Графы-экспандеры

Граф-экспандер (англ. expander graph) - в комбинаторике сильно разреженный граф, при этом связность определяется по вершинам, дугам или спектру.

Определение

Экспандер — это конечный ненаправленный мультиграф, в котором любое подмножество вершин, не являясь «слишком большим», имеет «сильную» связность. Различные формализации этих понятий дают различные типы экспандеров: рёберный расширитель, вершинный расширитель, и спектральный расширитель.

Несвязный граф не является экспандером. Любой связный граф является экспандером, однако различные связные графы имеют различные параметры расширителя. Полный граф имеет лучшие параметры расширителя, но имеет наибольшую возможную степень. Неформально говоря, граф является хорошим экспандером, если он имеет низкую степень и высокий параметр расширителя.

Реберное расширение

Рёберное расширение (также изопериметрическое число или константа Чигера) [math]h(G)[/math] графа [math]G[/math] для [math]n[/math] вершин определяется как

[math]h(G) = \min_{0 \lt |S|\le \frac{n}{2}} \frac{|\partial_{\text{out}}(S)|}{|S|}[/math],

где минимум берётся по всем непустым множествам [math]S[/math] не более чем [math]n/2[/math] вершин и [math]∂(S)[/math] — граничные дуги множества [math]S[/math], то есть, множество дуг с единственной вершиной в [math]S[/math].

Вершинное расширение

Вершинное изопериметрическое число [math]h_out(G)[/math] (также вершинное раширение) графа [math]G[/math] определяется как

[math]h_out(G) = \min_{0 \lt |S|\le \frac{n}{2}} \frac{|\partial_{\text{out}}(S)|}{|S|},[/math]

где [math]∂_out(S)[/math] — внешняя граница [math]S[/math], то есть множество вершин из [math]V(G)\S[/math], имеющих как минимум одного соседа в S. В варианте этого определения (называемом уникальным соседним расширением) [math]∂_out(S)[/math] заменяется на множество вершин из [math]V[/math] с точностью одним соседом из [math]S[/math].

Вершинное изопериметрическое число [math]h_in(G)[/math] графа [math]G[/math] определяется как

[math]h_in(G) = \min_{0 \lt |S|\le \frac{n}{2}} \frac{|\partial_{\text{in}}(S)|}{|S|},[/math]

где [math]∂_in(S)(S)[/math] — внутренняя граница [math]S[/math], то есть множество вершин [math]S[/math], имеющих как минимум одного соседа в [math]V(G)\setminus S[/math].

Спектральное расширение

Если [math]G[/math] является d-регулярным, возможно определение в терминах линейной алгебры на основе собственных значений матрицы смежности [math]A = A(G)[/math] графа [math]G[/math], где [math]A_{ij}[/math] — число дуг между вершинами [math]i[/math] и [math]j[/math]. Поскольку [math]A[/math] является симметричной, согласно спектральной теореме, [math]A[/math] имеет [math]n[/math] действительных собственных значений [math]\lambda_1 \ge \lambda_2 \ge \cdots \ge \lambda_{n}[/math]. Известно, что эти значения лежат в промежутке [math][−d, d][/math]. Граф регулярен тогда и только тогда, когда вектор [math]u\in \mathbb {R} ^{n} с u_{i}=1[/math] для всех [math]i = 1, …, n[/math] является собственным вектором матрицы [math]A[/math], а его собственное число будет постоянной степенью графа. Таким образом, мы имеем [math]Au = du[/math], и [math]u[/math] — собственный вектор матрицы [math]A[/math] с собственными значениями [math]λ1 = d[/math], где [math]d[/math] — степень вершин графа [math]G[/math]. Спектральный зазор графа [math]G[/math] определяется как [math]d−λ2\lt t/ex\gt и является мерилом спектрального расширения графа \lt tex\gt G[/math].

Известно, что [math]λ_n = −d[/math] тогда и только тогда, когда [math]G[/math] — двудольный. Во многих случаях, например в лемме о перемешивании, необходимо ограничить снизу не только зазор между [math]λ1[/math] и [math]λ2[/math], но и зазор между [math]λ1[/math] и вторым максимальным по модулю собственным значением:

[math]// formuli[/math]

Поскольку это собственное значение соответствует некоторому собственному вектору, ортогональному [math]u[/math], его можно определить, используя отношение Рэлея: [math]//formulas[/math] gde [math]//formulas[/math] — евклидова норма вектора [math]v\in \mathbb {R} ^{n}[/math].

