有望解决一个千禧年大奖难题,这个20多年前的猜想终于得到证明
在IT行业这个发展更新速度很快的行业,只有不停止的学习,才不会被行业所淘汰。如果你是科技周边学习者,那么本文《有望解决一个千禧年大奖难题,这个20多年前的猜想终于得到证明》就很适合你!本篇内容主要包括##content_title##,希望对大家的知识积累有所帮助,助力实战开发!
在数学抽象方面,最简单的莫过于图(graph)了。在平面上散放一些点,用线将其中一些连接起来,这就是一个图了。
图却非常强大。人们已经用它来解决各种各样的问题,从建模大脑中的神经元到为路上的货车设计路线。在数学领域,图常被用于分类一种重要的代数对对象,即群(group),它能以多种不同的方式描述扭结(knot)。
图论中有一个核心问题:寻找能刚好经过图中每个点一次的路径,之后再回到起点。这些路径被称为哈密顿回路(Hamiltonian cycle),得名于19世纪的数学家威廉·罗万·哈密顿(William Rowan Hamilton)。哈密顿回路的寻找对于许多实际问题具有重要意义,如旅行商问题和电路板布线等。这个问题一直是计算机科学和数学领域的研究热点,寻找高效的算法来解决哈密顿回路问题一直是学术和工程上的挑战。
图中可能有很多类似的回路。但在另一些图中,不管你多么努力想要找到一条哈密顿回路,你都无法做到:也许你会被困在图中某个孤立的范围内,没有前往所有点的路径,也可能你会被迫多次经过某些点。

对于较小的图而言(如上图这个),通过试错就能相对轻松地确定是否存在哈密顿回路。在上图的案例中,并不存在。
如果你的图包含成千上万的点和线 —— 在图论中分别称为节点(node)和边(edge),那么这个任务就会变得非常困难。在确定给定的大图是否包含哈密顿回路方面,还没有已知的高效方法。如果某人能找到这样一个算法,那么数学和计算机科学领域的许多问题就将迎刃而解。(该算法也能解决千禧年大奖难题中剩余六个之一,后来从克雷数学研究所拿走百万美元奖金。)

图中左和中图各描绘了一个哈密顿回路,而右图中则无法找到哈密顿回路。
一些数学家选择了另一种策略:不再尝试构建一个求解哈密顿回路的通用算法,而是去证明某些特定类型的图包含哈密顿回路 —— 这个问题更简单。
2002 年时,特拉维夫大学的 Michael Krivelevich 和如今在苏黎世联邦理工学院的 Benny Sudakov 推测:一类名为 expander 图的重要图全都包含哈密顿回路。今年二月,与其他四位数学家一起,Sudakov 成功证明了他在 20 多年前首次提出的这一猜想。
探寻回路的旅程

