[논문 리뷰] Distances in random graphs with finite mean and infinite variance degrees

Remco van der Hofstad, Gerard Hooghiemstra외 1명|arXiv (Cornell University)|2005. 02. 28.

Advanced Graph Theory Research인용 수 11

한 줄 요약

이 논문은 분산이 무한대인 멱법칙도수분포를 가진 무작위 네트워크에서 그래프 거리(호프카운트)를 분석한다. 특히 尾수지수 τ ∈ (2,3)인 경우를 대상으로 하며, 동일한 분포를 가진 i.i.d. 도수를 갖는 구성 모델을 사용하여, 두 노드 사이의 일반적인 거리가 점 渐진적으로 2 log log N / |log(τ−2)| 로 증가함을 엄밀히 증명한다. 또한 이 평균 주위의 최종 변동성을 특성화하며, 분산이 유한한 경우와 무거운 尾수를 가진 경우의 이전 결과들을 확장한다.

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.

연구 동기 및 목표

• 분산이 무한한 무거운 尾수 분포를 가진 무작위 네트워크에서 그래프 거리의 점 渐진적 행동을 이해하는 것.
• 분산이 유한한 경우(τ > 3)와 극도로 뚜렷한 무거운 尾수를 가진 경우(τ ∈ (1,2))의 이전 그래프 거리 결과를 임계 경우 τ ∈ (2,3)로 확장하는 것.
• 이러한 네트워크에서 두 일반적인 노드 사이의 그래프 거리(호프카운트)의 최종 분포를 엄밀히 특성화하는 것.
• 스케일링된 그래프 거리의 수렴성과 그 최종 변동성을 기술하는 것.

제안 방법

• 분포의 尾수지수 τ ∈ (2,3)를 가진 멱법칙 분포에 따라 분포된 i.i.d. 도수를 갖는 구성 모델을 사용한다. 이는 천천히 변화하는 함수 L(x)를 만족하는 정규화 조건을 포함한다.
• 지정된 노드에서의 그래프 탐색을 모델링하기 위해 분기 과정 근사법을 사용한다. 이는 각 탐색 수준에서의 자유 스태프 수를 추적한다.
• 핵심 기술 도구로는 각 허프 단계에서 활성 스태프 수의 변화를 추적하는 확률 과정의 사용과, 중량 있는 분포에 대한 극값 이론의 적용이다.
• 모멘트 한계와 농도 부등식을 사용하여 각 탐색 단계에서 도달하는 노드 수에 대한 점 渐진적 한계를 도출한다.
• 탐색 과정을 분기 과정과 비교하기 위해 쌍용(_coupling_) 논증을 도입하여, 스케일링된 그래프 거리의 수렴성에 대한 분포 수렴을 확립한다.
• 탐색 과정을 단계별로 분해하고, 희귀 사건을 제어하기 위해 대규모 편차 추정을 적용한다.

실험 결과

연구 질문

• RQ1 분포의 분산이 무한한 경우(τ ∈ (2,3))에, 두 일반적인 노드 사이의 그래프 거리가 네트워크 크기 N에 따라 어떻게 척도가 되는가?
• RQ2 이러한 네트워크에서 그래프 거리(호프카운트)의 최종 분포는 무엇이며, 점 渐진적 변동성은 어떻게 행동하는가?
• RQ3 점 渐진적 거리가 尾수지수 τ에 따라 어떻게 의존하는가? 그리고 척도의 정확한 함수 형태는 무엇인가?
• RQ4 평균 거리 주위의 변동성은 특성화될 수 있으며, 비퇴화적인 최종 분포로 수렴하는가?

주요 결과

• N → ∞ 일 때, τ ∈ (2,3) 인 네트워크 크기 N에서 두 일반적인 노드 사이의 그래프 거리는 점 渐진적으로 2 log log N / |log(τ−2)| 로 증가한다.
• 스케일링된 그래프 거리는 비퇴화적인 최종 랜덤 변수로 수렴하며, 이는 평균 척도 주위의 변동성을 반영한다.
• 변동성의 크기는 O(1)이며, 그 최종 분포는 비정규분포이며, 도수 분포의 중량 있는 꼬리 성질을 반영한다.
• 이전의 Reittu와 Norros의 상한 추정을 개선하여, 거리의 날카운 점 渐진적 특성화를 제공한다.
• 분석 결과는 분산이 무한한 경우에도 소월현상(Small-world phenomenon)이 유지됨을 확인하며, 이는 분산이 유한한 경우와는 다른 로그 척도로 나타난다.