[论文解读] An Estimation of the Shortest and Largest Average Path Length in Graphs of Given Density

László Gulyás, Gábor Horváth+2 more|arXiv (Cornell University)|Jan 13, 2011

Complex Network Analysis Techniques参考文献 5被引用 4

一句话总结

本文为给定大小 N 和密度 d 的无向连通图的最短和最长可能平均路径长度（ℓ）提供了分析下界。推导出连通图的最小 ℓ = 2 − d，并构建了一类专门的“尾-团”图族以估计最大 ℓ，得到一个闭式表达式，该表达式在各种网络类型和密度下与经验数据和模拟结果高度吻合。

ABSTRACT

Many real world networks (graphs) are observed to be 'small worlds', i.e., the average path length among nodes is small. On the other hand, it is somewhat unclear what other average path length values networks can produce. In particular, it is not known what the maximum and the minimum average path length values are. In this paper we provide a lower estimation for the shortest average path length (l) values in connected networks, and the largest possible average path length values in networks with given size and density. To the latter end, we construct a special family of graphs and calculate their average path lengths. We also demonstrate the correctness of our estimation by simulations.

研究动机与目标

• 确定在给定大小 N 和密度 d 的连通图中可实现的理论最小平均路径长度（ℓ）。
• 识别在固定 N 和 d 下可能的最大平均路径长度，因为现有模型通常假设 ℓ 较短但未量化其上限。
• 构建一种新型图族——“尾-团”图族，以在密度约束下最大化路径长度。
• 通过小图的穷举枚举（N=10, d=0.2）和 ER 与 BA 网络的模拟，验证分析边界。
• 提供一个适用于整个密度范围的通用框架，不同于以往研究仅限于特定网络类型或狭窄密度范围。

提出的方法

• 利用极值图论推导最小平均路径长度的下界：ℓ_min = 2 − d，基于计数长度为 1 和至少为 2 的路径。
• 构建一种“尾-团”图族，由 z 个节点的线性尾部通过桥接连接到一个包含 N−z−1 个节点的密集中心“团”以最大化路径长度。
• 通过所有节点对的嵌套求和计算总路径长度 SUM(N,z)，考虑尾部内部、尾部到桥接点、桥接点到团内部以及团内部的距离。
• 通过将 z 替换为在密度约束 D = d·N(N−1)/2 下使 ℓ 最大的值，对路径长度进行优化，从而得到以 N 和 d 表示的闭式表达式。
• 推导出最大 ℓ 关于 N 和 d 的分析表达式：l(N,d) = [包含平方根和多项式项的表达式]，由 SUM(N,D)/(N(N−1)/2) 推导得出。
• 通过在 Erdős–Rényi 和 Barabási–Albert 网络中对整个密度谱进行模拟，并将 ℓ 与分析估计值进行比较，验证理论边界。

实验结果

研究问题

• RQ1 在给定大小 N 和密度 d 的连通图中，平均路径长度的最小可能值是多少？
• RQ2 在固定 N 和 d 的连通图中，平均路径长度的最大可能值是多少？何种图结构可实现该最大值？
• RQ3 在不同密度下，最小和最大 ℓ 的分析边界与实际网络和模拟网络相比如何？
• RQ4 能否为任意 N 和 d 下的最大平均路径长度推导出闭式表达式？
• RQ5 所提出的“尾-团”图族在近似 ℓ 的理论最大值方面有多准确？

主要发现

• 在任意大小 N 和密度 d 的连通图中，平均路径长度的最小可能值为 ℓ_min = 2 − d，当尽可能多的节点对通过直接边连接时达到该值。
• 所构建的“尾-团”图族在给定 N 和 d 下实现了目前已知最大的平均路径长度，当密度较低时，ℓ 可显著高于 2。
• 通过分析推导出的最大 ℓ 表达式，l(N,d) = [包含 √(4dN² − (4d+8)N + 9) 的复杂表达式]，在 N 和 d 的不同取值下与模拟和枚举结果高度吻合。
• 对于 N=10 且 d=0.2，对所有连通图的穷举枚举确认理论最小值 ℓ = 2 − 0.2 = 1.8 被实现，且最大 ℓ 受到推导公式的约束。
• 实际网络（如食物网、社交网络）通常聚集在理论最小 ℓ 附近，表明现实世界网络在路径长度上通常具有高度效率。
• 最大 ℓ 边界仅适用于连通图；不连通图可能具有更短的平均路径长度，但本研究主分析中未考虑此情况。