which is equal to the $s$-$t$ minimum cut capacity due to the max-flow min-cut theorem. If the topology of a network (or link capacities) is dynamically changing or have stochastic nature, it is not so trivial to predict statistical properties on the maximum flow. In this paper, we present a coding theoretic approach for evaluating the accumulate distribution of the minimum cut capacity of weighted random graphs. The main feature of our approach is to utilize the correspondence between the cut space of a graph and a binary LDGM (low-density generator-matrix) code with column weight 2. The graph ensemble treated in the paper is a weighted version of Erdős-Rényi random graph ensemble. The main contribution of our work is a combinatorial lower bound for the accumulate distribution of the minimum cut capacity. From some computer experiments, it is observed that the lower bound derived here reflects the actual statistical behavior of the minimum cut capacity.

연구 동기 및 목표

• 동적 또는 스토케스틱 네트워크에서 최소 컷 용량의 통계적 분포를 평가하기 위한 점근적 접근이 아닌 비점근적 방법을 개발하는 것.
• 유한한 정점 수와 간선 수를 가진 가중치가 부여된 무작위 그래프에 대해 최소 컷 용량의 누적분포에 대한 하한을 설정하는 것.
• 그래프 컷 공간과 열 무게가 2인 이진 LDGM 코드 사이의 구조적 유사성을 활용하여 조합론적 분석을 가능하게 하는 것.
• 점근적 근사가 부적절한 실제 네트워크 시나리오에 적용 가능한 도구를 제공하는 것.
• 유한 그래프 집합에서의 광범위한 몬테카를로 시뮬레이션을 통해 하한의 날카운성(tightness)을 검증하는 것.

제안 방법

• 비방향 가중치 그래프의 컷 공간을 그의 인cidience 행렬의 행공간에 매핑함으로써, 열 무게가 2인 이진 LDGM 코드와의 이중성(duality)을 수립한다.
• 생성함수를 사용하여 컷셋 무게의 분포를 모델링하며, 생성함수 f(x)는 간선의 무게 분포를 나타낸다.
• 핵심 하한은 임계값 δ 이하의 컷 용량을 가진 컷의 기대 수에 대해 마르코프 부등식을 적용하여 유도된다.
• 하한은 정점의 부분집합, 컷셋 크기, 간선 구성에 대한 삼중 합으로 표현되며, 조합 계수와 f(x)^v로부터의 계수 추출을 포함한다.
• 분석은 LDGM 코드의 평균 무게 분포를 기반으로 하며, 이를 가중치가 부여된 그래프 집합에 적응시킨다.
• 이 방법은 고정된 정점 수 k, 간선 수 n, 그리고 [1,q] 범위의 정수 간선 무게를 가진 가중치가 부여된 Erdős-Rényi 무작위 그래프 집합에 적용된다.

실험 결과

연구 질문

• RQ1 코딩 이론적 접근이 유한한 무작위 그래프에서 최소 컷 용량의 누적분포에 대해 비점근적 하한을 제공할 수 있는가?
• RQ2 유도된 하한은 가중치가 부여된 무작위 그래프에서 최소 컷 용량의 경험적 통계적 행동을 얼마나 정확히 반영하는가?
• RQ3 그래프의 컷 공간과 열 무게가 2인 이진 LDGM 코드의 무게 분포 사이의 관계는 무엇인가?
• RQ4 하한의 날카운성은 그래프의 조밀도와 간선 무게 분포에 따라 어떻게 변하는가?
• RQ5 이 방법은 Erdős-Rényi 모델을 초월한 다른 무작위 그래프 집합으로 확장될 수 있는가?

주요 결과

• 제안된 Pr[λ(G) ≥ δ]에 대한 하한은 희박한 그래프 집합(k=100, n=400)과 조밀한 그래프 집합(k=100, n=700) 모두에서 10^4개의 시뮬레이션 그래프로부터 확보한 경험적 누적분포와 강력한 일치를 보인다.
• 희박한 경우(n=400)에서는 1 ≤ δ ≤ 4 범위에서 하한이 경험적 분포를 정확히 따라간다.
• 조밀한 경우(n=700)에서는 하한이 훨씬 더 날카워지며, 1 ≤ δ ≤ 15 범위에서 시뮬레이션 결과와 거의 정확히 일치한다.
• 하한은 유한 크기 분석을 통해 유도되었기에, 점근적 근사가 실패하는 실제 네트워크에 적용 가능하다.
• LDGM 코드 분석에 기반한 이 방법은 정규 또는 비정규 이분 그래프와 같은 다른 그래프 집합으로의 확장이 가능하다.
• 결과는 코딩 이론적 접근이 순수하게 점근적 방법보다 랜덤 그래프에서의 일반적인 최소 컷 행동을 더 효과적으로 포착함을 확인한다.