TLDR: 本文介绍超图的基础概念。超图不同于传统图（2-均匀超图），它允许每条边（超边）连接任意数量的顶点，因此能更好地建模复杂的多对多关系。文章内容涵盖了图与超图的定义、超图的对偶性质、边的嵌套性、步行的长度和宽度等核心特性。此外，超图还与拓扑学、二分图、抽象单纯复形等数学结构有深厚的联系。这些概念不仅扩展了传统图论，还在数据分析、复杂系统和拓扑方法中有重要应用。
本文编译自HyperNetx的文档，水平有限，如有任何疏漏错误请参见原文。总觉得需要具体的例子才能理解超图的实际应用，如果看完了和我一样，还是一脸迷惑，一知半解，怀疑人生，那算是正常发挥。
超图(hypergraph)
网络科学(Network Science)基于图(graph)的概念，它是一种描述实体之间连接的系统。一个图包含两个基本部分：一个通常是有限的元素集合，称为顶点(vertices)。给定两个顶点u 和v，边e={u,v} 表示顶点u和v之间存在连接。通常，我们可以使用布尔邻接矩阵(adjacency matrix)来表示图，其中矩阵元素A[i,j]为1表示顶点i和j在图中是连接的；或者使用关联矩阵(incidence matrix)来表示，矩阵I[i,j]为1表示顶点i在边j中。
注：这里的图和超图使用的是简化的概念，即它们是有限的、无环的、简单的、连通的，并且没有空的超边、孤立的顶点、标签、权重或属性。
一个图的例子，数字表示边的ID
用邻接矩阵表示：
关联矩阵表示：
在关联矩阵中，每列必须精确包含两个1，因为这里每条边连接两个顶点。而超图放宽了这一限制，在超图中，超边是任意大小的顶点子集。当超边的大小为 𝑘时，我们称其为 𝑘-边。例如，2-边是普通图中的边，而单一顶点构成的集合、3-边、4-边等都是超图中的边。因此，如果一个超图的每条边都是2-边，那么它就是一个图，我们称这样的超图为2-均匀超图(2-uniform)。图实际上是超图的特殊形式，即2-均匀超图。
一个超图的例子，数字表示边的ID：
关联矩阵表示：
在图示的例子中，图和超图之间有紧密的联系。实际上，这个图是超图的2-截面(2-section)或基础图(underlying graph)。所谓的2-截面是指，当我们只考虑超图中的成对连接（即两两顶点的连接）时得到的图。这意味着我们忽略了超图中涉及多个顶点的复杂连接，只保留那些两两顶点之间的简单连接。
虽然2-截面总是由超图确定的，并且经常作为一种简化表示方式使用，但它几乎从来不能提供足够的信息来完全还原超图的结构。换句话说，2-截面是超图的一部分信息，但远不足以完整描述超图的所有复杂关系。
超图的特性
虽然所有的图 都是 2-均匀的超图，但一般的超图具有一些重要属性，在图中并不存在。这对于熟悉图论的人来说非常重要，以下对于超图是至关重要的问题，在考虑2-均匀超图（即图）时不复存在。
1. 所有超图都有对偶对（Dual Pairs）
每个超图都有一个对应的对偶超图。对偶超图的生成方式是通过将原超图的顶点和边进行交换。具体来说，超图的关联矩阵 I 是一个表示顶点和边之间关系的布尔矩阵，如果你将这个矩阵转置IT，你就会得到另一个超图的关联矩阵，这就是原超图的对偶超图（在图中标记为 H∗）。在对偶超图H∗ 中，原超图的边变成了顶点，原超图的顶点变成了边。
如果一个图 G 是2-均匀超图，那么它的对偶图 G∗ 通常不是2-均匀超图。只有当G是一个简单环或环的组合时，才可能出现对偶也是2-均匀超图的情况。
一个对偶超图的例子：
原超图中的顶点a,b,c,d和边1,2,3,4,5交换了位置。
不仅原始超图有2-截面（2-section），即基础图，对偶超图 H∗ 也有。这种结构叫做线图（line graph），它记录了所有超边的关联关系。线图在图论中被广泛使用，可以帮助我们分析图中的连接方式和复杂性。
2. 边的交集有大小
在普通图中，所有边的大小都是2，也就是每条边只连接两个顶点。但在超图中，边的大小可以是任意数值，例如1、2或更多。边可能是单个顶点的集合，也可能是两个顶点或多个顶点的集合。
在一个图中，考虑两条边e={u,v}和f={w,z}，它们的交集g=e∩f 如果不为空（即g≠∅），则这两条边是相交的（incident）。交集的大小s(e,f)=∣g∣表示交集中的顶点数。在图中，相交的边的交集通常只有一个顶点（s(e,f)=1），但在超图中，交集的大小可以是1到两个边的最小长度之间的任何数值。
