[论文解读] Laws of Large Numbers of Subgraphs in Directed Random Geometric Networks

Yilun Shang|arXiv (Cornell University)|Sep 16, 2009

Computational Geometry and Mesh Generation参考文献 14被引用 4

一句话总结

本文在两类有向随机几何网络中建立了诱导子图和孤立子图计数的强有力大数定律：一类是随机扇区（随机缩放扇区图）的网络，另一类是随机半径（具有独立同分布半径的随机几何有向图）。通过使用如 Azuma 不等式和改进的 Chernoff bounds 等鞅集中不等式，证明了在一般渐近框架下，子图计数几乎必然收敛到其期望值，将 Penrose 的结果扩展至适用于无线和传感器网络的有向空间网络。

ABSTRACT

Given independent random points $\mathcal{X}_n=\{X_1,...,X_n\}$ in $\mathbb{R}^2$, drawn according to some probability density function $f$ on $\mathbb{R}^2$, and a cutoff $r_n>0$ we construct a random geometric digraph $G(\mathcal{X}_n,\mathcal{Y}_n,r_n)$ with vertex set $\mathcal{X}_n$. Each vertex $X_i$ is assigned uniformly at random a sector $S_i$, of central angle $α$ with inclination $Y_i$, in a circle of radius $r_n$ (with vertex $X_i$ as the origin). An arc is present from $X_i$ to $X_j$, if $X_j$ falls in $S_i$. We also introduce another random geometric digraph $G(\mathcal{X}_n,\mathcal{R}_n)$ with vertex set $\mathcal{X}_n=\{X_1,...,X_n\}$ in $\mathbb{R}^d$, $d\ge1$ and an arc present from $X_i$ to $X_j$ if $||X_i-X_j||

研究动机与目标

• 将 Penrose 关于子图计数的大数定律推广至有向随机几何网络，以更好地建模空间网络中的非对称通信。
• 分析两种新型有向网络模型中诱导子图和孤立子图的渐近行为：随机缩放扇区图和具有独立同分布半径的随机几何有向图。
• 在一般空间和分布假设下，为子图计数提供严格的几乎必然收敛结果，包括有界、几乎必然连续的概率密度函数以及衰减的半径序列。
• 通过使用鞅差序列和集中不等式，解决由于空间聚类导致的子图计数依赖性问题。
• 将经典无向随机几何图的结果推广至适用于实际应用（如无线传感器网络和自组织网络）的有向模型。

提出的方法

• 建立两类有向随机几何网络模型：(1) 随机缩放扇区图，其中每个节点在固定角度和半径的随机扇区内进行传输；(2) 每个节点具有独立同分布随机半径的随机几何有向图。
• 在这些有向图中定义诱导子图和孤立子图，以研究局部拓扑结构，尤其适用于分析小规模网络配置。
• 应用 Azuma 不等式和一种改进的鞅集中不等式（引理 2），以控制子图计数与其期望之间的偏差。
• 使用 Chernoff bounds 控制平面网格划分中每个空间单元内的点数，确保无单元过于拥挤，这对限制单个节点对子图计数的影响至关重要。
• 基于逐个顶点暴露的过滤过程定义鞅差，即使子图计数依赖于重叠的节点集合，也能应用集中不等式。
• 将罕见事件（如单元内点密度过高）的概率界与集中不等式相结合，证明子图计数大偏差的概率在 $ n $ 上可 summable，从而通过 Borel-Cantelli 引理实现几乎必然收敛。

实验结果

研究问题

• RQ1 在具有随机扇区传输的有向随机几何网络中，诱导子图计数的几乎必然渐近行为是什么？
• RQ2 在每个节点具有独立同分布随机传输半径的有向随机几何图中，孤立子图计数的行为如何？
• RQ3 在一般空间密度和衰减半径条件下，能否为有向空间网络中的子图计数建立强有力大数定律？
• RQ4 空间聚类如何影响子图计数的集中性？有哪些技术可以控制这种依赖性？
• RQ5 在这些有向模型中，子图计数向其期望值收敛的速率是多少？在何种条件下该收敛几乎必然成立？

主要发现

• 在随机缩放扇区图模型中，当 $ r_n $ 满足适当的衰减条件时，大小为 $ k $ 的诱导或孤立子图数量几乎必然收敛到其期望值乘以 $ n^k r_n^{2(k-1)} $。
• 在具有独立同分布半径的随机几何有向图中，当 $ \mathbb{E}[R_n^d] \to 0 $ 且 $ n \to \infty $ 时，本文建立了子图计数的强有力大数定律。
• 子图计数与其均值的偏差概率在 $ n $ 上可 summable，从而通过 Borel-Cantelli 引理实现几乎必然收敛。
• 采用基于网格的空间划分与 Chernoff bounds 确保无单元包含过多节点，这对限制单个节点对子图计数的影响至关重要。
• 本文证明了子图计数的鞅差序列在概率上一致有界，从而允许应用 Azuma 不等式及其改进形式。
• 在密度函数 $ f $ 的温和条件下（包括有界性和几乎必然连续性）结果成立，这些条件涵盖了均匀分布和紧支集上的正态分布等常见分布。