[论文解读] Sorting probability for large Young diagrams

Swee Hong Chan, Igor Pak+1 more|arXiv (Cornell University)|May 17, 2020

Advanced Combinatorial Mathematics参考文献 37被引用 4

一句话总结

该论文为具有有界行数的大Young图和斜Young图的排序概率δ(P)建立了精确的渐近上界。通过钩长公式和Schur函数技术，证明了对于Thoma形状的分拆有δ(Pλ) ≤ Cα/√n，对于ε-厚分拆有δ(Pλ) ≤ Cd,ε/√n，这是该领域首次获得此类结果，推动了结构化偏序集的1/3–2/3猜想研究。

ABSTRACT

For a finite poset $P=(X,\prec)$, let $\mathcal{L}_P$ denote the set of linear extensions of $P$. The sorting probability $δ(P)$ is defined as \[δ(P) \, := \, \min_{x,y\in X} \, \bigl| \mathbf{P} \, [L(x)\leq L(y) ] \ - \ \mathbf{P} \, [L(y)\leq L(x) ] \bigr|\,, \] where $L \in \mathcal{L}_P$ is a uniform linear extension of $P$. We give asymptotic upper bounds on sorting probabilities for posets associated with large Young diagrams and large skew Young diagrams, with bounded number of rows.

研究动机与目标

• 为具有有界行数的大Young图和斜Young图的排序概率δ(P)建立渐近上界。
• 在由Young图导出的结构化偏序集背景下，研究1/3–2/3猜想。
• 将线性扩展和排序概率的已知结果推广至大图的渐近 regime。
• 利用钩长公式和Schur函数等组合工具分析δ(P)的行为。

提出的方法

• 作者使用钩长公式和Schur函数估算Young图偏序集的线性扩展数量。
• 应用Naruse钩长公式（NHLF）计算斜形状的标准Young表数量。
• 采用定量鸽巢原理论证，以界定元素对排序概率的差异。
• 引入区间分解以优化鸽巢论证，并控制线性扩展概率的方差。
• 在ε-纤细或ε-光滑性假设下进行分析，以确保行尺寸的一致性。
• 将结果扩展至偏离理想形状的偏差由常数K有界的情形，保持O(1/√n)的衰减速率。

实验结果

研究问题

• RQ1 对于具有固定行数的大Young图，排序概率δ(P)的渐近行为如何？
• RQ2 1/3–2/3猜想能否在结构化偏序集（如Young图）中强化为O(1/√n)的上界？
• RQ3 分拆形状的性质（如行尺寸均匀性或厚度）如何影响排序概率？
• RQ4 钩长公式与Schur函数方法在渐近 regime 下，能在多大程度上用于界定排序概率？
• RQ5 ε-厚度假设是否对O(1/√n)上界是必要的，还是可以被移除？

主要发现

• 对于任意Thoma序列α ∈ ℝ₊ᵈ且|α| = 1，当λ ≃ αn时，排序概率满足δ(Pλ) ≤ Cα/√n，其中Cα是依赖于α的绝对常数。
• 对于具有d行且λd ≥ εn的ε-厚分拆λ ⊢ n，有δ(Pλ) ≤ Cd,ε/√n，其中Cd,ε对固定的d和ε为绝对常数。
• δ(Pλ) = O(1/√n)的上界在所有此类分拆中一致成立，即使行尺寸存在适度变化。
• 结果推广了先前的界限，是该类偏序集中排序概率首次实现渐近估计。
• ε-厚度假设可能并非必要，因为在λ₂ = O(1)的极端情形下O(1/n)界仍成立，提示O(1/√n)界可能具有更广的适用范围。
• 当偏离理想形状的偏差有界时，上界可进一步扩展，常数依赖于偏差界K。