คำถามติดแท็ก expanders

หากเป็นแบบไร้ทิศทางdกราฟ -regular และSเป็นส่วนหนึ่งของจุดของ cardinality ≤ | V | / 2เรียกการขยายขอบของSปริมาณG = ( V, E)G=(V,E)G=(V,E)dddSSS≤ | V| / 2≤|V|/2\leq |V|/2SSS ϕ ( S) : = Edก.อีเอส( S, โวลต์- S)d⋅ | S| ⋅ | V- S|ϕ(S):=Edges(S,V−S)d⋅|S|⋅|V−S|\phi(S) := \frac {Edges(S,V-S)}{d\cdot |S|\cdot |V-S|} ที่ไหนคือจำนวนของขอบกับหนึ่งในปลายทางและเป็นหนึ่งในปลายทางB จากนั้นปัญหาการขยายขอบคือการหาชุดSด้วย| S | ≤ | V | / 2ที่ช่วยลดไว( S …

27 ds.algorithms  graph-theory  ho.history-overview  expanders  spectral-graph-theory 

เลมม่าประจำ Szemeredi กล่าวว่ากราฟที่หนาแน่นทุกตัวสามารถประมาณเป็นสหภาพของกราฟแท่งขยายสองฝ่ายจำนวนมาก แม่นยำยิ่งขึ้นมีพาร์ทิชันของจุดยอดนิยมส่วนใหญ่ในชุดชุดส่วนใหญ่เป็นคู่ตัวขยาย bipartite (จำนวนชุดในพาร์ติชันและพารามิเตอร์การขยายขึ้นอยู่กับพารามิเตอร์การประมาณ):O(1)O(1)O(1)O(1)O(1)O(1) http://en.wikipedia.org/wiki/Szemer%C3%A9di_regularity_lemma มีรุ่นของบทแทรกสำหรับกราฟแบบเบาบาง "มีพฤติกรรม" ดู: http://www.estatistica.br/~yoshi/MSs/FoCM/sparse.pdf http://people.maths.ox.ac.uk/scott/Papers/sparseregularity.pdf สิ่งที่ทำให้ฉันประหลาดใจเกี่ยวกับสูตรเหล่านี้คือพวกเขารับประกันได้ว่าคู่ชุดส่วนใหญ่ในพาร์ติชันแบบฟอร์มตัวขยาย bipartite และตัวขยาย bipartite เหล่านี้อาจว่าง ดังนั้นในกราฟกระจัดกระจายทั่วไปเป็นไปได้มากที่ขอบทั้งหมดระหว่างส่วนต่าง ๆ ในพาร์ทิชันของจุดยอดไม่ได้อยู่ในส่วนขยาย ฉันสงสัยว่ามีสูตรที่ให้ขอบส่วนใหญ่มาจากส่วนขยายหรือว่าไม่มีความหวังสำหรับสูตรดังกล่าว

25 graph-theory  co.combinatorics  expanders 

ฉันเพิ่งสอนผู้ขยายและแนะนำแนวคิดของกราฟรามานุช Michael Forbes ถามว่าทำไมพวกเขาถึงถูกเรียกแบบนี้และฉันต้องยอมรับว่าไม่รู้ ใคร?

25 graph-theory  soft-question  ho.history-overview  expanders 

ฉันกำลังมองหาส่วนขยายที่ไม่สมดุลซึ่ง "ดี" และ "ประหยัดพื้นที่" โดยเฉพาะกราฟสองฝ่ายซ้ายปกติ , , , ด้วยองศาซ้ายG=(A,B,E)G=(A,B,E)G=(A,B,E)| B | = m d|A|=n|A|=n|A|=n|B|=m|B|=m|B|=mdddเป็น -expander ถ้าใด ๆS ⊂ของ ขนาดสูงสุดkจำนวนเพื่อนบ้านที่แตกต่างของSในBอย่างน้อย( 1 - ϵ ) d | S | . เป็นที่ทราบกันดีว่าวิธีความน่าจะเป็นนั้นให้กราฟกับd = O(k,ϵ)(k,ϵ)(k,\epsilon)S⊂AS⊂AS \subset AkkkSSSBBB(1−ϵ)d|S|(1−ϵ)d|S|(1-\epsilon)d|S|และม. = O ( k ล็อก( n / k ) / ε 2 ) อย่างไรก็ตามหนึ่งต้องการพื้นที่ O ( n …

