Questions tagged «graph-theory»

图论是对图,数学模型的研究,用于对对象之间的成对关系进行建模。


2
计算所有连接的子图的复杂性
令G为连通图。 如果G为以下类型,则对所有连通的子图进行计数的复杂度是多少? G是通用的。 G是平面的。 G是二分的。 我不在乎任何结构或...,只需要计算所有连接的子图!我还对计算G中恰好有k个节点的所有连接子图的复杂性感兴趣。 也欢迎指向论文和书籍的指针!

3
将立方图边缘划分为爪和路径
同样是一个边缘分割问题,我的前一个问题引起了我对其复杂性的好奇。 输入:三次曲线图G = (V,E)G=(V,E)G=(V,E) 问题:是否有一个分区成ë 1,ë 2,... ,Ë 小号,使得由每个导出的子图ë 我可以是一个爪(即ķ 1 ,3,经常称为星形)或3 -path (即P 4)?ËEEË1个,E2,… ,EsE1,E2,…,EsE_1, E_2, \ldots, E_sË一世EiE_iķ1 ,3K1,3K_{1,3}333P4P4P_4 我想我有一天看过一篇论文,证明该问题是NP完全的,但现在找不到了,而且我不记得该结果是否适用于三次图。关于一个相关的问题,我知道将二分图边缘分割为爪是NP完全的(请参见Dyer和Frieze)。是否有人对我描述的问题或相关的问题有参考(即,在另一个图类上存在相同的问题,然后我可以尝试将其简化为三次图)?

3
是否存在在线算法来跟踪变化的无向图中的组件?
问题 我有一个无向图(带有多边),它会随着时间而变化,可能会插入和删除节点和边。在对图进行每次修改时,我都必须更新该图的连接组件。 物产 其他特性是,不会再有两个组件被重新连接。显然,该图可以具有任意数量的循环(否则该解决方案将是微不足道的)。如果边缘不包含节点n,则它将永远不会采用该节点。但是,如果Ñ ∈ Ë,它可以改变ñ ∉ Ë。eeennnn∈en∈en \in en∉en∉en \notin e 方法 到目前为止,我有两种可能的方法,但是如您所见,它们很可怕: 慢无状态 我可以每次从修改后的元素开始搜索(dfs / bfs)图形。这样可以节省空间,但速度很慢,因为每次修改的O(n + m)为。 有状态快速(-er)(?)方法 我可以存储每个节点到所有可能节点的所有可能路径,但是如果我正确看到它,则会占用O(n ^ 4)内存。但是我不确定运行时的改进如何(如果有的话,因为我必须使同一组件中每个节点的信息都保持最新)。 题 您是否有任何指点,如何了解有关该问题的更多信息,或者可以建立一些算法? 注意 如果运行时/内存有了很大的改进,我可以使用非最佳解决方案,该解决方案有时会说两个组件是一个组件,但是我当然更喜欢一个最佳解决方案。

1
使用图拉普拉斯(逆)协方差从多元高斯抽样
我们从例如Koutis-Miller-Peng(基于Spielman&Teng的工作)知道,我们可以非常快速地求解矩阵A的线性系统Ax=bAx=bA x = b,这是一些具有非负边权重的稀疏图的图拉普拉斯矩阵。AAA 现在(第一个问题)考虑使用这些图拉普拉斯矩阵AAA中的一个作为零均值多元正态分布或的协方差或(第二个问题)逆协方差矩阵。。对于每种情况,我有两个问题:N(0,A)N(0,A)\mathcal{N}(\boldsymbol{0}, A)N(0,A−1)N(0,A−1)\mathcal{N}(\boldsymbol{0}, A^{-1}) 答:我们如何有效地从这种分布中抽取样本?(通常为绘制样本,我们计算Cholesky分解,绘制标准法线,然后将样本计算为)。A=LLTA=LLTA = LL^Ty∼N(0,I)y∼N(0,I)y \sim \mathcal{N}(\boldsymbol{0}, I)x=L−1yx=L−1yx = L^{-1} y B.我们如何有效地计算的行列式?AAA 请注意,通过Cholesky分解可以很容易地解决这两个问题,但是我没有立即看到如何比仅使用标准稀疏Cholesky算法更有效地提取,该算法不会使用上述参考文献中介绍的技术工作,并且对于稀疏但高树宽图将具有三次复杂度。LLL

