[论文解读] Efficient Shortest Paths in Scale-Free Networks with Underlying Hyperbolic Geometry

Thomas Bläsius, Cedric Freiberger+4 more|arXiv (Cornell University)|Jan 1, 2018

Complex Network Analysis Techniques被引用 6

一句话总结

本文分析了在双曲随机图上运行的双向BFS算法，证明其以高概率在 Õ(n²⁻¹⁄ᵅ + n¹⁄²ᵃ + δₘₐₓ) 时间内运行，其中 α ∈ (1/2, 1) 控制幂律度分布，δₘₐₓ 为最大度。该次线性时间复杂度源于双曲几何与网络异质性的相互作用，解释了为何在真实世界无标度网络中，双向搜索的实际性能优于理论预测。

ABSTRACT

A common way to accelerate shortest path algorithms on graphs is the use of a bidirectional search, which simultaneously explores the graph from the start and the destination. It has been observed recently that this strategy performs particularly well on scale-free real-world networks. Such networks typically have a heterogeneous degree distribution (e.g., a power-law distribution) and high clustering (i.e., vertices with a common neighbor are likely to be connected themselves). These two properties can be obtained by assuming an underlying hyperbolic geometry. To explain the observed behavior of the bidirectional search, we analyze its running time on hyperbolic random graphs and prove that it is {O~}(n^{2 - 1/alpha} + n^{1/(2 alpha)} + delta_{max}) with high probability, where alpha in (0.5, 1) controls the power-law exponent of the degree distribution, and delta_{max} is the maximum degree. This bound is sublinear, improving the obvious worst-case linear bound. Although our analysis depends on the underlying geometry, the algorithm itself is oblivious to it.

研究动机与目标

• 解释双向BFS在具有幂律度分布和高聚类性的现实世界无标度网络中表现优异的实证原因。
• 通过引入具有潜在双曲几何结构的网络模型，弥合理论最坏情况复杂度与实际性能之间的差距。
• 分析双曲随机图上的双向BFS算法，并推导出紧致的、以高概率成立的运行时间界。
• 阐明度异质性与几何约束如何共同影响搜索空间扩展与算法效率。

提出的方法

• 使用双曲随机图建模现实世界网络，其中顶点被放置在双曲平面上，并根据距离连接。
• 通过追踪从源点和目标点出发的搜索空间增长来分析双向BFS，利用边的几何集中特性。
• 使用对顶点度数和邻居连通性的概率界，借助双曲随机图理论中的结果。
• 应用集中不等式与度数和界，控制图中内/中心区域与外区域的搜索空间大小。
• 通过将搜索空间分解为径向与角向分量，其中角向宽度决定邻居可达范围，推导运行时间界。
• 利用关于度分布与邻居连通性的推论与定理，控制所有搜索步骤中的总工作量。

实验结果

研究问题

• RQ1 为何双向BFS在无标度网络中的表现显著优于最坏情况或平均情况分析的预测？
• RQ2 潜在的双曲几何如何解释真实世界网络中双向BFS观察到的次线性性能？
• RQ3 双曲随机图上具有幂律度分布的双向BFS的精确高概率运行时间界是什么？
• RQ4 度异质性与几何约束如何相互作用，影响双向搜索中的搜索空间扩展？
• RQ5 为何在同质网络中，尽管理论上有加速，双向搜索的性能提升仍会减弱？

主要发现

• 在双曲随机图上，双向BFS以高概率在 Õ(n²⁻¹⁄ᵅ + n¹⁄²ᵃ + δₘₐₓ) 时间内运行，当 α ∈ (1/2, 1) 时为次线性。
• 该界在多对数因子范围内是紧致的，因为 n²⁻¹⁄ᵅ 项无法改进，这是由于存在 Θ(n²⁻¹⁄ᵅ) 个顶点可在一步内被到达的角向区域。
• δₘₐₓ 项不可避免，因为几乎必然有 δₘₐₓ = ˜Θ(n¹⁄²ᵃ)，这构成了运行时间的下界。
• 当 α < 0.75 时，1/(2α) 项占主导，反映了探索高阶顶点的成本。
• 当 α > 0.75 时，2 − 1/α 项占主导，表明几何约束减缓了搜索空间的扩展。
• 运行时间中呈现的V形指数反映了权衡：高阶顶点加速了空间扩展，但其探索成本高昂，且这种平衡随异质性程度而变化。