[论文解读] Universality of random graphs and rainbow embedding

Asaf Ferber, Rajko Nenadov+1 more|arXiv (Cornell University)|Nov 27, 2013

Limits and Structures in Graph Theory参考文献 19被引用 4

一句话总结

该论文为随机图 $γ(n,p)$ 在嵌入最大度有界且密度有界的生成子图时的普遍性建立了改进的阈值概率，并引入了一种新颖的随机边染色模型以保证彩虹嵌入。证明表明，当 $p = \omega(\Delta^{12}n^{-1/2}\log^3 n)$ 时，典型随机图包含所有最大度为 $\Delta$ 的生成树；当 $p = \omega(\Delta^{12}n^{-1/d}\log^3 n)$ 时，其可嵌入所有围长至少为 7 的此类图。此外，还表明在使用 $(1+o(1))|E(H)|$ 个随机颜色时，几乎所有情况下均存在任意常数度数 $H$ 的彩虹副本。

ABSTRACT

In this paper we show how to use simple partitioning lemmas in order to embed spanning graphs in a typical member of $G(n,p)$. Let the \emph{maximum density} of a graph $H$ be the maximum average degree of all the subgraphs of $H$. First, we show that for $p=ω(Δ^{12} n^{-1/2d}\log^3n)$, a graph $G\sim G(n,p)$ w.h.p.\ contains copies of all spanning graphs $H$ with maximum degree at most $Δ$ and maximum density at most $d$. For $d

研究动机与目标

• 改进随机图 $\mathcal{G}(n,p)$ 出现所有最大度 $\leq \Delta$ 且最大密度 $\leq d$ 的生成子图的阈值概率 $p$。
• 通过降低所需边概率 $p$，加强对围长至少为 7 的图（特别是生成树）的嵌入结果。
• 建立在随机边染色 $\mathcal{G}(n,p)$ 中几乎所有情况下均包含任意常数度数生成图 $H$ 的彩虹副本的条件。
• 设计一种新的嵌入技术，结合划分引理与随机边染色模型下的颜色感知匹配过程。

提出的方法

• 利用简单的图划分引理对宿主图进行分解并管理嵌入约束。
• 应用基于匹配的嵌入框架，受 Alon 和 Füredi 以及 Ruciński 启发，并适配以处理度数与密度约束。
• 引入两阶段嵌入过程：第一阶段使用有界度数匹配构造嵌入核心子图；第二阶段通过颜色感知匹配过程进行扩展。
• 使用切尔诺夫不等式控制随机染色模型中邻居集合与颜色可用性的集中性。
• 采用顶点的随机排序与动态颜色集合缩减策略，确保最终嵌入中颜色互不相同。
• 在嵌入过程中从结构化的二部图族 $\mathcal{B}_{\lceil \log^2 n \rceil\text{-out}}^\ell(F)$ 中均匀随机采样，以维持颜色多样性。

实验结果

研究问题

• RQ1 是否存在最优边概率 $p$，使得 $\mathcal{G}(n,p)$ 几乎必然包含所有最大度 $\leq \Delta$ 且最大密度 $\leq d$ 的生成子图？
• RQ2 当限制在围长至少为 7 的图（尤其是生成树）时，普遍性阈值是否可进一步优化？
• RQ3 在何种条件下，随机边染色的 $\mathcal{G}(n,p)$ 几乎必然包含给定常数度数生成图 $H$ 的彩虹副本？
• RQ4 能否设计一种系统化的嵌入方法，同时满足度数约束、密度边界与随机边染色模型下的颜色唯一性？

主要发现

• 当 $p = \omega(\Delta^{12}n^{-1/2}\log^3 n)$ 时，$\mathcal{G}(n,p)$ 几乎必然对所有最大度 $\leq \Delta$ 的生成树具有普遍性，优于 Johannsen、Krivelevich 和 Samotij 的结果。
• 当 $p = \omega(\Delta^{12}n^{-1/d}\log^3 n)$ 时，$\mathcal{G}(n,p)$ 几乎必然对所有最大度 $\leq \Delta$、最大密度 $\leq d$ 且围长至少为 7 的生成图具有普遍性。
• 对于 $\mathcal{G}(n,p)$ 中生成树普遍性，阈值 $p = \omega(\Delta^{12}n^{-1/2}\log^3 n)$ 在对数因子范围内为最优。
• 在使用 $c = (1+o(1))|E(H)|$ 个颜色的随机边染色下，当 $p = \omega(\Delta^{12}n^{-1/2}\log^3 n)$ 时，几乎所有情况下均可在 $\mathcal{G}(n,p)$ 中嵌入任意常数度数 $H$ 的彩虹副本。
• 由于邻居集合与颜色可用性的集中性控制，嵌入过程以高概率成功，确保每一步均有 $\Omega(\log^3 n)$ 个有效扩展。
• 该过程从结构化的二部图族中均匀采样，确保最终匹配既为彩虹匹配，又满足颜色约束。