짧은 사이클 없는 무작위 네트워크 생성

본 논문은 “짧은 사이클이 없는 무작위 그래프”라는 특수한 그래프 군을 효율적으로 샘플링하는 문제에 초점을 맞춘다. 서론에서는 네트워크 과학, 의료 네트워크, LDPC 코딩 등 다양한 분야에서 그래프 구조를 보존하거나 특정 서브구조를 회피해야 하는 실용적 필요성을 제시한다. 기존에는 이러한 제약을 만족하는 그래프를 생성하는 것이 NP‑hard이거나, 휴리스틱에 의존해 편향된 샘플이 생성되는 경우가 많았다. 본 연구의 핵심 기여는 두 가지이다. 첫째, RandGraph라는 순차적 삽입 알고리즘을 설계하고, 각 단계에서 삽입할 간선의 선택 확률을 포아송 근사를 통해 정확히 추정한다. 구체적으로, 현재 그래프 G_t에 (i,j)를 추가했을 때 기대되는 짧은 사이클 수 E_k(G_t,ij)를 계산하고, 이를 지수 함수 형태로 확률에 반영한다. 이 확률은 Z(G_t) 로 정규화되며, Q(G_t) (사이클을 만들지 않는 후보 간선 집합) 내에서 샘플링된다. 둘째, 이 알고리즘이 균등 분포에 수렴함을 이론적으로 증명한다. 이를 위해 세 단계 근사를 도입한다. (1) m개의 간선을 갖는 임의 그래프를 Erdős–Rényi G(n, p) 로 근사한다. (2) Janson 부등식을 이용해 G(n, p) 가 k 이하의 사이클을 전혀 포함하지 않을 확률을 정확히 추정한다. (3) 현재 단계 t의 부분 그래프 G_t 를 동일한 밀도의 ER 그래프로 근사해 p_{ij|G_t} 가 실제 균등 분포와 얼마나 차이 나는지를 분석한다. 이 과정에서 m = O(n^{1+α}) (α ≤ 1/