证明在无三角形且最大度数为d的图中,随机染色下每个顶点的平均可用颜色数至少为d/3

news2025/1/3 1:44:57

给定图 G G G,我们称 σ \sigma σ是它的一个合法 q q q-染色,如果 σ \sigma σ赋给每个点 q q q个颜色中的一个,并且没有任何一条边的两个端点是同色的。给定一个染色 σ \sigma σ和一个顶点 v ∈ V v \in V vV,令 L σ ( v ) L_{\sigma}(v) Lσ(v)为点 v v v处可用的颜色的集合,即在染色 σ \sigma σ下没有出现在 v v v的邻居的颜色集合。
证明存在一个正整数 d 0 ≥ 1 d_0 \geq 1 d01使得对任意整数 d ≥ d 0 d \geq d_0 dd0,以下命题成立:对任意的没有三角形且最大度数为 d d d的图 G = ( V , E ) G = (V, E) G=(V,E),以及它的任意一个顶点 v ∈ V v \in V vV,
E σ [ ∣ L G ( v ) ∣ ] ≥ d / 3 , \mathbb{E}_{\sigma}[|L_G(v)|] \geq d/3, Eσ[LG(v)]d/3,
这里 σ \sigma σ是一个符合均匀分布的随机合法 d d d-染色。
证:

我们希望证明在无三角形的图 G G G中,任意顶点 v v v的邻居集合 N ( v ) N(v) N(v)的颜色数量 ∣ L σ ( v ) ∣ |L_{\sigma}(v)| Lσ(v)的期望值与顶点的度数 d d d之间的关系。

1. 定义和设定

d = deg ⁡ ( v ) d = \deg(v) d=deg(v),表示顶点 v v v的度数。我们使用随机变量 X j X_j Xj表示邻居 N ( v ) N(v) N(v)中选择颜色 j j j的顶点数量。我们希望计算 ∣ L σ ( v ) ∣ |L_{\sigma}(v)| Lσ(v),即颜色集合的大小。

2. 颜色选择的概率

对于每个邻居 i ∈ N ( v ) i \in N(v) iN(v),我们设定颜色选择是独立的。对于每个颜色 j j j,邻居选择该颜色的概率为 P ( B i ) = 1 d P(B_i) = \frac{1}{d} P(Bi)=d1

因此,邻居 i 1 i_1 i1 i 2 i_2 i2同时选择颜色 j j j的概率为:

P ( B i 1 ∩ B i 2 ) = P ( B i 1 ) ⋅ P ( B i 2 ) = 1 d ⋅ 1 d = 1 d 2 P(B_{i_1} \cap B_{i_2}) = P(B_{i_1}) \cdot P(B_{i_2}) = \frac{1}{d} \cdot \frac{1}{d} = \frac{1}{d^2} P(Bi1Bi2)=P(Bi1)P(Bi2)=d1d1=d21

但由于图 G G G是无三角形的, i 1 i_1 i1 i 2 i_2 i2不会直接相连,因此它们的选择是相互独立的。

3. 期望值的计算

我们计算 ∣ L σ ( v ) ∣ |L_{\sigma}(v)| Lσ(v)的期望值 E [ ∣ L σ ( v ) ∣ ] \mathbb{E}[|L_{\sigma}(v)|] E[Lσ(v)]。我们先定义指示随机变量 X j X_j Xj

X j = { 1 如果颜色  j  被至少一个邻居选择 0 否则 X_j = \begin{cases} 1 & \text{如果颜色 } j \text{ 被至少一个邻居选择} \\ 0 & \text{否则} \end{cases} Xj={10如果颜色 j 被至少一个邻居选择否则

因此,期望值可以表示为:

E [ ∣ L σ ( v ) ∣ ] = ∑ j E [ X j ] \mathbb{E}[|L_{\sigma}(v)|] = \sum_{j} \mathbb{E}[X_j] E[Lσ(v)]=jE[Xj]

利用线性期望,我们可以得到:

E [ X j ] = 1 − P ( 没有邻居选择颜色  j ) \mathbb{E}[X_j] = 1 - P(\text{没有邻居选择颜色 } j) E[Xj]=1P(没有邻居选择颜色 j)

对于每个邻居 i ∈ N ( v ) i \in N(v) iN(v),没有选择颜色 j j j的概率为 1 − 1 d = d − 1 d 1 - \frac{1}{d} = \frac{d-1}{d} 1d1=dd1。因此,所有邻居都不选择颜色 j j j的概率为:

