[论文解读] Extension complexity of stable set polytopes of bipartite graphs
本文建立了二分图稳定集多面体扩展复杂度的改进上界与下界。通过矩形覆盖和几何构造中的中心矩形,证明了上界为 $ O(n^2 / \log n) $;并针对有限射影平面的关联图,证明了下界为 $ \Omega(n \log n) $,首次在该类图中实现超线性扩展复杂度。
The extension complexity $\mathsf{xc}(P)$ of a polytope $P$ is the minimum number of facets of a polytope that affinely projects to $P$. Let $G$ be a bipartite graph with $n$ vertices, $m$ edges, and no isolated vertices. Let $\mathsf{STAB}(G)$ be the convex hull of the stable sets of $G$. It is easy to see that $n \leqslant \mathsf{xc} (\mathsf{STAB}(G)) \leqslant n+m$. We improve both of these bounds. For the upper bound, we show that $\mathsf{xc} (\mathsf{STAB}(G))$ is $O(\frac{n^2}{\log n})$, which is an improvement when $G$ has quadratically many edges. For the lower bound, we prove that $\mathsf{xc} (\mathsf{STAB}(G))$ is $Ω(n \log n)$ when $G$ is the incidence graph of a finite projective plane. We also provide examples of $3$-regular bipartite graphs $G$ such that the edge vs stable set matrix of $G$ has a fooling set of size $|E(G)|$.
研究动机与目标
- 改进二分图稳定集多面体扩展复杂度的已知上界与下界。
- 确定平凡界 $ n \leq \mathsf{xc}(\mathsf{STAB}(G)) \leq n + m $ 是否可显著收紧。
- 构造显式二分图族,使得其扩展复杂度在顶点数上超过线性增长。
- 探索当前技术(如迷惑集与矩形覆盖)在推导更强下界时的局限性。
提出的方法
- 作者在几何框架中使用矩形覆盖与中心矩形,构建稳定集多面体的紧凑扩展。
- 他们定义分层树结构 $ T(q+1) $ 以组织顶点与直线,支持覆盖矩形的递归构造。
- 对每个中心点 $ \mathsf{c} $,通过保持覆盖性的同时减少总数的求和运算,组合来自多条直线的矩形。
- 应用一种约简技术,将具有相同中心的多个矩形合并为单个最大矩形,使矩形总数减少 $ q $ 倍。
- 该方法利用有限射影平面的性质,构造出具有高迷惑集大小的图,从而实现强下界。
- 他们引入松弛矩阵中特殊条目的概念,并证明所有此类条目均可被精心构造的中心矩形集合所覆盖。
实验结果
研究问题
- RQ1对于稠密图,二分图 $ \mathsf{STAB}(G) $ 的扩展复杂度上界 $ n + m $ 是否可进一步改进?
- RQ2是否存在一类二分图,其扩展复杂度在顶点数 $ n $ 上增长快于线性?
- RQ33-正则二分图的边-稳定集矩阵中,迷惑集的最大可能大小是多少?
- RQ4当前的矩形覆盖与迷惑集技术能否推广至其他图类,以获得超线性下界?
- RQ5哪些二分图的结构特性导致其稳定集多面体具有高扩展复杂度?
主要发现
- 任意具有 $ n $ 个顶点的二分图 $ G $ 的 $ \mathsf{STAB}(G) $ 的扩展复杂度至多为 $ O(n^2 / \log n) $,当 $ m = \Omega(n^2) $ 时,优于平凡界 $ n + m $。
- 对于有限射影平面的关联图,扩展复杂度为 $ \Omega(n \log n) $,这是首次在二分图的稳定集多面体中发现超线性下界。
- 存在 3-正则二分图,其边-稳定集矩阵可容纳大小等于边数的迷惑集,表明其具有高复杂度。
- 通过中心矩形与分层树结构构造矩形覆盖,可使矩形数量从 $ O(nq\log q) $ 降低至 $ O(n\log n) $,从而实现改进的上界。
- 本文表明,当前基于矩形覆盖与迷惑集的方法无法获得优于 $ \Omega(n \log n) $ 的下界,提示需发展新方法以进一步提升。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。