คำถามติดแท็ก graph-theory

ทฤษฎีกราฟเป็นการศึกษากราฟโครงสร้างทางคณิตศาสตร์ที่ใช้ในการสร้างแบบจำลองความสัมพันธ์แบบคู่ระหว่างวัตถุ

1
การสลายตัวของกราฟสำหรับการรวมฟังก์ชั่น "ท้องถิ่น" ของการติดฉลากจุดสุดยอด
∑x∏ij∈Ef(xi,xj)∑x∏ij∈Ef(xi,xj)\sum_x \prod_{ij \in E} f(x_i,x_j)maxx∏ij∈Ef(xi,xj)maxx∏ij∈Ef(xi,xj)\max_x \prod_{ij \in E} f(x_i,x_j) เมื่อมีการใช้ค่าสูงสุดหรือผลรวมเหนือการติดฉลากทั้งหมดของผลิตภัณฑ์จะถูกยึดเหนือขอบทั้งหมดสำหรับกราฟและเป็นฟังก์ชันโดยพลการ ปริมาณนี้หาได้ง่ายสำหรับกราฟความกว้างของต้นไม้ที่ถูกล้อมรอบและโดยทั่วไป NP-hard สำหรับกราฟระนาบ จำนวนสีที่เหมาะสมชุดอิสระสูงสุดและจำนวนกราฟย่อย Eulerian เป็นกรณีพิเศษของปัญหาข้างต้น ฉันสนใจแผนการประมาณเวลาพหุนามสำหรับปัญหาประเภทนี้โดยเฉพาะอย่างยิ่งสำหรับกราฟระนาบ กราฟย่อยสลายแบบใดที่มีประโยชน์VVVEEEG={V,E}G={V,E}G=\{V,E\}fff แก้ไข 11/1 : เป็นตัวอย่างฉันสงสัยเกี่ยวกับการย่อยสลายที่อาจคล้ายกับการขยายกลุ่มของฟิสิกส์เชิงสถิติ (เช่นการขยายเมเยอร์) เมื่อfffแสดงถึงการตอบโต้ที่อ่อนแอการขยายการบรรจบกันซึ่งหมายความว่าคุณสามารถบรรลุความแม่นยำที่กำหนดด้วยเงื่อนไขการขยายตัวkkkโดยไม่คำนึงถึงขนาดของกราฟ สิ่งนี้จะไม่แสดงถึงการมีอยู่ของ PTAS สำหรับปริมาณหรือไม่? อัปเดต 02/11/2011 การขยายตัวที่อุณหภูมิสูงเขียนฟังก์ชันพาร์ติชันZZZเป็นผลรวมของคำที่เงื่อนไขการสั่งซื้อที่สูงขึ้นนั้นขึ้นอยู่กับการโต้ตอบคำสั่งที่สูงขึ้น เมื่อ "correlations ผุ" คำสั่งซื้อที่สูงจะสลายตัวเร็วพอที่มวลของZเกือบทั้งหมดZZZจะถูกบรรจุในจำนวน จำกัด ของคำที่มีลำดับต่ำ สำหรับอินสแตนซ์สำหรับ Ising model ให้พิจารณานิพจน์ต่อไปนี้ของฟังก์ชันพาร์ติชัน Z=∑x∈XexpJ∑ij∈Exixj=c∑A∈C(tanhJ)|A|Z=∑x∈Xexp⁡J∑ij∈Exixj=c∑A∈C(tanh⁡J)|A|Z=\sum_\mathbf{x\in \mathcal{X}} \exp J \sum_{ij \in E} x_i x_j = …

6
คุณสมบัติระดับโลกของชั้นเรียนทางพันธุกรรม?
คลาสของโครงสร้างทางพันธุกรรม (เช่นกราฟ) เป็นสิ่งที่ถูกปิดภายใต้โครงสร้างย่อยที่เหนี่ยวนำหรือปิดอย่างเท่าเทียมกันภายใต้การกำจัดจุดสุดยอด คลาสของกราฟที่ยกเว้นผู้เยาว์มีคุณสมบัติที่ดีที่ไม่ขึ้นอยู่กับผู้เยาว์ที่ยกเว้น Martin Grohe แสดงให้เห็นว่าสำหรับคลาสกราฟที่ยกเว้นผู้เยาว์มีอัลกอริทึมพหุนามสำหรับ isomorphism และตรรกะจุดคงที่ที่มีการนับจับเวลาพหุนามสำหรับคลาสกราฟเหล่านี้ (Grohe การ กำหนดจุดคงที่และเวลาพหุนามบนกราฟที่มีผู้เยาว์ที่ไม่รวม LICS, 2010) สิ่งเหล่านี้ถือได้ว่าเป็นคุณสมบัติ "ทั่วโลก" มีคุณสมบัติ "ทั่วโลก" ที่คล้ายกันซึ่งเป็นที่รู้จักกันในชั้นเรียนทางพันธุกรรม (กราฟหรือโครงสร้างทั่วไปมากขึ้น)? มันจะเป็นการดีถ้าเห็นคำตอบแต่ละข้อเน้นไปที่คุณสมบัติเฉพาะอย่างใดอย่างหนึ่งเท่านั้น