3. 边可以嵌套
在图中，两条边要么相交，要么不相交。但在超图中，还有另一种情况：边可以嵌套（nested）或者包含（included）。如果边 e 是边 f 的子集，或 f 是 e 的子集，这就是边的嵌套性。边的交集大小s(e,f) 等于两条边中较小的一条边的大小。
4. 步行的长度和宽度
步行（walk）是指一系列相邻边的序列 W=⟨e0,e1,…,eN⟩，其中每对相邻边是相交的。步行的长度 N 是步行中边的数量。
步行的长度和宽度是图和超图的核心概念。在图中，步行的长度定义了顶点之间的连接方式，并且帮助我们在图中“走”过顶点之间的路径。在图中，步行的每对相邻边的交集大小si=1，也就是说步行总是1-步行。而在超图中，交集的大小si可能变化，因此步行的宽度s(W) 是步行中最小交集大小。如果步行的宽度是s，则称为s-步行。
左侧的步行宽度为1，而右侧的步行宽度为3。
😱😱进阶的主题😱😱
1. s-步行(s-walks)与超网络(hypernetwork)科学
网络科学（Network Science）近年来已经成为数据分析中的一股重要力量，它用于衡量距离、连接性、可达性、中心性、模块化等属性的各种方法。这些方法可以通过引入超图中的“s-版本”来进行推广。
什么是 s-步行？
s-步行 是指在超图中两条边之间的最短路径，它的特点是需要更宽的连接。具体来说，两个顶点或超边之间的 s-距离 是它们之间最短 s-步行 的长度。当 s 增加时，这意味着需要更广泛的连接，因此距离也会增加。最终，随着 s 的增加，可能会出现一些顶点之间变得无法通过 s-步行 到达的情况。简而言之，s-步行 是分析超图中节点或边之间连接性的关键工具，它能够揭示网络中更深层次的关系，尤其是在连接要求变宽时的可达性变化。 s-步行 在超图中的广泛应用，表明它可以推广并扩展现有的网络科学概念，用于处理复杂的多维网络结构。
2. 超图与数学紧密联系
超图在数学中的广泛应用及其与其他重要数学结构的深层联系，尤其是在离散科学领域
①超图与二分图的关系
超图与二分图（bipartite graph）有着一对一的对应关系。超图H=(V,E)可以转换为一个二分图B=(V∪E,I)，其中二分图的顶点集包含原超图中的顶点和超边。二分图中的每条边{v,e}∈I 表示原超图中顶点 v 位于超边 e 中。因此，我们可以根据任意一个二分图定义一个超图，但并非所有操作都能在二分图与超图之间相互转换。
下图👇展示一个二分图的例子，图中不同颜色的线连接了顶点和超边，表示它们之间的关系。
②布尔关联矩阵与超图的关系
超图的布尔关联矩阵I 也可以看作二元关系的特征矩阵。简化概念的超图中(即有限的、无环的、简单的、连通的，并且没有空的超边、孤立的顶点、标签、权重或属性)，关联矩阵的使用会受到一些限制，但总体来说，超图、二元关系和二分图之间存在一对一的对应关系。
③超图的层次结构
每个超图都蕴含一个层次结构。具体来说，超边之间要么存在包含关系，要么它们的交集是相互包含的。这种结构创建了一个偏序（partial order），进一步映射到一系列格结构（lattice structures），这些结构描述了顶点和超边之间的包含关系。
下图👇展示了一个超图的概念格（concept lattice），这是超图中最重要的结构之一。概念格通过显示顶点和边的关系，帮助我们理解超图中元素之间的包含和关联。
理解这个图的关键是要明白它反映了不同元素（顶点和超边）之间的包含或嵌套关系。每一层之间的节点通过连接线相连，这些连接线表示顶点和超边之间的包含关系。例如，顶点“a”通过连接线连接到了超边“1”，表示“a”是超边“1”的一部分。
节点的含义：
灰色方框（如“1”、“2”、“3”、“4”、“5”）：这些表示的是超边。每一个方框代表超图中的一条超边。
白色圆点：白色圆点代表了集合的不同组合，这些组合表示不同的顶点或超边的结合。
黑色和蓝色的半圆：黑色半圆和蓝色半圆代表的是不同的超边中所包含的顶点。
黑色半圆：黑色半圆代表了集合中顶点的组合，它们通常位于超边的底部。黑色半圆表示这些顶点已经被组合在一起形成了一个集合或超边。
蓝色半圆：蓝色半圆用于标记某些超边中包含的顶点。例如，超边“2”和“4”中都有蓝色的半圆，表示这些超边包含某些特定的顶点。
连接线的含义：
每一条从顶点（a、b、c、d）到超边（1、2、3、4、5）的连线表示包含关系。例如，如果顶点“a”与超边“1”有连接线，这意味着顶点“a”是超边“1”的一部分。
