[论文解读] Local Improvement Gives Better Expanders

Michael Lampis|arXiv (Cornell University)|Nov 2, 2012

Advanced Graph Theory Research参考文献 11被引用 3

一句话总结

该论文通过引入一种局部优化改进论证，改进了随机Δ-正则图的扩张性的下界：不再分析所有小扩张集合，而是仅关注那些在局部最优（即无顶点交换可降低扩张）的集合。这种精细化分析显著降低了此类集合存在的概率，从而实现了更紧致的联合界估计。关键结果是得到了一个严格改进的渐近下界，表明Bollobás的经典下界并非紧致，并证明存在常数α < 2√ln 2，使得随机Δ-正则图以高概率具有至少(1 − α/√Δ)(Δ/2)的扩张性。

ABSTRACT

It has long been known that random regular graphs are with high probability good expanders. This was first established in the 1980s by Bollobás by directly calculating the probability that a set of vertices has small expansion and then applying the union bound. In this paper we improve on this analysis by relying on a simple high-level observation: if a graph contains a set of vertices with small expansion then it must also contain such a set of vertices that is locally optimal, that is, a set whose expansion cannot be made smaller by exchanging a vertex from the set with one from the set's complement. We show that the probability that a set of vertices satisfies this additional property is significantly smaller. Thus, after again applying the union bound, we obtain improved lower bounds on the expansion of random $Δ$-regular graphs for $Δ\ge 4$. In fact, the gains from this analysis increase as $Δ$ grows, a fact we explain by extending our technique to general $Δ$. Thus, in the end we obtain an improvement not only for some small special cases but on the general asymptotic bound on the expansion of $Δ$-regular graphs given by Bollobás.

研究动机与目标

• 改进小Δ ≥ 4时随机Δ-正则图扩张性的已知下界。
• 证明Bollobás（1988）提出的渐近下界Δ/2 − Θ(√Δ)并非紧致。
• 开发一种利用小扩张集合局部最优性的精细化分析技术，以降低其存在的概率。
• 证明该改进并非特例，而是可推广至所有Δ，包括渐近情形。
• 通过改进已知的扩张阈值，解决有界出现次数CSP问题的不可近似性开放问题。

提出的方法

• 引入局部最优集合的概念：即无法通过将集合内顶点与补集中顶点交换来降低扩张性的集合。
• 证明若存在任何小扩张集合，则必存在一个局部最优集合，因此只需对这类集合的概率进行界控。
• 对局部最优集合使用联合界，其出现概率远低于任意小扩张集合。
• 使用度分布近似和正态近似进行概率分析，以界控此类集合存在的概率。
• 通过优化控制二项分布偏离程度的参数η和θ，推导出新的扩张性渐近下界。
• 利用对数展开和尾部概率界，进一步精炼局部最优集合存在概率的对数估计。

实验结果

研究问题

• RQ1 随机Δ-正则图的扩张性下界能否超越Bollobás（1988）的经典结果？
• RQ2 Δ/2 − Θ(√Δ)的渐近界是否紧致，或能否改进√Δ项的系数？
• RQ3 小扩张集合的局部最优性条件是否能显著降低其存在的概率，从而实现更紧致的联合界估计？
• RQ4 该改进分析能否推广至所有Δ，而不仅限于小值，以获得更优的渐近界？
• RQ5 局部最优集合是否可作为改进随机正则图中概率界的一般性工具？

主要发现

• 论文建立了新的扩张性渐近下界：对任意Δ ≥ 4，随机Δ-正则图以高概率具有至少(1 − α/√Δ)(Δ/2)的扩张性，其中α < 2√ln 2 ≈ 1.66。
• 该改进不仅限于小Δ；随着Δ增大，改进幅度也增加，表明经典下界在渐近意义上并非紧致。
• 对于小Δ，如Δ = 6，该界意味着扩张性至少为0.75Δ，优于以往估计。
• 存在大小为d的局部最优集合的概率远低于任意集合，从而显著降低了联合界的贡献。
• 分析表明，扩张性低于某阈值的局部最优集合的期望数量为o(1)，意味着此类集合存在的概率极低。
• 数值证据与渐近分析表明，最优局部改进条件出现在d = d′时，尽管一般性证明仍为开放问题。