ग्राफॉन: Difference between revisions

From Vigyanwiki
No edit summary
No edit summary
Line 133: Line 133:


दो ग्राफ़ के बीच की दूरी को मापने के कई अलग-अलग तरीके हैं।
दो ग्राफ़ के बीच की दूरी को मापने के कई अलग-अलग तरीके हैं।
यदि हम Metric_%28mathematics%29 में रुचि रखते हैं जो ग्राफ़ के चरम गुणों को संरक्षित करता है,
यदि हम मीट्रिक में रुचि रखते हैं जो ग्राफ़ के चरम गुणों को संरक्षित करता है,
तो हमें अपना ध्यान उन मेट्रिक्स तक सीमित रखना चाहिए जो समान रूप से यादृच्छिक ग्राफ़ की पहचान करते हैं।
तो हमें अपना ध्यान उन आव्युह तक सीमित रखना चाहिए जो समान रूप से यादृच्छिक ग्राफ़ की पहचान करते हैं।
उदाहरण के लिए, यदि हम बेतरतीब ढंग से एक Erdős–Rényi मॉडल से स्वतंत्र रूप से दो ग्राफ़ बनाते हैं <math>G(n,p)</math> कुछ निश्चित के लिए <math>p</math>, एक उचित मीट्रिक के तहत इन दो ग्राफ़ के बीच की दूरी शून्य के करीब होनी चाहिए और बड़े के लिए उच्च संभावना है <math>n</math>.
उदाहरण के लिए, यदि हम बेतरतीब ढंग से एक एर्डोस-रेनी मॉडल से स्वतंत्र रूप से दो ग्राफ़ बनाते हैं <math>G(n,p)</math> कुछ निश्चित के लिए <math>p</math>, एक उचित मीट्रिक के तहत इन दो ग्राफ़ के बीच की दूरी शून्य के करीब होनी चाहिए और बड़े के लिए उच्च संभावना है <math>n</math>.


स्वाभाविक रूप से, एक ही वर्टेक्स सेट पर दो ग्राफ़ दिए गए हैं, कोई उनकी दूरी को अश्रि की संख्या के रूप में परिभाषित कर सकता है जिसे एक ग्राफ़ से दूसरे ग्राफ़ में प्राप्त करने के लिए जोड़ा या हटाया जाना चाहिए, अर्थात उनका ग्राफ़_एडिट_डिस्टेंस। हालाँकि, संपादन दूरी समान रूप से यादृच्छिक ग्राफ़ की पहचान नहीं करती है; वास्तव में, दो रेखांकन स्वतंत्र रूप से खींचे गए हैं <math>G(n,\tfrac{1}{2})</math> की अपेक्षित (सामान्यीकृत) संपादन दूरी है <math>\tfrac{1}{2}</math>.
स्वाभाविक रूप से, एक ही वर्टेक्स सेट पर दो ग्राफ़ दिए गए हैं, कोई उनकी दूरी को अश्रि की संख्या के रूप में परिभाषित कर सकता है जिसे एक ग्राफ़ से दूसरे ग्राफ़ में प्राप्त करने के लिए जोड़ा या हटाया जाना चाहिए, अर्थात उनका ग्राफ़_एडिट_डिस्टेंस। हालाँकि, संपादन दूरी समान रूप से यादृच्छिक ग्राफ़ की पहचान नहीं करती है; वास्तव में, दो रेखांकन स्वतंत्र रूप से खींचे गए हैं <math>G(n,\tfrac{1}{2})</math> की अपेक्षित (सामान्यीकृत) संपादन दूरी है <math>\tfrac{1}{2}</math>.


दो प्राकृतिक मेट्रिक्स हैं जोसघन यादृच्छिक ग्राफ़ पर उस अर्थ में अच्छा व्यवहार करते हैं जो हम चाहते हैं।
दो प्राकृतिक आव्युह हैं जोसघन यादृच्छिक ग्राफ़ पर उस अर्थ में अच्छा व्यवहार करते हैं जो हम चाहते हैं।
पहला एक नमूना मीट्रिक है, जो कहता है कि यदि सबग्राफ के वितरण करीब हैं तो दो ग्राफ़ करीब हैं।
पहला एक नमूना मीट्रिक है, जो कहता है कि यदि सबग्राफ के वितरण करीब हैं तो दो ग्राफ़ करीब हैं।
दूसरा एक बढ़त विसंगति सिद्धांत मीट्रिक है, जो कहता है कि दो ग्राफ़ करीब होते हैं जब उनके किनारे घनत्व उनके सभी संबंधित उपसमुच्चय के करीब होते हैं।
दूसरा एक बढ़त विसंगति सिद्धांत मीट्रिक है, जो कहता है कि दो ग्राफ़ करीब होते हैं जब उनके किनारे घनत्व उनके सभी संबंधित उपसमुच्चय के करीब होते हैं।


चमत्कारिक ढंग से, ग्राफ़ का एक क्रम ठीक उसी समय एक मीट्रिक के संबंध में अभिसरण करता है जब यह दूसरे के संबंध में अभिसरण करता है।
चमत्कारिक ढंग से, ग्राफ़ का एक क्रम ठीक उसी समय एक मीट्रिक के संबंध में अभिसरण करता है जब यह दूसरे के संबंध में अभिसरण करता है।
इसके अलावा, दोनों मेट्रिक्स के तहत लिमिट ऑब्जेक्ट ग्राफॉन बन जाते हैं।
इसके अलावा, दोनों आव्युह के तहत लिमिट ऑब्जेक्ट ग्राफॉन बन जाते हैं।
अभिसरण की इन दो धारणाओं की समानता यह दर्शाती है कि फैन_चुंग#अर्ध-यादृच्छिक_ग्राफ ग्राफ की विभिन्न धारणाएँ किस प्रकार समतुल्य हैं।{{r|qrandom}}
अभिसरण की इन दो धारणाओं की समानता यह दर्शाती है कि फैन_चुंग#अर्ध-यादृच्छिक_ग्राफ ग्राफ की विभिन्न धारणाएँ किस प्रकार समतुल्य हैं।{{r|qrandom}}