1
การปิดสกรรมกริยาออนไลน์ดีกว่า O (N ^ 2) ต่อการเพิ่มขอบ
ฉันกำลังมองหาอัลกอริทึมออนไลน์เพื่อรักษาการปิด transitive ของกราฟ acyclic กำกับด้วยความซับซ้อนเวลาน้อยกว่า O (N ^ 2) ต่อการเพิ่มขอบ อัลกอริทึมปัจจุบันของฉันเป็นเช่นนี้: For every new edge u->v connect all nodes in Pred(u) \cup { u } with all nodes in Succ(v) \ \cup { v }. สำหรับ O (n ^ 2) ขอบแปลนี้ในเวลาซับซ้อนรวมของ O (n ^ 4) ซึ่งมากยิ่งกว่าตัวอย่างเช่นฟลอยด์-Warshall

3
Subgraph isomorphism กับต้นไม้
หากเรามีกราฟขนาดใหญ่ (กำกับ) และต้นไม้ที่ถูกรูทเล็ก ๆHความซับซ้อนที่รู้จักกันดีที่สุดสำหรับการค้นหากราฟย่อยของG isomorphic ถึงHคืออะไร? ฉันรับรู้ถึงผลลัพธ์ของมอร์ฟิซึ่มส์ทรีที่ทั้งGและHเป็นต้นไม้และที่Gคือภาพถ่ายหรือมีขอบเขต treewidth (และอื่น ๆ ) แต่ไม่ใช่สำหรับกราฟและต้นไม้นี้ GGGHHHGGGHHHGGGHHHGGG

2
เพิ่มการจับคู่ให้กับเส้นทาง Hamiltonian เพื่อลดระยะห่างสูงสุดระหว่างคู่ยอดที่กำหนด
ความซับซ้อนของปัญหาต่อไปนี้คืออะไร? อินพุต : K nHHHเส้นทางแฮมิลตันในKnKnK_n R⊆[n]2R⊆[n]2R \subseteq [n]^2เซตย่อยของคู่ยอด จำนวนเต็มบวกkkk คำค้นหา : มีการจับคู่ MMMเช่นนั้นสำหรับทุก ๆ(v,u)∈R(v,u)∈R(v,u) \in R , dG(v,u)≤kdG(v,u)≤kd_G(v,u) \leq k ? (โดยที่G=([n],M∪H)G=([n],M∪H)G = ([n], M\cup H) ) ฉันได้คุยกับเพื่อนเกี่ยวกับปัญหานี้ เพื่อนของฉันคิดว่าปัญหาอยู่ในเวลาพหุนาม ฉันคิดว่ามันเป็นปัญหาที่สมบูรณ์

1
มันแพงแค่ไหนที่จะทำลายเส้นทางยาวทั้งหมดใน DAG?
เราพิจารณา DABs ความ (กำกับกราฟวัฏจักร) กับหนึ่งโหนดแหล่งsssและเป้าหมายหนึ่งโหนดทีtt ; อนุญาตให้ใช้ขอบขนานที่มีจุดยอดคู่เดียวกัน kkk - ตัดเป็นชุดของขอบที่มีการกำจัดทำลายทั้งหมดsss - เสื้อttเส้นทางนานกว่าkkk ; เส้นทางsss - t ที่สั้นกว่าttรวมถึงเส้นทาง "ภายใน" ที่ยาว (ซึ่งไม่ใช่ระหว่างsssและttt ) อาจอยู่รอดได้! คำถาม: มันพอที่จะลบที่มากที่สุดประมาณ1 / k1/k1/kส่วนหนึ่งของขอบจาก DAG เพื่อที่จะทำลายทุกsss - เสื้อttเส้นทางนานกว่าkkk ? นั่นคือถ้าe ( G )e(G)e(G)แสดงถึงจำนวนทั้งหมดของขอบในGGGดังนั้น DAG GทุกตัวGGจะมีkkk -cut ที่มีขอบe ( G ) / kมากที่สุดe(G)/ke(G)/kหรือไม่? สองตัวอย่าง: หากทั้งหมด sss - เสื้อttเส้นทางที่มีความยาว> k>k> …

