다이렉트 에시클릭 그래프의 볼츠만 샘플링과 최적 정확도 크기 생성

초록

본 논문은 그래픽 생성함수를 확장한 볼츠만 샘플링 기법을 이용해 균일한 무작위 DAG(Directed Acyclic Graph)를 생성하는 두 가지 알고리즘을 제안한다. 특히, 전처리 없이 평균 n²/2 + o(n²) 연산과 동일한 엔트로피에 근접한 난수 비트를 사용해 정확한 크기의 DAG를 샘플링하는 최적 알고리즘을 설계하였다. 실험 결과, 기존 최첨단 구현보다 수십 배에서 수천 배 빠른 성능을 보였다.

상세 분석

이 논문은 먼저 그래프 전용 생성함수(GGF)의 정의와 기존 연구에서 사용된 ‘arrow product’ 연산을 정리한다. GGF는 정점 수 v, 간선 수 e, 소스 수 s를 변수 z, w, u 로 표시하여 G(z,w,u)=∑ z^v w^e u^s · (1+w)^{v(v−1)/2}/(v!·v^2) 와 같은 형태를 갖는다. DAG의 GGF는 Robinson과 Stanley의 결과를 이용해 DAG(z,w)=1/Set(−z,w) 이며, 여기서 Set(z,w)=∑_{n≥0} z^n (1+w)^{n(n−1)/2}/n! 이다.

볼츠만 모델을 그래픽 생성함수에 적용하면, 파라미터 (z,w) 에 따라 기대 정점·간선 수가 조절되는 확률분포 P_{z,w}