[논문 리뷰] Multiple isolation of nodes in recursive trees

Markus Kuba, Alois Panholzer|arXiv (Cornell University)|2013. 05. 13.

Stochastic processes and statistical mechanics참고 문헌 27인용 수 10

한 줄 요약

이 논문은 크기가 n인 랜덤 재귀 트리에서 ℓ개의 지정된 노드를 분리하기 위해 필요한 랜덤 엣지 컷 수를 연구하며, 세 가지 선택 규칙인 루트 근처의 노드, 가장자리에 위치한 노드, 그리고 균일하게 랜덤으로 선택된 노드를 고려한다. 생성함수와 특이점 분석을 사용하여, n → ∞ 일 때 정규화된 컷 수가 베타분포 Beta(1, ℓ)에 분포 수렴함을 입증하며, 계승 모멘트가 베타분포의 것과 渐近적으로 일치함을 보인다.

ABSTRACT

We introduce the problem of isolating several nodes in random recursive trees by successively removing random edges, and study the number of random cuts that are necessary for the isolation. In particular, we analyze the number of random cuts required to isolate $\ell$ selected nodes in a size-n random recursive tree for three different selection rules, namely (i) isolating all of the nodes labelled 1,2,...,$\ell$ (thus nodes located close to the root of the tree), (ii) isolating all of the nodes labelled n+1-$\ell$,n+2-$\ell$,...,n (thus nodes located at the fringe of the tree), and (iii) isolating $\ell$ nodes in the tree, which are selected at random before starting the edge-removal procedure. Using a generating functions approach we determine for these selection rules the limiting distribution behavior of the number of cuts to isolate all selected nodes, for $\ell$ fixed and n tending to infinity.

연구 동기 및 목표

• 랜덤 재귀 트리에서 ℓ개의 지정된 노드를 분리하기 위해 필요한 랜덤 엣지 컷 수의 분포를 연구하는 것.
• 세 가지 다른 노드 선택 규칙(근접 루트, 가장자리, 균일 랜덤)에 따른 고립 과정의 행동을 비교하는 것.
• 고정된 ℓ에 대해 n → ∞ 일 때 컷 수의 점근적 극한 분포를 유도하는 것.
• 생성함수와 특이점 분석을 사용하여 컷 수의 점근적 계승 모멘트 공식을 확립하는 것.

제안 방법

• 저자들은 목표 노드를 포함하지 않는 서브트리를 제거하면서 ℓ개의 목표 노드를 고립시키는 일반화된 엣지 제거 과정을 정의한다.
• 컷 수의 s번째 계승 모멘트를 코딩하는 이변량 생성함수 Gℓ,s(z)를 사용하여 과정을 모델링한다.
• 생성함수 Gℓ,s(z)의 z = 1 근처에서 특이점 점근 분석을 적용하여 생성함수의 국소 전개를 유도한다.
• 점근 전개의 계수 αℓ,s에 대한 재귀적 구조를 유도하며, 이들이 αℓ,s = s! / (ℓ + s) × (ℓ + s − 1 choose s) 를 만족함을 보인다.
• Δ-정규 함수의 폐쇄성 성질과 특이적분을 사용하여 계수의 점근적 행동을 유도한다.
• 모멘트 수렴을 통해 점근적 계승 모멘트로부터 극한 분포가 베타분포 Beta(1, ℓ)임을 도출한다.

실험 결과

연구 질문

• RQ1 랜덤 재귀 트리에서 ℓ개의 노드를 분리하기 위해 필요한 랜덤 컷 수의 극한 분포는 무엇인가요?
• RQ2 컷 수의 분포는 ℓ개의 목표 노드 선택 규칙에 따라 어떻게 달라지나요?
• RQ3 트리 크기 n → ∞ 일 때 컷 수의 점근적 계승 모멘트는 무엇인가요?
• RQ4 생성함수 접근법은 z = 1 근처에서 모멘트 생성 함수의 특이 행동을 정확히 포착할 수 있나요?

주요 결과

• 컷 수의 s번째 계승 모멘트 E[Yn,ℓ^s̲] 는 n → ∞ 일 때 점근적으로 (ℓ / (ℓ + s)) × (n / log n)^s × (1 + O(1/log n)) 로 수렴한다.
• 정규화된 컷 수 (log n / n) × Yn,ℓ 는 n → ∞ 일 때 베타분포 Beta(1, ℓ)에 분포 수렴한다.
• 극한 분포는 ℓ가 고정되어 있고 n → ∞ 이면 노드 선택 규칙과 무관하게 동일하다.
• 생성함수의 점근 전개 계수 αℓ,s 는 αℓ,s = s! / (ℓ + s) × (ℓ + s − 1 choose s) 를 만족한다.
• 생성함수 Gℓ,s(z) 는 z = 1 근처에서 αℓ,s / ((1 − z)^{ℓ+s} log^s(1/(1−z))) × (1 + O(1/log(1/(1−z)))) 의 형태로 특이 전개를 가지며, 주요 특이점의 구조를 확인한다.