[论文解读] On the stability of the Erd\H{o}s-Ko-Rado theorem

Béla Bollobás, Bhargav Narayanan+1 more|arXiv (Cornell University)|Aug 6, 2014

Limits and Structures in Graph Theory参考文献 18被引用 7

一句话总结

本文在随机 Kneser 图中建立了 Erdös-Ko-Rado 定理稳定性的精确阈值：当 Kneser 图 $K(n,r)$ 的边以概率 $1-p$ 独立删除时，若 $p$ 超过依赖于 $n$ 和 $r$ 的临界阈值，独立数仍保持为 $\binom{n-1}{r-1}$（即星形结构的大小）。结果表明，相交族的极值结构即使在稀疏随机设置下依然存在，尤其当 $r = o(n^{1/3})$ 时，存在一个精确的相变点 $p_c(n,r) \sim \frac{\log n}{r \cdot n}$。

ABSTRACT

Delete the edges of a Kneser graph independently of each other with some probability: for what probabilities is the independence number of this random graph equal to the independence number of the Kneser graph itself? We prove a sharp threshold result for this question in certain regimes. Since an independent set in the Kneser graph is the same as a uniform intersecting family, this gives us a random analogue of the Erd\\H{o}s-Ko-Rado theorem.

研究动机与目标

• 研究 Erd\'os-Ko-Rado 定理在随机图设置下的稳定性，特别关注 Kneser 图的随机子图。
• 确定临界边删除概率 $p$，使得随机 Kneser 图的独立数仍等于经典 Erd\'os-Ko-Rado 界 $\binom{n-1}{r-1}$。
• 建立一个精确的阈值现象，即在稀疏随机图中，极值结构（星形）仅在 $p$ 超过某个临界值 $p_c(n,r)$ 时才保持存在，从而将经典结果推广至随机设置。

提出的方法

• 通过以概率 $p$ 独立保留 Kneser 图 $K(n,r)$ 的每条边，来建模随机 Kneser 图 $K_p(n,r)$。
• 定义 $\mathbf{N} = \binom{n-1}{r-1}$ 为 $K(n,r)$ 中最大独立集（星形）的大小，并研究该值是否仍为 $K_p(n,r)$ 的独立数。
• 对大小为 $\mathbf{N}+1$ 且包含整个星形的独立族数量 $Y$ 使用二阶矩方法，证明当 $p = (1 - \varepsilon)p_c(n,r)$ 且固定 $\varepsilon > 0$ 时，有 $\mathbb{E}[Y] \to \infty$ 且 $\mathrm{Var}[Y] = o(\mathbb{E}[Y]^2)$，从而推出 $Y > 0$ 以高概率成立。
• 通过二项式系数的渐近界和 $\mathbb{E}[Y]$ 的指数近似，估计 $\mathbb{E}[Y] \geq \left(\frac{n}{r}\right)^{(\varepsilon + o(1))r}$，该值在阈值以下趋于无穷。
• 通过将星形对与集合对的和分解为情况：$x \neq y$ 且 $x = y$，$A \neq B$，分析二阶阶乘矩 $\mathbb{E}[(Y)_2] = \mathbb{E}[Y(Y-1)]$，证明两部分均贡献 $o(\mathbb{E}[Y]^2)$，从而确认集中性。
• 应用切比雪夫不等式，得出 $Y > 0$ 以高概率成立，从而推出 $\alpha(K_p(n,r)) \geq \mathbf{N} + 1$，即当 $p$ 低于阈值时，独立数超过经典界。

实验结果

研究问题

• RQ1 对于哪些边删除概率 $p$，随机 Kneser 图 $K_p(n,r)$ 的独立数仍等于 $\binom{n-1}{r-1}$？
• RQ2 在随机设置下，Erd\'os-Ko-Rado 定理的稳定性是否存在一个精确阈值，使得极值结构（星形）仅在 $p_c(n,r)$ 以上才保持存在？
• RQ3 当 $r = o(n^{1/3})$ 时，临界阈值 $p_c(n,r)$ 如何随 $n$ 和 $r$ 变化？
• RQ4 该精确阈值结果能否推广至更大的 $r$ 值，如 $r = \Theta(n)$ 或 $n = 2r+1$？
• RQ5 临界窗口的大小如何？随着 $r$ 增大，该窗口是否会缩小？

主要发现

• 当 $p > p_c(n,r)$ 时，随机 Kneser 图 $K_p(n,r)$ 的独立数保持为 $\binom{n-1}{r-1}$，其中 $p_c(n,r) \sim \frac{\log n}{r \cdot n}$，从而确立了精确阈值。
• 当 $p = (1 - \varepsilon)p_c(n,r)$ 且固定 $\varepsilon > 0$ 时，包含完整星形的大小为 $\mathbf{N} + 1$ 的独立族的期望数量趋于无穷，表明此类族以高概率存在。
• 二阶矩方法确认了集中性：$\mathrm{Var}[Y] = o(\mathbb{E}[Y]^2)$，因此 $Y > 0$ 以高概率成立，证明在阈值以下独立数超过 $\mathbf{N}$。
• 临界阈值 $p_c(n,r)$ 渐近为 $\frac{\log n}{r \cdot n}$，且该结果在条件 $r = o(n^{1/3})$ 下成立，该条件可能可改进。
• 对于较大的 $r$，即使 $p$ 比临界值低 $1 + 6/r$ 的因子，阈值依然稳健，提示临界窗口可能更小。
• 本文猜想该阈值公式对 $r = o(n)$ 依然成立，并提出关于 $p = 1/2$ 或 $n = 2r+1$ 时 Erd\'os-Ko-Rado 定理稳定性的开放问题。