ความอุดมสมบูรณ์ของปัญหากราฟยากแก้ปัญหาได้ในเวลาพหุนามในกราฟของ treewidth แท้จริงตำรามักจะใช้เช่น independet ชุดเป็นตัวอย่างซึ่งเป็นปัญหาที่เกิดขึ้นในท้องถิ่น โดยทั่วไปปัญหาในพื้นที่เป็นปัญหาที่โซลูชันสามารถตรวจสอบได้โดยการตรวจสอบพื้นที่ใกล้เคียงเล็ก ๆ ของจุดสุดยอดทุกจุด
ที่น่าสนใจแม้กระทั่งปัญหา (เช่นเส้นทางของแฮมิลตัน) ของธรรมชาติของโลกก็ยังสามารถแก้ไขได้อย่างมีประสิทธิภาพสำหรับกราฟ treewidth ที่ จำกัด ขอบเขต สำหรับปัญหาดังกล่าวอัลกอริทึมการเขียนโปรแกรมแบบไดนามิกตามปกติจะต้องติดตามทุกวิธีในการแก้ปัญหาที่สามารถสำรวจแยกที่สอดคล้องกันของการสลายตัวของต้นไม้ (ดูเช่น [1]) อัลกอริธึมแบบสุ่ม (ขึ้นอยู่กับสิ่งที่เรียกว่า cut'n'count) ได้รับใน [1] และอัลกอริธึมที่ปรับปรุงแล้ว (แม้จะกำหนดขึ้น) ได้รับการพัฒนาใน [2]
ฉันไม่รู้ว่ามันยุติธรรมหรือไม่ที่จะบอกว่าหลายคน แต่อย่างน้อยปัญหาระดับโลกบางอย่างสามารถแก้ไขได้อย่างมีประสิทธิภาพสำหรับกราฟของความกังวลที่ จำกัด แล้วปัญหาเกี่ยวกับกราฟที่เหลืออยู่นั้นยากแค่ไหน? ฉันสมมติว่าพวกเขาเป็นธรรมชาติของโลก แต่มีอะไรอีกบ้าง อะไรที่ทำให้ปัญหาระดับโลกเหล่านี้แยกจากปัญหาระดับโลกที่สามารถแก้ไขได้อย่างมีประสิทธิภาพ ยกตัวอย่างเช่นวิธีการและวิธีการที่รู้จักกันจะทำให้เรามีอัลกอริธึมที่มีประสิทธิภาพสำหรับพวกเขาอย่างไรและทำไม?
ตัวอย่างเช่นอาจพิจารณาปัญหาต่อไปนี้:
ขอบ precoloring ขยายกำหนดกราฟมีขอบบางสีตัดสินใจว่าสีนี้สามารถขยายไปยังที่เหมาะสม -edge ระบายสีของกราฟG
ส่วนขยายการตกตะกอนของขอบ (และตัวแปรการระบายสีขอบของรายการ) คือ NP-complete สำหรับกราฟอนุกรมขนานสองชุด [3] (กราฟดังกล่าวมีความกังวลมากที่สุด 2)
การระบายสีขอบผลรวมขั้นต่ำรับกราฟค้นหาการระบายสีขอบเช่นนั้นถ้าและมีจุดยอดทั่วไปแล้ว(e_2) วัตถุประสงค์คือเพื่อลด , ผลรวมของการระบายสี
กล่าวอีกนัยหนึ่งเราต้องกำหนดจำนวนเต็มบวกให้กับขอบของกราฟเพื่อให้ขอบที่อยู่ติดกันได้รับจำนวนเต็มที่แตกต่างกันและผลรวมของตัวเลขที่กำหนดนั้นน้อยมาก ปัญหานี้เป็นปัญหา NP-hard สำหรับต้นไม้ 2 ต้นบางส่วน [4] (เช่นกราฟของ treewidth ที่มากที่สุด 2)
ปัญหาที่ยากอื่น ๆ นั้น ได้แก่ ปัญหา path-disjoint path, ปัญหา subgraph isomorphism และปัญหา bandwidth (ดูเช่น [5] และการอ้างอิงในนั้น) สำหรับปัญหาที่ยังคงยากแม้บนต้นไม้ดูคำถามนี้