← 戻る ライブラリ › 組合せ論と離散数学 › 組合せ論の原理 組合せ論と離散数学
確率的方法 望む性質を持つ対象の存在を、ランダムな構成がその性質を持つ確率が正であることを示して証明する方法。
直観 何も構成せずに存在を証明する 奇妙で望ましい性質を持つ数学的対象の存在を示す最も速い方法は、手で一つ構成することではなく、ランダムな 対象を構成してその確率を計算することである場合がある。ランダムな構成が望む性質をゼロより大きい確率で持つならば、誰もそれを直接指し示せなくても、可能な結果のどこかに少なくとも一つの実例が存在しなければならない。これが確率的方法であり、存在に関する問いを平均と確率に関する問いへと変える。
完全グラフ K 5 K_5 K 5 :( 5 2 ) = 10 \binom{5}{2}=10 ( 2 5 ) = 10 本の辺それぞれを独立に確率 1 / 2 1/2 1/2 で赤または青に塗る。これがエルデシュの議論の中心にあるランダムな対象であり、K n K_n K n の2彩色を手で一つ選ぶ代わりに、各辺についてコインを投げると想像する。 大学 第一モーメント法 定義: ランダム2彩色と単色クリーク
K n K_n K n の ( n 2 ) \binom{n}{2} ( 2 n ) 本の辺それぞれを独立に確率 1 / 2 1/2 1/2 で赤または青に塗る。k k k 個の頂点からなる集合 S S S について、S S S 内のすべての辺が同じ色ならば S S S は単色 であるという。X X X を K n K_n K n の単色な k k k 元部分集合の総数とする。
X = ∑ S ⊆ V , ∣ S ∣ = k 1 [ A S ] X = \sum_{S \subseteq V,\ |S|=k} \mathbb{1}[A_S] X = S ⊆ V , ∣ S ∣ = k ∑ 1 [ A S ] ここで X X X は、S S S の取り方 ( n k ) \binom{n}{k} ( k n ) 通りすべてにわたって指示関数を足し合わせたものである。S S S 内の ( k 2 ) \binom{k}{2} ( 2 k ) 本の辺はそれぞれ独立に彩色されるため、S S S が単色(すべて赤、またはすべて青)である確率は 2 1 − ( k 2 ) 2^{1-\binom{k}{2}} 2 1 − ( 2 k ) となる。重なり合う S S S に対する事象が独立からほど遠くても成り立つ期待値の線形性により、これらの確率をそのまま足し合わせて E [ X ] \mathbb{E}[X] E [ X ] が得られる。
E [ X ] = ( n k ) 2 1 − ( k 2 ) \mathbb{E}[X] = \binom{n}{k}\,2^{1-\binom{k}{2}} E [ X ] = ( k n ) 2 1 − ( 2 k ) 確率的方法で証明された古典的な結果の例 結果 存在が示されるもの 手法 ラムゼー数の下界 K n K_n K n の単色 K k K_k K k を含まない2彩色第一モーメント法 グラフの切断(Max-Cut) 少なくとも m / 2 m/2 m /2 本の辺を横切る二分割 期待値の線形性 独立集合(Turán型) 少なくとも n / ( d + 1 ) n/(d+1) n / ( d + 1 ) の独立集合 削除法 ハイパーグラフの2彩色可能性 単色の辺を持たない2彩色 ロヴァースの局所補題
大学 主要な定理 確率空間内の任意の事象 A 1 , … , A m A_1,\dots,A_m A 1 , … , A m (独立である必要はない)について、起こった事象の個数を X = ∑ i = 1 m 1 [ A i ] X = \sum_{i=1}^m \mathbb{1}[A_i] X = ∑ i = 1 m 1 [ A i ] が数えるならば、E [ X ] = ∑ i = 1 m Pr [ A i ] \mathbb{E}[X] = \sum_{i=1}^m \Pr[A_i] E [ X ] = ∑ i = 1 m Pr [ A i ] が成り立つ。
なぜ正しいのか? これにより、事象同士がどう相互作用するかを一切気にすることなく、個々の確率を一つずつ足し合わせるだけでカウントの平均を計算できる——確率的方法において最も役立つ近道である。
