[论文解读] The Inducibility of Graphs on Four Vertices

James Hirst|arXiv (Cornell University)|Sep 7, 2011

Limits and Structures in Graph Theory参考文献 11被引用 7

一句话总结

本文利用旗代数框架中的半定规划方法，确定了两个此前未解决的4阶图——$K_{1,1,2}$与猫头鹰图（paw graph）的诱导性。研究证明，布朗与西多伦科提出的5等分图构造达到了最优诱导性，其中$i(K_{1,1,2}) = 12/125 = 0.096$，$i(\text{paw}) = 1/32 = 0.03125$，从而解决了极值图论中长期存在的开放问题。

ABSTRACT

We consider the problem of determining the maximum induced density of a graph H in any graph on n vertices. The limit of this density as n tends to infinity is called the inducibility of H. The exact value of this quantity is known only for a handful of small graphs and a specific set of complete multipartite graphs. Answering questions of Brown-Sidorenko and Exoo we determine the inducibility of K_{1,1,2} and the paw graph. The proof is obtained using semi-definite programming techniques based on a modern language of extremal graph theory, which we develop in full detail in an accessible setting.

研究动机与目标

• 确定$K_{1,1,2}$与猫头鹰图这两个4阶图的精确诱导性，此前其诱导性未知。
• 解决布朗与西多伦科提出的关于5等分图构造在$K_{1,1,2}$诱导密度最大化中是否最优的开放问题。
• 应用并展示半定规划技术在旗代数框架中求解极值图论中子图密度问题的强大能力。

提出的方法

• 本文基于旗代数方法，采用半定规划技术，推导诱导子图密度的上界。
• 通过在所有7阶图上构建半定规划问题，分析$K_{1,1,2}$与猫头鹰图诱导子图的密度。
• 该方法利用同态密度与单射同态近似，利用$n \to \infty$时$t(H;G)$与$t^{\text{inj}}(H;G)$相差$o(1)$的性质，实现渐近分析。
• 证明通过构造正半定矩阵$\mathbf{Y}_i$与向量$z_i$，利用平方和分解验证上界。
• 通过验证构造表达式满足所需的正定性与归一化条件，解释半定规划求解器的输出结果。
• 该方法被推广以同时处理$K_{1,1,2}$与猫头鹰图，且为每种情况提供了明确的矩阵与向量构造。

实验结果

研究问题

• RQ1 完全三部图$K_{1,1,2}$（各部分大小为1,1,2）的精确诱导性是多少？
• RQ2 如布朗与西多伦科所猜想，5等分图构造是否为最大化$K_{1,1,2}$诱导密度的最优构造？
• RQ3 猫头鹰图（定义为一个三角形加一条悬挂边）的诱导性是多少？是否由已知构造实现？
• RQ4 能否在小图的诱导性开放问题中，有效应用旗代数框架下的半定规划技术？
• RQ5 $P_4$的诱导性上界是否紧致？还是存在最佳已知构造与理论极限之间的差距？

主要发现

• $K_{1,1,2}$的诱导性精确为$12/125 = 0.096$，由5等分图构造实现。
• 猫头鹰图的诱导性精确为$1/32 = 0.03125$，证实了5等分图构造在此图上的最优性。
• 5等分图被证明对$K_{1,1,2}$是最优的，解决了布朗与西多伦科提出的问题。
• 本文提供了极值图论中半定规划方法的详细且易懂的说明，包括边界对应的矩阵与向量构造。
• 该方法成功通过正半定矩阵与向量表达式，利用平方和分解认证了上界。
• 该方法未能解决$P_4$的诱导性问题，最佳已知下界（$80/4877 \approx 0.0164$）与浮点数上界（$\approx 0.0172$）之间仍存在差距。