[论文解读] Counting monochromatic copies of K_4: a new lower bound for the Ramsey multiplicity problem

Susanne Nieß|arXiv (Cornell University)|Jul 19, 2012

Limits and Structures in Graph Theory参考文献 6被引用 7

一句话总结

本文建立了拉姆齐多重性常数 $ c_4 $ 的新下界，即当 $ n \to \infty $ 时，任意 2-边着色的完全图 $ K_n $ 中单色 $ K_4 $ 子图的极限比例。通过旗代数与半定规划方法，作者计算了关于 7 个顶点旗的二次型，证明了 $ c_4 > \frac{204603019}{7112448000} \approx 0.02876689 $，显著优于此前的下界 $ \frac{1}{46} \approx 0.0217 $。

ABSTRACT

Denote by k_4(n) the minimal number of monochromatic copies of a K_4 in a 2-colouring of the edges of K_n and let c_4 := lim k_4(n)/\binom{n}{4}. The best known bounds so far were given by Thomason, who proved that c_4 < 1/33 \approx 0.0303, and Giraud, who showed that c_4 > 1/46 \approx 0.0217. In this paper we prove the new lower bound c_4 > 204603019 / 7112448000 > 0.0287.

研究动机与目标

• 改进拉姆齐多重性常数 $ c_4 $ 的已知下界，该常数定义为 2-边着色完全图中单色 $ K_4 $ 子图比例的极限最小值。
• 解决确定 $ c_4 $ 的开放问题，尽管已有上界，但下界进展有限。
• 应用旗代数方法结合半定规划，系统分析 7 个顶点的旗构型，推导出紧致的下界。
• 通过优化软件与数据结构，缓解旗类型数量因超指数增长带来的计算挑战。

提出的方法

• 采用 Razborov 的旗代数框架，利用旗构型的加权和表示大图中子图密度。
• 构造了关于 5 个顶点 $ \sigma_i $-旗（四种类型 $ \sigma_i $）的二次型，其非负性可推出 $ K_4 + \overline{K}_4 $ 密度的下界。
• 使用半定规划验证该二次型的非负性，其中矩阵 $ M_i $ 由 7 个顶点旗上的系数计算得出。
• 通过优化算法与软件（nauty、Octave）计算旗密度 $ p(F_1, F_2; F) $ 与 $ q_{\sigma_i}(F) $，并将数据存储于结构化文件中以确保可复现性。
• 将系数矩阵 $ M_i $ 与旗密度数据结合，推导出不等式 $ \sum_i [[x_i^{-1} M_i x_i]]_{\sigma_i} + \frac{204603019}{7112448000} \leq K_4 + \overline{K}_4 $，从而得出下界。
• 通过多种软件工具（包括自定义程序与 Octave）验证结果，避免了现有工具（如 Flagmatic，最大支持 9 个顶点）的限制。

实验结果

研究问题

• RQ1 拉姆齐多重性常数 $ c_4 $ 的最佳可能下界是什么？该常数代表 2-边着色完全图中单色 $ K_4 $ 的最小渐近密度。
• RQ2 旗代数方法结合半定规划能否有效扩展至 7 个顶点的旗，以获得 $ c_4 $ 的更紧致下界？
• RQ3 在大规模旗代数计算中，如何缓解旗类型数量因超指数增长带来的计算瓶颈？
• RQ4 能否通过系统化的旗代数技术与数值优化，将 $ c_4 $ 的下界提升至 $ \frac{1}{46} \approx 0.0217 $ 以上？

主要发现

• 本文建立了新下界 $ c_4 > \frac{204603019}{7112448000} \approx 0.02876689 $，显著优于此前的最佳下界 $ \frac{1}{46} \approx 0.0217 $。
• 该下界源于使用 7 个顶点旗构造的非负二次型，并通过半定规划验证。
• 证明依赖于对旗密度与系数矩阵的详细计算，所有数据与中间结果均以 18 个结构化文件形式存储，确保可复现性。
• 作者开发了自定义软件与优化算法，以处理最多 11 个顶点旗的枚举与处理的计算复杂性。
• 使用 Octave 进行大规模矩阵运算比 MATLAB 更为高效，因其内存管理更优，从而支持高维系数矩阵的处理。
• 该结果为目前 $ c_4 $ 的最佳已知下界，超越了以往估计，并缩小了与 $ c_4 $ 真值之间的差距。