[论文解读] Self-Similarity of Graphs

Choongbum Lee, Po‐Shen Loh+1 more|arXiv (Cornell University)|Jan 4, 2012

Limits and Structures in Graph Theory参考文献 6被引用 1

一句话总结

本文解決了自相似函數 ι(m) 的漸近增長率，其中 ι(m) 定義為任意 m 條邊圖中，兩組邊不相交的同構子圖所能擁有的最大邊數。透過結合利用稀有極端偏差的構造性演算法與邊機率 p = √(log n / n) 的隨機圖分析，作者證明 ι(m) = Θ((m log m)^{2/3})，在常數因子內確立了緊密的界，並改善了 Erdős 所提出的早期結果中存在對數因子差距的情況。

ABSTRACT

An old problem raised independently by Jacobson and Schönheim asks to determine the maximum $s$ for which every graph with $m$ edges contains a pair of edge-disjoint isomorphic subgraphs with $s$ edges. In this paper we determine this maximum up to a constant factor. We show that every $m$-edge graph contains a pair of edge-disjoint isomorphic subgraphs with at least $c (m\log m)^{2/3}$ edges for some absolute constant $c$, and find graphs where this estimate is off only by a multiplicative constant. Our results improve bounds of Erdős, Pach, and Pyber from 1987.

研究动机与目标

• 本文旨在解決長期存在的問題：確定每幅 m 條邊的圖中，必定包含兩組邊不相交的同構子圖，且每組子圖擁有 s 條邊時，s 的最大值。
• 目標是彙合 Erdős、Pach 和 Pyber（1987）所建立的界限中，存在 log m 因子差異的對數差距。
• 目標是為圖形中的自相似函數 ι(m) 建立緊密的漸近界，顯示其增長率為 Θ((m log m)^{2/3})。
• 另一項目標是描述達到或接近此界限的圖形之結構特性，特別是與隨機圖的關係。

提出的方法

• 作者設計了一種構造性、迭代式的演算法，每一步中，或識別出兩組大型邊不相交的同構子圖，或將圖簡化為滿足特定大小與密度條件的較小導出子圖。
• 關鍵參數為 at = log2(nt / (mt^{2/3} (log mt)^{1/3}))，用以追蹤迭代過程中頂點數與邊密度之間的平衡。
• 使用度數門檻 dt = mt / (2^{at} nt) 來識別高程度頂點，並透過移除低程度頂點來維持結構特性。
• 應用兩個主要引理：當頂點數相對於邊數較大時，使用命題 2.3（適用於稀疏圖）；當頂點數較小時，使用推論 2.7（適用於密集圖），兩者均得出 ι(G) = Ω((m log m)^{2/3})。
• 上界透過分析 Erdős-Rényi 隨機圖 Gn,p（其中 p = √(log n / n)）推導而出，顯示此類圖可達漸近界。
• 迭代簡化過程確保演算法僅在找到滿足 ι(G) = Ω((m log m)^{2/3}) 的子圖時才終止，並利用 at 每步至少減少 1/3 的性質。

实验结果

研究问题

• RQ1 自相似函數 ι(m) 的漸近增長率為何？其中 ι(m) 定義為最大的 s，使得每幅 m 條邊的圖均包含兩組邊不相交的同構子圖，且每組擁有 s 條邊。
• RQ2 Erdős、Pach 和 Pyber 所提出的早期界限中，是否存在對數因子差距，此差距能否在圖形情形（r=2）中被彙合？
• RQ3 隨機圖是否在最大化自相似性方面是漸近最優的？此類圖具有何種結構特徵？
• RQ4 對於 s-可除子圖（即 ιs(m)，其中 s > 2），自相似函數如何縮放？是否可將相同技術延伸至此情形？

主要发现

• 本文確立了圖形自相似函數滿足 ι(m) = Θ((m log m)^{2/3})，在常數因子內確立了漸近增長率。
• 存在絕對常數 c，使得每幅 m 條邊的圖均包含兩組邊不相交的同構子圖，其邊數至少為 c(m log m)^{2/3}。
• 證明了上界：任何 m 條邊的圖，其自相似性都不會超過 C(m log m)^{2/3}，其中 C 為某絕對常數。
• 邊機率 p = √(log n / n) 的隨機圖達到了漸近界，顯示此類圖在自相似性上為極值圖形。
• 達到此界之圖形必須包含一個擁有 Θ(m^{2/3} / (log m)^{1/3}) 個頂點的子圖，且至少擁有 (1−ε)m 條邊，其中大多數頂點的度數為 Ω((m log m)^{1/3})。
• 極值圖形的結構特性包括邊的均勻分佈（無大規模類似二分圖的切割），以及符合 (m log m)^{2/3} 標度的平衡頂點-邊比例。