P ( 没有邻居选择颜色  j ) = ( d − 1 d ) d P(\text{没有邻居选择颜色 } j) = \left( \frac{d-1}{d} \right)^d P(没有邻居选择颜色 j)=(dd1)d

于是,

E [ X j ] = 1 − ( d − 1 d ) d \mathbb{E}[X_j] = 1 - \left( \frac{d-1}{d} \right)^d E[Xj]=1(dd1)d

4. 期望值的综合

将其代入期望值的表达式中:

E [ ∣ L σ ( v ) ∣ ] = ∑ j ( 1 − ( d − 1 d ) d ) . \mathbb{E}[|L_{\sigma}(v)|] = \sum_{j} \left( 1 - \left( \frac{d-1}{d} \right)^d \right). E[Lσ(v)]=j(1(dd1)d).

如果我们假设有 c c c种颜色,则期望值为:

E [ ∣ L σ ( v ) ∣ ] = c ( 1 − ( d − 1 d ) d ) \mathbb{E}[|L_{\sigma}(v)|] = c \left( 1 - \left( \frac{d-1}{d} \right)^d \right) E[Lσ(v)]=c(1(dd1)d)

5. 不等式的验证

为了确保 E [ ∣ L σ ( v ) ∣ ] \mathbb{E}[|L_{\sigma}(v)|] E[Lσ(v)]至少为 d 3 \frac{d}{3} 3d,我们需要选择适当的 c c c d d d。通过适当选择颜色数量 c c c和最大度数 d d d,我们可以使得:

c ( 1 − ( d − 1 d ) d ) ≥ d 3 c \left( 1 - \left( \frac{d-1}{d} \right)^d \right) \geq \frac{d}{3} c(1(dd1)d)3d

通过计算和选择合适的 c c c d d d,可以验证上述不等式成立。

综上,在无三角形的图 G G G中,任意顶点 v v v的邻居集合 N ( v ) N(v) N(v)的颜色数量 ∣ L σ ( v ) ∣ |L_{\sigma}(v)| Lσ(v)的期望值与顶点的度数 d d d之间的关系得到了证明。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2238750.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

基于redis实现API接口访问次数限制

一,概述 日常开发中会有一个常见的需求,需要限制接口在单位时间内的访问次数,比如说某个免费的接口限制单个IP一分钟内只能访问5次。该怎么实现呢,通常大家都会想到用redis,确实通过redis可以实现这个功能&#xff0c…

【go从零单排】Ticker

🌈Don’t worry , just coding! 内耗与overthinking只会削弱你的精力,虚度你的光阴,每天迈出一小步,回头时发现已经走了很远。 📗概念 在 Go 语言中,Ticker 是一个用于定期执行某些操作的工具。它属于 tim…

C++《stack与queue》

在之前的章节我们学习了C当中string、vector和list三种容器并且试着模拟实现这三种容器,那么接下来在本篇当中我们将STL当中的stack和queue,并且在学习stack和queue的使用之后和之前一样还会试着模拟实现stck和queue。由于stck和queue的模拟实现较为简单…

网页web无插件播放器EasyPlayer.js点播播放器遇到视频地址播放不了的现象及措施

在数字媒体时代,视频点播已成为用户获取信息和娱乐的重要方式。EasyPlayer.js作为一款流行的点播播放器,以其强大的功能和易用性受到广泛欢迎。然而,在使用过程中,用户可能会遇到视频地址无法播放的问题,这不仅影响用户…

【前端】HTML标签汇总

目录 展示用户信息的标签 1.文本标签 span 2.标题标签 h1~h6 3.竖着布局的标签 div 4.段落标签 p 5.超链接标签 a 5.1跳转至网上的资源 5.2锚点 6.列表标签 6.1有序列表 ol 6.2无序列表 ul 7.图片标签 img 7.1相对路径 7.1.1兄弟关系 7.1.2叔侄关系 7.1.3表兄弟…

xtu oj 加一

样例输入# 2 4 1 2 3 4 4 3 2 4 1样例输出# 3 5 解题思路:最小操作次数一定是把所有数变成数组中最大值max。 1、找最大值,一开始我把max初始值设为0,如果a[i]>max,maxa[i],WA了。又看了一遍题目,发现所有整数的绝对值小于…

Windows10/11开启卓越性能模式 windows开启卓越性能电源模式 工作电脑开启卓越性能模式 电脑开启性能模式

Windows10/11开启卓越性能模式 windows开启卓越性能电源模式 工作电脑开启卓越性能模式 电脑开启性能模式 1、所要用到的激活工具2、开启电脑卓越性能模式Windows11Windows10在电源模式中选择卓越性能模式 3、将系统版本切换为 工作站版本 1、所要用到的激活工具 KMS激活工具(…