Нормализованная версия этого определения также широко используется и более удобна для получения определённых результатов. В таком случае рассматривается матрица [math]{\tfrac {1}{d}}A[/math], являющаяся матрицей переходов графа G. Все её собственные значения лежат между [math]−1[/math] и [math]1[/math]. Если граф не регулярен, спектр графа может быть определён аналогичным образом, используя собственные значения матрицы Кирхгофа. Для направленного графа используются сингулярные значения матрицы сопряжения A, которые равны квадратным корням из собственных значений симметричной матрицы [math]A^TA[/math].

Конструирование

Существуют три основные стратегии создания семейств графов расширений[6]. Первая стратегия — алгебраическая и теоретико-групповая, вторая — аналитическая, использующая аддитивную комбинаторику, и третья — комбинаторная, использующая зигзаг-произведение и связанные комбинаторные произведения.

Маргулис-Габбер-Галил

Алгебраическое конструирование, основанное на графах Кэли, известно для различных вариантов экспандеров. Следующее конструирование принадлежит Маргулису и было проанализировано Габбером (Gabber) и Галилом (Galil)[7]. Для любого натурального n строим граф, Gn со множеством вершин \mathbb {Z} _{n}\times \mathbb {Z} _{n}, где \mathbb {Z} _{n}=\mathbb {Z} /n\mathbb {Z} . Для любой вершины (x,y)\in \mathbb {Z} _{n}\times \mathbb {Z} _{n}, её восемь соседей будут // formulas Выполняется следующая теорема: //theorem

Граф Рамануджана

По теореме Алона (Alon) и Боппана (Boppana) для всех достаточно больших d-регулярных графов выполняется неравенство \lambda \geq 2{\sqrt {d-1}}-o(1), где λ — второе по абсолютной величине собственное число[1]. Для графов Рамануджана[en]\lambda \leq 2{\sqrt {d-1}} [1]. Таким образом, графы Рамануджана имеют асимптотически наименьшее возможное значение λ и являются превосходными спектральными расширителями.

Александр Любоцкий, Филипс и Сарнак (1988), Маргулис (1988) и Моргенштерн (1994) показали как можно явно сконструировать граф Рамануджана[1]. По теореме Фридмана (Friedman,2003) случайный d-регулярный граф[en] с n вершинами является почти графом Рамануджана, поскольку выполняется //formulas

Приложения и полезные свойства

Первоначально интерес к экспандерам возник с целью построения устойчивой сети (телефонов или компьютеров) — число дуг графов расширения с ограниченным значением регулярности растет линейно по отношению к числу вершин.

Экспандеры нашли широкое применение в теории вычислительных машин и систем, для построения алгоритмов, в корректирующих кодах[en], экстракторах[en], генераторах псевдослучайных чисел, сетях сортировки[8] и компьютерных сетях. Они также используются для доказательства многих важных результатов в теории вычислительной сложности, таких как SL[en]=L[en][9] и Теорема PCP[10]. В rриптографии экспандеры используются для создания хеш-функций.

Ниже приведены некоторые свойства экспандеров, считающиеся полезными во многих областях.

Лемма о перемешивании

Лемма о перемешивании утверждает, что для любых двух подмножеств вершин S,T\subseteq V число рёбер между S и T примерно равно числу рёбер в случайном d-регулярном графе. Приближение тем лучше, чем меньше \lambda =\max\{|\lambda _{2}|,|\lambda _{n}|\}. В случайном d-регулярном графе, также как и в случайном графе Эрдёша — Реньи[en]с вероятностью {\tfrac {d}{n}} выбора ребра, ожидается {\tfrac {d}{n}}\cdot |S|\cdot |T| рёбер между S и T.

Более формально, пусть E(S, T) обозначает число рёбер между S и T. Если эти два множества пересекаются, дуги в пересечении считаются дважды, так что

E(S,T)=2|E(G[S\cap T])|+E(S\setminus T,T)+E(S,T\setminus S). Лемма о перемешивании утверждает, что[11]

\left|E(S,T)-{\frac {d\cdot |S|\cdot |T|}{n}}\right|\leq d\lambda {\sqrt {|S|\cdot |T|}}, где λ — абсолютное значение нормализованного второго по величине собственного значения.

Недавно Билу (Bilu) и Линайл (Linial) показали, что обратное тоже верно, то есть, при условии выполнения неравенства из леммы второе по величине собственное значение равно O(d\lambda \cdot (1+\log(1/\lambda )))[12].

Блуждания по экспандеру

Согласно границе Чернова[en], если выбирать много независимых случайных значений из интервала [−1, 1], с большой степенью вероятности среднее выбранных значений будет близко к математическому ожиданию случайной переменной. Лемма о блуждании по экспандеру, согласно статьям Аджтари, Комлоша и Семереди[13] и Гилмана[14], утверждает, что то же самое верно и для блужданий по экспандеру. Это полезно в теории дерандомизации[en], поскольку блуждание по экспандеру использует много меньше случайных бит, чем случайная независимая выборка.

Источники

// на потом