[论文解读] The number of graphs and a random graph with a given degree sequence

Alexander Barvinok, J. A. Hartigan|arXiv (Cornell University)|Mar 1, 2010

Limits and Structures in Graph Theory参考文献 10被引用 9

一句话总结

该论文提出了一种计算高效的渐近公式，用于估计具有给定度序列的标记图的数量，采用最大熵矩阵来建模边概率。证明表明，对于‘温顺’的度序列，当 n 增大时，该公式相对于真实计数的相对误差趋于零，并表明具有此类度序列的随机图可被最大熵模型良好近似。

ABSTRACT

We consider the set of all graphs on n labeled vertices with prescribed degrees D=(d_1, ..., d_n). For a wide class of tame degree sequences D we prove a computationally efficient asymptotic formula approximating the number of graphs within a relative error which approaches 0 as n grows. As a corollary, we prove that the structure of a random graph with a given tame degree sequence D is well described by a certain maximum entropy matrix computed from D. We also establish an asymptotic formula for the number of bipartite graphs with prescribed degrees of vertices, or, equivalently, for the number of 0-1 matrices with prescribed row and column sums.

研究动机与目标

• 推导具有指定度序列 D 的标记图数量的高效渐近公式。
• 刻画从 G(D) 中均匀随机选取的图的结构，表明其可被最大熵模型良好近似。
• 建立渐近公式相对误差在 n → ∞ 时趋于零的条件。
• 将渐近计数方法扩展至二分图和具有指定行和与列和的 0-1 矩阵。

提出的方法

• 定义实对称 0-1 矩阵的多面体 P(D)，其行和为给定的 d_i，表示所有具有度序列 D 的图。
• 在 P(D) 上引入熵函数 H(x)，其唯一最大化点 z 即为 D 的最大熵矩阵。
• 对于 δ-温顺的度序列，确保 z 中的所有边概率 ζ_{j,k} 严格位于 [δ, 1−δ] 内，避免边界退化。
• 基于 H 在 z 处的二阶泰勒展开构造二次型 q(t)，以捕捉局部曲率。
• 通过 Hessian 矩阵 Q 的行列式及校正项 μ 和 ν 进行高斯近似，以改进渐近估计。
• 证明公式 2e^{H(z)} / ((2π)^{n/2} √det Q) × exp(−μ/2 + ν) 在 n 增大时，对 |G(D)| 的近似具有趋于零的相对误差。

实验结果

研究问题

• RQ1 对于哪些度序列 D 的类别，图的数量 |G(D)| 可被计算高效的公式渐近近似？
• RQ2 从 G(D) 中均匀随机选取的图的结构与关联于 D 的最大熵矩阵 z 有何关系？
• RQ3 在什么条件下，|G(D)| 的渐近公式的相对误差在 n → ∞ 时趋于零？
• RQ4 渐近计数方法能否扩展至二分图和具有指定行和与列和的 0-1 矩阵？

主要发现

• |G(D)| 的渐近公式为 2e^{H(z)} / ((2π)^{n/2} √det Q) × exp(−μ/2 + ν)，其中 z 为最大熵矩阵，Q 为从 z 导出的正定矩阵。
• 对于任意 δ > 0，若 D 为 δ-温顺，则当 n → ∞ 时，公式的相对误差趋于 0，且对任意 ε > 0，有 n ≥ (1/ε)^γ(δ)。
• 从 G(D) 中随机选取的图的结构可由最大熵矩阵 z 良好描述，即边概率近似等于 ζ_{j,k}。
• 该公式可通过相同框架扩展至二分图和具有指定行和与列和的 0-1 矩阵。
• 最大熵矩阵 z 满足 ζ_{j,k} = 1 / (1 + e^{λ_j + λ_k})，其中 λ_j 为实参数，且 λ_j 可用 δ 表示有界。
• 证明表明 δ-温顺的度序列满足对所有 j ≠ k，有 ζ_{j,k} ∈ [ε^4 / (1 + ε^4), 1 / (1 + ε^6)]，从而确保最大值位于内部。