在 Krivelevich 和 Sudakov 提出自己的猜想之前,数学界一直在尝试确定图中必定有哈密顿回路的条件。
1952 年,丹麦数学家 Gabriel Dirac(著名物理学家保罗・狄拉克的继子)证明:对于一个有 n 个节点的图,如果该图中每个节点都与其它至少 n/2 的节点相连,那么其必定包含一个哈密顿回路。但该回路中的边非常多。之后许多年时间里,许多数学家都致力于降低哈密顿图必须包含的边的数量。
1976 年时,匈牙利数学家 Lajos Pósa 证明:通过随机绘出边而构建的某种特定的图几乎必定包含哈密顿回路。
再到 2001 年,Krivelevich 和 Sudakov 以及另外两位同事再连同另一个竞争研究团队为另一类不同的图证明出了类似的结果。
Krivelevich 和 Sudakov 认为他们明白了随机构建的图很可能包含哈密顿回路的原因。随机图有两个关键性质。第一个性质涉及到这个问题:如果检查图中两个大范围且不重叠的节点群,会发现什么?在一个随机图中,非常有可能至少有一条边连接着这两个节点群。
第二个性质则与小型节点群有关。取一个小型节点群并称之为 A。现在,将与 A 中节点相连的每个节点都加入进来,从而使 A 扩大。数学家将这个更大的群称为 A 的「邻域」。在一个随机图中,A 的邻域很可能远比 A 本身大。所以数学家将这个过程说成是:A「扩展」成了大邻域。
具备这两个性质(大节点群很可能有共享边以及小节点群会扩展成远远更大的节点群)的图被称为「expander 图」。如果 A 的邻域比 A 大 c 倍,则该图就被称为一个 c-expander。
尽管许多随机图都算是 expander 图,但 expander 图并不一定随机。按剑桥大学的 Tom Gur 说法是:expander 图「具有随机图的属性,但不需要随机性。」
由于 expander 图必定满足上述条件,因此其必定是高度连接的,这就意味着以相对较少的步数就能从图的一部分到达另一部分,即便该图中的边的数量并不多。Gur 说:expander 体现了连接性和稀疏性之间的张力。
有关 expander 图的早期研究受到了神经元网络的启发,并且该图也已经出现在其它领域。某些大型在线社交网络就是 expander 图,并且 expander 图可用于构建高效的纠错码以及提升随机算法的准确度。
Krivelevich 和 Sudakov 在他们 2002 年的论文中证明特定类型的 expander 有哈密顿回路。他们认为更广义的 expander 也有这样的回路,但他们当时尚不能证明。Krivelevich 说:「我们坚信这个猜想是正确的,我们也坚信(证明)这个猜想会非常非常困难。」
过去二十年里,Sudakov 不时回头研究这个问题,但一直都没有进展。
终得证明
2023 年 3 月时情况发生了变化,当时 Sudakov、他的学生 David Munhá Correia 以及帕绍大学的 Stefan Glock 正在改进 2002 年的结果,结果发现一类稍大一点的 expander 图必定包含哈密顿回路。
「我们提出了许多想法,然后在某个时刻意识到能以正确的方式将它们组合起来。」Sudakov 说,「David 和 Stefan 对这个问题一直都充满热情,不愿意放弃。」
后一个月,华威大学的 Richard Montgomery 和伦敦大学学院的 Alexey Pokrovskiy 到苏黎世拜访 Sudakov。Montgomery 曾在 2010 年代初在剑桥攻读博士期间尝试过证明 Krivelevich 和 Sudakov 提出的猜想,但最后放弃了,因为他认为没有解决该难题的适当工具。
看到了 Sudakov、Munhá Correia 和 Glock 近期的研究进展,Montgomery 觉得可以再试一次了。Montgomery 说:「我提议继续研究这个问题,但并不一定认为我们会取得任何重大进展。」
在接下来的两周时间里,Montgomery、Sudakov 和 Pokrovskiy 提出了一个策略。他们使用一种名为 Pósa rotation 的技术来收集长路径并得到一个集合,他们希望最终能将这些长路径连接起来组成哈密顿回路。Montgomery 在得到证明之前就回到了华威,但却是带着新的乐观情绪回去的。Sudakov 说:「我们有这种感觉:不管怎样,我们终于应该是有了得到结果的正确思路。」
到 2023 年底时,Munhá Correia 和 Sudakov 的一位刚毕业的学生 Nemanja Draganić 告诉 Sudakov 他们也在研究这一猜想。Munha Correia 和 Draganić 的想法是使用一种名为拣选网络(sorting network)的机制将路径连接成哈密顿回路。该想法源自 2023 年 11 月的一篇论文《Spanning trees in pseudorandom graphs via sorting networks》。

