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。

1
MSO可明确表示的次要封闭属性
下面,MSO表示具有顶点集和边集量化的图的单子二阶逻辑。 令FF\mathcal{F}为图的次要封闭族。从罗伯逊和西摩的图未成年人理论可以得出,的特征是禁止未成年人的有限列表。换句话说,对于每个图,当且仅当将所有图排除为未成年人时,我们属于。FF\mathcal{F}H1,H2,...,HkH1,H2,...,HkH_1,H_2,...,H_kGGGGGGFF\mathcal{F}GGGHiHiH_i 由于这个事实,我们有一个MSO公式,当且仅当图才是真。例如,平面图的特征在于不存在的图和,因此很容易明确地写出表征平面图的MSO公式。φFφF\varphi_{\mathcal{F}}GGGG∈FG∈FG\in \mathcal{F}K3,3K3,3K_{3,3}K5K5K_5 问题在于,对于许多不错的未成年人闭合图属性,禁止未成年人的列表是未知的。因此,尽管我们知道存在描述图族的MSO公式,但我们可能不知道该公式是什么。 另一方面,可能的情况是,人们可以为给定的属性想出一个明确的公式,而无需使用图次要定理。我的问题与这种可能性有关。 问题1:是否有未成年人的闭合图族,以使禁止未成年人的集合未知,但是一些表征该 MSO公式是已知的?FF\mathcal{F}φφ\varphi 问题2: 是否已知一些明确的MSO公式可以表征以下某些属性?φφ\varphi 属1(图形可嵌入圆环中) (请参见下面的EDIT) 固定属k (请参见下面的EDIT)k>1k>1k>1 某些固定 k外平面k>1k>1k> 1 我希望在此问题上有任何参考或想法。请随时考虑其他次要封闭属性,上面给出的列表仅用于说明。 Obs:明确地说,我不一定意味着很小。给出一个明确的参数或算法足以显示如何构造表征给定属性的公式就足够了。同样,在这个问题的背景下,如果有人给出了构造该家庭的显式算法,我认为这是一个禁止的未成年人家庭。 编辑:我找到了Adler,Kreutzer,Grohe的一篇论文,该论文根据k-1属的特征图来构造一个表征属的图的公式。因此,本文回答了问题2的前两个问题。另一方面,它却没有回答问题1,因为确实存在一种算法,它为每个k构造了表征k属图的禁止未成年人家族(请参阅第4.2节)。因此,这个家庭在问题的意义上是“知名的”。kkk

1
快速计算生成树的数量
t(G)t(G)t(G)GGGnnnt(G)t(G)t(G)O(n3)O(n3)O(n^3)QGJ11n2det(J+Q)1n2det(J+Q)\frac{1}{n^2} \det(J + Q)QQQGGGJJJ111 我想知道是否有某种方法可以更快地计算。(是的,用于计算行列式的算法比算法快,但我对某些新方法感兴趣。)O (n 3)t(G)t(G)t(G)O(n3)O(n3)O(n^3) 它也有兴趣考虑特殊的图形族(平面的,也许?)。 例如,对于循环图,可以在计算经由身份算术运算,其中是的拉普拉斯矩阵的非零特征值,可以快速地为循环图计算。(将第一行表示为多项式,然后在第个单位根上进行计算-此步骤使用离散傅立叶变换,可以用算术运算完成。)O (n lg n )t (G )= 1t(G)t(G)t(G)O(nlgn)O(nlg⁡n)O(n \lg n)λ我ģÑø(ÑLGÑ)t(G)=1nλ1⋯λn−1t(G)=1nλ1⋯λn−1t(G) = \frac{1}{n} \lambda_1 \dotsm \lambda_{n-1}λiλi\lambda_iGGGnnnO(nlgn)O(nlg⁡n)O(n \lg n) 非常感谢你!

