[论文解读] On Weak Hamiltonicity of a Random Hypergraph

Daniel J. Poole|arXiv (Cornell University)|Oct 27, 2014

Limits and Structures in Graph Theory参考文献 6被引用 11

一句话总结

该论文证明，在随机 $d$-均匀超图 $H_d(n,p)$ 中，当 $p = (d-1)! \frac{\ln n + c}{n^{d-1}}$ 时，弱哈密顿性的阈值与无孤立顶点的阈值完全一致。关键结果表明，弱哈密顿性的概率收敛于 $e^{-e^{-c}}$，与最小度至少为 1 的极限概率完全相同，说明在该模型中，孤立顶点是阻碍弱哈密顿性的唯一结构障碍。

ABSTRACT

A {\it weak (Berge) cycle} is an alternating sequence of vertices and (hyper)edges $C=(v_0, e_1, v_1, ..., v_{\ell-1}, e_\ell, v_{\ell}=v_0)$ such that the vertices $v_0, ..., v_{\ell-1}$ are distinct with $v_k, v_{k+1} \in e_{k}$ for each $k$, but the edges $e_1, ..., e_\ell$ are not necessarily distinct. We prove that the main barrier to the random $d$-uniform hypergraph $H_d(n,p),$ where each of the potential edges of cardinality $d$ is present with probability $p$, developing a weak Hamilton cycle is the presence of isolated vertices. In particular, for $d \geq 3$ fixed and $p=(d-1)! \frac{\ln n + c}{n^{d-1}}$, the probability that $H_d(n, p)$ has a weak Hamilton cycle tends to $e^{-e^{-c}}$, which is also the limiting probability that $H_d(n,p)$ has no isolated vertices. As a consequence, the probability that the random hypergraph $H_d(n, m=\frac{n(\ln n + c)}{d}),$ where $m$ potential edges are chosen uniformly at random to be present, is weak Hamiltonian also tends to $e^{-e^{-c}}$.

研究动机与目标

• 确定随机 $d$-均匀超图 $H_d(n,p)$ 和 $H_d(n,m)$（其中 $d \geq 3$）中弱哈密顿性的阈值。
• 研究在这些超图中，无孤立顶点是否是弱哈密顿性的主要障碍。
• 建立弱哈密顿圈出现与孤立顶点消失之间在随机超图过程中的精确联系。
• 通过刻画 $d$-均匀情形下的弱哈密顿性阈值，将已知的随机图结果推广至超图。

提出的方法

• 分析随机 $d$-均匀超图模型 $H_d(n,p)$，其中每个大小为 $d$ 的潜在边以独立概率 $p = (d-1)! \frac{\ln n + c}{n^{d-1}}$ 被包含。
• 应用超图版本的 de la Vega 定理，证明当 $p$ 处于临界窗口时，以高概率存在一个大小至少为 $n - O(n / \ln n)$ 的连通分量。
• 采用两阶段探索过程：首先构建一个边概率略低的随机超图 $H(0)$，然后添加 $k_0$ 条额外边形成 $H(k_0)$，并追踪由弱圈所覆盖的顶点集的增长。
• 使用耦合论证和概率界，证明若 $H(0)$ 无孤立顶点且包含一条长路径，则以高概率添加 $k_0$ 条边后将产生一条弱哈密顿圈。
• 应用并集界和指数尾部估计，控制圈长度未能增长至 $n$ 的概率，特别是通过限制新边因缺少边而无法扩展当前圈的概率。
• 利用弱哈密顿性概率收敛于 $e^{-e^{-c}}$ 的事实，该值与无孤立顶点的概率完全相同，从而得出结论：孤立顶点是弱哈密顿性的唯一障碍。

实验结果

研究问题

• RQ1 在随机 $d$-均匀超图 $H_d(n,p)$ 中，弱哈密顿圈出现的阈值概率 $p$ 是多少？
• RQ2 对于 $d \geq 3$，无孤立顶点是否是 $H_d(n,p)$ 中阻碍弱哈密顿性的主要结构障碍？
• RQ3 在 $H_d(n,m)$ 模型中（即从所有可能的边中均匀随机采样 $m$ 条边），弱哈密顿性的阈值与 $H_d(n,p)$ 中的阈值相比如何？
• RQ4 随机 $d$-均匀超图过程是否在最后一个孤立顶点消失的瞬间变为弱哈密顿图？
• RQ5 当 $p = (d-1)! \frac{\ln n + c}{n^{d-1}}$ 时，$H_d(n,p)$ 为弱哈密顿图的极限概率是多少？

主要发现

• 对于 $d \geq 3$，当 $p = (d-1)! \frac{\ln n + c}{n^{d-1}}$ 且 $c_n \to c$ 时，$H_d(n,p)$ 为弱哈密顿图的概率收敛于 $e^{-e^{-c}}$。
• 该极限概率与 $H_d(n,p)$ 无孤立顶点的概率完全相同，表明孤立顶点是阻碍弱哈密顿性的唯一障碍。
• 在 $H_d(n,m)$ 模型中也存在相同的阈值行为：若 $m = \frac{n}{d}(\ln n + c_n)$，则弱哈密顿性的概率同样趋于 $e^{-e^{-c}}$。
• 当 $c_n \to -\infty$ 时，超图以高概率不是弱哈密顿图；当 $c_n \to \infty$ 时，它以高概率是弱哈密顿图，确认了存在一个尖锐的阈值。
• 超图过程在失去最后一个孤立顶点的时刻，以高概率变为弱哈密顿图，表明这两个事件紧密耦合。
• 本文证明，在 $H_d(n,p)$ 中，大小介于 $d$ 和 $Bn/\ln n$ 之间的小连通分量的期望数量趋于零，意味着当 $p$ 处于临界窗口时，以高概率仅存在一个非平凡连通分量。