[论文解读] The power of 2 choices over preferential attachment

Yury Malyshkin, Elliot Paquette|arXiv (Cornell University)|Nov 5, 2013

Business Strategy and Innovation参考文献 1被引用 4

一句话总结

本文提出一种最小选择偏好附加模型，其中新顶点连接到两个随机选择顶点中度数较小的一个，通过双选选择机制抑制度数增长。结果证明，最大度数以高概率增长为 $\log\log m / \log 2 + \Theta(1)$，表明双选机制显著降低了最大度数，相较于标准偏好附加模型中 $t^{1/2}$ 的增长速度。

ABSTRACT

We introduce a new type of preferential attachment tree that includes choices in its evolution, like with Achlioptas processes. At each step in the growth of the graph, a new vertex is introduced. Two possible neighbor vertices are selected independently and with probability proportional to degree. Between the two, the vertex with smaller degree is chosen, and a new edge is created. We determine with high probability the largest degree of this graph up to some additive error term.

研究动机与目标

• 分析在偏好附加中引入双选选择对演化网络中最大度数增长的影响。
• 在最小选择偏好附加模型中建立最大度数的理论界，与标准偏好附加模型中 $t^{1/2}$ 的增长进行对比。
• 证明双选机制——在负载均衡模型中常见——即使在具有大小偏倚选择的偏好附加网络中，也能抑制度数增长。
• 证明新模型中最大度数随时间对数的对数呈对数增长，与双选球和桶过程中的行为一致。

提出的方法

• 引入一个随机过程：在每一步中，以与度数成比例的概率选择两个顶点，并选择度数较小的一个与新顶点连接。
• 定义 $F_m(k)$ 为度数 $\geq k$ 的顶点的总度数权重，用于追踪高阶顶点的累积影响。
• 将 $F_m(k)$ 的演化建模为马尔可夫链，其转移概率基于选择度数 $\geq k$ 的顶点的概率平方。
• 使用递归控制论证来控制 $F_j(k)$ 随时间的变化，表明若 $F_j(k-1)$ 可控，则经过充分平均后 $F_j(k)$ 仍保持有界。
• 应用集中不等式和指数尾部界来控制 $F_j(k)$ 的偏差，确保度数增长的高概率界。
• 构建最小选择偏好附加模型与双选球和桶模型之间的耦合，以建立最大度数的下界。

实验结果

研究问题

• RQ1 在偏好附加中引入双选选择如何影响所得网络的最大度数？
• RQ2 双选机制——已知可减少球和桶模型中的负载不均衡——是否能抑制偏好附加网络中的度数增长？
• RQ3 最小选择偏好附加模型中最大度数的精确渐近增长速率是什么？
• RQ4 偏好附加中的大小偏倚（偏好高阶顶点）与双选机制如何相互作用，进而影响度数分布？

主要发现

• 在最小选择偏好附加模型中，最大度数 $\Delta(m)$ 以高概率增长为 $\frac{\log\log m}{\log 2} + \Theta(1)$。
• 该增长速率显著慢于标准偏好附加模型中 $m^{1/2}$ 的增长，证明双选机制在抑制枢纽形成方面的强大作用。
• 尽管存在偏好附加带来的大小偏倚，该模型的最大度数增长速率与双选球和桶模型相当。
• 证明表明，当 $k = \frac{\log\log m}{\log 2} + \Theta(1)$ 时，$F_m(k)$ 保持有界，意味着以高概率无顶点超过此度数。
• 与双选球和桶模型的耦合论证确认了下界，表明最大度数以高概率至少为 $\frac{\log\log m}{\log 2} - \Theta(1)$。
• 分析表明，即使存在大小偏倚，双选机制仍能主导偏好附加导致形成枢纽的倾向，从而实现最大度数的多对数增长。