非均匀随机图中的对偶性与割度量

经典随机图模型 $G(n,\lambda/n)$ 满足一个“对偶原理”，即从该模型的超临界实例中移除巨分支后，剩余部分（本质上）是一个次临界实例。此类原理已在多种模型中得到证明；它们之所以有用，是因为研究次临界模型通常比直接研究超临界模型中的小分支容易得多。本文针对一类非常广泛的、边之间具有独立性的随机图，证明了此类对偶原理，该图类由边概率矩阵在割度量下的收敛性定义。