[论文解读] Random subgraphs of the 2D Hamming graph: the supercritical phase

Remco van der Hofstad, Malwina Luczak|ArXiv.org|Jan 10, 2008

Stochastic processes and statistical mechanics参考文献 7被引用 6

一句话总结

该论文在超临界 regime 下建立了二维汉明图 $H(2,n)$ 的随机子图中最大连通分量大小的大数定律。通过分析边渗流过程，其中 $p = \frac{1+\varepsilon}{2(n-1)}$ 且 $\varepsilon \gg (\log V)^{1/3} V^{-1/3}$，证明了最大分量以高概率具有大小 $2\varepsilon V$，从而将结果推进至临界窗口的范围，仅剩对数因子的差距。

ABSTRACT

We study random subgraphs of the 2-dimensional Hamming graph H(2,n), which is the Cartesian product of two complete graphs on $n$ vertices. Let $p$ be the edge probability, and write $p=\frac{1+\vep}{2(n-1)}$ for some $\vep\in \R$. In Borgs et al., Random subgraphs of finite graphs: I. The scaling window under the triangle condition, Rand. Struct. Alg. (2005), and in Borgs et al., Random subgraphs of finite graphs: II. The lace expansion and the triangle condition, Ann. Probab. (2005), the size of the largest connected component was estimated precisely for a large class of graphs including H(2,n) for $\vep\leq ΛV^{-1/3}$, where $Λ> 0$ is a constant and $V=n^2$ denotes the number of vertices in H(2,n). Until now, no matching lower bound on the size in the supercritical regime has been obtained. In this paper we prove that, when $\vep\gg (\log{V})^{1/3} V^{-1/3}$, then the largest connected component has size close to $2\vep V$ with high probability. We thus obtain a law of large numbers for the largest connected component size, and show that the corresponding values of $p$ are supercritical. Barring the factor $(\log{\chs{V}})^{1/3}$, this identifies the size of the largest connected component all the way down to the critical $p$ window.

研究动机与目标

• 为填补关于二维汉明图 $H(2,n)$ 随机子图超临界相的理解空白，此前研究缺乏对最大分量大小的匹配下界。
• 在超临界 regime 下建立最大连通分量大小的大数定律，与已知的上界相匹配。
• 确定最大分量从亚临界行为过渡到超临界行为的阈值，误差范围为 $\log V$ 因子。
• 分析满足三角条件的传递图的随机子图中簇大小的行为，聚焦于 $H(2,n)$。

提出的方法

• 使用两阶段探索过程分析簇大小，通过二进制区间将分量划分为不同大小区间。
• 应用切比雪夫不等式对大簇数量的集中性进行控制，通过矩估计控制方差。
• 将簇大小递归分解为二进制层级 $N_i = 2^{i+1}\underline{N}$，其中 $\underline{N}$ 的选择用于平衡误差项。
• 利用引理 5.3 建立方差界，该引理控制大小为 $\underline{N}$ 的簇中每条坐标线上包含的顶点数，由于控制能力受限，引入了 $\log n / n$ 因子。
• 对 $\varepsilon$、$\underline{N}$ 和 $\overline{N}$ 施加约束，以确保误差项趋于零，要求 $\varepsilon^3 V \to \infty$ 且 $\underline{N} \gg (\log n)^2 / (n^2 \varepsilon^4)$。
• 将各二进制层级上的集中性界组合，证明大分量中顶点总数以高概率集中在 $2\varepsilon V$ 附近。

实验结果

研究问题

• RQ1 在二维汉明图随机子图的超临界相中，最大连通分量的精确渐近大小是什么？
• RQ2 在超临界 regime 下，能否建立与已知最大分量大小上界相匹配的下界？
• RQ3 超临界阈值能多接近临界窗口？$\log V$ 因子在此接近程度中起什么作用？
• RQ4 当 $\varepsilon \gg (\log V)^{1/3} V^{-1/3}$ 时，簇大小的行为如何？是否存在大数定律？

主要发现

• 当 $\varepsilon \gg (\log V)^{1/3} V^{-1/3}$ 时，最大连通分量以高概率具有大小 $2\varepsilon V$，从而确立了大数定律。
• 该结果将结果推进至临界窗口，仅剩对数因子的差距，确定了超临界阈值。
• 下界与文献 [4] 中已知的上界相匹配，确认 $2\varepsilon V$ 是超临界 regime 下最大分量大小的正确数量级。
• 证明依赖于对二进制层级上簇数量方差的控制，当 $\varepsilon^3 V \to \infty$ 时误差项趋于零。
• 方差界中的 $\log n / n$ 因子源于对小簇中顶点分布控制不足，这是当前方法中不可避免的。
• 通过多尺度分析簇大小，结合二进制分解与切比雪夫不等式，建立了最大分量大小的集中性。