24 graph-theory  derandomization  expanders 

คำถามนี้ได้รับแรงบันดาลใจจากการคาดเดาพหุนาม Hirsch (PHC) รับ facet polytopeใน , ช่องว่างเชิงสเปกตรัมของกราฟขอบ - จุดยอด (เรียกมันว่า ) ล้อมรอบด้วยหรือไม่? โปรดสังเกตว่ากราฟวัฏจักรของจุดยอดแสดงให้เห็นว่าแม้สำหรับช่องว่างของสเปกตรัมอาจมีขนาดเล็กเท่ากับ ; ดังนั้นการคาดเดาที่ถูกผูกไว้ - ถ้าเป็นจริง - จะเกือบแน่นnnnPPPRdRd\mathbb R^dGGGΩ ( 1 / p o l y ( n ) )Ω(1/poly(n))\Omega(1/\mathrm{poly}(n))nnnd= 2d=2d=2O ( 1 / p o l y ( n ) )O(1/poly(n))O(1/\mathrm{poly}(n)) คำตอบที่ใช่จะบอกถึง PHC ในความเป็นจริงมันก็บอกเป็นนัยว่าโปรแกรมเชิงเส้นสามารถแก้ไขได้อย่างมีประสิทธิภาพเพียงแค่เดินสุ่มบนจุดสูงสุดของโพลีท็อปและอัลกอริธึมนี้ไม่ได้สนใจฟังก์ชั่นวัตถุประสงค์มากนัก! ดูเหมือนว่าจะดีเกินจริง ดังนั้นสถานะของปัญหานี้คืออะไร: เปิด …

21 co.combinatorics  linear-programming  expanders 

ในงานนำเสนอปี 2549 เรื่องEXPANDER GRAPHS - มีอะไรลึกลับเหลืออยู่บ้างไหม? Nati Linial โพสต์ปัญหาเปิดดังต่อไปนี้: ซึ่ง -hard ปัญหาการคำนวณบนกราฟยังคงยากที่ จำกัด เมื่อกราฟแผ่?NPNPNP ตั้งแต่นั้นมามีความคืบหน้าใด ๆ ในการพิสูจน์ผลลัพธ์ดังกล่าวสำหรับปัญหา -hard หรือไม่?NPNPNP

15 cc.complexity-theory  np-hardness  expanders 

G=(V,E)G=(V,E)G=(V,E)minS⊂V e(S,Sc)min(|S|,|Sc|),minS⊂V e(S,Sc)min(|S|,|Sc|),\min_{S \subset V} ~\frac{e(S,S^c)}{\min(|S|,|S^c|)},e(S,Sc)e(S,Sc)e(S,S^c)SSSScScS^c เพิ่มเติมรูปธรรมคิดว่าฉันรู้ว่ามีขนาดเส้นผ่าศูนย์กลางไม่น้อยกว่า D สิ่งนี้บอกอะไรฉันเกี่ยวกับสื่อกระแสไฟฟ้าถ้ามีอะไร และตรงกันข้ามสมมติว่าฉันรู้ว่าสื่อกระแสไฟฟ้าอยู่ที่ส่วนใหญ่ (หรืออย่างน้อย) \สิ่งนี้บอกอะไรฉันเกี่ยวกับเส้นผ่านศูนย์กลาง (ถ้ามี)?DDDαα\alpha

14 graph-theory  co.combinatorics  expanders 

หลักฐาน Omer Reingold ที่ให้อัลกอริทึมสำหรับ USTCON (มีในU ndirected กราฟที่มีจุดพิเศษsและเสื้อที่พวกเขาCon nected?) โดยใช้ logspace เท่านั้น แนวคิดพื้นฐานคือการสร้างกราฟตัวขยายจากกราฟดั้งเดิมจากนั้นจึงทำการเดินในกราฟตัวขยาย กราฟตัวขยายทำโดยการยกกำลังสองของกราฟดั้งเดิมหลาย ๆ ครั้ง ในกราฟของตัวแผ่เส้นผ่านศูนย์กลางเป็นลอการิทึมเท่านั้นดังนั้นการค้นหา DFS ของความลึกลอการิทึมจึงเพียงพอL = SLL=SLL=SLsssเสื้อtt การขยายผลลัพธ์เป็นจะบ่งบอกถึงการมีอยู่ของอัลกอริธึม logspace สำหรับ DSTCON - เหมือนกัน แต่สำหรับกราฟที่บอกทิศทางD (บางครั้งเพียงแค่ STCON) คำถามของฉันอาจอ่อนนุ่มเล็กน้อยสิ่งที่เป็นอุปสรรคหลักในการขยายการพิสูจน์ของ Reingold คืออะไร?L = NLL=NLL=NL รู้สึกเล็กน้อยว่าควรมีกราฟ "ตัวขยายที่ชี้นำ" สิ่งก่อสร้างที่คล้ายกันซึ่งคุณเพิ่มขอบตามเส้นทางที่มีความยาวปานกลางและจากนั้นบางส่วนก็สอดคล้องกับเส้นทางยาว จากนั้นคุณสามารถเลื่อนกราฟด้วยความลึกลอการิทึมได้โดยเลื่อนข้ามเส้นทางสั้น ๆ เพื่อไปยังกราฟที่มีความยาว จากนั้นกลับสู่เส้นทางสั้น ๆ ในตอนท้าย แนวคิดนี้มีข้อบกพร่องที่สำคัญหรือไม่? หรือว่าไม่มีตัวสร้างที่ดีของตัวขยายดังกล่าว หรืออย่างใดต้องใช้หน่วยความจำมากกว่ารุ่นที่ไม่ได้กำกับ? น่าเสียดายที่ฉันไม่สามารถค้นหากราฟผู้ขยายได้โดยตรง ในความเป็นจริงเป็นหลักทั้งหมดที่ฉันสามารถหาได้/math/2628930/how-can-one-construct-a-directed-expander-graph-with-varying-degree-distribution (ซึ่งยังไม่ได้ตอบ) …