2
对于3度有界图,反馈顶点集问题可以在多项式时间内解决吗?
一般图形的反馈顶点集是NP完全的。由于顶点覆盖范围的减少,对于度数为8的有界图,它是NP完全的。在维基百科的文章说,这是多时间内可解的程度,3界图,是NP-完成度4界图。但是,我无法在任何地方找到任何证明。是真的吗 FVS在d阶有界图中是NP完全的最小d是多少?


1
寻找好的诱导子图
您将获得具有个顶点的图形。如果需要,它可能是两方的。有套边(例如不相交)。我对找到尽可能小(甚至更小)的子集的问题感兴趣,以便对于归纳图从每个类至少具有一个边。。G = (V,E)G=(V,Ë)G = (V,E)G S E i i = 1 ,… ,mññn米米mË1个,… ,E米⊆ èË1个,…,Ë米⊆ËE_1,\ldots, E_m \subseteq E小号⊆ V小号⊆VS \subseteq VG小号G小号G_SË一世Ë一世E_ii = 1 ,... ,m一世=1个,…,米i=1,\ldots, m 目前,我知道这个问题很难解决。我也有一个不太完全(大致)的近似值。Ø (ñ--√)Ø(ñ)O(\sqrt{n}) 这似乎是一个自然的问题-是否有人知道任何相关的参考文献或更好的算法?

2
最短路径公理
假设我们有一个无向加权图(具有非负权重)。让我们假设中的所有最短路径都是唯一的。假设我们有这些路径(未加权边的序列),但是不知道G本身。我们能否产生将这些路径视为多项式时间最短的G?较弱的版本:我们可以在多项式时间内确定是否存在这样的G吗?GG=(V,E,w)G=(V,E,w)G = (V, E, w)GGG(n2)(n2)\binom{n}{2}GGGGGGGGG 显而易见的必要条件如下:对于每对路径,它们的交点也是一条路径。这个条件够吗?

2
最短路径的数据结构
令为具有个顶点和边的未加权无向图。是否可以预处理并生成大小为的数据结构,以便它可以在时间O(n)内回答“与之间的距离”形式的查询?GGGnnnmmmGGGm⋅polylog(n)m⋅polylog(n)m \cdot \mathrm{polylog}(n)uuuvvv 这个问题似乎太基本了,无法解决。

2
保持增长的无向图的平衡生成树
我正在寻找方法来维护图的相对平衡的生成树,因为我向图添加了新的节点/边。 我有一个无向图,该图以单个节点“根”开始。 在每个步骤中,我都会在图上添加一个新节点和将其连接到图的边,或者仅添加一个新的边来连接两个旧节点。随着图形的增长,我会维护一棵生成树。大多数情况下,这意味着当我添加新节点和边时,会将新节点设置为它所连接的旧节点的子节点。 我无法控制新节点的添加顺序,因此上述树构建算法显然会导致生成树不平衡。 有谁知道在线启发式技术可以使生成树“相对平衡”,同时最大程度地减少重新树的工作量?我对树结构有完全控制。我无法控制的是图形连接性,或者添加新节点的顺序。 请注意,标准的Google对诸如“平衡”,“生成”和“树”之类的术语的响应似乎是二叉树和B树,两者均不适用。我的图节点可以具有任意数量的邻居,因此树节点可以具有任意数量的子代,而不是像二叉树那样的2个子代。B树通过更改其邻接表来保持平衡,而我无法更改图的连接性。

11
随机图模型,用于真实计算机网络
我对与真实计算机网络图相似的随机图模型感兴趣。我不确定通用的经过充分研究的模型(n个顶点,每个可能的边均以概率p选择)是否适合研究真实的计算机网络(是吗?)。G(n,p)G(n,p)G(n,p)nnnppp 哪种随机图模型对理解计算机网络在实践中有用? 更一般而言,文献中还研究了其他哪些有限随机图模型(与模型等效的模型除外)?(一个理想的答案是对有限随机图的研究模型进行调查的指针。)G(n,p)G(n,p)G(n,p)