4
กราฟอนันต์ของ diagonals มีองค์ประกอบอนันต์หรือไม่?
สมมติว่าเราเชื่อมต่อจุดV=Z2V=Z2V = \mathbb{Z}^2โดยใช้ชุดของขอบที่ไม่ได้บอกทิศทางEEEซึ่งทั้ง(i,j)(ผม,J)(i, j)เชื่อมต่อกับ(i+1,j+1)(ผม+1,J+1)(i + 1, j + 1)หรือ(i+1,j)(i+1,j)(i + 1, j)เชื่อมต่อกับ(i,j+1)(i,j+1)(i, j + 1) , อิสระและสม่ำเสมอที่สุ่มทั้งหมดของi,ji,ji, j J (ได้รับแรงบันดาลใจจากชื่อและปกของหนังสือเล่มนี้) ความน่าจะเป็นที่กราฟนี้มีองค์ประกอบที่เชื่อมต่อขนาดใหญ่ไม่สิ้นสุดคืออะไร ในทำนองเดียวกันให้พิจารณาซึ่งเป็นส่วนประกอบของการฝังภาพถ่ายในระนาบ ความน่าจะเป็นที่ส่วนประกอบนั้นมีส่วนประกอบที่เชื่อมต่อไม่สิ้นสุดคืออะไร?R2∖GR2∖G\mathbb{R}^2 \setminus G เห็นได้ชัดว่าถ้าเส้นทแยงมุมชี้ไปในทางเดียวกันทั้งกราฟและส่วนประกอบนั้นมีองค์ประกอบไม่สิ้นสุด กราฟสุ่มที่มีลักษณะเหมือนกันของด้านบนล่ะ?

1
ปัญหาเส้นทางยาวที่สุดง่ายกว่าปัญหาเส้นทางยาวที่สุดหรือไม่
ปัญหาเส้นทางที่ยาวที่สุดคือ NP-hard หลักฐาน (ทั่วไป?) อาศัยการลดปัญหาเส้นทางมิลโตเนียน (ซึ่งเป็นปัญหาที่สมบูรณ์) โปรดทราบว่าที่นี่เส้นทางจะได้รับการ (โหนด -) ง่าย นั่นคือจุดสุดยอดไม่สามารถเกิดขึ้นได้มากกว่าหนึ่งครั้งในเส้นทาง เห็นได้ชัดว่ามันจึงเป็นเรื่องง่ายที่ขอบ (ไม่มีขอบเกิดขึ้นมากกว่าหนึ่งครั้งในเส้นทาง) แล้วถ้าเราทิ้งข้อกำหนดในการหาเส้นทางแบบง่าย ๆ (โหนด -) และติดกับการค้นหาเส้นทางแบบขอบง่ายๆ เมื่อมองดูตั้งแต่แรกการค้นหาเส้นทาง Eulerian นั้นง่ายกว่าการค้นหาเส้นทาง Hamiltonian บางคนอาจมีความหวังว่าการค้นหาเส้นทางที่ยาวที่สุดจะง่ายกว่าการค้นหาเส้นทางที่ยาวที่สุด อย่างไรก็ตามฉันไม่พบการอ้างอิงใด ๆ ที่พิสูจน์สิ่งนี้นับประสาที่มีอัลกอริทึม โปรดทราบว่าฉันตระหนักถึงข้อโต้แย้งที่เกิดขึ้นที่นี่: /programming/8368547/how-to-find-the-longest-heaviest-trail-in-an-undirected-weighted-graph อย่างไรก็ตามอาร์กิวเมนต์ ดูเหมือนว่ามีข้อบกพร่องในรูปแบบปัจจุบันเนื่องจากแสดงให้เห็นว่าคุณสามารถแก้ปัญหากรณีขอบง่าย ๆ ได้โดยแก้ไขกรณีโหนดง่าย ๆ บนกราฟอื่น (ดังนั้นการลดลงจึงเป็นวิธีที่ผิด) ไม่ชัดเจนว่าการลดสามารถเปลี่ยนไปทำงานได้อย่างง่ายดายเช่นกัน (ถึงกระนั้นก็แสดงให้เห็นว่าอย่างน้อยที่สุดปัญหาเส้นทางที่ยาวที่สุดไม่ได้ยากกว่าปัญหาเส้นทางที่ยาวที่สุด) ดังนั้นมีผลลัพธ์ใด ๆ ที่รู้จักกันในการค้นหาเส้นทางที่ยาวที่สุด ความซับซ้อน (คลาส) อัลกอริทึม (มีประสิทธิภาพ) หรือไม่

