[论文解读] Uniform generation of random graphs with arbitrary degree sequences

Ron Milo, Nadav Kashtan+3 more|arXiv (Cornell University)|Dec 1, 2003

Complex Network Analysis Techniques被引用 33

一句话总结

本文提出了一种新颖的‘胜者留步’蒙特卡洛方法，用于在任意度序列下均匀生成随机图，解决了现有交换法和匹配法的局限性。结果表明，尽管新方法能确保均匀采样并避免混合时间问题，但其速度较慢；然而，它验证了交换法在实际应用中既快速又足够准确。

ABSTRACT

Random graphs with prescribed degree sequences have been widely used as a model of complex networks. Comparing an observed network to an ensemble of such graphs allows one to detect deviations from randomness in network properties. Here we briefly review two existing methods for the generation of random graphs with arbitrary degree sequences, which we call the ``switching'' and ``matching'' methods, and present a new method based on the ``go with the winners'' Monte Carlo method. The matching method may suffer from nonuniform sampling, while the switching method has no general theoretical bound on its mixing time. The ``go with the winners'' method has neither of these drawbacks, but is slow. It can however be used to evaluate the reliability of the other two methods and, by doing this, we demonstrate that the deviations of the switching and matching algorithms under realistic conditions are small compared to the ``go with the winners'' algorithm. Because of its combination of speed and accuracy we recommend the use of the switching method for most calculations.

研究动机与目标

• 解决在任意度序列下随机图生成中，交换法缺乏理论混合时间边界的局限性。
• 克服在指定度序列下生成随机图时，匹配法存在的非均匀采样问题。
• 开发一种新方法，确保均匀采样并具备理论收敛保证。
• 通过与新方法作为黄金标准的对比，评估现有方法（交换法和匹配法）的准确性。
• 基于速度与准确性的权衡，推荐最适合实际应用的方法。

提出的方法

• 本文提出一种‘胜者留步’蒙特卡洛方法，这是一种为在度约束下实现均匀图生成而适配的随机优化技术。
• 该方法迭代地提出图变换，并仅保留那些能提升采样均匀性的变换，其依据是基于度序列符合度的适应度函数。
• 它采用马尔可夫链蒙特卡洛方法，其中成功配置（胜者）被保留并用于引导未来的提案。
• 该算法通过避免基于任意阈值拒绝有效配置，而是偏好持久探索高质量状态，从而确保均匀采样。
• 该方法计算成本较高，但可作为验证更快替代方法准确性的基准。
• 它使得交换法和匹配法的采样分布能够与均匀基线进行直接比较。

实验结果

研究问题

• RQ1 能否开发一种新的蒙特卡洛方法，确保在任意度序列下均匀采样随机图，且不依赖启发式假设？
• RQ2 在现实网络条件下，交换法与匹配法在采样偏差方面如何比较？
• RQ3 交换法的混合时间行为如何？其在任意度序列下是否存在理论边界？
• RQ4 交换法与匹配法与均匀采样基准的偏差在多大程度上影响网络属性分析？
• RQ5 ‘胜者留步’方法是否足够准确，可作为验证更快替代方法的黄金标准？

主要发现

• ‘胜者留步’方法实现了对任意度序列下随机图的均匀采样，避免了匹配法存在的非均匀性问题。
• 与交换法不同，‘胜者留步’方法在理论上没有混合时间边界，但其可作为评估其他方法的可靠基准。
• 在现实网络条件下，交换法与匹配法与均匀基线的偏差均较小。
• 尽管计算成本较高，‘胜者留步’方法确认了交换法在大多数实际应用中可产生足够准确的结果。
• 本文结论认为，交换法在速度与准确性之间达到了最佳平衡，因此推荐在一般网络分析中使用。