証明 X = ∑ i = 1 m 1 [ A i ] X = \sum_{i=1}^m \mathbb{1}[A_i] X = ∑ i = 1 m 1 [ A i ] と書く。ここで 1 [ A i ] \mathbb{1}[A_i] 1 [ A i ] は A i A_i A i が起これば 1 1 1 、そうでなければ 0 0 0 である。期待値はそれ自体、結果を確率で重み付けした和(または積分)として定義され、この和は有限個の確率変数について常に加法的である——これは変数が独立かどうかに関わらず成り立つ。なぜなら期待値の加法性は独立性を一切使わず、同じ確率測度の上で足し合わせているという事実だけを使うからである。
形式的には、有限和の期待値の加法性により E [ X ] = E [ ∑ i = 1 m 1 [ A i ] ] = ∑ i = 1 m E [ 1 [ A i ] ] \mathbb{E}[X] = \mathbb{E}\left[\sum_{i=1}^m \mathbb{1}[A_i]\right] = \sum_{i=1}^m \mathbb{E}[\mathbb{1}[A_i]] E [ X ] = E [ ∑ i = 1 m 1 [ A i ] ] = ∑ i = 1 m E [ 1 [ A i ]] である。
最後に、任意の指示変数について E [ 1 [ A i ] ] = 1 ⋅ Pr [ A i ] + 0 ⋅ Pr [ A i ‾ ] = Pr [ A i ] \mathbb{E}[\mathbb{1}[A_i]] = 1 \cdot \Pr[A_i] + 0 \cdot \Pr[\overline{A_i}] = \Pr[A_i] E [ 1 [ A i ]] = 1 ⋅ Pr [ A i ] + 0 ⋅ Pr [ A i ] = Pr [ A i ] が成り立つ。これを和に代入すると、A i A_i A i 同士の関係について何の仮定もなしに、まさに E [ X ] = ∑ i = 1 m Pr [ A i ] \mathbb{E}[X] = \sum_{i=1}^m \Pr[A_i] E [ X ] = ∑ i = 1 m Pr [ A i ] が得られる。
すべての整数 k k k ≥ 3 \ge 3 ≥ 3 について R ( k , k ) > 2 k / 2 R(k,k) > 2^{k/2} R ( k , k ) > 2 k /2 が成り立つ。
なぜ正しいのか? k k k が大きくなるにつれ、n n n 頂点グラフの k k k 元部分集合の数は n n n の多項式でしか増えないが、特定の 部分集合が単色である確率は k k k に関して二重指数的に縮小する。この二つの速度のバランスにより、n n n が k k k に対して指数的に大きくても単色クリークの期待個数は 1 1 1 未満に保たれることが分かる。これは人手で構成されたどの例よりもはるかに良い。
証明 n = ⌊ 2 k / 2 ⌋ n = \lfloor 2^{k/2} \rfloor n = ⌊ 2 k /2 ⌋ とおく。上の第一モーメント計算より E [ X ] = ( n k ) 2 1 − ( k 2 ) \mathbb{E}[X] = \binom{n}{k}\,2^{1-\binom{k}{2}} E [ X ] = ( k n ) 2 1 − ( 2 k ) 。( n k ) 2 1 − ( k 2 ) < 1 \binom{n}{k}\,2^{1-\binom{k}{2}} < 1 ( k n ) 2 1 − ( 2 k ) < 1 を示せば、X X X が非負整数値しか取らないことから、X = 0 X=0 X = 0 となる2彩色が存在する——さもなければ常に X ≥ 1 X \ge 1 X ≥ 1 となり E [ X ] ≥ 1 \mathbb{E}[X]\ge 1 E [ X ] ≥ 1 を強いるからである。X = 0 X=0 X = 0 となる彩色には単色な k k k 元クリークが一切存在しない。
二項係数を ( n k ) ≤ n k / k ! \binom{n}{k} \le n^k/k! ( k n ) ≤ n k / k ! で評価し、n ≤ 2 k / 2 n \le 2^{k/2} n ≤ 2 k /2 より n k ≤ 2 k 2 / 2 n^k \le 2^{k^2/2} n k ≤ 2 k 2 /2 。期待値の式に代入すると E [ X ] ≤ 2 k 2 / 2 ⋅ 2 1 − ( k 2 ) k ! \mathbb{E}[X] \le \dfrac{2^{k^2/2}\cdot 2^{1-\binom{k}{2}}}{k!} E [ X ] ≤ k ! 2 k 2 /2 ⋅ 2 1 − ( 2 k ) 。