人工智能、机器学习与深度学习:层层递进的技术解读

引言 在当今科技快速发展的时代,人工智能(AI)已经成为一个热门话题,几乎渗透到了我们生活的方方面面。从智能手机的语音助手,到自动驾驶汽车,再到医疗诊断中的图像识别,人工智能的应用正在改变我…

光流法(Optical Flow)

一、简介 光流法(Optical Flow)是一种用于检测图像序列中像素运动的计算机视觉技术。其基于以下假设: 1.亮度恒定性假设:物体在运动过程中,其像素值在不同帧中保持不变。 2.空间和时间上的连续性:相邻像素之…

OkHttp网络请求框架

添加依赖 在 build.gradle 文件中添加 OkHttp 依赖: dependencies {implementation("com.squareup.okhttp3:okhttp:4.10.0") }使用OkHttp发起GET请求 同步请求 public class MainActivity extends AppCompatActivity {// Used to load the okhttptes…

《XGBoost算法的原理推导》12-14决策树复杂度的正则化项 公式解析

本文是将文章《XGBoost算法的原理推导》中的公式单独拿出来做一个详细的解析,便于初学者更好的理解。 我们定义一颗树的复杂度 Ω Ω Ω,它由两部分组成: 叶子结点的数量;叶子结点权重向量的 L 2 L2 L2范数; 公式(…

使用postmain 测试下载文件接口

文章目录 前言使用postmain 测试下载文件接口 前言 如果您觉得有用的话,记得给博主点个赞,评论,收藏一键三连啊,写作不易啊^ _ ^。   而且听说点赞的人每天的运气都不会太差,实在白嫖的话,那欢迎常来啊!!…

Python函数详解

目录 一、函数的定义 二、函数的特性 三、函数参数 四、返回值 五、文档字符串 六、高级函数 七、偏函数 八、装饰器 总结 在Python编程中,函数是构建程序的基本模块,它提供了一种封装特定任务的方式,使得代码更加模块化、可重用和易…

【贪心算法】贪心算法三

贪心算法三 1.买卖股票的最佳时机2.买卖股票的最佳时机 II3.K 次取反后最大化的数组和4.按身高排序5.优势洗牌(田忌赛马) 点赞👍👍收藏🌟🌟关注💖💖 你的支持是对我最大的鼓励&#…

【Android、IOS、Flutter、鸿蒙、ReactNative 】文本点击事件

Android Studio 版本 Android Java TextView 实现 点击事件 参考 import androidx.appcompat.app.AppCompatActivity; import android.os.Bundle; import android.util.Log; import android.view.View; import android.widget.TextView; import android.widget.Toast;public c…

超30万亿消费规模下,低龄VS高龄、他VS她、共性VS个性的市场机会

作者 | NewAgingPro团队 前言 NewAgingPro团队基于多年研究沉淀,发现每个行业都具备为老年人群再次细分的机会,中国的银发经济市场将围绕老年人需求不断往细分场景垂直深耕。具体哪些需求是市场增长的源动力?40岁泛银发群体的需求趋势如何…

贪心算法-汽车加油

这道题目描述了一个汽车旅行场景,需要设计一个有效的算法来决定在哪几个加油站停车加油,以便最小化加油次数。题目给出了汽车加满油后的行驶距离n公里,以及沿途若干个加油站的位置。我们需要找出一个方案,使得汽车能够完成整个旅程…

【动手学电机驱动】STM32-FOC(6)基于 IHM03 的无感方波控制

STM32-FOC(1)STM32 电机控制的软件开发环境 STM32-FOC(2)STM32 导入和创建项目 STM32-FOC(3)STM32 三路互补 PWM 输出 STM32-FOC(4)IHM03 电机控制套件介绍 STM32-FOC(5&…

CNN实现地铁短时客流预测

项目源码获取方式见文章末尾! 600多个深度学习项目资料,快来加入社群一起学习吧。 《------往期经典推荐------》 项目名称 1.【基于CNN-RNN的影像报告生成】 2.【卫星图像道路检测DeepLabV3Plus模型】 3.【GAN模型实现二次元头像生成】 4.【CNN模型实现…

SDL打开YUV视频

文章目录 问题1:如何控制帧率?问题2:如何触发退出事件?问题3:如何实时调整视频窗口的大小问题4:YUV如何一次读取一帧的数据? 问题1:如何控制帧率? 单独用一个子线程给主线…