[论文解读] Finding any given 2-factor in sparse pseudorandom graphs efficiently

Jie Han, Yoshiharu Kohayakawa+2 more|arXiv (Cornell University)|Feb 16, 2019

Limits and Structures in Graph Theory参考文献 35被引用 4

一句话总结

本文提出了一种确定性多项式时间算法，可高效地在满足 $(p, \lambda)$-双打乱且 $\lambda = O(p^2 n / \log n)$ 的稀疏伪随机图中找到任意给定的 2-因子（即生成的 2-正则子图），在近乎最优的伪随机性条件下实现高效嵌入。该方法结合了吸收-蓄水池技术的改进变体与三角形嵌入引理，确保在最小度和伪随机性约束下，能够稳健地嵌入任意 2-因子，包括哈密顿圈和三角形因子。

ABSTRACT

Given an $n$-vertex pseudorandom graph $G$ and an $n$-vertex graph $H$ with maximum degree at most two, we wish to find a copy of $H$ in $G$, i.e.\ an embedding $φ\colon V(H) o V(G)$ so that $φ(u)φ(v)\in E(G)$ for all $uv\in E(H)$. Particular instances of this problem include finding a triangle-factor and finding a Hamilton cycle in $G$. Here, we provide a deterministic polynomial time algorithm that finds a given $H$ in any suitably pseudorandom graph $G$. The pseudorandom graphs we consider are $(p,λ)$-bijumbled graphs of minimum degree which is a constant proportion of the average degree, i.e.\ $Ω(pn)$. A $(p,λ)$-bijumbled graph is characterised through the discrepancy property: $\left|e(A,B)-p|A||B| ight |<λ\sqrt{|A||B|}$ for any two sets of vertices $A$ and $B$. Our condition $λ=O(p^2n/\log n)$ on bijumbledness is within a log factor from being tight and provides a positive answer to a recent question of Nenadov. We combine novel variants of the absorption-reservoir method, a powerful tool from extremal graph theory and random graphs. Our approach is based on that of Nenadov (\emph{Bulletin of the London Mathematical Society}, to appear) and on ours (arXiv:1806.01676), together with additional ideas and simplifications.

研究动机与目标

• 开发一种在稀疏伪随机图中嵌入任意给定 2-因子的确定性多项式时间算法。
• 建立紧致的伪随机性条件——具体而言 $\lambda = O(p^2 n / \log n)$——以保证此类嵌入的可行性。
• 解决 Nenadov 最近提出的一个开放问题：实现高效 2-因子嵌入所需的最小双打乱程度。
• 将吸收-蓄水池方法的适用范围扩展至具有受控偏差的稀疏伪随机图。
• 为在最小度恒定比例的图中嵌入任意 2-因子（包括哈密顿圈和三角形因子）提供统一框架。

提出的方法

• 该算法采用适应于具有 $(p, \lambda)$-双打乱性的稀疏伪随机图的吸收-蓄水池方法的改进变体。
• 基于偏差控制使用一种贪心的三角形嵌入过程：对于任意顶点 $v$，若其邻域与蓄水池集合之间的交集足够大，则可通过偏差条件 $|e(A,B) - p|A||B|| < \lambda\sqrt{|A||B|}$ 找到一个三角形。
• 该方法将顶点链划分为若干组，并应用来自 Nenadov（2018）的三角形嵌入引理，一次覆盖三组链，从而每一步将剩余链数减少三个。
• 通过一个可移除顶点的蓄水池匹配剩余链，确保低度顶点不会阻碍该过程，其有效性依赖于 $\lambda = O(p^2 n / \log n)$ 的界，以限制问题顶点的数量。
• 该算法的时间复杂度为 $O(n^4)$，每一步操作——顶点选择、三角形查找和匹配——均通过深度优先搜索与暴力邻域检查在多项式时间内完成。
• 证明利用了扩展器混合引理和偏差性质，确保集合之间存在足够多的边以嵌入所需结构。

实验结果

研究问题

• RQ1 在何种最小伪随机性条件（以 $\lambda$ 表示）下，可保证在稀疏伪随机图中实现任意 2-因子的高效确定性嵌入？
• RQ2 吸收-蓄水池方法能否被适配以在 $\lambda = O(p^2 n / \log n)$ 的稀疏双打乱图中运行，而非仅限于稠密或随机图类似的情形？
• RQ3 当 2-因子包含三角形或短环时，该算法是否仍保持高效与正确性？这类结构对伪随机性约束更为敏感。
• RQ4 该界 $\lambda = O(p^2 n / \log n)$ 离最优有多近？是否可消除 $\log n$ 因子以进一步优化？
• RQ5 该方法能否扩展至在类似伪随机性条件下嵌入其他生成子图（而不仅限于 2-因子）？

主要发现

• 本文提供了一种确定性多项式时间算法，可在满足 $(p, \lambda)$-双打乱且 $\lambda = O(p^2 n / \log n)$ 以及最小度 $\delta = \Omega(pn)$ 的图中找到任意给定的 2-因子，从而回答了 Nenadov 提出的问题。
• 该算法实现了近乎最优性，因为 $\lambda$-界中的 $\log n$ 因子在对数因子范围内是紧致的，表明该条件几乎是最优的。
• 通过结合三角形嵌入引理与结构化的吸收-蓄水池策略，该方法成功嵌入了所有 2-因子，包括哈密顿圈和三角形因子。
• 该算法的时间复杂度被限制在 $O(n^4)$ 以内，且每个核心操作——顶点选择、三角形查找和匹配——均在多项式时间内完成。
• 分析表明，与蓄水池连接度较低的顶点数量被限制在 $O(\lambda / \ell)$ 以内，从而确保贪心匹配过程不会受阻。
• 对于围长至少为 4 的 2-因子，所需的伪随机性条件可进一步放宽，表明富含三角形的结构对伪随机性要求更高。