Supongamos que tenemos un gráfico en nodos. Nos gustaría asignar a cada nodo un o un . Llame a esto una configuración . El número de s que tenemos que asignar es exactamente (por lo tanto, el número de s es ). Dada una configuración , observamos cada nodo y sumamos los valores asignados a sus vecinos, llame esto . Luego contamos el número de nodos para los cuales no es negativo: + 1 - 1 σ ∈ { + 1 , - 1 } n + 1 s - 1 n - s σ i ξ i ( σ ) ξ i ( σ ) N ( σ ) : = n ∑ i = 1 1 { ξ i ( σ ) ≥ 0 } .
La pregunta es: ¿cuál es la configuración que maximiza ? Más importante aún, ¿podemos dar un límite en en términos de s / n . Me pregunto si este problema le resulta familiar a alguien, o si se puede reducir a algún problema conocido en la teoría de grafos. Si ayuda, se puede suponer que el gráfico es aleatorio del tipo Erdős-Renyi (digamos, G (n, p) con probabilidad de borde p ~ (\ log n) / n , es decir, un grado promedio de crecimiento como \ log n ). El interés principal es en el caso donde s / n \ in (0,1 / 2) .
graph-theory
co.combinatorics
optimization
transeúnte51
fuente
fuente
Respuestas:
Podría abordar esto con un cálculo del "método del segundo momento", similar al que usé en Un umbral agudo para un problema de satisfacción de restricción aleatoria , Discrete Mathematics 285 / 1-3 (2004), 301-305.
Cuando el grado promedio crece como tiempos constantes suficientemente grandes , este enfoque a menudo ha sido suficiente para encontrar con precisión el umbral de satisfacción. Posiblemente también podría mostrar la fracción de cláusulas que pueden cumplirse en una instancia insatisfactoria, aunque no he investigado eso.logn
Para que su problema se parezca más al mío general, puede verlo como un "MAX-AT-LEAST-HALF-SAT" con una estructura gráfica especial subyacente a las cláusulas de la fórmula CNF. Sin embargo, no creo que esta estructura especial ayude en el análisis del peor de los casos, y dado que el tamaño de su cláusula no es uniforme y su conjunto de asignaciones "malas" está creciendo, tendrá que pasar por el cálculo y ver si todavía funciona.
fuente
Permítanme detallar mi comentario. Primero, esto es similar a la discrepancia, pero por supuesto diferente en varias formas. Dado un sistema de conjuntos , la discrepancia del sistema es . Denotemos. Su definición difiere en que desea saber cuántos conjuntos son positivos y la discrepancia le pregunta qué tan grande es en magnitud en el peor de los casos. Para una introducción rápida, tal vez mis notas de escriba puedan ayudar. Chazelle tiene un buen libro que entra en muchos detalles.S 1 , ... , S m ⊆ { 1 , ... n } = [ n ] min σ : [ n ] → { ± 1 } max j | ∑ i ∈ S j σ ( i ) | σ ( S j ) = | ∑ i ∈ S j σ ( i ) | σm S1,…,Sm⊆{1,…n}=[n] minσ:[n]→{±1}maxj|∑i∈Sjσ(i)| σ(Sj)=|∑i∈Sjσ(i)| σ ( S j )σ(Sj) σ(Sj)
Para un límite inferior probabilístico fácil cuando , como en mi comentario, dado un gráfico con secuencia de grados , puede elegir uniforme al azar de todas las secuencias con 's ( no son independientes, pero también debería ser posible probar un límite de Chernoff en este caso). Tenemos , por un límite de Chernoff, para alguna constante . Entonces . Entonces existe algunaG = ( [ n ] , E ) δ 1 , … , δ n σ s 1 σ i E [ ξ i ( σ ) ] = δ i s / n Pr [ ξ i ( σ ) < 0 ] ≤ exp ( - C δ i ( s / ns>n/2 G=([n],E) δ1,…,δn σ s 1 σi E[ξi(σ)]=δis/n C E [ N ( σ ) ] ≥ n - Σ i exp ( - C δ i ( s / n - 1 / 2 ) 2 ) σPr[ξi(σ)<0]≤exp(−Cδi(s/n−1/2)2) C E[N(σ)]≥n−∑iexp(−Cδi(s/n−1/2)2) σ que logra este límite.
EDITAR: Parece que está interesado en el caso . Seleccionemos al azar de la misma manera que en el párrafo anterior. Usando una versión del teorema del límite central para el muestreo sin reemplazo ( es una muestra de tamaño sin reemplazo de los vértices del gráfico), debería poder mostrar que comporta como un gaussiano con media y varianza sobre , entonces para algunos C y un parámetro de error del teorema del límite central. Deberíamos tenerσ σ s ξ i ( σ ) δ i ( 2 s / n - 1 ) δ i Pr [ ξ i ( σ ) ≥ 0 ] = exp ( - C δ i ( 2 s / n - 1 ) 2 ) ± η ( n ) η ( n )s<n/2 σ σ s ξi(σ) δi(2s/n−1) δi Pr[ξi(σ)≥0]=exp(−Cδi(2s/n−1)2)±η(n) η(n) nη(n)=o(n) , para que pueda tomar .N(σ)≥∑iexp(−Cδi(2s/n−1)2)−o(n)
Descargos de responsabilidad: esto solo tiene sentido si son constantes / pequeños o si está muy cerca de . Además, los cálculos son algo heurísticos y no se realizan con mucho cuidado.δi s/n n/2
fuente