[논문 리뷰] Tilings in randomly perturbed graphs: Bridging the gap between Hajnal‐Szemerédi and Johansson‐Kahn‐Vu

Jie Han, Patrick Morris외 1명|arXiv (Cornell University)|2019. 04. 22.

Stochastic processes and statistical mechanics참고 문헌 48인용 수 5

한 줄 요약

이 논문은 극단적(Hajnal–Szemerédi) 및 랜덤(Johansson–Kahn–Vu) 그래프 모델 사이의 갭을 메우며, 무작적으로 흩어진 그래프에서 완전한 Kr-타일링을 위한 임계값을 해결한다. 임의의 0 < α < 1 − 1/r에 대해, 최소 차수 δ(G) ≥ αn인 n개 정점의 그래프에 Θ(n^{−2/k})개의 랜덤 간선을 추가하면, 점점 거의 확실히 완전한 Kr-타일링이 존재함을 보여주며, α가 증가함에 따라 이 임계값은 정규 간격으로 '점프'함을 밝히고, 각 간격에서 이 bound는 최적임을 입증한다.

ABSTRACT

A perfect Kr-tiling in a graph G is a collection of vertex-disjoint copies of Kr that together cover all the vertices in G. In this paper we consider perfect Kr-tilings in the setting of randomly perturbed graphs; a model introduced by Bohman, Frieze, and Martin [7] where one starts with a dense graph and then adds m random edges to it. Specifically, given any fixed 0 &lt; 𝛼 &lt; 1 − 1∕r we determine how many random edges one must add to an n-vertex graph G of minimum degree 𝛿(G) ≥ 𝛼n to ensure that, asymptotically almost surely, the resulting graph contains a perfect Kr-tiling. As one increases 𝛼 we demonstrate that the number of random edges required “jumps” at regular intervals, and within these intervals our result is best-possible. This work therefore closes the gap between the seminal work of Johansson, Kahn and Vu [25] (which resolves the purely random case, that is, 𝛼 = 0) and that of Hajnal and Szemerédi [18] (which demonstrates that for 𝛼 ≥ 1 − 1∕r the initial graph already houses the desired perfect Kr-tiling).

연구 동기 및 목표

• 0 < α < 1 − 1/r일 때, 최소 차수 δ(G) ≥ αn인 초기 그래프를 바탕으로 무작적 흩어진 그래프에서 완전한 Kr-타일링을 보장하기 위해 필요한 랜덤 간선의 정확한 수를 결정하는 것.
• 완전한 클리크 타일링에 대해 극단적 그래프 이론 결과(Hajnal–Szemerédi)와 랜덤 그래프 결과(Johansson–Kahn–Vu) 사이의 이론적 갭을 메우는 것.
• α가 증가함에 따라 랜덤 간선의 임계값이 정규 간격으로 '점프'함을 보이고, 각 간격 내에서 이 bound가 최적임을 입증하는 것.
• Balogh, Treglown, 그리고 Wagner가 무작적 흩어진 모델에서 α > 1/r인 경우에 대해 남긴 열린 문제를 해결하는 것.

제안 방법

• 완전한 H-타일링을 거의 확실히 포함하는 최소 p(n)를 형식화하기 위해, 흩어진 완전 타일링 임계값 p(H, α)를 도입한다.
• 흡수, 정규성, 랜덤 그래프 기법의 조합을 사용하여 강력한 타일링 메커니즘을 구축한다.
• 유연한 집합을 사용한 근사적 흡수 과정을 적용하여 나누어 떨어짐과 정점 커버 문제를 다룬다.
• 마지막 순간 조정을 가능하게 하기 위해, 랜덤 간선을 활용해 높은 유연성을 가진 흡수 구조를 구성한다.
• Chernoff 추정을 사용하여 정점 클래스의 부분집합에서 무작위로 선택된 집합의 크기와 이웃성 특성을 제어한다.
• 잔여 그래프에 타일링을 통합하기 위해 Corollary 6.25와 Theorem 5.1을 활용하여, 정점 집합의 대부분을 흡수하고 커버한 후에 적용한다.

실험 결과

연구 질문

• RQ1 0 < α < 1 − 1/r일 때, 최소 차수 αn인 초기 그래프를 갖는 무작적 흩어진 그래프에서 완전한 Kr-타일링을 보장하기 위해 필요한 랜덤 간선의 정확한 임계값은 무엇인가요?
• RQ2 α가 증가함에 따라 랜덤 간선의 임계값은 어떻게 변화하며, 이는 정규 간격으로 '점프'하는가?
• RQ3 각 α 간격 내에서 임계값이 최적인지 여부는 어떻게 되며, 이 임계값 이하일 경우 완전한 Kr-타일링을 방해하는 그래프의 구조적 특성은 무엇인가요?
• RQ4 클리크에 사용된 방법은 임의의 그래프 H로 일반화될 수 있으며, 이 경우 임계값은 H의 구조에 어떻게 의존하나요?
• RQ5 α = 1 − k/r (2 ≤ k ≤ r−1)일 때의 정확한 임계값은 무엇이며, 기존의 한계와 비교해보면 어떻게 되나요?

주요 결과

• 임의의 고정된 0 < α < 1 − 1/r에 대해, G ∪ G(n,p)에서 완전한 Kr-타일링을 보장하기 위한 랜덤 간선의 임계값은 p = Θ(n^{−2/k})이며, 여기서 k는 α ≥ 1 − k/r를 만족하는 최소 정수이다.
• α가 증가함에 따라 임계값은 정규 간격으로 '점프'하며, 각 점프는 2 ≤ k ≤ r−1 범위의 새로운 k 값에 해당한다.
• 이 bound는 최적이다: 임의의 α > 1 − k/r에 대해, δ(G) ≥ αn를 만족하는 그래프 G가 존재하며, p = o(n^{−2/k})일 경우 G ∪ G(n,p)가 거의 확실히 완전한 Kr-타일링을 포함하지 않는다.
• 논문은 α = 1 − k/r (2 ≤ k ≤ r−1)인 경우를 해결하여, p(Kr, α) ∈ [n^{−2/k}, n^{−2/(k+1)}]임을 보였으며, 더 정교한 하한은 p(Kr, α) ≥ n^{−2/k}(log n)^{2/(k^2−k)}이다.
• 흡수 구조, 근사적 클리크 선택, 정규성 및 랜덤 임베딩 기법을 통한 잔여 타일링의 조합을 통해 성공적으로 완전한 Kr-타일링을 구성하였다.
• 분석 결과, 선형 최소 차수에서 시작할 경우, 임계값이 로그 인자에 독립적임을 확인하였으며, 순수한 랜덤 모델과는 달리 결정론적 부분에서 로그 절감 효과가 있음을 확인하였다.