[论文解读] The inducibility of oriented stars

Ping Hu, Jie Ma+2 more|arXiv (Cornell University)|Aug 12, 2020

Limits and Structures in Graph Theory参考文献 14被引用 4

一句话总结

本文通过将问题约化为参数 $\alpha$ 和 $d$ 上的多项式优化，确定了至少包含七个顶点的有向星形图 $S_{k,\ell}$ 的诱导性，其中中心点的出度为 $k$，入度为 $\ell$。关键结果以 $\alpha$、$d$ 和二项式系数的极大化表达式形式给出了诱导性的渐近公式，极值构造基于有向完全二分图。

ABSTRACT

We consider the problem of maximizing the number of induced copies of an oriented star $S_{k,\ell}$ in digraphs of given size, where the center of the star has out-degree $k$ and in-degree $\ell$. The case $k\ell=0$ was solved by Huang. Here, we asymptotically solve it for all other oriented stars with at least seven vertices.

研究动机与目标

• 确定满足 $k+\ell \geq 6$ 且 $k \geq \ell \geq 1$ 的有向星形图 $S_{k,\ell}$ 的诱导性，扩展了以往仅覆盖 $\ell = 0$ 或 $k = \ell = 1$ 情况的研究结果。
• 证明此类有向星形图的诱导性在渐近意义上由具有特定边密度和划分比例的完全二分图的定向实现。
• 将诱导性的计算约化为参数 $\alpha$ 和 $d$ 上的多项式优化问题，提供最大密度的显式公式。
• 推测所推导的公式可推广至所有满足 $k \geq \ell \geq 1$ 且 $k+\ell \geq 6$ 的情况，仅对少数小规模情况需采用新方法。
• 证明极值构造的稳定性，表明任何诱导性接近最大值的有向图在结构上必须接近最优的二分图定向。

提出的方法

• 本文使用概率方法分析在划分大小与 $\alpha$ 和 $1-\alpha$ 成比例、边密度为 $d$ 的从 $X$ 到 $Y$ 的完全二分图的随机定向中，$S_{k,\ell}$ 的诱导子图的期望数量。
• 通过在 $\alpha \in [0,\frac{1}{2}]$ 和 $d \in [0,\frac{k}{k+\ell}]$ 上优化表达式 $\alpha(1-\alpha)^{k+\ell}d^k(1-d)^\ell + \frac{(k-1)^{k-1}\ell^\ell}{(k+\ell-1)^{k+\ell-1}}(1-\alpha)\alpha^{k+\ell}(1-d)$，推导出诱导性的下界。
• 通过稳定性论证建立上界，表明任何诱导性较高的有向图在结构上必须接近最优的二分图构造。
• 证明依赖一系列不等式和渐近估计，特别是围绕最优点 $(\alpha, d) \approx \left(\frac{1}{k+\ell+1}, \frac{k}{k+\ell}\right)$ 的泰勒展开，以近似最大值。
• 当 $k = \ell$ 时，诱导性为 $\frac{(2k+1)!}{2^{2k}(k!)^2} \cdot \max_\alpha \left\{ \alpha(1-\alpha)^{2k} + (1-\alpha)\alpha^{2k} \right\}$；当 $k > \ell$ 时，使用涉及 $d$ 和 $1-d$ 的 $k$ 次与 $\ell$ 次幂的更复杂表达式。
• 技术估计由附录 A 中的详细计算支持，并为小规模情况（如 $(k,\ell) = (2,1)$）提供了基于旗代数的数值近似。

实验结果

研究问题

• RQ1 对于满足 $k+\ell \geq 6$ 且 $k \geq \ell \geq 1$ 的有向星形图 $S_{k,\ell}$，其诱导性为何？这超越了以往仅知 $\ell = 0$ 或 $k = \ell = 1$ 的情况。
• RQ2 此类有向星形图的诱导性能否表示为参数 $\alpha$ 和 $d$ 上的多项式优化问题的解？
• RQ3 是否可以通过具有特定划分比例和边密度比例的有向完全二分图渐近实现 $S_{k,\ell}$ 的诱导性极值构造？
• RQ4 最优有向图结构是否表现出稳定性，即任何诱导性接近最大值的有向图是否必须在结构上接近最优的二分图定向？
• RQ5 本文推导的优化公式是否可推广至小规模情况（如 $(k,\ell) = (2,1), (3,1), (4,1)$），或是否需要新方法？

主要发现

• 对于满足 $k \geq \ell \geq 1$ 且 $k+\ell \geq 6$ 的 $S_{k,\ell}$，其诱导性由一个涉及 $\alpha$ 和 $d$ 的多项式最大化的闭式表达式给出，最大值在 $\alpha \in [0,\frac{1}{2}]$ 和 $d \in [0,\frac{k}{k+\ell}]$ 上取到。
• 当 $k = \ell$ 时，诱导性为 $\frac{(2k+1)!}{2^{2k}(k!)^2} \cdot \max_\alpha \left\{ \alpha(1-\alpha)^{2k} + (1-\alpha)\alpha^{2k} \right\}$，在星形图的两个方向上对称。
• 当 $k > \ell$ 时，诱导性为 $\frac{(k+\ell+1)!}{k!\ell!} \cdot \max_{\alpha,d} \left\{ \alpha(1-\alpha)^{k+\ell}d^k(1-d)^\ell + \frac{(k-1)^{k-1}\ell^\ell}{(k+\ell-1)^{k+\ell-1}}(1-\alpha)\alpha^{k+\ell}(1-d) \right\}$，反映了出度与入度的不对称性。
• 最优参数渐近为 $\alpha \approx \frac{1}{k+\ell+1}$ 和 $d \approx \frac{k}{k+\ell}$，高阶修正项由泰勒展开给出。
• 对于 $k=4, \ell=2$，近似误差在前几位有效数字中小于 $10^{-8}$，表明公式的数值精度极高。
• 稳定性结果表明，任何实现接近最大诱导性的有向图在结构上必须接近最优的有向完全二分图，其划分大小和边分布的偏差受到控制。