4
平面图的哪些属性可以推广到更高维/超图?
甲平面图形是可以被嵌入在平面上,而无需跨越边缘的曲线图。 令是一个k均匀超图,即一个超图,其所有超边的大小都为k。G=(X,E)G=(X,E)G=(X,E)kkk 已经在将超图嵌入平面中(通过集群或其他应用程序的上下文)上进行了一些工作,但是通常,数据根本无法嵌入到平面中。解决的办法可能是强制它,但有一些损失,或者将其嵌入更高的维度,如我在这里建议的那样: 平面度的自然扩展(至少是IMO)是G的“ 简单嵌入”(它有一个已知的不同名称吗?):嵌入M:X → R k,使得存在连接的表面每个超边的所有顶点,除端点外,这些顶点不相交。kkkGGGM:X→RkM:X→Rk\mathcal{M}:X\to \mathbb{R}^k (考虑一下2D中的模拟,其中每个表面都是可以绘制的边缘,但可以随意绘制)。 这是3均匀超图的有效3简单嵌入的示例。(每个顶点由包含在其中的超边缘着色,每个面代表一个超边缘)。 3个简单图的另一个示例是在5个顶点上的完整3一致超图。要查看此图像,只需在R 3中取4个不位于2D平面上的点,创建一个三角形金字塔(其凸包),然后将第五个点放置在金字塔的中心,将其连接到其他顶点。G=(V,V×V×V)G=(V,V×V×V)G=(V,V\times V\times V)R3R3\mathbb{R}^3 同样,似乎在6个顶点上的完整3一致超图没有3简单嵌入。 平面图具有一些非常有用的属性,这些属性允许在平面图为平面时改进解决难题的算法。不幸的是,数据有时不是平面的,尽管有时它是低维的。我认为了解平面图的哪些特性可以帮助我们找出可以使用同一工具将哪些算法应用于更高维度。 一个有用的属性示例来自法里定理,该定理表明每个平面图都可以以其所有边缘均为直线段的方式嵌入。 kkk 还有其他可以概括的属性吗?例如,可以将平面图的欧拉公式以某种方式推广到更高的维度吗?(尽管目前我不确定它的含义是什么)。

1
的后果
我有部分证明尝试 ⊕P⊆ñP⊕P⊆NP\oplus \mathbf{P} \subseteq \mathbf{NP}。证明尝试包括从⊕P⊕P\oplus \mathbf{P}完全问题 ⊕⊕\oplus3到SAT的VERTEX顶盖。 给定三次图 GGG,减法输出CNF公式 FFF 具有以下两个属性: FFF 最多 1个11 满意的任务。 FFF 当且仅当的顶点覆盖数为 GGG 很奇怪 问题 这将是 ⊕P⊆ñP⊕P⊆NP\oplus \mathbf{P} \subseteq \mathbf{NP}?我已经知道的结果如下:PHPH\mathbf{PH} 将可简化为 ñPNP\mathbf{NP}通过两侧随机减少。换句话说,我们将有PH⊆乙PPñPPH⊆BPPNP\mathbf{PH}\subseteq\mathbf{BPP}^{\mathbf{NP}} (使用Toda定理,即 PH⊆乙PP⊕PPH⊆BPP⊕P\mathbf{PH}\subseteq\mathbf{BPP}^{\oplus\mathbf{P}},只需更换 ⊕P⊕P\oplus\mathbf{P} 与 ñPNP\mathbf{NP})。我不知道如果乙PPñPBPPNP\mathbf{BPP}^{\mathbf{NP}} 已显示在一定程度上 一世ii 多项式层次结构:如果是,则进一步的结果是 PHPH\mathbf{PH} 崩溃到这样的水平 一世ii。此外,在广泛接受的非随机化假设下(乙PP=PBPP=P\mathbf{BPP} = \mathbf{P}),则多项式层次结构将在第一级和第二级之间崩溃, PH=PñP=ΔP2PH=PNP=ΔP2\mathbf{PH} = \mathbf{P}^\mathbf{NP} = \Delta_2^\mathbf{P} (有人告诉我这是不对的,但是直到我完全理解原因之后,我才会删除此行)。 如果我没有记错的话,上述减少实际上将证明 ⊕P⊆ñP⊕P⊆NP\oplus \mathbf{P} \subseteq …