13 graph-algorithms  nondeterminism  expanders  logspace 

สมมติว่ามีอัลกอริทึมแบบสุ่ม (BPP) AAAโดยใช้บิตRrrของการสุ่ม วิธีธรรมชาติในการขยายความน่าจะเป็นของความสำเร็จให้เป็น1 - δ1−δ1-\deltaสำหรับตัวเลือกใด ๆδ> 0δ>0\delta>0คือ วิ่งอิสระ + คะแนนเสียงข้างมาก: ทำงานอิสระT = Θ ( เข้าสู่ระบบ( 1 / δ ) . ครั้งและใช้คะแนนเสียงข้างมากของผลผลิตนี้ต้องใช้R T = Θ ( R ล็อก( 1 / δ ) )บิตสุ่มและ พัดขึ้นเวลาทำงานโดยT = Θ ( เข้าสู่ระบบ( 1 / δ ) )ปัจจัยAAAT= Θ ( บันทึก( 1 / δ)T=Θ(log⁡(1/δ)T=\Theta(\log(1/\delta)r T= …

12 reference-request  randomness  pseudorandomness  expanders 

สมมติว่ากราฟตระกูลมีเส้นทางเหนี่ยวนำนานถ้ามีค่าคงที่ϵ > 0ซึ่งกราฟGทุกตัวในFประกอบด้วยเส้นทางเหนี่ยวนำบน| V ( G ) | ϵจุดยอด ฉันสนใจคุณสมบัติของตระกูลกราฟที่ช่วยให้มั่นใจว่ามีเส้นทางที่เหนี่ยวนำยาว โดยเฉพาะอย่างยิ่งฉันกำลังสงสัยว่าตัวขยายระดับคงที่มีเส้นทางเหนี่ยวนำยาวหรือไม่ นี่คือสิ่งที่ฉันรู้FF\mathcal{F}ϵ>0ϵ>0\epsilon > 0GGGFF\mathcal{F}|V(G)|ϵ|V(G)|ϵ|V(G)|^{\epsilon} กราฟแบบสุ่มที่มีระดับค่าเฉลี่ยคงที่ (ในรูปแบบErdős – Rényi) มีเส้นทางเหนี่ยวนำยาว (แม้จะเป็นแบบเส้นตรงขนาด) ที่มีความน่าจะเป็นสูง ดูตัวอย่างบทความของซุน กราฟที่ไม่ซ้ำเพื่อนบ้านแผ่ (ตามที่กำหนดโดยAlon และ Copalbo ) มีการเหนี่ยวนำขนาดใหญ่ต้นไม้ ในความเป็นจริงต้นไม้ที่ชักนำสูงสุดจะมีขนาดใหญ่ในกราฟดังกล่าว จากข้อเท็จจริงทั้งสองนี้ฉันคาดหวังว่าตัวขยายที่เพิ่มขึ้นของ contant-degree มีเส้นทางการเหนี่ยวนำที่ยาวนาน อย่างไรก็ตามฉันไม่พบผลลัพธ์ที่เป็นรูปธรรม ข้อมูลเชิงลึกใด ๆ ที่ชื่นชมมาก

12 graph-theory  expanders 

ฉันสนใจคุณสมบัติ combinatorial ของเครือข่ายสังคมเป็นกราฟ ผู้คนได้ดูสิ่งต่าง ๆ เช่นการกระจายขององศาสัมประสิทธิ์การจัดกลุ่มและการบีบอัดของกราฟเหล่านี้ คำถามพื้นฐานหนึ่งข้อ: โดยปกติแล้วกราฟเหล่านี้มักจะเป็นตัวขยายที่ดีหรือไม่? มีใครตรวจสอบพูดว่าช่องว่างสเปกตรัมของกราฟ Facebook หรือไม่ หรือช่องว่างทางสเปกตรัมของเครือข่ายขนาดใหญ่อื่น ๆ ในโลกแห่งความเป็นจริง ฉันหวังว่าจะมีคนชี้ให้ฉันในทิศทางที่ถูกต้องเพื่อเรียนรู้เกี่ยวกับหัวข้อนี้

11 graph-theory  application-of-theory  expanders