[논문 리뷰] On the Max-Cut Over Sparse Random Graph

David Gamarnik, Quan Li|arXiv (Cornell University)|2014. 11. 06.

Markov Chains and Monte Carlo Methods참고 문헌 26인용 수 4

한 줄 요약

이 논문은 큰 편차 분석에서 새로운 국소 최적성 조건을 도입함으로써 희박한 Erdős–Rényi 무작위 그래프에서 최대 컷의 알려진 경계를 향상시킨다. 이는 점점 더 가까운 渐近 경계를 제공하며, 고려 대상이 되는 그래프의 크기 n이 무한대에 가까워지고 c가 크다는 조건에서, 정규화된 최대 컷 크기에 대해 w.h.p. [c/2 + 0.47523√c, c/2 + 0.55909√c]의 범위를 확립한다. 이 결과는 반자성 스핀 모델 및 삼차 그래프에 대한 개선된 경계에 영향을 미친다.

ABSTRACT

We consider the problem of estimating the size of a maximum cut in a random \ER graph on $n$ nodes and $\lfloor cn floor$ edges. It is known~\cite{Coppersmith2004} that the size of the maximum cut in this graph normalized by the number of nodes belongs to the asymptotic region $[c/2+0.37613\sqrt{c},c/2+0.58870\sqrt{c}]$ with high probability (w.h.p.) as $n$ increases, for all sufficiently large $c$. In this paper we improve both upper and lower bounds by introducing a novel bounding technique. Specifically, we establish that the size of the maximum cut normalized by the number of nodes belongs to the interval $[c/2+0.47523\sqrt{c},c/2+0.55909\sqrt{c}]$ w.h.p. as $n$ increases, for all sufficiently large $c$. Instead of considering the expected number of cuts achieving a particular value as is done in the first moment method, we observe that every maximum size cut satisfies a certain local optimality property, and we compute the expected number of cuts with a given value satisfying this local optimality property. Estimating this expectation amounts to solving a rather involved two dimensional large deviations problem. We solve this underlying large deviation problem asymptotically as $c$ increases and use it to obtain an improved upper bound on the Max-Cut value. The lower bound is obtained by the second moment method, coupled with the same local optimality constraint, and is shown to work up to the stated lower bound. Our results have immediate implications to a very related model -- anti-ferromagnetic Ising model. As a corollary we obtain that the ground state energy normalized by $2\sqrt{c}n$ for this model on the same random graph belongs to $[-0.55909,-0.47523]$ for all sufficiently large $c$ w.h.p. Finally, we also obtain an improved lower bound $1.36000n$ of Max-Cut for random cubic graph or cubic graph with a large girth, improving the previous best bound $1.33774n$.

연구 동기 및 목표

• 희박한 Erdős–Rényi 무작위 그래프에서 최대 컷 크기의 기존 점점 더 가까운 경계를 개선하는 것.
• 최대 컷의 국소 최적성 성질을 통합하는 새로운 경계 기법을 개발하는 것.
• 큰 편차 분석을 통해 정규화된 최대 컷 값에 대한 상한과 하한을 동시에 향상시키는 것.
• 동일한 무작위 그래프 집합에 대해 반자성 스핀 모델의 결과를 확장하는 것.
• 정규 또는 큰 둘레 길이를 가진 그래프, 예를 들어 삼차 그래프에서 최대 컷에 대한 개선된 하한을 도출하는 것.

제안 방법

• 모든 최대 컷이 만족해야 하는 국소 최적성 조건을 도입하여, 기대값 기반의 전통적인 1차 모멘트 접근 방식을 대체하는 것.
• 모든 컷이 아니라, 이 국소 최적성 조건을 만족하는 컷의 기대 개수를 계산하는 것.
• c가 증가함에 따라 점점 더 가까운 두 차원 큰 편차 문제를 설정하고 해결하는 것.
• 새로운 제약 조건을 적용한 1차 모멘트 방법을 통해 최대 컷 값에 대한 더 강력한 상한을 유도하는 것.
• 동일한 국소 최적성 조건을 사용한 2차 모멘트 방법을 적용하여 더 강력한 하한을 확립하는 것.
• 결과를 활용하여 동일한 그래프 집합에 대해 반자성 스핀 모델의 기저 상태 에너지 경계를 유도하는 것.

실험 결과

연구 질문

• RQ1 n → ∞ 이고 c가 크다는 조건에서, 희박한 Erdős–Rényi 무작위 그래프에서 정규화된 최대 컷 크기에 대한 개선된 점점 더 가까운 경계는 무엇인가요?
• RQ2 최대 컷의 국소 최적성 성질을 어떻게 활용하여 무작위 그래프 환경에서 큰 편차 분석을 개선할 수 있나요?
• RQ3 이러한 더 강력한 최대 컷 경계는 동일한 그래프에 대해 반자성 스핀 모델의 기저 상태 에너지에 어떤 영향을 미치나요?
• RQ4 이 새로운 방법은 정규 또는 큰 둘레 길이를 가진 그래프, 예를 들어 삼차 그래프에서 최대 컷에 대해 개선된 하한을 도출할 수 있나요?
• RQ5 이 새로운 경계 기법은 이 맥락에서 기존의 1차 및 2차 모멘트 방법에 비해 어느 정도 더 뛰어나나요?

주요 결과

• n이 증가함에 따라, c n개의 간선을 가진 Erdős–Rényi 무작위 그래프에서 정규화된 최대 컷 크기는 모든 충분히 큰 c에 대해 w.h.p. [c/2 + 0.47523√c, c/2 + 0.55909√c]의 구간에 속한다.
• c/2 + 0.55909√c의 개선된 상한은 국소 최적성 조건 하에서 두 차원 큰 편차 문제를 해결함으로써 도출된다.
• c/2 + 0.47523√c의 개선된 하한은 동일한 국소 최적성 조건을 적용한 2차 모멘트 방법을 통해 확립된다.
• 동일한 그래프에 대해 반자성 스핀 모델의 기저 상태 에너지는 2√c n으로 정규화할 경우, 큰 c에 대해 w.h.p. [-0.55909, -0.47523]의 범위에 속한다.
• 랜덤 삼차 그래프 또는 큰 둘레 길이를 가진 삼차 그래프에서 최대 컷에 대해 1.36000n의 개선된 하한이 도출되었으며, 이는 이전의 1.33774n의 하한을 초월한다.
• 제안된 방법은 컷 공간 내의 구조적 제약 조건을 활용함으로써, Coppersmith 등(2004)의 이전 연구에 비해 알려진 경계를 크게 개선한다.