Clique plantado em G (n, p), variando p


9

No problema da camarilha plantada, é necessário recuperar uma k planta plantada no gráfico aleatório Erdos-Renyi G(n,p) . Isso foi analisado principalmente para p=12 , caso em que se sabe que pode ser resolvido em tempo polinomial sek>n e conjecturado com força parak<n .

Minha pergunta é: o que se sabe / se acredita sobre outros valores de p ? Especificamente, quando p é uma constante em [0,1] ? Existe evidência de que, para cada valor de p , exista algum k=nα para o qual o problema é computacionalmente difícil?

As referências seriam particularmente úteis, pois não consegui encontrar nenhuma literatura que analise o problema para outros valores além de p=12 .


sim, é difícil para alguns parâmetros baseados no fenômeno de ponto de transição completo NP, que é mais estudado para o SAT, mas vale para o problema de clique também e foi estudado um pouco ou menos por lá. isso está intimamente relacionado à localização de limites inferiores em circuitos monótonos para o problema de clique e funções de fatia. Existem algumas perguntas relacionadas no site, que podem ser desenterradas. o artigo recente de Rossman sobre a dureza da função de clique é relevante. etc ... trabalho poder em resposta mais tarde, dependendo se outros mostram-se ...
vzn

esta dureza Q / A de clique tcs.se parametrizado deve responder sua pergunta diretamente. responder em ciência teórica Computer bate-papo para mais discussão
vzn

11
Obrigado. No entanto, eu estava mais preocupado com a versão plantada, e não com a pior das hipóteses (que, como você diz, é NP completa para constante p).
SRD

ok, parece que "clique plantado" é geralmente limitado a G (n, ½), como você declara como neste artigo recente Algoritmos Estatísticos e um Limite Inferior para Detecção de Clique Plantado por Feldman et al, que considera e cita referências relacionadas, mas novamente não considere p ½. o problema geral parece estar "próximo" de encontrar panelinhas de algum tamanho em um gráfico G (n, p) para algumas opções de parâmetros (o último é aparentemente muito mais estudado como no tcs.se pg vinculado), mas ainda não vimos que conexão apontada ou elaborada / detalhada em outro lugar.
vzn

Respostas:


9

Se for constante, o tamanho da camarilha máxima no modelo G ( n , p ) será quase sempre um múltiplo constante de log n , com a constante proporcional ao log ( 1 / p ) . (Veja Bollobás, p.283 e Corolário 11.2.) Portanto, a alteração p não deve afetar a dureza de plantar uma camarilha com vértices ω ( log n ) , desde que a camarilha seja muito pequena para que uma abordagem algorítmica existente funcione. Portanto, espero que, com constante p 1 /pG(n,p)lognlog(1/p)pω(logn) a dureza de Click Plantado deve comportar-se como o p = 1 / 2 caso, embora seja possível que o caso de p muito perto de 0 ou 1 pode comportar-se de maneira diferente.p1/2p=1/2p

p1/2Ω(nα)α=1/2α1/2G(n,p)0.5(1p)/pn2(1p)/pn

p1/2n1/3

pn

  • Béla Bollobás, Random Graphs (2ª edição), Cambridge University Press, 2001.
  • ϑ
  • Uriel Feige e Robert Krauthgamer, Encontrando e certificando uma grande camarilha oculta em um gráfico semi- aleatório, Random Structures & Algorithms 16 (2) 195–208, 2000. doi: 10.1002 / (SICI) 1098-2418 (200003) 16: 2 <195 :: AID-RSA5> 3.0.CO; 2-A

Obrigado. Isso parece resumir o estado da arte e confirmar que nada muito definitivo é conhecido. A melhor evidência de que o problema se comporta de maneira semelhante parece ser o valor da função teta de Lovasz, como você aponta.
S20 de

1

p12

kk1εnΩ~(logn)


0

Aqui está um novo artigo que possui um algoritmo para p ½ ½ arbitrário com base em um algoritmo SVD. ver p.4 para análise de clique (plantado) oculto.

UM ALGORITMO SIMPLES DE SVD PARA ENCONTRAR PARTIÇÕES OCULTAS Van Vu

Resumo. Encontrar uma partição oculta em um ambiente aleatório é um problema geral e importante, que contém como subproblemas muitas perguntas famosas, como encontrar uma camarilha oculta, encontrar uma coloração oculta, encontrar uma bipartição oculta etc. Neste artigo, fornecemos um SVD simples algoritmo para esse fim, respondendo a uma pergunta de McSherry. Esse algoritmo é muito fácil de implementar e funciona para gráficos esparsos com densidade ideal.


2
p=1/2ppΩ(n)

sem dizer que é a resposta exata / definitiva, apenas algumas melhorias em relação a outros apenas limites de outros trabalhos. analisa uma ampla gama de valores de sujeitos a restrições variadas (incluindo tamanho de clique), detalhes no artigo. a questão não parece tão rigorosa sobre qual é a restrição exata / simultânea do tamanho do clique / combinação. (does not o papel de fato cobrir alguns dos casos pediu ou você está interpretando a questão como estritamente restringir? ?) p p p ½ , k = n α αp=½ppp½,k=nαα
vzn
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.