[論文レビュー] Stochastic Weighted Fractal Networks

Timotéo Carletti|arXiv (Cornell University)|Feb 1, 2010

Complex Network Analysis Techniques参考文献 28被引用数 3

ひとこと要約

本稿では、物理的フラクタルにインspiredされた確率的成長過程を用いて構築される、複雑な重み付きネットワークの新規クラス、Stochastic Weighted Fractal Networks (SWFNs) を導入する。モデルは期待値に基づく再帰関係を用いて、ノードの強さ分布、重み付き最短経路、クラスタリング係数といったネットワークトポロジーを解析的に特徴づけ、スケールフリーモード、スモールワールド性、フラクタル次元依存性を示している。

ABSTRACT

In this paper we introduce new models of complex weighted networks sharing several properties with fractal sets: the deterministic non-homogeneous weighted fractal networks and the stochastic weighted fractal networks. Networks of both classes can be completely analytically characterized in terms of the involved parameters. The proposed algorithms improve and extend the framework of weighted fractal networks recently proposed in (T. Carletti & S. Righi, in press Physica A, 2010)

研究の動機と目的

• 物理的フラクタルからトポロジカルおよび構造的性質を継承する複雑な重み付きネットワークの包括的フレームワークを構築すること。
• ネットワーク成長過程における確率的要因を導入することで、決定的重み付きフラクタルネットワークを一般化すること。
• アンサンブル平均を用いた確率的レプリカ上での期待値を用いて、平均重み付き最短経路やクラスタリング係数といった主要なネットワーク特性を解析的に特徴づけること。
• 基礎となる反復関数系 (Iterated Function System: IFS) のフラクタル次元とノード強度分布のスケーリング指数との直接的な関係を確立すること。
• 生物学的輸送ネットワークやフラクタルアンテナなど、階層的で自己同様性があり、フロー制約を受ける構造を示す実世界のシステムをモデル化すること。

提案手法

• 各ノードがスケーリング要因 $f_i \in (0,1)$ を持つ $s$ 個のサブネットワークに分岐する確率的反復写像 $\mathcal{T}_{s,\mathbf{f},a}$ を用いてネットワークを構築する。
• 分岐数 $s_k$ とスケーリング要因 $f_k$ における確率分布を定義することで、確率的進化を可能にする。
• 複数のレプリカにおけるアンサンブル平均を用いて、ノード数の期待値、総重み、ノード強度分布の期待値に関する再帰関係を導出する。
• 成長率とスケーリングパラメータを組み込んだ、期待平均重み付き最短経路 $\langle \lambda_k \rangle$ およびクラスタリング係数の再帰方程式を定式化する。
• 基礎となるIFSの類似次元を用いて、フラクタル次元と強度分布のスケーリング指数との関係を導出する。
• 自己縮小技術を用いて、大規模ネットワーク極限におけるネットワーク特性の漸近的表現を導出する。

実験結果

リサーチクエスチョン

• RQ1 フラクタルに類似したトポロジーを有する複雑な重み付きネットワークを生成するための確率的成長過程を形式化するにはどうすればよいか？
• RQ2 基礎となるIFSのフラクタル次元とノード強度や最短経路といったネットワーク指標のスケーリング特性との間には、どのような解析的関係が存在するか？
• RQ3 SWFNsはどの程度スモールワールド性およびスケールフリー特性を示し、それらは確率的構築プロセスからどのように生じるか？
• RQ4 分岐とスケーリングにおける確率的要因は、平均最短経路やクラスタリング係数といった主要なネットワーク特性の収束性および安定性にどのように影響するか？
• RQ5 提案されたモデルは、既存の決定的重み付きフラクタルネットワークを統合し、現実的で確率的成長およびフロー制約を含む形に拡張できるか？

主な発見

• SWFNにおけるノード強度分布は、基礎となるIFSのフラクタル次元と直接関係するべきべき乗則に従い、スケールフリー性が裏付けられる。
• 平均重み付き最短経路はネットワークサイズに従って対数的に増加する、$\langle \ell_k \rangle \sim \log N_k$ となり、ランダムネットワークと同等のスモールワールド性を示す。
• ネットワークサイズが増大するに従い、クラスタリング係数は漸近的に一定に保たれ、ランダムネットワークとは異なりゼロに減少しない。
• 期待平均重み付き最短経路の漸近的表現が閉形式で導出され、$s_k$ および $f_k$ の分布に依存する。シミュレーションによる20レプリカでの収束が確認された。
• スケーリング要因が等しい $f_i = \alpha / s_k$ の極限において、期待平均重み付き最短経路は $\langle (s/(s+1))^2 \rangle$ および $\langle 1/(1+s)^2 \rangle$ を含む安定な表現に収束し、解析的取り扱いの可能性が裏付けられる。
• 確率的要因を組み込む一方で、解析的予測可能性とフラクタル構造を保持する形で、決定的重み付きフラクタルネットワークを効果的に一般化している。