指数を整理すると k 2 2 + 1 − k ( k − 1 ) 2 = 1 + k 2 − k 2 + k 2 = 1 + k 2 \dfrac{k^2}{2} + 1 - \dfrac{k(k-1)}{2} = 1 + \dfrac{k^2 - k^2 + k}{2} = 1 + \dfrac{k}{2} 2 k 2 + 1 − 2 k ( k − 1 ) = 1 + 2 k 2 − k 2 + k = 1 + 2 k 。よって E [ X ] ≤ 2 1 + k / 2 k ! \mathbb{E}[X] \le \dfrac{2^{1+k/2}}{k!} E [ X ] ≤ k ! 2 1 + k /2 であり、すべての k ≥ 3 k \ge 3 k ≥ 3 について k ! > 2 1 + k / 2 k! > 2^{1+k/2} k ! > 2 1 + k /2 を示せばよい。
これを k k k に関する帰納法で確かめる。基底 k = 3 k=3 k = 3 :3 ! = 6 3! = 6 3 ! = 6 かつ 2 1 + 3 / 2 = 2 2.5 ≈ 5.657 2^{1+3/2} = 2^{2.5} \approx 5.657 2 1 + 3/2 = 2 2.5 ≈ 5.657 であり、確かに 6 > 5.657 6 > 5.657 6 > 5.657 。帰納段階では、ある k ≥ 3 k \ge 3 k ≥ 3 で k ! > 2 1 + k / 2 k! > 2^{1+k/2} k ! > 2 1 + k /2 が成り立つと仮定する。このとき ( k + 1 ) ! = ( k + 1 ) ⋅ k ! > ( k + 1 ) ⋅ 2 1 + k / 2 (k+1)! = (k+1)\cdot k! > (k+1)\cdot 2^{1+k/2} ( k + 1 )! = ( k + 1 ) ⋅ k ! > ( k + 1 ) ⋅ 2 1 + k /2 であり、k + 1 ≥ 4 > 2 k+1 \ge 4 > \sqrt2 k + 1 ≥ 4 > 2 より、これは 2 ⋅ 2 1 + k / 2 = 2 1 + ( k + 1 ) / 2 \sqrt2 \cdot 2^{1+k/2} = 2^{1+(k+1)/2} 2 ⋅ 2 1 + k /2 = 2 1 + ( k + 1 ) /2 を超える。これはまさに k + 1 k+1 k + 1 における主張である。よって k ! > 2 1 + k / 2 k! > 2^{1+k/2} k ! > 2 1 + k /2 はすべての k ≥ 3 k \ge 3 k ≥ 3 で成り立ち、必要な ( n k ) 2 1 − ( k 2 ) < 1 \binom{n}{k}\,2^{1-\binom{k}{2}} < 1 ( k n ) 2 1 − ( 2 k ) < 1 が得られる。
したがって単色な k k k 元クリークを持たない K n K_n K n の2彩色が存在し、R ( k , k ) > n = ⌊ 2 k / 2 ⌋ R(k,k) > n = \lfloor 2^{k/2}\rfloor R ( k , k ) > n = ⌊ 2 k /2 ⌋ となる。任意の実数 x x x について ⌊ x ⌋ + 1 > x \lfloor x\rfloor + 1 > x ⌊ x ⌋ + 1 > x が成り立つので、R ( k , k ) ≥ ⌊ 2 k / 2 ⌋ + 1 > 2 k / 2 R(k,k) \ge \lfloor 2^{k/2}\rfloor + 1 > 2^{k/2} R ( k , k ) ≥ ⌊ 2 k /2 ⌋ + 1 > 2 k /2 、すなわち R ( k , k ) > 2 k / 2 R(k,k) > 2^{k/2} R ( k , k ) > 2 k /2 が得られる。
大学 実世界での応用と具体例 確率的方法は純粋な存在論的な興味だけでなく、計算機科学における実用的な道具でもある。ランダム化アルゴリズムは同じ第一モーメントの議論を日常的に使い、良い解が存在することを保証 した上で、それを探索するか、高確率で良いランダムな例を出力する——これはネットワーク切断のためのランダム化近似アルゴリズム、誤り訂正符号や擬似乱数生成器の設計、無線ネットワークにおける周波数・チャネル割り当ての基盤となっている。
例: 大きなネットワーク切断を保証する
データセンターのネットワークを、ラック間の m = 17 m=17 m = 17 本のリンクを持つグラフとしてモデル化する。ラックを常に二つのグループに分割でき、グループ間を渡るリンクが少なくとも 9 9 9 本あることを示せ(ネットワークの二つの半分にトラフィックを負荷分散するのに役立つ)。