4
eta-equence สำหรับฟังก์ชั่นที่ใช้งานร่วมกันได้กับการทำงาน seq ของ Haskell หรือไม่?
แทรก: สมมติว่า (\x -> ⊥) = ⊥ :: A -> BETA-เท่าเทียมเรามี พิสูจน์: ⊥ = (\x -> ⊥ x)โดยกทพ. เทียบเท่าและ(\x -> ⊥ x) = (\x -> ⊥)โดยการลดภายใต้แลมบ์ดา รายงาน Haskell 2010 ส่วน 6.2 ระบุseqฟังก์ชันด้วยสองสมการ: seq :: a -> b -> b seq ⊥ b = ⊥ seq ab = b, ถ้า a …

1
การแลกเปลี่ยนพื้นที่โดยประมาณ
ในกระดาษของพวกเขาประมาณระยะทาง Oracles , Thorup และ Zwick แสดงให้เห็นว่าสำหรับกราฟที่ไม่ได้กำหนดทิศทางใด ๆ มันเป็นไปได้ที่จะสร้างโครงสร้างข้อมูลขนาดที่สามารถคืนค่า( 2 k - 1 ) -approximate ระยะห่างระหว่างจุดยอดคู่ใด ๆ ในกราฟO ( k n1 + 1 / k)O(kn1+1/k)O(k n^{1+1/k})( 2 k - 1 )(2k-1)(2k-1) ในระดับพื้นฐานการก่อสร้างนี้ประสบความสำเร็จในการแลกเปลี่ยนพื้นที่ประมาณหนึ่งสามารถลดความต้องการพื้นที่ที่ค่าใช้จ่ายของ "คุณภาพ" ที่ต่ำกว่าของการแก้ปัญหา ปัญหากราฟอื่น ๆ ที่แสดงการแลกเปลี่ยนระหว่างพื้นที่และการประมาณ? ฉันสนใจในกรณีของกราฟทั้งแบบคงที่และแบบไดนามิกถ่วงน้ำหนักและไม่ถ่วงน้ำหนักไม่ระบุทิศทางและกำกับ ขอบคุณ

2
แนวทางในการรับแรงบันดาลใจจากปัญหาปม
ปัญหาGIและปมทั้งคู่เป็นปัญหาในการตัดสินใจความสมดุลเชิงโครงสร้างของวัตถุทางคณิตศาสตร์ มีผลลัพธ์ใดที่สร้างความเชื่อมโยงระหว่างพวกเขาหรือไม่? การเชื่อมต่อที่ดีของปัญหาปมกับฟิสิกส์เชิงสถิติได้รับการสำรวจผ่านชื่อพหุนามโบว์ซึ่งมีผลลัพธ์ที่คล้ายกันสำหรับหรือไม่?G ฉันGผมGI มันจะมีประโยชน์โดยเฉพาะอย่างยิ่งที่จะทราบว่ามีผลมาตรฐาน / คำเตือน / คำแนะนำ / ความคิดเห็นก่อนที่จะเริ่มมองหาแรงบันดาลใจจากปัญหาปม อันที่จริงฉันสงสัยว่ามันแนะนำให้สำรวจในทิศทางนี้สำหรับวิทยานิพนธ์ปริญญาโทของฉัน ฉันสนใจวิธีการควอนตัม / คลาสสิกสำหรับปัญหาและพีชคณิต ข้อเสนอแนะอื่น ๆ ยินดีต้อนรับG ฉันGผมGIG ฉันGผมGI

