You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

有界度图序列中典型距离概率极限的证明问询

有界度图序列中典型距离概率极限的证明问询

问题背景

设 $(G_n){n \geq 1}$ 是一个有界度图序列,即满足 $\max{v \in [n]}d_v = d_{\max} \leq K$($K$ 为常数),且对每个 $n \geq 1$,$G_n$ 都是连通图,其中 $[n]$ 表示 $G_n$ 的顶点集。

我们需要证明:对任意 $\varepsilon > 0$,有
$$
\lim_{n \to \infty}\mathbb{P}(H_n \leq (1-\varepsilon)\log n/\log d_{\max}) = 0.
$$
这里的随机变量 $H_n$ 是典型距离:随机均匀选取两个顶点 $U_1, U_2$,定义 $H_n = \operatorname{dist}{G_n}(U_1, U_2)$,其中 $\operatorname{dist}{G_n}$ 表示 $G_n$ 中两点间的最短距离。

我的尝试

目前我还没找到完整思路,主要卡在如何分析这个概率事件。首先,因为 $G_n$ 是连通的,所以对所有 $n \geq 1$,$H_n < \infty$ 几乎必然成立。根据 $H_n$ 的定义,我们可以把目标概率改写为:
$$
\mathbb{P}(H_n \leq (1-\varepsilon)\log n/\log d_{\max}) = \mathbb{P}(\operatorname{dist}{G_n}(U_1, U_2) \leq (1-\varepsilon)\log n/\log d{\max}).
$$

令 $k_n := \lceil (1-\varepsilon)\log n/\log d_{\max} \rceil$,那么上式可以拆成求和形式:
$$
\mathbb{P}(\operatorname{dist}{G_n}(U_1, U_2) \leq k_n) = \sum{k = 0}^{k_n}\mathbb{P}(\operatorname{dist}_{G_n}(U_1, U_2) = k).
$$

接下来我想计算每个 $\mathbb{P}(\operatorname{dist}{G_n}(U_1, U_2) = k)$($0 \leq k \leq k_n$),用全概率公式展开:
\begin{align*}
\mathbb{P}(\operatorname{dist}
{G_n}(U_1, U_2) = k) &= \sum_{u,v \in [n]}\mathbb{P}(\operatorname{dist}{G_n}(U_1, U_2) = k|U_1 = u, U_2 = v)\mathbb{P}(U_1 = u, U_2 = v)\
&= \frac{1}{n^2}\sum
{u,v \in [n]}\mathbb{I}{\operatorname{dist}_{G_n}(u, v) = k}
\end{align*}
(这里用指示函数 $\mathbb{I}{\cdot}$ 替代条件概率,因为当给定 $U_1=u, U_2=v$ 时,距离是否等于 $k$ 是确定事件)

当 $k=0$ 时,只有 $u=v$ 时指示函数取1,所以:
$$
\mathbb{P}(\operatorname{dist}{G_n}(U_1, U_2) = 0) = \frac{1}{n^2}\sum{u \in [n]}1 = \frac{n}{n^2} = \frac{1}{n}.
$$
这部分我算出来了,但对于 $k \neq 0$ 的情况,我不知道怎么继续推导下去,希望能得到思路上的提示。

备注:内容来源于stack exchange,提问作者Vicky

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.04.23 14:27:44