[论文解读] The probability that a random multigraph is simple

Svante Janson|ArXiv.org|Sep 28, 2006

Limits and Structures in Graph Theory参考文献 10被引用 11

一句话总结

本文证明，当且仅当度数平方和关于边数线性时，通过配置模型生成的随机多重图具有正的渐近概率为简单图。本文给出了简单图概率的精确渐近公式，消除了对最大度数的先前假设，并拓展了随机图论与配置模型中的既有结果。

ABSTRACT

Consider a random multigraph G* with given vertex degrees d_1,...,d_n, contructed by the configuration model. We show that, asymptotically for a sequence of such multigraphs with the number of edges (d_1+...+d_n)/2 tending to infinity, the probability that the multigraph is simple stays away from 0 if and only if \sum d_i^2=O(\sum d_i). This was previously known only under extra assumtions on the maximum degree. We also give an asymptotic formula for this probability, extending previous results by several authors.

研究动机与目标

• 确定当边数趋于无穷时，随机多重图为简单图的概率保持远离零的确切条件。
• 消除先前关于配置模型研究中对最大顶点度数的假设。
• 推导随机多重图为简单图的概率的渐近公式，拓展多位作者的既有结果。
• 阐明在一般度数序列下，配置模型中环和重边数量的渐近行为。
• 说明当最大度数为 Θ(N^{1/2}) 时，坏边数量的标准泊松近似为何会失效，即使 ∑d_i² = O(N)。

提出的方法

• 使用配置模型从给定度数序列生成随机多重图。
• 分析由此生成的多重图不包含环或重边（即为简单图）的概率。
• 应用阶乘矩方法与泊松近似技术，研究坏边（环与重边）的数量。
• 引入一个修正的随机变量 Ŷ 来近似坏边数量，从而实现更清晰的渐近分析。
• 使用矩法证明在特定条件下，坏边数量收敛于泊松分布。
• 通过指数矩估计建立度数平方和与简单图渐近概率之间的联系。

实验结果

研究问题

• RQ1 在何种度数序列条件下，当边数趋于无穷时，随机多重图为简单图的概率保持远离零？
• RQ2 仅凭条件 ∑d_i² = O(N) 是否足以保证简单图概率存在正的下界，而无需对最大度数施加限制？
• RQ3 在一般度数序列下，随机多重图为简单图的精确渐近公式是什么？
• RQ4 当最大度数为 Θ(N^{1/2}) 时，为何坏边数量的标准泊松近似会失效，即使 ∑d_i² = O(N)？
• RQ5 在配置模型中，环与重边的分布如何渐近表现？

主要发现

• 当且仅当 ∑d_i² = O(N)（其中 N 为边数）时，随机多重图为简单图的概率保持远离零。
• 该条件在无最大度数限制下，仍是简单图概率存在正下界的充要条件。
• 推导出一般度数序列下简单图概率的渐近公式，拓展了多位作者的结果。
• 当 max d_i = Θ(N^{1/2}) 时，坏边（环与重边）数量并非渐近泊松分布，导致标准泊松近似方法失效。
• 当 max d_i 较大时，坏边数量的矩法失效，原因在于矩的快速增长以及卡莱曼准则的不成立。
• 本文表明，当且仅当度数序列满足 ∑d_i² = O(N) 条件时，配置模型生成的多重图以正概率为简单图，从而解决了随机图论中一个长期存在的问题。