解答 各ラックを独立に確率 1 / 2 1/2 1/2 ずつでグループ A A A またはグループ B B B にランダムに割り当てる。固定されたリンク { u , v } \{u,v\} { u , v } がグループをまたぐのはちょうど u u u と v v v が異なるグループに入るときで、その確率は 2 ⋅ 1 2 ⋅ 1 2 = 1 2 2\cdot\tfrac12\cdot\tfrac12=\tfrac12 2 ⋅ 2 1 ⋅ 2 1 = 2 1 (u ∈ A , v ∈ B u\in A, v\in B u ∈ A , v ∈ B または u ∈ B , v ∈ A u\in B, v\in A u ∈ B , v ∈ A )である。
グループをまたぐリンクの本数を Y Y Y とする。リンクが端点をどう共有していても成り立つ期待値の線形性により、m = 17 m=17 m = 17 本のリンク全体にわたって E [ Y ] = 17 ⋅ 1 2 = 8.5 \mathbb{E}[Y] = 17\cdot\tfrac12 = 8.5 E [ Y ] = 17 ⋅ 2 1 = 8.5 となる。
Y Y Y は常に非負整数であるため、ある特定の割り当てが Y ≥ ⌈ 8.5 ⌉ = 9 Y \ge \lceil 8.5\rceil = 9 Y ≥ ⌈ 8.5 ⌉ = 9 を達成しなければならない——もしすべての割り当てが Y ≤ 8 Y\le 8 Y ≤ 8 であれば、平均が 8.5 8.5 8.5 に達することはできない。その割り当てが求める分割である。
例: 干渉のないチャネル集合の保証(削除法)
無線ネットワークに n = 40 n=40 n = 40 台の送信機があり、同時に稼働すると干渉し合う送信機の組が m = 60 m=60 m = 60 組ある。互いに干渉する組を一つも含まずに同時稼働できる送信機が少なくとも 10 10 10 台存在することを示せ。
解答 送信機をグラフの頂点、干渉し合う組を辺としてモデル化すると、n = 40 n=40 n = 40 、m = 60 m=60 m = 60 であり、平均次数は d = 2 m / n = 2 ⋅ 60 / 40 = 3 d = 2m/n = 2\cdot60/40 = 3 d = 2 m / n = 2 ⋅ 60/40 = 3 である。内部に辺を持たない独立集合を求めたい。
n n n 個の頂点すべてに一様ランダムな順序を選び、頂点 v v v がそのすべての隣接頂点より順序で先に現れるとき(「局所最小」)その頂点を残す。残された二つの頂点が隣接していたとすれば、順序で後の頂点は先に現れる隣接頂点を持つことになり残されないはずである——したがって残された頂点は常に独立集合 I I I をなす。
次数 d v d_v d v の頂点 v v v が残されるのは、ランダムな順序で自分自身と d v d_v d v 個の隣接頂点の中で最初に来るときであり、その確率は 1 / ( d v + 1 ) 1/(d_v+1) 1/ ( d v + 1 ) である。期待値の線形性により E [ ∣ I ∣ ] = ∑ v 1 d v + 1 \mathbb{E}[|I|] = \sum_v \dfrac{1}{d_v+1} E [ ∣ I ∣ ] = ∑ v d v + 1 1 であり、x ↦ 1 / ( x + 1 ) x\mapsto 1/(x+1) x ↦ 1/ ( x + 1 ) が凸関数であることから、この和は(イェンセンの不等式により)すべての d v d_v d v が平均次数 d d d に等しいときに最小となり、E [ ∣ I ∣ ] ≥ n d + 1 \mathbb{E}[|I|] \ge \dfrac{n}{d+1} E [ ∣ I ∣ ] ≥ d + 1 n が得られる。
数値を代入すると E [ ∣ I ∣ ] ≥ 40 3 + 1 = 10 \mathbb{E}[|I|] \ge \dfrac{40}{3+1} = 10 E [ ∣ I ∣ ] ≥ 3 + 1 40 = 10 。∣ I ∣ |I| ∣ I ∣ は整数値をとる確率変数なので、ある順序が ∣ I ∣ ≥ 10 |I| \ge 10 ∣ I ∣ ≥ 10 を達成しなければならず、求める干渉のない送信機集合が得られる。
よくある誤り. よくある誤りは、E [ X ] < 1 \mathbb{E}[X] < 1 E [ X ] < 1 を「ほとんどの 対象で性質が成り立たない」あるいは「すべての ランダムな結果が良い」と読むことである。どちらも誤りである。期待値の議論が保証するのは 少なくとも一つの 結果が X = 0 X=0 X = 0 を達成することだけであり、どれがそうか、良い結果がいくつあるか、それをどう効率よく見つけるかについては何も語らない。また自動的に構成的証明になるわけでもない——それを明示的で効率よく計算可能な対象に変える(脱ランダム化)ことはしばしば別の、より難しい問題であり、条件付き期待値の方法やロヴァースの局所補題のアルゴリズム版といった道具で解かれることがある。 歴史的ノート