1
标记DAG的Dilworth定理的推广
一个反链在一个DAG 是一个子集是成对可达,即,不存在顶点的,使得是从可到达的在。根据偏序理论中的迪尔沃斯定理,可以知道,如果DAG没有大小为反链,则它可以分解为最多不相交的链,即有向路径。甲⊆ V v ≠ v ' ∈ 甲v v ' é ķ ∈ Ñ ķ - 1(V,E)(V,E)(V, E)A⊆VA⊆VA \subseteq Vv≠v′∈Av≠v′∈Av \neq v' \in Avvvv′v′v'EEEk∈Nk∈Nk \in \mathbb{N}k−1k−1k-1 现在,我对带标签的DAG感兴趣,即每个顶点在一些固定的有限标签中带有标签 DAG 。给定一个反链,我可以定义它的标记的大小作为标签的出现最小数量在,即。在这种情况下,是否有迪尔沃思定理的类似物?换句话说,如果我假设DAG没有标记大小为k的反链\ in \ mathbb {N}λ (v )Σ 甲⊆ Vvvvλ(v)λ(v)\lambda(v)ΣΣ\SigmaA⊆VA⊆VA \subseteq V甲分钟一个∈ Σ | { v ∈ 甲| λ (v )= 一个} …

1
关于源和汇的最小等效图
给定一个DAG(有向无环图),与源和汇。找到具有源和源的DAG,其边的数量最少,使得:小号Ť d '小号ŤdDD小号SSŤTTd′D′D'小号SSŤTT 对于所有对存在从一个路径到在当且仅当存在从一个路径到在。ü v d ü v d 'ü ∈ 小号,v ∈ ŧu∈S,v∈Tu \in S, v \in TüuuvvvdDDüuuvvvd′D′D' 该应用的一个应用是由DAG代表一组家庭。对于这样的表示,每个源是宇宙中的一个变量,每个接收器是集合族中的一个集合,并且元素u在集合S中,当且仅当存在从表示u的顶点到表示u的顶点的路径时设置S。 这个问题众所周知吗?这个问题有多项式算法吗?

1
关于减少计数顶点覆盖率与计数循环覆盖率的混淆
这使我感到困惑。 一种简单的计数情况是,决策问题在,没有解决方案。PPP 演讲表明计数完美匹配的数量在二部图(等效地,在一个有向图的计数周期盖的数)的问题是 -complete。#P#P\#P 它们减少了从计算大小为顶点覆盖范围 到使用小工具对有向图中的周期覆盖范围进行计数的过程。kkk 定理27.1 的良好循环覆盖数是(k !)2倍,大小为G的顶点覆盖数。HHH(k!)2(k!)2(k!)^2GGGkkk 使用小工具,它们仅留下“良好”周期。 我对这堂课的理解是,当变换的图G ' 没有循环覆盖时,没有大小为k的顶点覆盖。可以在多项式时间内检查G '是否具有循环覆盖,这意味着P = N P,因为我们可以将决策问题转化为寻找解。GGGkkkG′G′G'G′G′G'P=NPP=NPP=NP 我有什么误会? #P#P\#P PPP P≠NPP≠NPP \ne NPNPNPNP(0,1)(0,1)(0,1)0↦00↦00 \mapsto 0 编辑 相关的MO问题 添加 Markus Bläser 指出,糟糕的循环仍然存在,但是其权重之和消失了。 在我看来,小部件中不良循环的权重为零。 从第148页(pdf的11页): 具有与这四个节点小部件相对应的子矩阵A的完整邻接矩阵B在H中每个好循环覆盖计数为1,每个坏循环覆盖计数为0 另一个问题: kkk 在CC中,每个顶点必须完全在一个周期内。

4
禁止诱导循环子图定义的图类中的多项式问题
从MO交叉发布。 令为由有限数量的禁止诱导子图定义的图类,所有这些子图都是循环的(至少包含一个循环)。CCC 除了Clique和Clique Coverage之外,对于,是否存在可以在多项式时间内解决的NP硬图问题CCC? 如果我没记错的话,这对于独立集是不可能的(除非P=NPP=ñPP=NP)。 未在graphclasses.org中搜索。 Clique和Clique Covering是多项式的类是C5,C6,X164,X165,sunlet4,无三角形 编辑 阴性IS和统治在本文中。第2页,图Si,j,k小号一世,Ĵ,ķS_{i,j,k}。