1
图的构造,其中每对顶点都有一个唯一的公共邻居
令是n个顶点(n > 3 )上没有顶点n - 1的简单图形。假设对于G的任意两个顶点,在两个顶点附近都有一个唯一的顶点。这是范林特和威尔逊的《组合课程》的一项练习,目的是证明这种图是规则的。GGGññn(n > 3 )(ñ>3)(n > 3)n − 1ñ-1个n − 1GGG 我的问题是,是否存在满足给定约束的图。在解决问题的过程中讨论原始练习时,有人问我们是否可以举一个图形示例,其中每对顶点都有一个唯一的公共邻居,而没有全局顶点。我们既无法提出具体的示例或构造步骤,也无法建立证明没有图形具有这些特性的证据。 有什么建议么? 注意:关于证明这样的图是规则的,事实证明它很简单,粗略的想法是使用唯一公共邻居准则将每对顶点的邻居配对,以建立每对顶点的邻居对的事实。顶点具有相同的度数,然后在无全局顶点约束的帮助下,传递性参数使我们认为该图是规则的。

2
从其正方形恢复邻接矩阵的复杂性
我对以下问题感兴趣:给定一个矩阵,在邻接矩阵平方的个顶点上是否存在该矩阵的无向图?nn × nn×nn\times nñnn 这个问题的计算复杂度已知吗? 备注: 当然,这也可以表述为搜索问题,其中给您矩阵的是无向图的邻接矩阵,而问题是要找到任何(无向图的)邻接矩阵使得。 A B B 2 = A 2一种2A2A^2一种AA乙BB乙2= A2B2=A2B^2 = A^2 Motwani和Sudan(图的计算根是困难的,1994)和Kutz(布尔矩阵的根计算的复杂性,2004)显示了与此类似但不同的问题是NP-困难-他们只考虑布尔矩阵下的邻接矩阵的平方乘法。

3
是什么将有界树宽图上的简单全局问题与硬全局问题区分开来的?
在有界树宽图上的多项式时间内可以解决许多硬图问题。确实,教科书通常以独立集为例,这是一个局部问题。大致而言,局部问题是可以通过检查每个顶点的一些小邻域来验证其解决方案的问题。 有趣的是,对于有界的树宽图,即使是全局性的问题(例如汉密尔顿路径)也可以有效地解决。对于此类问题,常规的动态编程算法必须跟踪解决方案可以遍历树分解的相应分隔符的所有方式(例如,参见[1])。在[1]中给出了随机算法(基于所谓的cut'n'count),在[2]中开发了改进的(甚至是确定性的)算法。 我不知道可以这么说,但对于有界树宽图,至少可以有效地解决一些全局问题。那么在这些图表上仍然很难解决的问题呢?我假设它们也是全球性的,但是还有什么呢?是什么将这些棘手的全球性问题与可以有效解决的全球性问题区分开来?例如,为什么已知方法无法为我们提供有效的算法,为什么? 例如,可以考虑以下问题: 边缘预着色扩展给定具有某些边缘着色的图GGG,请确定是否可以将此着色扩展为图的适当边缘着色。kkkGGG 边缘预着色扩展(及其列表边缘着色变体)对于二部串平行图[3](此类图的树宽最多2)是NP完整的。 最小总和边缘着色给定一个图,找到一个边缘着色使得如果和具有共同的顶点,则。目的是最小化着色总和。G=(V,E)G=(V,E)G=(V,E)χ:E→Nχ:E→N\chi : E \to \mathbb{N}e1e1e_1e2e2e_2χ(e1)≠χ(e2)χ(e1)≠χ(e2)\chi(e_1) \neq \chi(e_2)E′χ(E)=∑e∈Eχ(e)Eχ′(E)=∑e∈Eχ(e)E'_\chi(E) = \sum_{e \in E} \chi(e) 换句话说,我们必须将正整数分配给图的边,以使相邻边接收不同的整数,并且分配的数字之和最小。对于部分2树[4](即树宽图最多2个),这个问题是NP难的。 其他此类难题包括边缘不相交路径问题,子图同构问题和带宽问题(例如,参见[5]及其参考文献)。对于即使在树木上仍然难以解决的问题,请参见此问题。 [1] Cygan,M.,Nederlof,J.,Pilipczuk,M.,van Rooij,JM和Wojtaszczyk,JO(2011年10月)。解决在单个指数时间内由树宽参数化的连接问题。在计算机科学基金会(FOCS),2011 IEEE第52届年度研讨会上(pp。150-159)。IEEE。 [2] Bodlaender,HL,Cygan,M.,Kratsch,S.,&Nederlof,J.(2013)。确定性单指数时间算法,用于由树宽参数化的连接性问题。在《自动机,语言和程序设计》(第196-207页)中。施普林格·柏林·海德堡。 [3] Marx,D.(2005)。平面图边缘上的列表着色和预着色扩展的NP完整性。图论杂志,49(4),313-324。 [4] 马克思,D。(2009)。复杂性导致最小的求和边缘着色。离散应用数学,157(5),1034-1045。 [5] Nishizeki,T.,Vygen,J.,&Zhou,X.(2001)。边不相交的路径问题对于串并联图是NP完全的。离散应用数学,115(1),177-186。