④超图与拓扑学的关系
超图的强大之处在于它能够建模多向交互。同样，拓扑学（topology）也关心多维对象如何相互连接，不仅限于连续空间，还包括离散对象。实际上，有限拓扑空间是超图的一种特殊形式，它在并和交运算下闭合，并与前面提到的格结构有深层次的联系。
⑤抽象单纯复形（ASC）
在这个背景下，抽象单纯复形（abstract simplicial complex, ASC）是一种超图，其中所有可能的包含边都存在。每个超图可以通过“闭合”操作形成这样的单纯复形。ASC 具有自然的拓扑结构，能够通过同调（homology）揭示隐藏的结构，并被广泛应用于拓扑方法，如持久同调（persistent homology）。
什么是抽象单纯复形（ASC）？
抽象单纯复形是超图的一种特殊形式，在该结构中，所有可能的子集都被包含。它是离散数学和拓扑学中常用的概念，用于研究集合之间的包含关系。抽象单纯复形包含的“单纯形”代表了不同维度的集合：
0维单纯形：单个顶点。
1维单纯形：由两顶点构成的边。
2维单纯形：由三个顶点构成的三角形（填充的面）。
更高维度的单纯形：由更多顶点构成的几何对象。
抽象单纯复形是一种更高维度的扩展，它不仅包含所有顶点，还包含顶点之间所有可能的组合边及其高维扩展。
下图👇展示了如何从一个超图生成一个抽象单纯复形。该图显示了原始超图中的超边及其包含的所有子边（包括单点边）。这些子边和超边共同构成了抽象单纯复形的完整结构。
3. 更复杂的图和超图
之前简化图的定义——有限、无环、简单、连通，没有空超边、孤立顶点、标签、权重或属性。而在复杂图中，可以遇到更多种类的图或超图结构。比如以下这些情况的出现会让图和超图变得复杂：
1. 空超边（Empty Hyperedges）
如果关联矩阵III 中的某一列全部为零，这表示该超边是空的，也就是没有任何顶点与它关联。空超边在一些复杂的超图中是允许存在的。
2. 孤立顶点（Isolated Vertices）
如果关联矩阵III 中的某一行全部为零，这表示该顶点是孤立的，也就是该顶点没有连接到任何超边。孤立顶点通常表示在图或超图的某些结构中，某些顶点并不参与任何连接。
3. 多重超图（Multihypergraphs）
允许重复的超边，这意味着在关联矩阵中，可能会有重复的列（表示相同的超边重复出现）。这种结构在某些应用场景中是有意义的，尤其是在考虑复杂系统或网络中，某些连接可能重复发生。
4. 自环（Self-Loops）
自环表示图中的某条边可以连接到自己。在通常的图结构中，边通常是连接两个不同的顶点，而在允许自环的结构中，边可以连接到同一个顶点，这是一种特殊的连接方式。
5. 方向（Direction）
有些图中的边可以被赋予方向性，也就是边的连接有输入和输出的顶点。在这种情况下，某些顶点被视为“输入”，而另一些顶点则是“输出”。这种定向连接在网络模型中经常使用，比如表示信息流、交通流等。
6. 顺序（Order）
在某些超图中，顶点可能具有特定的顺序。这种顺序可能是全序或部分序。对于图而言，这相当于定向边的概念，但在超图中，顺序的复杂性更高，因为超边可以连接多个顶点。
7. 属性（Attributes）
一般来说，我们可以在图或超图的顶点、边或“关联关系”上附加属性。这些属性可以是不同的数据类型，例如权重、标签、标识符、类型、字符串等。具体来说，属性可以应用于：
-
顶点：关联矩阵的行，表示每个顶点的属性。
超边：关联矩阵的列，表示每条边或超边的属性。
关联关系（Incidences）：关联矩阵的单元格，表示某个顶点出现在某个超边中的具体方式。这些属性能够让超图更加灵活地表示复杂的关系。
假设我们使用一个超图来表示一个复杂的社交网络：
空超边可能表示某个活动没有任何参与者。
孤立顶点可能表示某个用户没有参与任何活动。
多重超边可能表示多个活动有重复的参与者。
自环可能表示某个用户独自参与了某项活动。
方向性可能用于表示信息流动的方向，比如信息从某个人流向另一个人。
顺序可能用于表示某些活动需要特定顺序的参与者。
属性可以记录每个用户或每项活动的相关信息，如用户的年龄、活动的类型等。
最后
别再纠结什么2-均匀超图了
生活已经够复杂了
祝各位国庆节愉快
扫一扫
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