Revision as of 22:40, 17 May 2023

File:Exchangeable random graph from graphon.png
एक ग्राफॉन द्वारा परिभाषित विनिमेय यादृच्छिक ग्राफ का अहसास। ग्राफॉन को मैजेंटा हीटमैप (निचले दाएं) के रूप में दिखाया गया है। आकार का एक यादृच्छिक ग्राफ स्वतंत्र रूप से प्रत्येक शीर्ष को असाइन करके उत्पन्न होता है एक अव्यक्त यादृच्छिक चर (ऊर्ध्वाधर अक्ष के साथ मान) और प्रत्येक किनारे सहित संभावना के साथ स्वतंत्र रूप से . उदाहरण के लिए, किनारा (हरा, बिंदीदार) संभावना के साथ मौजूद है ; दाहिने वर्ग में हरे बक्से का प्रतिनिधित्व करते हैं के मूल्य और . ऊपरी बाएँ पैनल ग्राफ प्राप्ति को आसन्न आव्यूह के रूप में दिखाता है।

ग्राफ़ सिद्धांत और सांख्यिकी में, एक ग्राफ़ॉन (जिसे ग्राफ़ सीमा के रूप में भी जाना जाता है) एक सममित फलन औसत दर्जे का कार्य है: , जो सघन रेखांकन के अध्ययन में महत्वपूर्ण है। सघन रेखांकन के अनुक्रम की सीमा के लिए ग्राफ़न्स एक प्राकृतिक धारणा के रूप में उत्पन्न होते हैं, और विनिमेय यादृच्छिक चर यादृच्छिक ग्राफ़ मॉडल की मौलिक परिभाषित वस्तुओं के रूप में हैं। ग्राफ़ॉन निम्नलिखित प्रेक्षणों के युग्म द्वारा सघन ग्राफ़ से बंधे हैं: ग्राफ़ॉन द्वारा परिभाषित यादृच्छिक ग्राफ़ मॉडल लगभग निश्चित रूप से सघन ग्राफ़ को वृद्धि देते हैं, और, नियमितता लेम्मा द्वारा, ग्राफ़ॉन यादृच्छिक बड़े सघन ग्राफ़ की संरचना को प्रग्रहण करते हैं।

सांख्यिकीय सूत्रीकरण

एक ग्राफॉन एक सममित मापने योग्य कार्य है . आमतौर पर एक ग्राफॉन को निम्न योजना के अनुसार विनिमेय यादृच्छिक ग्राफ मॉडल को परिभाषित करने के रूप में समझा जाता है:

  1. प्रत्येक शीर्ष ग्राफ का एक स्वतंत्र यादृच्छिक मान नियुक्त किया गया है
  2. किनारा संभावना के साथ ग्राफ में स्वतंत्र रूप से शामिल है

एक यादृच्छिक ग्राफ मॉडल एक विनिमेय यादृच्छिक ग्राफ मॉडल है और केवल इसे इस तरह (संभवतः यादृच्छिक) ग्राफॉन के संदर्भ में परिभाषित किया जा सकता है। एक निश्चित ग्राफॉन पर अर्द्धरित मॉडल कभी-कभी निरूपित किया जाता है , यादृच्छिक रेखांकन के एर्डोस-रेनी मॉडल के अनुरूप। ग्राफॉन से उत्पन्न ग्राफ इस प्रकार कहा जाता है -यादृच्छिक ग्राफ है।

यह इस परिभाषा और बड़ी संख्या के कानून से चलता है कि, यदि विनिमेय यादृच्छिक ग्राफ मॉडल लगभग निश्चित रूप से सघन हैं।[1]


उदाहरण

ग्राफॉन का सबसे सरल उदाहरण है कुछ स्थिर के लिए . इस मामले में संबंधित विनिमेय यादृच्छिक ग्राफ मॉडल एर्डोस-रेनी मॉडल है जिसमें संभाव्यता के साथ स्वतंत्र रूप से प्रत्येक किनारा शामिल है

यदि हम इसके बजाय एक ग्राफ़ॉन के साथ शुरू करते हैं जो टुकड़े वार स्थिर है:

  1. इकाई वर्ग को विभाजित करना ब्लॉक, और
  2. सेटिंग के बराबर पर अवरोध पैदा करना,

परिणामी विनिमेय यादृच्छिक ग्राफ मॉडल सामुदायिक स्टोकेस्टिक ब्लॉक मॉडल, एर्डोस-रेनी मॉडल का एक सामान्यीकरण है। हम इसे एक यादृच्छिक ग्राफ मॉडल के रूप में व्याख्या कर सकते हैं मापदंडों के साथ विशिष्ट एर्डोस-रेनी ग्राफ क्रमशः, उनके बीच बिग्राफ के साथ जहां ब्लॉक के बीच प्रत्येक संभावित किनारा और संभाव्यता के साथ स्वतंत्र रूप से शामिल है

कई अन्य लोकप्रिय यादृच्छिक ग्राफ़ मॉडल को कुछ ग्राफ़ॉन द्वारा परिभाषित विनिमेय यादृच्छिक ग्राफ़ मॉडल के रूप में समझा जा सकता है, एक विस्तृत सर्वेक्षण ओर्बंज़ और रॉय में शामिल किया गया है।[1