3
图匹配问题的历史和状态
了解更多关于此问题的部分困难在于,图匹配问题与其更著名的表亲(匹配问题)不同,但在使用搜索引擎时很难与之区分开。 给定两个图G=(V,E)G=(V,E)G=(V,E)和G′=(V′,E′)G′=(V′,E′)G'=(V',E'),使得|V|=|V′||V|=|V′||V| = |V'|,任务是找到一个双射峰π:V→V′π:V→V′\pi : V \rightarrow V',使得该双射峰在GGG和边缘之间建立尽可能多的对应关系G′G′G'。 换句话说,如果MMM和M′M′M'是邻接矩阵,那么我们想最大化 ∑v,w∈VMv,w⋅M′π(v),π(w)∑v,w∈VMv,w⋅Mπ(v),π(w)′\sum_{v,w \in V} M_{v,w} \cdot M'_{\pi(v),\pi(w)} 这个问题显然包含图同构作为特例,并且可以在(非多项式!)归约条件下简化为二分匹配。 确实存在哪种算法,对其复杂性了解多少?

2
可以在线性时间内计算直径的图类
回想直径的曲线图的处于最长最短路径的长度。给定一个图,一种用于计算的明显算法可以解决所有对的最短路径问题(APSP),并返回找到的最长路径的长度。G 直径(G )GGGGGG直径(G )直径(G)\text{diam}(G) 众所周知,对于几种图类,可以在最佳时间内解决APSP问题。对于一般图,有一种代数图理论方法在时间内运行,其中是矩阵乘法的界。但是,如Yuster所示,计算直径显然与APSP无关紧要。O (M (n )log n )M (n )Ø (ñ2)Ø(ñ2)O(n^2)Ø (中号(n )日志n )Ø(中号(ñ)日志⁡ñ)O(M(n) \log n)中号(n )中号(ñ)M(n) 是否知道一些非平凡的图类,它们可以更快地(例如在线性时间内)计算直径? 我对和弦图以及和弦图的任何子类(如框图)特别感兴趣。例如,如果可以唯一表示为集团树,我认为弦图的直径可以在时间内计算。这样的图也称为ur-chordal。O (n + m )GGGGO (n + m )Ø(ñ+米)O(n+m)GGG

1
计算图形平均距离的复杂性
让a d(G)一种d(G)\rm{ad}(G)是一个连通图的平均距离摹。G。G. 计算单程a d(G)一种d(G)\rm{ad}(G)是通过累加的元素D (G ),d(G),D(G),的距离矩阵GGG并适当地缩放的总和。 如果输出图是一棵树,则已知可以在线性时间内计算平均距离(请参见B.Mohar,T.Pisanski-如何计算图的Wiener指数)。对于具有有限树宽的图,似乎也有快速算法。 因此,一个有趣的问题是知道是否有帮助。D (G )。d(G)。D(G).换一种说法 是否有可能来计算a d(G)一种d(G)\rm{ad}(G)子二次时间? 我有兴趣知道的是,关于为什么不可能实现这一点,是否存在理论下限。

1
不正确的平面与单色成分大小着色
让我们稍微放松一下着色,就是说,我们允许少量的相邻顶点被分配相同的颜色。单色分量定义为子图中由一组接收相同颜色的顶点所诱导的连接分量,问题是要求给图形着色所需的最小颜色数,以便最大的单色分量具有大小不超过ç。λλ\lambdaCCC 在这种情况下,传统的着色可以视为着色。因此,对于平面图来说,找到最小的λ是NP-难的。 [λ,1][λ,1][\lambda,1]λλ\lambda 我的问题是,如何 -coloring平面图的[λ,2][λ,2][\lambda,2],或更一般地, -coloring为c ^ ≥ 2?[λ,C][λ,C][\lambda,C]C≥2C≥2C \geq 2 这可以看作是Edwards和Farr研究的双重问题,其中是固定的,要求人们找出C的最小大小。λλ\lambdaCCC

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.