论文标题:Spanning trees in pseudorandom graphs via sorting networks
论文地址:https://arxiv.org/pdf/2311.03185
Munhá Correia 说:「我们聚到一起,意识到将所有这些思路组合起来也许能解决这个问题。」
拣选网络是指包含两个匹配集合 A 和 B 的图。拣选网络的结构比较特别:无论将 A 与 B 中的节点怎么配对,都有可能找到能将 A 中每个节点与 B 中对应节点连接起来的不相交路径。「你告诉我你怎么进入的,然后你告诉我你想怎么出去。」Sudakov 解释说,「拣选网络有一种性质 —— 每个顶点都有一条到目的地的路径。」
11 月的那篇论文包含一项证明:某些特定类型的 expander 图必定包含拣选网络。
Draganić、Montgomery、Munha Correia、Pikrovskiy 和 Sudakov 认识到如果能将拣选网络与 Pósa rotation 组合起来,就能够证明该猜想。
他们使用那篇论文中的技术证明 expander 图也必定包含拣选网络。然后,通过将集合 A 和 B 作为使用 Pósa rotation 创建的路径的端点,他们发现可以将长路径集合组合成哈密顿回路。Sudakov 说:「我们明确了证明所需的所有关键概念。」
到今年 2 月份时,该团队就完成了论文。其中不仅证明了 Krivelevich 和 Sudakov 在 2002 年时提出的原始猜想(使用了狭义的 expander 定义),而且还有更强的证明:只要 c 足够大,任意 c-expander 都有哈密顿回路。并且他们的方法能实际生成哈密顿回路,而不仅仅是抽象地证明其存在。

论文标题:Hamilton cycles in pseudorandom graphs
预印本地址:https://people.math.ethz.ch/~sudakovb/hamiltonicity-spectral-gap.pdf
Sudakov 将论文草稿转发给了 Krivelevich。Krivelevich 回复说:「我曾很怀疑能在我们有生之年看见它得到证明。」
结语
这个新证明能解决多个与哈密顿回路有关的问题。举个例子,其证明某些类型的与群有关的图(凯莱图)必定具有哈密顿回路。
但探寻仍未结束。
数学家仍在继续努力,希望找到扩展因子 c 可能存在的最低边界值,以及证明一类范围更广的图(tough graphs)必定包含哈密顿回路。(Sudakov 说尽管这是个好愿望,但得到其证明还「远不可及」,并且他也警告说:「甚至还没有足够的证据表明这个猜想是正确的。」)
未参与此项研究的 Gur 表示:其确立了「计算机科学核心的两个对象之间的根本联系。」他说,这种联系会有重要的应用。「我不知道它会以何种形式出现,只是看起来这必定会很有用。」
原文链接:https://www.quantamagazine.org/in-highly-connected-networks-theres-always-a-loop-20240607/
文中关于理论,哈密顿回路的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《有望解决一个千禧年大奖难题,这个20多年前的猜想终于得到证明》文章吧,也可关注golang学习网公众号了解相关技术文章。
滴滴发放 6 亿高温补贴,北京、上海、武汉、重庆等全国 274 座城市司机可享
- 上一篇
- 滴滴发放 6 亿高温补贴,北京、上海、武汉、重庆等全国 274 座城市司机可享
- 下一篇
- 如何选型适合的java框架进行集成?
-
- 科技周边 · 人工智能 | 20分钟前 | 缓存 · 人工智能 · 提示词工程 · 提示词缓存 cache_control Prompt Caching 静态前缀 cache_read_input_tokens
- 提示词缓存命中率低应如何划分静态前缀
- 453浏览 收藏
-
- 科技周边 · 人工智能 | 2小时前 |
- 模型路由怎样按任务难度分配不同推理预算
- 232浏览 收藏
-
- 科技周边 · 人工智能 | 5小时前 |
- 结构化输出遇到递归字段时怎样约束模式
- 215浏览 收藏
-
- 科技周边 · 人工智能 | 7小时前 | 人工智能 · 工具调用 ·
- 智能体工具调用失败后怎样设计可控重试
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 9小时前 |
- 多模态模型输入图片过大时如何控制视觉令牌
- 196浏览 收藏
-
- 科技周边 · 人工智能 | 11小时前 |
- 推理服务连续批处理怎样减少 GPU 空转
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 15小时前 | 人工智能 · LoRa PEFT merge_and_unload 量化推理 模型合并
- LoRA 合并权重后输出变化过大应检查什么
- 404浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- RAG 分块重叠过大为什么会降低检索多样性
- 409浏览 收藏
-
- 科技周边 · 人工智能 | 21小时前 | 人工智能 ·
- 合成数据能否替代真实样本:覆盖率与偏差检查方法
- 128浏览 收藏
-
- 科技周边 · 人工智能 | 23小时前 |
- 提示词版本怎么管理:样例、变量与回归集一起提交
- 111浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 393次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 472次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 478次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 421次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 248次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

