[论文解读] Modeling and Analysis of Time-Varying Graphs

Prithwish Basu, Amotz Bar-Noy+2 more|arXiv (Cornell University)|Dec 1, 2010

Opportunistic and Delay-Tolerant Networks参考文献 19被引用 30

一句话总结

本文提出一种称为Temporal Graphlets的时间图模型，利用存储-转发和直通延迟模型，分析时变网络中的可达性和路由延迟。该研究为动态随机图中消息传输时间提供了精确的概率分布，并提出了最小化期望传输时间的自适应路由算法，其主要贡献在于概率分析以及图压缩技术，以实现准确度与效率之间的权衡。

ABSTRACT

We live in a world increasingly dominated by networks -- communications, social, information, biological etc. A central attribute of many of these networks is that they are dynamic, that is, they exhibit structural changes over time. While the practice of dynamic networks has proliferated, we lag behind in the fundamental, mathematical understanding of network dynamism. Existing research on time-varying graphs ranges from preliminary algorithmic studies (e.g., Ferreira's work on evolving graphs) to analysis of specific properties such as flooding time in dynamic random graphs. A popular model for studying dynamic graphs is a sequence of graphs arranged by increasing snapshots of time. In this paper, we study the fundamental property of reachability in a time-varying graph over time and characterize the latency with respect to two metrics, namely store-or-advance latency and cut-through latency. Instead of expected value analysis, we concentrate on characterizing the exact probability distribution of routing latency along a randomly intermittent path in two popular dynamic random graph models. Using this analysis, we characterize the loss of accuracy (in a probabilistic setting) between multiple temporal graph models, ranging from one that preserves all the temporal ordering information for the purpose of computing temporal graph properties to one that collapses various snapshots into one graph (an operation called smashing), with multiple intermediate variants. We also show how some other traditional graph theoretic properties can be extended to the temporal domain. Finally, we propose algorithms for controlling the progress of a packet in single-copy adaptive routing schemes in various dynamic random graphs.

研究动机与目标

• 为时变图建立理论基础，解决网络动态性方面缺乏基本理解的问题。
• 将动态网络建模为静态图快照序列（Temporal Graphlets），并将标准图属性（如可达性和连通性）扩展到时域。
• 分析通过图压缩（graph smashing）导致的时间顺序丢失对动态随机图中可达性概率的影响。
• 设计自适应路由算法，以最小化动态随机图模型中的期望传输时间。
• 通过引入中间m-压缩图模型，探索计算效率与准确度之间的权衡。

提出的方法

• 将时变图建模为一系列静态图快照，构建有向堆叠图以表示时间演化。
• 引入两种延迟模型：存储-转发（消息仅在完全接收后才转发）和直通（立即向任意可达节点转发）。
• 应用概率分析，推导出在两种动态随机图模型（独立概率模型和两步马尔可夫链模型）下消息传输时间的精确分布。
• 提出一种基于无记忆策略的自适应路由算法，每一步选择当前最优边以最小化到达目标的期望时间。
• 引入m-压缩概念，将选定的图片段压缩为单个图，同时保留部分时间结构，从而实现效率与准确度之间的权衡。
• 使用动态规划计算路径存在概率，并通过METT（最小期望目标到达时间）值优化路由决策。

实验结果

研究问题

• RQ1 通过图压缩导致的时间顺序丢失，如何影响时变随机图中的可达性概率？
• RQ2 在存储-转发和直通模型下，动态随机路径中消息传输延迟的精确概率分布是什么？
• RQ3 如何设计自适应路由策略，以最小化具有间歇连通性的时变图中的期望传输时间？
• RQ4 不同层次的图压缩（如m-压缩）对可达性等时间图属性的准确度有何影响？
• RQ5 传统图属性（如色数和支配集）能否有意义地扩展到时域？

主要发现

• 本文推导出动态随机路径中消息延迟的精确概率分布，超越了一阶矩近似。
• 存储-转发和直通延迟模型产生不同的传输动态，其中直通模型通过立即向可达节点转发消息，实现更快的路由。
• 所提出的自适应路由算法在存储-转发模型下，通过基于优先级的提取最小值方法，正确计算出METT（最小期望目标到达时间）值。
• m-压缩模型实现了计算效率与准确度之间的可控权衡，非均匀压缩在确定性序列中可能提升性能。
• 直通模型可通过将邻居集合替换为可达节点集合进行适应，且在多项式时间预言机支持下，算法仍保持正确性。
• 理论结果表明，该算法在归纳过程中保持正确性，当邻居的值已知且按期望时间递增顺序处理时，METT值可被准确计算。