5
是否可以测试可计算数字是有理数还是整数?
是否可以通过算法测试可计算数是有理数还是整数?换句话说,将有可能为图书馆实现可计算数提供的功能isInteger还是isRational? 我猜测这是不可能的,并且这在某种程度上与以下事实有关:无法测试两个数字是否相等,但是我看不出如何证明这一点。 编辑:可计算的数字xxx由函数给出,该函数fx(ϵ)fx(ϵ)f_x(\epsilon)可以返回精度为ϵ的的有理近似值:| x − f x(ϵ )| ≤ ε,对于任何ε > 0。鉴于这样的功能,就是可以测试,如果X ∈ Q或X ∈ ž?xxxϵϵ\epsilon|x−fx(ϵ)|≤ϵ|x−fx(ϵ)|≤ϵ|x - f_x(\epsilon)| \leq \epsilonϵ>0ϵ>0\epsilon > 0x∈Qx∈Qx \in \mathrm{Q}x∈Zx∈Zx \in \mathrm{Z}
18 computability  computing-over-reals  lambda-calculus  graph-theory  co.combinatorics  cc.complexity-theory  reference-request  graph-theory  proofs  np-complete  cc.complexity-theory  machine-learning  boolean-functions  combinatory-logic  boolean-formulas  reference-request  approximation-algorithms  optimization  cc.complexity-theory  co.combinatorics  permutations  cc.complexity-theory  cc.complexity-theory  ai.artificial-intel  p-vs-np  relativization  co.combinatorics  permutations  ds.algorithms  algebra  automata-theory  dfa  lo.logic  temporal-logic  linear-temporal-logic  circuit-complexity  lower-bounds  permanent  arithmetic-circuits  determinant  dc.parallel-comp  asymptotics  ds.algorithms  graph-theory  planar-graphs  physics  max-flow  max-flow-min-cut  fl.formal-languages  automata-theory  finite-model-theory  dfa  language-design  soft-question  machine-learning  linear-algebra  db.databases  arithmetic-circuits  ds.algorithms  machine-learning  ds.data-structures  tree  soft-question  security  project-topic  approximation-algorithms  linear-programming  primal-dual  reference-request  graph-theory  graph-algorithms  cr.crypto-security  quantum-computing  gr.group-theory  graph-theory  time-complexity  lower-bounds  matrices  sorting  asymptotics  approximation-algorithms  linear-algebra  matrices  max-cut  graph-theory  graph-algorithms  time-complexity  circuit-complexity  regular-language  graph-algorithms  approximation-algorithms  set-cover  clique  graph-theory  graph-algorithms  approximation-algorithms  clustering  partition-problem  time-complexity  turing-machines  term-rewriting-systems  cc.complexity-theory  time-complexity  nondeterminism 

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.