[论文解读] Random cliques in random graphs

Oliver Riordan|arXiv (Cornell University)|Feb 6, 2018

Limits and Structures in Graph Theory参考文献 9被引用 8

一句话总结

该论文证明了在随机图 $G(n,p)$ 中，当 $r \geq 4$ 时，$K_r$ 的副本在 $K_r$-因子阈值附近的密度范围内呈随机分布，形成一个与二项式随机超图极为相似的超图。利用该结果，论文推导出 $K_r$-因子存在的渐近精确阈值，该结果可推广至 $r=3$ 以及当 $F$ 为 1-平衡但非严格 1-平衡时的某些 $F$-因子。

ABSTRACT

We show that for each $r\ge 4$, in a density range extending up to, and slightly beyond, the threshold for a $K_r$-factor, the copies of $K_r$ in the random graph $G(n,p)$ are randomly distributed, in the (one-sided) sense that the hypergraph that they form contains a copy of a binomial random hypergraph with almost exactly the right density. Thus, an asymptotically sharp bound for the threshold in Shamir's hypergraph matching problem -- recently announced by Jeff Kahn -- implies a corresponding bound for the threshold for $G(n,p)$ to contain a $K_r$-factor. We also prove a slightly weaker result for $r=3$, and (weaker) generalizations replacing $K_r$ by certain other graphs $F$. As an application of the latter we find, up to a log factor, the threshold for $G(n,p)$ to contain an $F$-factor when $F$ is $1$-balanced but not strictly $1$-balanced.

研究动机与目标

• 理解在 $G(n,p)$ 中 $K_r$-团在 $K_r$-因子阈值附近的分布情况。
• 证明这些团在单侧意义上随机分布，其表现类似于二项式随机超图。
• 利用该分布结果推导 $G(n,p)$ 中 $K_r$-因子存在的精确阈值，特别是针对 $r \geq 4$ 的情况。
• 将分析扩展至 $r=3$ 以及当 $F$ 为 1-平衡但非严格 1-平衡时的 $F$-因子。
• 通过将问题与随机图中 $K_r$-因子阈值联系起来，解决谢米尔超图匹配问题中的一个关键方面。

提出的方法

• 分析 $G(n,p)$ 中 $K_r$-团构成的超图，证明其在相关范围内包含一个密度接近正确的二项式随机超图。
• 应用杰夫·卡恩关于谢米尔超图匹配问题的最新渐近精确阈值结果，推断 $G(n,p)$ 中 $K_r$-因子的阈值。
• 使用概率论与极值组合学技术控制团的分布及其重叠情况。
• 针对 $r=3$ 扩展该方法，但仅得到较弱的结果，原因在于三角形结构的差异。
• 将该框架推广至 $F$-因子，其中 $F$ 为 1-平衡但非严格 1-平衡的图，使用类似的超图集中性论证。
• 采用单侧随机性条件，将 $K_r$-团的超图建模为二项式超图的扰动。

实验结果

研究问题

• RQ1 对于 $r \geq 4$，$G(n,p)$ 中的 $K_r$-团是否在 $K_r$-因子阈值附近的密度范围内呈随机分布？
• RQ2 能否证明 $G(n,p)$ 中 $K_r$-团的超图包含一个密度接近正确的二项式随机超图？
• RQ3 谢米尔问题中超图匹配的精确阈值是否意味着 $G(n,p)$ 中 $K_r$-因子存在的对应精确阈值？
• RQ4 当 $F$ 为 1-平衡但非严格 1-平衡时，$G(n,p)$ 包含 $F$-因子的阈值是什么？
• RQ5 与 $r \geq 4$ 时的 $K_r$-团相比，$K_3$-团的分布有何不同？在三角形情况下可得到何种较弱结果？

主要发现

• 对于 $r \geq 4$，$G(n,p)$ 中 $K_r$-团构成的超图在其范围延伸至 $K_r$-因子阈值并略微超出时，包含一个密度接近正确的二项式随机超图。
• 谢米尔问题中超图匹配的渐近精确阈值意味着 $G(n,p)$ 中 $K_r$-因子存在的对应精确阈值，适用于 $r \geq 4$。
• 对于 $r=3$，随机分布结果的较弱版本成立，从而可对三角形因子的阈值进行部分估计。
• 当 $F$ 为 1-平衡但非严格 1-平衡时，$F$-因子的阈值可确定至对数因子范围内。
• 该方法成功推广至其他图 $F$，为估计随机图中 $F$-因子的阈值提供了框架。
• 对 $K_r$-团超图采用的单侧随机性条件，使得超图匹配阈值与随机图因子之间建立了稳健的联系。