[论文解读] Blow-up lemmas for sparse graphs

Peter Allen, Julia Böttcher+3 more|arXiv (Cornell University)|Dec 2, 2016

Limits and Structures in Graph Theory参考文献 53被引用 38

一句话总结

该论文为随机图和伪随机图中的子图建立了稀疏版的爆破引理，使得在稀疏设定下能够嵌入有界度的生成图。论文证明了三个关键结果：在 $p = C(\text{log } n/n)^{1/\Delta}$ 的 $G(n,p)$ 中嵌入，针对退化图在 $p = C(\text{log } n/n)^{1/(2D+1)}$ 的 $G(n,p)$ 中嵌入，以及在 $(p, cp^{\text{max}(4,(3\Delta+1)/2)}n)$-双扰动图中嵌入，将正则性方法扩展到稀疏图，达到了最优或近似最优的阈值。

ABSTRACT

The blow-up lemma states that a system of super-regular pairs contains all bounded degree spanning graphs as subgraphs that embed into a corresponding system of complete pairs. This lemma has far-reaching applications in extremal combinatorics. We prove sparse analogues of the blow-up lemma for subgraphs of random and of pseudorandom graphs. Our main results are the following three sparse versions of the blow-up lemma: one for embedding spanning graphs with maximum degree $Δ$ in subgraphs of $G(n,p)$ with $p=C(\log n/n)^{1/Δ}$; one for embedding spanning graphs with maximum degree $Δ$ and degeneracy $D$ in subgraphs of $G(n,p)$ with $p=C_Δ\big(\log n/n\big)^{1/(2D+1)}$; and one for embedding spanning graphs with maximum degree $Δ$ in $(p,cp^{\max(4,(3Δ+1)/2)}n)$-bijumbled graphs. We also consider various applications of these lemmas.

研究动机与目标

• 将经典的爆破引理扩展到稀疏图，因为原始方法在正则性引理中的误差项导致其失效。
• 通过为随机图和伪随机图开发新的嵌入技术，弥补缺乏稀疏计数引理的不足。
• 在稀疏图模型中，为最大度和退化度有界的生成图的嵌入建立最优或近似最优的阈值。
• 为随机图 $G(n,p)$ 和伪随机双扰动图提供爆破引理的稀疏类比，扩大正则性方法的适用范围。

提出的方法

• 开发了一种随机贪心算法（RGA）框架，逐个嵌入顶点，同时保持正则性并避免缓冲缺陷。
• 使用概率不等式和均衡划分来控制偏差，确保在稀疏图中正则性得以继承。
• 采用基于队列的嵌入策略来管理顶点顺序，减少对全局结构的依赖。
• 引入一种“缓冲缺陷”修正机制，以在嵌入过程中修复局部不规则性。
• 证明了伪随机性条件——特别是双扰动性——足以在稀疏设定下支持爆破引理。
• 通过分析极值构造和下界，证明了所需的边密度阈值是最优或近似最优的。

实验结果

研究问题

• RQ1 爆破引理能否被扩展到稀疏随机图 $G(n,p)$，其中 $p$ 低于正则性方法通常适用的阈值？
• RQ2 在 $G(n,p)$ 中，保证所有最大度为 $\Delta$ 的 $n$ 个顶点图可嵌入的最小边密度 $p$ 是多少？
• RQ3 爆破引理能否被调整以适用于具有双扰动性条件而非基于特征值或准随机性的伪随机图？
• RQ4 退化度 $D$ 如何影响稀疏随机图中嵌入的阈值？能否将阈值 $p = C(\text{log } n/n)^{1/(2D+1)}$ 进行改进？
• RQ5 在稀疏图中，爆破引理对边或顶点删除等抗扰性条件是否具有鲁棒性？

主要发现

• 该论文为 $p = C(\text{log } n/n)^{1/\Delta}$ 的 $G(n,p)$ 建立了稀疏爆破引理，其阈值在对数因子范围内达到最优。
• 对于 $\Delta$-有界且 $D$-退化的图，阈值为 $p = C(\text{log } n/n)^{1/(2D+1)}$，该阈值在对数因子范围内是紧的。
• 爆破引理适用于 $(p, cp^{\text{max}(4,(3\Delta+1)/2)}n)$-双扰动图，将结果扩展到一大类伪随机图。
• 作者通过构造极值例子并分析下界，证明了所需的边密度阈值是最优或近似最优的。
• 该结果被应用于通用图、划分通用性、Maker-Breaker 游戏、抗扰性以及带宽定理的鲁棒性，展示了其广泛适用性。
• 论文通过带缓冲缺陷修正的随机贪心算法提供了算法化的嵌入过程，使得在稀疏图中高效构造嵌入成为可能。