[论文解读] An algorithmically random family of MultiAspect Graphs and its topological properties

Felipe S. Abrahão, Klaus Wehmuth+1 more|arXiv (Cornell University)|Oct 27, 2018

Advanced Graph Theory Research被引用 1

一句话总结

本文引入了一类无限的、递归标记的嵌套多维度图（MAGs），其表现出算法随机性，类似于随机实数。研究表明，这些MAGs具有不可压缩性，并推导出若干关键拓扑性质——如顶点度分布、连通性、直径和刚性——表明其与随机结构的理论预期一致。

ABSTRACT

This article presents a theoretical investigation of incompressibility and randomness in generalized representations of graphs along with its implications on network topological properties. We extend previous studies on plain algorithmically random classical graphs to plain and prefix algorithmically random MultiAspect Graphs (MAGs). First, we show that there is an infinite recursively labeled infinite family of nested MAGs (or, as a particular case, of nested classical graphs) that behaves like (and is determined by) an algorithmically random real number. Then, we study some of their important topological properties, in particular, vertex degree, connectivity, diameter, and rigidity.

研究动机与目标

• 将算法随机性的理论从经典图推广至多维度图（MAGs）这一广义图模型。
• 建立一个无限、递归标记的嵌套MAG家族的存在性，其行为类似于算法随机实数。
• 研究算法随机性如何影响MAGs中基本拓扑性质（如顶点度、连通性、直径和刚性）的表现。
• 为理解复杂网络表示中超越经典图的不可压缩性与随机性提供理论基础。

提出的方法

• 使用一种形式化编码方案，构建无限、递归标记的嵌套MAG家族，其构造方式与算法随机实数的构造相类似。
• 应用算法信息论中的概念——特别是普通算法随机性与前缀算法随机性——以表征MAG家族的不可压缩性。
• 在算法随机MAG的语境下，定义诸如顶点度、连通性、直径和刚性等拓扑不变量。
• 基于算法随机性的假设，使用测度论与复杂性理论论证，分析这些拓扑性质的渐近行为。
• 确立MAGs的拓扑结构完全由其算法随机性决定，意味着其结构具有不可压缩性。
• 利用嵌套结构模拟并分析无依赖于概率模型的图族中随机性特征的涌现。

实验结果

研究问题

• RQ1 能否构造出一个无限的多维度图家族，使其行为类似于算法随机实数？
• RQ2 在算法随机MAGs中，顶点度、连通性、直径和刚性等拓扑性质如何表现？
• RQ3 算法不可压缩性与MAGs的结构稳定性之间存在何种关系？
• RQ4 算法随机MAGs的拓扑特征在多大程度上与经典随机图的特征相似？
• RQ5 MAGs的嵌套式递归标记如何促进其算法随机性与拓扑复杂性？

主要发现

• 存在一个无限、递归标记的嵌套多维度图家族，其具有算法随机性，即无法被任何有效过程压缩。
• MAGs的拓扑结构完全由其算法随机性决定，意味着其性质不可压缩且不可约化。
• 随机MAGs中的顶点度分布表现出与不可压缩结构一致的特征，未呈现任何规律性模式。
• 该家族的连通性稳健且非退化，尽管图的规模无限，连通性未出现显著下降，反映出算法随机系统的内在稳定性。
• MAGs的直径随规模增长缓慢，与随机网络中观察到的小世界特性一致。
• 刚性分析确认这些图在结构上具有唯一性，且不与任何更简单或可压缩的图家族同构，进一步强化了其算法随机性。