[论文解读] Combinatorial Morse flows are hard to find

Liviu I. Nicolaescu|arXiv (Cornell University)|Feb 13, 2012

Optimization and Search Problems参考文献 4被引用 5

一句话总结

本文证明，在单纯复形上通过随机搜索检测组合Morse流——即满足Morse条件的单纯复形面序集的无环定向——是极不可能的。基于完全图的概率分析表明，该概率随维度呈指数衰减，说明此类流在本质上极为稀少，且难以通过算法发现。

ABSTRACT

We investigate the probability of detecting combinatorial Morse flows on a simplicial complex via a random search. We prove that it is really small, in a quantifiable way.

研究动机与目标

• 研究通过在单纯复形上进行随机搜索检测组合Morse流的可行性。
• 量化随机选择一个定向规定从而产生组合Morse流的概率。
• 分析定义无环组合流的定向规定的结构性质与概率性质。
• 确立组合Morse流通过随机采样极不可能被发现，尤其是在高维复形中。

提出的方法

• 将组合Morse流建模为单纯复形的哈斯图上的定向规定，根据函数值为边分配±1。
• 在完全图 $K_n$ 上定义所有可能定向规定的概率测度，以分析随机搜索的成功率。
• 使用不变量 $\boldsymbol{h}(\Gamma) = \log \left( \frac{N_\Gamma}{4^{n(n-1)/2}} \right)$，其中 $N_\Gamma$ 表示图 $\Gamma$ 上有效组合流的数量，以量化流的密度。
• 应用二项式界和指数衰减估计，证明 $\boldsymbol{P}(\boldsymbol{K}_n) \leq \frac{1}{4^{n(n-1)/2}} \sum_{k=0}^n \binom{n}{k} n^k$，从而证明流检测概率的指数衰减。
• 利用 $\boldsymbol{h}(\Gamma)$ 在不相交并集下的单调性和可加性性质，证明 $\boldsymbol{h}(\Gamma)$ 在 $[\log(1/4), \log(3/4)]$ 中的稠密性。
• 分析Erdős–Rényi随机图和树中 $\boldsymbol{h}_p$ 的阈值行为与极限分布，推断Morse流的渐近稀少性。

实验结果

研究问题

• RQ1 在完全图 $K_n$ 上，随机选择一个定向规定从而产生组合Morse流的概率是多少？
• RQ2 随着单纯复形维度 $n$ 的增加，检测组合Morse流的概率如何衰减？
• RQ3 集合 $\boldsymbol{h}(\Gamma)$ 是否在区间 $[\log(1/4), \log(3/4)]$ 中稠密？
• RQ4 对于所有具有 $n+1$ 个顶点的树 $\mathcal{T}_n$，$\boldsymbol{h}(\mathcal{T}_n)$ 的最小值与最大值的渐近行为如何？
• RQ5 是否存在组合Morse流性质 $\boldsymbol{h}(\Gamma) \leq x$ 的阈值函数 $\boldsymbol{m}_x(n)$，其增长速率如何？

主要发现

• 在 $K_n$ 上通过随机搜索检测组合Morse流的概率随 $n$ 呈指数衰减，其上界为 $\boldsymbol{P}(\boldsymbol{K}_n) \leq \frac{1}{4^{n(n-1)/2}} \sum_{k=0}^n \binom{n}{k} n^k$。
• 不变量 $\boldsymbol{h}(\Gamma)$ 在区间 $[\log(1/4), \log(3/4)]$ 中稠密，意味着流密度可在各类图中取到广泛范围的值。
• 对于任意 $x \in (\log(1/4), \log(3/4))$，性质 $\boldsymbol{h}(\Gamma) \leq x$ 是图的单调递增性质，表明存在尖锐的阈值行为。
• 阈值函数 $\boldsymbol{m}_x(n)$ 存在，使得当 $N_n / \boldsymbol{m}_x(n) \to 0$ 时 $\boldsymbol{P}_n(x, N_n) \to 0$，当 $N_n / \boldsymbol{m}_x(n) \to \infty$ 时 $\to 1$。
• 对于树 $\mathcal{T}_n$，最小 $\boldsymbol{h}$-值满足 $\boldsymbol{h}_*(\mathcal{T}) = \lim_{n\to\infty} \boldsymbol{h}_*(\mathcal{T}_n) = \log(1/2)$，最大值满足 $\boldsymbol{h}^*(\mathcal{T}) = \log r$，其中 $r = (3 + \sqrt{5})/8$。
• 在Erdős–Rényi随机图 $\mathcal{G}(n,p)$ 中，$\boldsymbol{h}_p$ 的极限行为取决于 $p(n)$ 的选择，当 $n \to \infty$ 时，$\boldsymbol{h}_p$ 集中在 $[\log(1/4), \log(3/4)] \cup \{0\}$。