Paul Erdős は1947年の論文「Some remarks on the theory of graphs」でこの種の論法を導入し、上で証明したラムゼー数の指数下界を示すのに用いた——当時は驚くべき結果であった。明示的な構成はこれに近づくことすらできず、今日でも大きな k k k についてこれほど良い彩色を手で構成する方法は誰も知らない。この技法は、削除法・第二モーメント法・ロヴァースの局所補題・半ランダム法(nibble法)といった道具一式へと発展し、今では組合せ論、計算機科学、数論の中心的な手法となっている。
ポール・エルデシュ
研究の最前線 2026年時点
確率的下界 R ( k , k ) > 2 k / 2 R(k,k) > 2^{k/2} R ( k , k ) > 2 k /2 と知られている最良の上界との間のギャップは、組合せ論で最も有名な未解決問題の一つであり続けている。2023年、Campos、Griffiths、Morris、Sahasrabudhe は70年以上ぶりに古典的な上界への初の指数的改善 を与え、精緻化されたランダム彩色論法により R ( k , k ) ≤ 3.99 k R(k,k) \le 3.99^{k} R ( k , k ) ≤ 3.9 9 k を示したが、下界との大きなギャップは依然として残っている。道具の面では、依存し合う「悪い」事象に対する第一モーメント法の強化であるロヴァースの局所補題に、単に存在を証明するだけでなく実際に保証された対象を構成する効率的なアルゴリズム 版(Moser–Tardos アルゴリズム、2010年)が今では存在し、またハイパーグラフ容器法(Balogh–Morris–Samotij および Saxton–Thomason、2010年代半ば)は確率的計数論法を拡張して、ハイパーグラフ内の独立集合やその他の疎な構造の個数を制御し、極値組合せ論や加法的組合せ論における現在の研究を牽引している。
事象 A 1 , A 2 , A 3 A_1, A_2, A_3 A 1 , A 2 , A 3 (依存していてもよい)はいずれも Pr [ A i ] = 0.3 \Pr[A_i] = 0.3 Pr [ A i ] = 0.3 である。起こった事象の個数を X = ∑ i = 1 3 1 [ A i ] X = \sum_{i=1}^3 \mathbb{1}[A_i] X = ∑ i = 1 3 1 [ A i ] とする。E [ X ] \mathbb{E}[X] E [ X ] はいくらか。
0.3 0.3 0.3 0.9 0.9 0.9 1 1 1 2.7 2.7 2.7 k = 4 k=4 k = 4 のとき、n = 4 n=4 n = 4 における E [ X ] = ( n 4 ) ⋅ 2 1 − ( 4 2 ) \mathbb{E}[X] = \binom{n}{4}\cdot 2^{1-\binom{4}{2}} E [ X ] = ( 4 n ) ⋅ 2 1 − ( 2 4 ) を計算せよ。(( 4 4 ) = 1 \binom{4}{4}=1 ( 4 4 ) = 1 かつ ( 4 2 ) = 6 \binom{4}{2}=6 ( 2 4 ) = 6 であることを思い出すこと。)
1 / 32 1/32 1/32 1 / 2 1/2 1/2 4 4 4 32 32 32 あるネットワーク技術者が m = 50 m=50 m = 50 本のリンクを持つグラフとしてネットワークをモデル化した。確率的方法(ランダムな二分割と期待値の線形性)を用いると、常に保証できる切断の大きさはいくらか。
25 25 25 50 50 50 12 12 12 100 100 100 ランダムな K n K_n K n の2彩色のもとでの単色 k k k 元クリークの個数について、第一モーメント法が E [ X ] < 1 \mathbb{E}[X] < 1 E [ X ] < 1 を示したとする。正しく結論できるのはどれか。
K n K_n K n のすべての2彩色は単色 k k k 元クリークを持たない。K n K_n K n の少なくとも一つの2彩色は単色 k k k 元クリークを持たない。ちょうど半数の2彩色が単色 k k k 元クリークを持たない。 確率的方法はここでは有用な結論を与えない。