Posadzona klika w G (n, p), zmieniająca się p

9

W przypadku problemu sadzonej kliki należy odzyskać k-klinka posadzona na losowym wykresie Erdosa-Renyi G(n,p). To było głównie rozpatrywanep=12, w którym to przypadku wiadomo, że można rozwiązać czas wielomianowy, jeśli k>n i przypuszczalnie trudne k<n.

Moje pytanie brzmi: co wiadomo / uważa się o innych wartościach p? W szczególności kiedyp jest stałą w [0,1]? Czy istnieją dowody na to, że dla każdej takiej wartościpistnieje kilka k=nα dla którego problem jest trudny obliczeniowo?

Odniesienia byłyby szczególnie pomocne, ponieważ nie udało mi się znaleźć żadnej literatury, która dotyczyłaby problemu dla wartości innych niż p=12.

srd
źródło
tak, jest to trudne dla niektórych parametrów opartych na zjawisku całkowitego punktu przejścia NP, który jest bardziej badany dla SAT, ale dotyczy również problemu kliki i był tam badany mniej więcej tak. jest to ściśle związane ze znajdowaniem dolnych granic obwodów monotonicznych dla problemu kliki i funkcji wycinania. na stronie znajduje się kilka powiązanych pytań, które mogą je wykopać. aktualny artykuł Rossmana na temat twardości funkcji kliki jest istotny. etc ... praca może w odpowiedzi później w zależności od tego, czy inni pojawiają się ...
vzn
ta twardość Q / A sparametryzowanej kliki tcs.se powinna bezpośrednio odpowiedzieć na twoje pytanie. odpowiedz na czacie Teoretycznej Informatyki, aby uzyskać więcej dyskusji
dniu
1
Dzięki. Najbardziej martwiłem się jednak wersją posadzoną, a nie wersją najgorszego przypadku (która, jak pan mówi, jest NP kompletna dla stałego p).
srd
ok, wygląda na to, że „posadzona klika” jest ogólnie ograniczona do G (n, ½), jak stwierdziliście, jak w najnowszym artykule „ Algorytmy statystyczne i dolna granica wykrywania roślin posadzonych” autorstwa Feldmana i in., który uważa to i powołuje się na odnośniki, ale znowu nie rozważ p ≠ ½. ogólny problem wydaje się być „bliski” znalezieniu klików o pewnym rozmiarze na wykresie G (n, p) dla niektórych wyborów parametrów (później jest najwyraźniej znacznie bardziej zbadany, jak w połączonym tcs.se pg), ale nie widziałem tego połączenie wskazane lub opracowane / wyszczególnione gdzie indziej.
vzn

Odpowiedzi:

9

Gdyby p jest stała, to wielkość maksymalnej kliki w G(n,p) model jest prawie wszędzie stałą wielokrotnością logn, ze stałą proporcjonalną do log(1/p). (Patrz Bollobás, s. 283 i wniosek 11.2.) Zmianap nie powinien zatem wpływać na twardość sadzenia kliki ω(logn)wierzchołki, o ile klika jest zbyt mała, aby działało istniejące algorytmiczne podejście. Dlatego oczekuję tego ze stałąp1/2 twardość posadzonej kliki powinna zachowywać się tak jak p=1/2 przypadek, chociaż możliwe jest, że przypadek p bardzo blisko 0 lub 1 może zachowywać się inaczej.

W szczególności dla p1/2 ten sam próg wynoszący Ω(nα) dla α=1/2dotyczy wielkości sadzonej kliki, powyżej której problem staje się czasem wielomianowym. Wartośćα tutaj jest 1/2 (i żadnej innej wartości), ponieważ funkcja theta Lovásza G(n,p) jest prawie na pewno pomiędzy 0.5(1p)/pn i 2(1p)/pn, w wyniku Juhásza. Algorytm Feige i Krauthgamer używa funkcji theta Lovásza do znalezienia i certyfikacji największej kliki, więc opiera się na tej wartości progowej dla posadzonej kliki.

Oczywiście może istnieć inny algorytm, który nie korzysta z funkcji theta Lovásza i dla wartości p daleko od 1/2 mogę znaleźć posadzoną klikę z powiedzmy n1/3wierzchołki. O ile wiem, to wciąż jest otwarte.

Feige i Krauthgamer również dyskutują, kiedy p nie jest stały, ale zależy od n, i jest albo bliski 0, albo bliski 1. W tych przypadkach istnieją inne podejścia do znalezienia posadzonych klik, a wielkość progu jest inna.

  • Béla Bollobás, Random Graphs (2. edycja), Cambridge University Press, 2001.
  • Ferenc Juhász, asymptotyczne zachowanie Lovásza ”ϑfunkcja losowych wykresów , Combinatorica 2 (2) 153–155, 1982. doi: 10.1007 / BF02579314
  • Uriel Feige i Robert Krauthgamer, Znalezienie i certyfikacja dużej ukrytej kliki na grafie półirandomowym , Struktury losowe i algorytmy 16 (2) 195–208, 2000. doi: 10.1002 / (SICI) 1098-2418 (200003) 16: 2 <195 :: AID-RSA5> 3.0.CO; 2-A
András Salamon
źródło
Dzięki. Wydaje się to podsumowywać aktualny stan wiedzy i potwierdzać, że nic zbyt ostatecznego nie jest znane. Jak można zauważyć, najlepszym dowodem na to, że problem zachowuje się podobnie, jest wartość funkcji Lovasz theta.
srd
1

posadzona klika dla p12jest szczególnym przypadkiem tego problemu i nowych wyników (dolne granice), jak podano na p2 itp., i obejmuje powiązane odnośniki. (2015)

Pokazujemy, że przyjmując (deterministyczną) hipotezę czasu wykładniczego, rozróżniając wykres z indukowaną k-klika i wykres, na którym wszystko k-subgrrafy mają co najwyżej gęstość 1ε, wymaga nΩ~(logn) czas.

vzn
źródło
0

oto nowy artykuł, który ma algorytm dla arbitralnego p ≠ ½ oparty na algorytmie SVD. analiza ukrytej (posadzonej) kliki na str. 4.

PROSTY Algorytm SVD DO ZNALEZIENIA UKRYTYCH PRZEGRÓD Van Vu

Abstrakcyjny. Znalezienie ukrytej partycji w losowym środowisku jest ogólnym i ważnym problemem, który zawiera jako podproblem wiele znanych pytań, takich jak znalezienie ukrytej kliki, znalezienie ukrytej kolorystyki, znalezienie ukrytej dwuczęściowej itp. W tym artykule przedstawiamy prosty SVD algorytm do tego celu, odpowiadający na pytanie McSherry. Ten algorytm jest bardzo łatwy do wdrożenia i działa w przypadku rzadkich wykresów o optymalnej gęstości.

vzn
źródło
2
Działa dla p=1/2 także, ale nie dla arbitralności p. Zauważ też, że dlap stała, ukryta klika musi nadal mieć rozmiar Ω(n).
Kristoffer Arnsfelt Hansen
nie mówiąc, że jest to dokładna / ostateczna odpowiedź, tylko pewna poprawa w stosunku do innych p=½tylko limity innych dokumentów. analizuje szeroki zakres wartości podlegających różnym ograniczeniom (w tym rozmiar kliki), szczegóły w pracy. pytanie nie wydaje się tak rygorystyczne, co to jest ścisłe / równoczesne ograniczenie kombinacji kliki / kombinacji. (czy rzeczywiście artykuł nie obejmuje niektórych przypadków o które ppp½,k=nαα
pytasz