2
พารามิเตอร์กราฟอาจเกี่ยวข้องกับความน่าเชื่อถือ
ฉันสนใจในกราฟnnnจุดซึ่งสามารถผลิตได้ผ่านขั้นตอนดังต่อไปนี้ เริ่มต้นด้วยกราฟโดยพลการบนจุดยอด ป้ายจุดทั้งหมดที่อยู่ในเป็นที่ไม่ได้ใช้k ≤ n GGGGk≤nk≤nk\le nGGG ผลิตกราฟใหม่โดยการเพิ่มยอดใหม่ซึ่งมีการเชื่อมต่อหนึ่งหรือมากกว่าหนึ่ง ที่ไม่ได้ใช้จุดในและไม่ได้เชื่อมต่อใด ๆที่ใช้จุดในGป้ายเป็นที่ไม่ได้ใช้ v G G vG′G′G'vvvGGGGGGvvv หนึ่งในฉลากของจุดในที่มีการเชื่อมต่อเป็นสินค้า vG′G′G'vvv ตั้งค่าเป็นและทำซ้ำตั้งแต่ขั้นตอนที่ 2 จนกระทั่งมีจุดยอดG ′ G nGGGG′G′G'GGGnnn เรียกกราฟเช่นนี้ว่า "กราฟของความซับซ้อน " (ขอโทษสำหรับคำศัพท์ที่คลุมเครือ) ตัวอย่างเช่นถ้าเป็นกราฟของความซับซ้อน 1คือเส้นทางG GkkkGGGGGG ฉันอยากจะรู้ว่ากระบวนการนี้ได้รับการศึกษามาก่อนหรือไม่ โดยเฉพาะอย่างยิ่งสำหรับพล , มันเป็น NP-สมบูรณ์เพื่อตรวจสอบว่ามีความซับซ้อนกราฟ ?kkkkkkk ปัญหานี้จะปรากฏค่อนข้างคล้ายกับคำถามที่ว่าเป็นบางส่วน -treeคือมีtreewidth kเป็นที่ทราบกันดีว่าการพิจารณาว่ามี treewidthเป็น NP-complete หรือไม่ อย่างไรก็ตามกราฟบางอย่าง (ดาวเป็นต้น) อาจมีความกังวลน้อยกว่าการวัดความซับซ้อนที่กล่าวถึงที่นี่k k G kGGGkkk kkkGGGkkk 4 ตุลาคม …


1
ตีรอบแปลก
มีอะไรที่รู้เกี่ยวกับปัญหาต่อไปนี้บ้าง มันสมเหตุสมผลหรือไม่ มันเรียกว่าอะไร? มันเทียบเท่ากับปัญหาอื่น ๆ เล็กน้อยหรือไม่? ความซับซ้อนของเวลาคืออะไร? รับกราฟที่ไม่ได้บอกทิศทาง (ทั่วไป / ระนาบ / ขอบเขตล้อมรอบ / องศา ฯลฯ ) G = (V, E) ค้นหาส่วนย่อยสูงสุดของขอบ E 'เช่น G' = (V, E-E ') เชื่อมต่อและสำหรับ edge e ทั้งหมดใน E 'มีวงจรความยาวคี่ใน G ประกอบด้วย e, ที่ไม่มี edge อื่นใน E' (ฉันพิจารณาวงจรที่เรียบง่ายเท่านั้นคือไม่มีจุดสุดยอดปรากฏขึ้นสองครั้ง) ดูเหมือนว่าจะคล้ายกับ bipartization แต่ผลลัพธ์ที่ฉันได้เห็นมีจำนวนจุดยอด / ขอบต่ำสุดที่ต้องลบออกในขณะที่ฉันต้องการจำนวนสูงสุดของขอบที่สามารถลบออกได้ ตัวอย่างเช่นกราฟต่อไปนี้: * …

1
ความนำไฟฟ้าและเส้นผ่านศูนย์กลางในกราฟปกติ
G=(V,E)G=(V,E)G=(V,E)minS⊂V e(S,Sc)min(|S|,|Sc|),minS⊂V e(S,Sc)min(|S|,|Sc|),\min_{S \subset V} ~\frac{e(S,S^c)}{\min(|S|,|S^c|)},e(S,Sc)e(S,Sc)e(S,S^c)SSSScScS^c เพิ่มเติมรูปธรรมคิดว่าฉันรู้ว่ามีขนาดเส้นผ่าศูนย์กลางไม่น้อยกว่า D สิ่งนี้บอกอะไรฉันเกี่ยวกับสื่อกระแสไฟฟ้าถ้ามีอะไร และตรงกันข้ามสมมติว่าฉันรู้ว่าสื่อกระแสไฟฟ้าอยู่ที่ส่วนใหญ่ (หรืออย่างน้อย) \สิ่งนี้บอกอะไรฉันเกี่ยวกับเส้นผ่านศูนย์กลาง (ถ้ามี)?DDDαα\alpha

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.