[论文解读] A blow-up lemma for approximate decompositions

Jaehoon Kim, Daniela Kühn+2 more|arXiv (Cornell University)|Apr 25, 2016

Limits and Structures in Graph Theory参考文献 24被引用 4

一句话总结

本文提出了一种用于近似图分解的新爆破引理，使得有界度图可在稠密的准随机图中实现边不相交的打包。证明表明，任何最大度为 $ \Delta $、总边数不超过 $ (1 - \alpha) \binom{n}{2}p $ 的 $ n $ 个顶点图集合，均可打包进一个 $ (\varepsilon, p) $-准随机图 $ G $ 中，仅留下最大度不超过 $ 4\alpha pn $ 的少量残余图，从而扩展了关于树打包和Oberwolfach型分解的结果。

ABSTRACT

We develop a new method for constructing approximate decompositions of dense graphs into sparse graphs and apply it to longstanding decomposition problems. For instance, our results imply the following. Let $G$ be a quasi-random $n$-vertex graph and suppose $H_1,\dots,H_s$ are bounded degree $n$-vertex graphs with $\sum_{i=1}^{s} e(H_i) \leq (1-o(1)) e(G)$. Then $H_1,\dots,H_s$ can be packed edge-disjointly into $G$. The case when $G$ is the complete graph $K_n$ implies an approximate version of the tree packing conjecture of Gyárfás and Lehel for bounded degree trees, and of the Oberwolfach problem. We provide a more general version of the above approximate decomposition result which can be applied to super-regular graphs and thus can be combined with Szemerédi's regularity lemma. In particular our result can be viewed as an extension of the classical blow-up lemma of Komlós, Sárkőzy and Szemerédi to the setting of approximate decompositions.

研究动机与目标

• 开发一种在稠密图中进行近似图分解的新方法，特别是将经典的爆破引理推广至近似最优打包。
• 通过证明有界度图的近似版本，解决关于树打包和Oberwolfach分解的长期猜想。
• 将关于完全图和随机图分解为任意有界度图（包括生成图和几乎生成图）的结果进行推广。
• 建立一个结合超正则性与近似分解的框架，通过一种适用于Szemerédi正则性方法的新爆破风格引理。

提出的方法

• 提出一种用于近似分解的新爆破引理，将Komlós–Sárkőzy–Szemerédi的原始结果推广至近似最优边覆盖。
• 通过度数和公共邻居条件定义 $ (\varepsilon, p) $-准随机图，确保其在嵌入目的下的伪随机性。
• 采用迭代打包并辅以残余图控制机制，使得剩余图的最大度与 $ \alpha pn $ 成正比。
• 将该方法应用于超正则二分图，推导出在二分设定下（如Hobbs–Bourgeois–Kasiraj猜想）的近似分解。
• 利用随机等分和概率不等式（如定理3.2）控制各部分之间的边分布，以实现受控嵌入。
• 将主结果与正则性引理技术结合，使该方法可应用于通过超正则性处理的任意稠密图。

实验结果

研究问题

• RQ1 能否在仅留下少量边未被覆盖的情况下，将有界度图边不相交地打包进稠密的准随机图？
• RQ2 Gyárfás与Lehel的树打包猜想是否对完全图中的有界度树近似成立？
• RQ3 能否通过通用分解框架，近似解决有界度图的Oberwolfach问题？
• RQ4 是否存在一种超正则版本的爆破引理，可支持基于正则性设定的近似分解？
• RQ5 该方法能否扩展至二分图，以解决Hobbs–Bourgeois–Kasiraj猜想的近似版本？

主要发现

• 对任意 $ \Delta \in \mathbb{N} $，$ 0 < p_0, \alpha \leq 1 $，存在 $ \varepsilon > 0 $ 和 $ n_0 \in \mathbb{N} $，使得对任意 $ n \geq n_0 $，$ n $ 个顶点的 $ (\varepsilon, p) $-准随机图 $ G $ 可打包 $ s $ 个图 $ H_1, \dots, H_s $，满足 $ \Delta(H_\ell) \leq \Delta $ 且总边数不超过 $ (1 - \alpha) \binom{n}{2}p $。
• 若总边数至少为 $ (1 - 2\alpha) \binom{n}{2}p $，则残余图 $ J $ 的最大度不超过 $ 4\alpha pn $，确保近似最优打包。
• 该结果在常数 $ p $ 下对二项式随机图 $ G_{n,p} $ 几乎必然成立，且对完全图 $ K_n $ 也成立，从而实现对有界度树的近似树打包。
• 该方法可推广至超正则二分图，使得在总边数不超过 $ (1 - \alpha)e(G) $ 的前提下，可实现对 $ n $ 个顶点二分图（最大度 $ \leq \Delta $）的近似打包。
• 该方法为完全二分图 $ K_{n-1, \lfloor n/2 \rfloor} $ 中有界度树的Hobbs–Bourgeois–Kasiraj猜想提供了近似解，可打包所有满足 $ \Delta(T_i) \leq \Delta $ 的树 $ T_{\alpha n}, \dots, T_n $。
• 该框架支持迭代分解：在打包部分图后，残余图仍保持准随机性，可进一步分解，从而在较弱的边密度条件下实现完整分解。