[论文解读] Distances in random graphs with finite mean and infinite variance degrees

Remco van der Hofstad, Gerard Hooghiemstra+1 more|arXiv (Cornell University)|Feb 28, 2005

Advanced Graph Theory Research被引用 11

一句话总结

本文分析了度数分布为幂律且方差无限的随机网络中的图距离（跳数），具体针对尾指数 τ ∈ (2,3) 的情形。通过使用具有独立同分布度数的配置模型，本文严格证明了两个节点之间的典型距离渐近地按 2 log log N / |log(τ−2)| 增长，并刻画了该均值周围的极限波动，扩展了先前针对有限方差和重尾情形的结果。

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.

研究动机与目标

• 理解度数分布为重尾且方差无限的随机网络中图距离的渐近行为。
• 将先前关于有限方差（τ > 3）和极端重尾（τ ∈ (1,2)）情形下随机图中图距离的研究结果，扩展到临界情形 τ ∈ (2,3)。
• 严格刻画此类网络中两个典型节点之间图距离（跳数）的极限分布。
• 建立重标化图距离的收敛性，并描述其极限波动。

提出的方法

• 研究采用配置模型，其中度数独立同分布，服从尾指数 τ ∈ (2,3) 的幂律分布，且满足带有缓慢变化函数 L(x) 的正则变体条件。
• 分析依赖于分支过程近似，用于建模从给定节点出发探索图的过程，追踪每一层探索中自由线头的数量。
• 关键技术工具包括使用随机过程追踪每一跳中活跃线头数量的演化，以及应用极值理论处理重尾分布。
• 通过矩不等式和集中不等式，推导出在每一层探索中可达节点数的渐近界。
• 引入耦合论证，将探索过程与分支过程进行比较，建立重标化图距离的收敛性。
• 证明使用了对探索过程的分层分解，并应用大偏差估计以控制罕见事件。

实验结果

研究问题

• RQ1 当度数分布具有无限方差（τ ∈ (2,3)）时，两个典型节点之间的图距离如何随网络规模 N 变化？
• RQ2 此类网络中图距离（跳数）的极限分布是什么？其波动行为如何渐近表现？
• RQ3 渐近距离如何依赖于尾指数 τ？其精确的函数形式为何？
• RQ4 均值距离周围的波动是否可被刻画？其是否收敛到非退化的极限分布？

主要发现

• 对于 τ ∈ (2,3)，当 N → ∞ 时，网络规模为 N 的图中两个典型节点之间的图距离渐近地按 2 log log N / |log(τ−2)| 增长。
• 重标化图距离收敛于一个非退化的极限随机变量，该变量捕捉了均值缩放周围的波动。
• 波动量级为 O(1)，其极限分布非高斯，反映了度数分布的重尾特性。
• 该结果改进了 Reittu 和 Norros 之前的上界，为距离提供了精确的渐近刻画。
• 分析证实，即使度数方差无限，小世界现象依然存在，但其对数尺度与有限方差情形不同。