[论文解读] Random graphs with arbitrary i.i.d. degrees

Remco van der Hofstad, Gerard Hooghiemstra+1 more|ArXiv.org|Feb 28, 2005

Limits and Structures in Graph Theory参考文献 33被引用 4

一句话总结

本文研究具有 i.i.d. 度分布且尾指数为 $ au$ 的幂律分布的随机图，揭示了连通分量结构和直径的相变。当 $ au \in (2,3)$ 时，证明了当最小度至少为 3 时，直径以高概率有上界 $C \log \log N$；当存在度为 2 的节点时，直径以高概率有下界 $c \log N$，揭示了典型距离缩放的显著相变。

ABSTRACT

In this paper we derive results concerning the connected components and the diameter of random graphs with an arbitrary i.i.d. degree sequence. We study these properties primarily, but not exclusively, when the tail of the degree distribution is regularly varying with exponent $1-τ$. There are three distinct cases: (i) $τ>3$, where the degrees have finite variance, (ii) $τ\in (2,3)$, where the degrees have infinite variance, but finite mean, and (iii) $τ\in (1,2)$, where the degrees have infinite mean. These random graphs can serve as models for complex networks where degree power laws are observed. Our results are twofold. First, we give a criterion when there exists a unique largest connected component of size proportional to the size of the graph, and study sizes of the other connected components. Secondly, we establish a phase transition for the diameter when $τ\in (2,3)$. Indeed, we show that for $τ>2$ and when nodes with degree 2 are present with positive probability, the diameter of the random graph is, with high probability, bounded below by a constant times the logarithm of the size of the graph. On the other hand, assuming that all degrees are at least 3 or more, we show that, for $τ\in (2,3)$, the diameter of the graph is with high probability bounded from above by a constant times the $\log \log$ of the size of the graph.

研究动机与目标

• 理解具有指数为 $1-\tau$ 的正则变尾的 i.i.d. 度的随机图中连通分量的结构。
• 确定唯一巨分量出现的条件，并刻画较小分量的大小。
• 根据度分布的尾部和最小度，建立图直径的相变。
• 分析此类随机图所建模的复杂网络中典型距离的缩放行为。

提出的方法

• 使用配置模型从具有幂律尾部 $1-F(x) \sim x^{1-\tau}L(x)$，$\tau>1$，$L$ 慢变的 i.i.d. 度序列构建随机图。
• 应用从某顶点开始的探索过程，追踪边桩和碰撞次数，以估计分量增长和连通性。
• 对 $k$-探索树中的边桩数量以及图核心部分的边桩数量使用随机上界。
• 使用布尔不等式控制探索树中多重碰撞的概率，确保以高概率保持树状结构。
• 应用大偏差界和集中不等式，表明探索树以高概率连接到核心部分。
• 通过将探索过程与分支过程耦合，并分析到达核心和连接到其他分量的时间，推导出直径的界。

实验结果

研究问题

• RQ1 在具有 i.i.d. 幂律度的随机图中，唯一巨分量在何种条件下出现？
• RQ2 当度分布具有无限方差（$ au \in (2,3)$）时，图的直径如何随网络规模 $N$ 缩放？
• RQ3 当 $ au \in (2,3)$ 时，度为 2 的节点的存在对直径缩放有何影响？
• RQ4 在重尾度分布中，最小度（例如 ≥3 与包含度为 2 的节点）如何影响直径缩放？
• RQ5 当度分布具有无限均值（$ au \in (1,2)$）时，直径的精确渐近行为是什么？

主要发现

• 当 $ au \in (2,3)$ 时，若所有度至少为 3，则直径以高概率有上界 $C \log \log N$（$C$ 为某常数）。
• 当 $ au \in (2,3)$ 时，若度为 2 的节点以正概率出现，则直径以高概率有下界 $c \log N$（$c>0$），表明存在相变。
• 当 $ au > 3$ 时，度分布的方差有限，图表现出标准相变，巨分量大小与 $N$ 成比例，而较小分量大小为对数级。
• 当 $ au \in (1,2)$ 时，度分布具有无限均值，最大分量仍为 $N$ 阶，但直径可能比 $\log \log N$ 增长更快。
• 从某节点出发的 $k$-探索树中发生两次或以上碰撞的概率为 $o(N^{-1})$，当 $k = C(m,\varepsilon)\log\log N$ 时，确保树状扩展。
• 以高概率，从任意节点出发的 $k$-探索树在 $k = C(m,\varepsilon)\log\log N$ 步内连接到图的核心部分，从而实现直径的界。