[论文解读] The generalized 3-connectivity of random graphs

Ran Gu, Xueliang Li+1 more|arXiv (Cornell University)|Mar 21, 2013

Advanced Graph Theory Research参考文献 15被引用 15

一句话总结

本文在 Erdős–Rényi 随机图 $G(n,p)$ 中建立了广义 3-连通性的精确阈值函数，表明当 $p = \frac{\log n + (k+1)\log\log n - \log\log\log n}{n}$ 时，对于固定的 $k \geq 1$，几乎必然有 $\kappa_3(G(n,p)) \geq k$。该结果通过利用内部不相交树和顶点划分、边不相交树构造的随机方法，将 Bollobás 与 Thomason 的顶点连通性阈值结果推广至广义 3-连通性情形。

ABSTRACT

The generalized connectivity of a graph $G$ was introduced by Chartrand et al. Let $S$ be a nonempty set of vertices of $G$, and $κ(S)$ be defined as the largest number of internally disjoint trees $T_1, T_2, \cdots, T_k$ connecting $S$ in $G$. Then for an integer $r$ with $2 \leq r \leq n$, the {\it generalized $r$-connectivity} $κ_r(G)$ of $G$ is the minimum $κ(S)$ where $S$ runs over all the $r$-subsets of the vertex set of $G$. Obviously, $κ_2(G)=κ(G)$, is the vertex connectivity of $G$, and hence the generalized connectivity is a natural generalization of the vertex connectivity. Similarly, let $λ(S)$ denote the largest number $k$ of pairwise edge-disjoint trees $T_1, T_2, \ldots, T_k$ connecting $S$ in $G$. Then the {\it generalized $r$-edge-connectivity} $λ_r(G)$ of $G$ is defined as the minimum $λ(S)$ where $S$ runs over all the $r$-subsets of the vertex set of $G$. Obviously, $λ_2(G) = λ(G)$. In this paper, we study the generalized 3-connectivity of random graphs and prove that for every fixed integer $k\geq 1$, $$p=\frac{\log n+(k+1)\log \log n -\log \log \log n}{n}$$ is a sharp threshold function for the property $κ_3(G(n, p)) \geq k$, which could be seen as a counterpart of Bollobás and Thomason's result for vertex connectivity. Moreover, we obtain that $δ(G(n,p)) - 1 = λ(G(n,p)) - 1 = κ(G(n,p)) - 1 \le {κ_3}(G(n,p)) \le {λ_3}(G(n,p)) \le κ(G(n,p)) = λ(G(n,p)) = δ(G(n,p))$ almost surely holds, which could be seen as a counterpart of Ivchenko's result.

研究动机与目标

• 确定随机图中广义 3-连通性 $\kappa_3(G(n,p)) \geq k$ 的精确阈值函数。
• 将 Bollobás 与 Thomason 的顶点连通性阈值结果推广至广义 3-连通性情形。
• 在随机图中建立 $\kappa_3(G)$、$\lambda_3(G)$、$\kappa(G)$、$\lambda(G)$ 与 $\delta(G)$ 之间的结构关系。
• 证明当阈值满足时，$\kappa_3(G(n,p))$ 几乎必然集中在 $k$ 附近。

提出的方法

• 基于度阈值将顶点划分为大度集与小度集，以分析连通性行为。
• 使用概率方法证明大度顶点具有足够连通性以支持 $k$ 棵内部不相交的树。
• 通过利用边不相交路径与避免坏边的 BFS 树构造，构建连接任意三顶点的 $k$ 棵内部不相交树。
• 对所有 $\binom{n}{3}$ 个顶点三元组应用并集界，以确保全局 $k$-连通性以高概率成立。
• 利用集中不等式和二项概率的渐近界来控制失败概率。
• 证明当 $p$ 超过推导出的阈值时，几乎必然有 $\kappa_3(G(n,p)) \geq k$；当 $p$ 低于该阈值时，几乎必然有 $\kappa_3(G(n,p)) < k$。

实验结果

研究问题

• RQ1 在随机图中，$\kappa_3(G(n,p)) \geq k$ 的精确阈值函数是什么？
• RQ2 在 $G(n,p)$ 中，广义 3-连通性 $\kappa_3(G)$ 与最小度 $\delta(G)$、顶点连通性 $\kappa(G)$ 和边连通性 $\lambda(G)$ 之间有何关系？
• RQ3 能否使用与经典顶点连通性相同的概率框架推导出广义 3-连通性的阈值？
• RQ4 阈值函数 $\kappa_3(G(n,p)) \geq k$ 是否与经典连通性情形中观察到的渐近行为一致？

主要发现

• 函数 $p = \frac{\log n + (k+1)\log\log n - \log\log\log n}{n}$ 是 $\kappa_3(G(n,p)) \geq k$ 的精确阈值，意味着该性质在阈值之上几乎必然成立，在阈值之下几乎必然不成立。
• 对于固定的 $k \geq 1$，当 $p$ 达到推导出的阈值时，几乎必然有 $\kappa_3(G(n,p)) \geq k$；当 $p$ 低于该值时，几乎必然有 $\kappa_3(G(n,p)) < k$。
• 几乎必然成立不等式链 $\delta(G(n,p)) - 1 = \lambda(G(n,p)) - 1 = \kappa(G(n,p)) - 1 \leq \kappa_3(G(n,p)) \leq \lambda_3(G(n,p)) \leq \kappa(G(n,p)) = \lambda(G(n,p)) = \delta(G(n,p))$。
• 当 $p$ 达到阈值时，几乎必然可以为任意三顶点构造出 $k$ 棵内部不相交的树，方法是利用大度顶点和边不相交路径系统。
• $\kappa_3(G(n,p)) \geq k$ 的失败概率被控制在 $o(1)$ 以内，单个三元组的失败概率以 $o(n^{-3})$ 速率衰减，通过并集界确保全局连通性。
• 该结果将 Ivchenko 关于经典连通性的结果推广至广义 3-连通性，表明 $\kappa_3(G(n,p))$ 在阈值处几乎必然紧密集中在 $k$ 附近。