Random Graphs (Chapter 11, Graph Theory)
The notion of a random graph
- Erdos-Renyi model $G(n, p)$
- $q = 1 - p$ とおく
- 独立集合 $ P[\alpha(G) \geq k] \leq {n \choose k}q^{k \choose 2} $
- クリーク $ P[\omega(G) \geq k] \leq {n \choose k}p^{k \choose 2} $
- Ramsey number R(r)
- $R(r)$ 頂点以上のグラフは必ず $K^r$ か $\overline{K^r}$ を含む
- $R(r) > n > 2^\frac{k}{2}$ を示す
- $G(n, 1/2)$ を考えて,$P[\alpha(G) \geq k] + P[\omega(G) \geq k] < 1$ となる
- 従って,k 以上のクリークも独立集合も持たないかもしれない
The probabilistic method
- 定理:任意の k について,$g(H)>k$ かつ $\chi(H)>k$ なる $H$ が存在する
- $g(G)$ := girth (最短のサイクル長)
- $\chi(G)$ := 彩色数
- つまり,ローカルに見たら木みたいなのに,彩色数も大きいっていうグラフがある!
- 証明
- 最初に考える事
- $p$ を小さくすると,$g(G)$ は大きくなる
- 彩色数の代わりに独立集合を考えて,$n/k$ より大きい独立集合が 1 個はないといけない
- そういうのがなければ,彩色数は $k$ より大きい
- $p$ を大きくすると,独立集合はなくなって $\chi(G)$ は大きくなる
- でも,さっきみたいに簡単に和等で証明できるような良い $p$ は存在しない(むずい!)
- そこで
- $n/2$ 個しか short cycle がなく,サイズ $n/2k$ より大きい独立集合がないものをつくる
- 全 cycle から頂点を削除して $H$ を得る
- Markov's inequality: $P[X \geq a] \leq \frac{E(X)}{a}$ (独立じゃない時に便利!)
- サイクル同士はかぶったりするから独立じゃないので面倒だが Markov's inequality を使う
- 最初に考える事
Properties of almost all graphs
- $n \rightarrow \infty$ の時 $G$ がある性質を持つ確率が 1 や 0 に収束するものを考える
- 任意のグラフ $H$ について,$H$ を部分誘導グラフとして含む確率は 1 に収束
- $k$-connected である確率は 1 に収束
Zero-one laws
First-order logic で書ける性質は確率が必ず 0 か 1 に収束する!
(この本じゃなくて probabilistic methods の方に載ってる.)
Threshold functions and second moments
今度は,相変わらず大きな $n$ を考えるが,$p$ の変化によってどうなるか.今度は$p$ は定数でなく $n$ の関数.
あるところで 0 から 1 (あるいは 1 から 0)に変わる事がある.これを threshold function と呼ぶ.
- 固定した $H$ を部分グラフとして持つ
- 0 になる側:期待値から Markov's inequality
- 1 になる側:期待値は使えない.second moment & Chebyshev's inequality
- threshold function は $t(n) = n^{-1/d(H)}$
- densest subgraph $d(H) = \max_{H' \subseteq H} \frac{|E(H')|}{|V(H')|}$