[論文レビュー] Symbolic method and directed graph enumeration

Élie de Panafieu, Sergey Dovgal|arXiv (Cornell University)|Mar 22, 2019

Advanced Combinatorial Mathematics被引用数 7

ひとこと要約

本稿では、有向グラフの列挙を簡略化する解析的組合せ論における新しい母関数技法として、矢印積（arrow product）を導入する。符号的技法と指数的ハダール積、およびマーク変数を用いた包含除外法を組み合わせることで、有向無閉路グラフ（DAG）、強い連結成分をもつ有向グラフ（SCCs）、および指定された族に属するSCCsをもつ有向グラフの母関数に対する簡潔な導出が可能となり、既存の結果を回復・統合し、新たな洗練された証明が得られる。

ABSTRACT

We introduce the arrow product, a systematic generating function technique for directed graph enumeration. It provides short proofs for previous results of Gessel on the number of directed acyclic graphs and of Liskovets, Robinson and Wright on the number of strongly connected directed graphs. We also recover Robinson's enumerative results on directed graphs where all strongly connected components belong to a given family.

研究の動機と目的

• 有向グラフの列挙のための体系的な母関数法を開発すること。
• DAGおよび強い連結成分をもつ有向グラフの列挙に関する既存の証明を統一・簡略化すること。
• すべての強い連結成分が与えられた族に属する有向グラフへの結果の一般化。
• ランダム有向グラフにおける相転移を研究するための枠組みを提供すること。

提案手法

• 一つの有向グラフから別の有向グラフへ任意の有向辺を追加する組合せ的演算として、矢印積を導入する。
• 指数的ハダール積を用いて、指数的母関数とグラフ的母関数の間を変換する。
• 包含除外法により、源（ソース）、ターゲット（シンク）、または特定のSCCsを追跡するためのマーク変数（例：u）を用いる。
• 複数のパラメータ（頂点数、辺数、成分タイプなど）を追跡するため、多変数母関数を用いた記号的技法を適用する。
• ラベル付き有向グラフを体系的に取り扱うために、サイクル指数フレームワークおよび型理論の概念を用いる。
• 例として、DAGをマークされた源と一般の有向グラフとの矢印積として分解することで母関数を導出する。

実験結果

リサーチクエスチョン

• RQ1 記号的技法をどのように拡張すれば、有向グラフ列挙のためのより短く体系的な証明が得られるか？
• RQ2 強い連結成分をもつ有向グラフの母関数は何か？そして、第一原理から洗練された形で導出可能か？
• RQ3 源がマークされたDAGの列挙を、源に類する強い連結成分がマークされた有向グラフへ一般化可能か？
• RQ4 与えられた族に制限されたSCCsをもつ有向グラフの母関数はどのように導出可能か？
• RQ5 この枠組みを、ランダム有向グラフにおける相転移の分析に拡張可能か？

主な発見

• マークされた源をもつDAGの母関数は、DAG(z, w, u) = Set((u−1)z, w)/Set(−z, w) で与えられ、洗練された閉形式の表現が得られる。
• 強い連結成分をもつ有向グラフの母関数は SCC(z, w) = −log(G(z, w) ⊙ 1/G(z, w)) で与えられ、既知の結果を再発見するが、新たな洗練された証明が得られる。
• すべてのSCCsが族Aに属する有向グラフの母関数は DA(z, w) = 1 / (Set(w, z) ⊙ e−A(z,w)) で与えられ、DAGの列挙を一般化する。
• この手法により、計算が効率的に行える：n頂点およびm辺までのSCCの数を計算するには、O(nm log(n+m)) の演算が必要となる。
• この枠組みは、部分族Bからの成分をマークするのにも自然に拡張可能であり、DA(z, w, u) = Set(w, z) ⊙ e(u−1)A(z,w) / (Set(w, z) ⊙ e−A(z,w)) を得る。
• このアプローチは、Gessel、Liskovets、Robinson、Wrightの結果を統一的に回復・簡略化する体系的かつ包括的な手法を提供する。