[论文解读] Graph polynomials and their applications II: Interrelations and interpretations

Joanna A. Ellis-Monaghan, Criel Merino|ArXiv.org|Jun 28, 2008

Graph theory and applications参考文献 93被引用 12

一句话总结

本文综述了图多项式之间的相互关系，特别强调了与图 Tutte 多项式的关系及其在统计力学和生物学中的应用。它展示了通过状态模型公式、基于行列式的多项式以及多变量推广——尤其是 Potts 模型配分函数——如何揭示深刻的代数与组合结构，表明 Potts 模型与一个特化的 Tutte 多项式等价，从而实现跨学科的洞见。

ABSTRACT

This paper surveys a comprehensive, although not exhaustive, sampling of graph polynomials with the goal of providing a brief overview of a variety of techniques defining a graph polynomial and then for decoding the combinatorial information it contains. The polynomials we discuss here are not generally specializations of the Tutte polynomial, but they are each in some way related to the Tutte polynomial, and often to one another. We emphasize these interrelations and explore how an understanding of one polynomial can guide research into others. We also discuss multivariable generalizations of some of these polynomials and the theory facilitated by this. We conclude with two examples, one from biology and one from physics, that illustrate the applicability of graph polynomials in other fields. This is the second chapter of a two chapter series, and concludes Graph Polynomials and Their Applications I: The Tutte Polynomial, arXiv:0803.3079

研究动机与目标

• 绘制超出 Tutte 多项式的各类图多项式之间的相互关系，突出其共享的代数与组合结构。
• 阐明图多项式的多变量推广如何拓展其适用性与理论深度。
• 展示图多项式在建模物理学和生物学中复杂系统（如自旋系统和疾病传播）方面的实用性。
• 通过 Tutte 多项式将看似不同的多项式（如 Penrose 和 Potts 模型）统一于同一代数框架之下。
• 为组合学、统计物理和应用数学领域的研究人员提供一份全面且易懂的图多项式综述。

提出的方法

• 使用状态模型公式定义图多项式，为局部顶点构型分配权重，并对所有可能状态求和。
• 应用线性递推（删除/收缩）和生成函数技术推导多项式，扩展了 Tutte 多项式的方法。
• 采用基于行列式的公式，利用邻接矩阵、拉普拉斯矩阵和度矩阵定义特征多项式及相关多项式。
• 引入边差多项式作为多变量工具，用于列表着色问题，将代数条件与组合可行性联系起来。
• 通过变换 $ P(G;q,\beta) = q^{k(G)}v^{|V|-k(G)}T(G;\frac{q+v}{v},v+1) $，其中 $ v = \exp(J\beta) - 1 $，建立 Potts 模型配分函数与特化 Tutte 多项式之间的等价性。
• 将 Potts 模型扩展至边依赖的相互作用能量，导出广义配分函数 $ P(G) = \sum_{A\subseteq E(G)} q^{k(A)} \prod_{e\in A} v_e $，其满足参数化 Tutte 函数公理。

实验结果

研究问题

• RQ1 各种图多项式（如 Penrose 和 Potts 多项式）如何与 Tutte 多项式及其相互之间关联？
• RQ2 图多项式的多变量推广在统计力学和组合学中以何种方式增强其建模能力？
• RQ3 Potts 模型配分函数与 Tutte 多项式之间的精确代数关系是什么？该关系如何带来新的计算与理论洞见？
• RQ4 状态模型公式如何系统地应用于推导和解释物理与生物系统中的图多项式？
• RQ5 将 Potts 模型扩展至边依赖的相互作用能量具有何种含义？这与参数化 Tutte 函数有何关联？

主要发现

• Potts 模型配分函数在代数上等价于 Tutte 多项式的特化形式，其中 $ P(G;q,\beta) = q^{k(G)}v^{|V|-k(G)}T(G;\frac{q+v}{v},v+1) $，且 $ v = \exp(J\beta) - 1 $，从而实现统计力学与图论之间结果的转移。
• 对于 θ 图（两个顶点间有三条平行边）的 Penrose 多项式为 $ P(G;x) = x^3 - 3x^2 + 2x $，通过每个顶点的三种局部重构方式展示了其状态模型计算过程。
• 边差多项式 $ D(G;x_1,\ldots,x_n) = \prod_{(i,j)\in E} (x_i - x_j) $ 提供了列表着色可行性的充要条件：当且仅当 $ D(G;N_1,\ldots,N_n) \neq 0 $（$ N_i $ 为正整数）时，存在合法着色。
• Tutte 多项式的多变量扩展（如来自边依赖 Potts 模型的扩展）满足参数化 Tutte 函数公理，拓宽了代数图论的适用范围。
• 广义 Potts 配分函数 $ P(G) = \sum_{A\subseteq E(G)} q^{k(A)} \prod_{e\in A} v_e $，其中 $ v_e = \exp(\beta J_e) - 1 $，推广了标准模型，并保持与加权 Tutte 多项式的等价性。
• Tutte 多项式、特征多项式以及基于邻接矩阵的不变量（如 $ \nu(G;x,y) = |A(G)+y(J-I-A)-xI| $）之间的相互作用揭示了代数图论中深层次的结构联系。