タグ付けされた質問 「graph-theory」

グラフ、エッジで接続されたノードの離散構造に関する質問。人気のフレーバーは、エッジキャパシティを持つツリーとネットワークです。

1
最も重い誘導サブグラフ問題
私はそのような組み合わせの問題に興味があります:与えられたグラフ G=(V,E)G=(V,E)G=(V, E) と重み関数 wv:V↦Rwv:V↦Rw_v: V \mapsto R、および we:E↦Rwe:E↦Rw_e: E \mapsto R我々は、A誘導される部分グラフについて求めているの和を最大化: 。G′=(V′,E′)G′=(V′,E′)G' = (V', E')GGG∑e∈E′we(e)+∑v∈V′wv(v)∑e∈E′we(e)+∑v∈V′wv(v) \sum_{e \in E'} w_e(e) + \sum_{v \in V'} w_v(v) 問題はNP-H ard(最大クリーク問題からの削減による)であるため、近似解(貪欲であっても)への提案と文献へのリンクは高く評価されます。

1
ツリー幅の2つの定義の同等性
ツリー幅: 1)和音グラフ:グラフ和音完成における最大クリーク -1のサイズ。(ω(G))(ω(G))(\omega (G))GGG 2) ツリー分解により: のツリー分解は、ツリー(は異なるノードセット上)と、各ノードに関連付けられたサブセットで構成されます。(これらのサブセットツリー分解の「断片」と呼びます。)これを時ペアと書くこともあります。ツリーTとピースのコレクションは、次の3つのプロパティを満たしている必要がありますG=(V,E)G=(V,E)G = (V , E)TTTGGGVt⊆VVt⊆VV_t ⊆ VtttTTTVtVtV_t(T,Vt:t∈T)(T,Vt:t∈T)(T , {V_t : t ∈ T }){Vt:t∈T}{Vt:t∈T}\{V_t : t ∈ T \} (ノードカバレッジ)すべてのノードは、少なくとも1つのピース属します。GGGVtVtV_t (エッジカバレッジ)は、すべてのエッジについての、いくつかの部分があるの両端を含む。eeeGGGVtVtV_teee (コヒーレンス)う及びの3つのノードであるようからの経路上にあるに。次に、ノードがと両方に属している場合、それはも属していt1,t2,t1,t2,t_1, t_2,t3t3t_3TTTt2t2t_2t1t1t_1t3t3t_3vvvGGGVt1Vt1V_{t_{1}}Vt3Vt3V_{t_{3}}Vt2Vt2V_{t_2} したがって、ツリー分解の幅を、すべてのピース(すべての)の最大サイズよりも1つ小さくなるように定義します。 (T,Vt)(T,Vt)(T , {V_t })VtVtV_ttttwidth(T,Vt)=max|Vt|−1width(T,Vt)=max|Vt|−1width (T , {V_t}) = max |V_t| − 1 主張1:グラフの和音分解における最大のクリークのサイズが場合、ツリー分解によってツリー幅が得られます。kkkkkk 証明:コードの完了グラフの最大クリークサイズがであると仮定します。したがって、(エッジカバレッジのため)クリークを含むバッグ(グラフの頂点のサブセット)が存在します。これで完了です。kkk クレーム2:ツリー分解法によってツリー幅が場合、弦の完了法によってもkkkkkk 質問:クレーム2の証明方法は?高レベルの証明を歓迎します。

1
クリークの定義の理解に問題がある
私の定義は言う クリークは、頂点のすべてのペアを接続するエッジを持つグラフです しかし、私が理解しているように、エッジは2つの頂点のみを接続します。同様。A − BA−BA-B 3つの頂点を接続する場合は、少なくとも2つのエッジが必要です。たとえば、です。A − B − CA−B−CA-B-C エッジが頂点のすべてのペアを接続する方法がわかりません。

1
最小線形配置の分岐および境界
私はこのブランチとバウンドの問題を解決しようとしていますが、コストよりも優れたおおよそのコスト関数を思い付くことができませんでした。 まあ言ってみれば GGG のグラフです んnn ノード { 1 、2 、3 、... 、N }{1,2,3,…,n}\{1, 2, 3, \ldots , n\}。順列のためにfff のノードの GGG、各エッジの重み (x 、y)(x,y)(x,y) になります | f(x )− f(y)||f(x)−f(y)||f(x)-f(y)|。総重量GGGエッジの重みの合計になります。あなたは考えることができますfff のノードの再ラベル付けとして GGG、 どこ f(x )f(x)f(x) ノードの新しいラベルです バツxx。 順列を見つけようとしています fff その結果、最小総重量は GGG。 これを解決しようとすると、私が思いつくことができるのは、これまでに完了した各エッジの重みの合計であるおおよそのコスト(バックトラックツリーノードごとに)を見つけ、最小コストノードから続行することだけです。誰かがより良い近似式で私を助けてくれるかどうか疑問に思っています。

1
二分根ツリー同型
私の木は根が張られており、すべての頂点に最大で2つの子があります。以下の質問の一部またはすべてを解決するのに役立つリファレンスが必要です。 n個の頂点を持つツリーの同型クラスはいくつありますか? 与えられた2つのツリーが同型であるかどうかを判断するための古典的なアルゴリズムは何ですか? 素敵な(計算可能な?)同型不変量はありますか? もちろん、答えは木を定義するために使用された構造に依存するかもしれませんが、構造の正しい選択は私が求めている答えの一部だと思います。

1
3つ接続するために追加するエッジの最小数の決定
グラフ GGG であると言われています 333-接続されていない場合 222-vertexカットセット(つまり、グラフを切断するには、少なくとも3つの頂点を削除する必要があります)。私の知る限り、単純なグラフが333-接続されている O (n )O(ん)O(n)時間(例:http : //www2.tu-ilmenau.de/combinatorial-optimization/Schmidt2012b.pdf)が、グラフを作成するために追加するエッジを効率的に決定するのに役立ちます333-まだ接続されていない場合は接続されます(これが効率的に実行できる場合のエッジの最小数が理想的です)。誰かがそのようなアルゴリズムを知っていますか?もしそうなら、私はリファレンスまたは2つをいただければ幸いです。

1
ヒントが必要です!KargerのアルゴリズムとKruskalのスパニングツリー分布
G =(V、E)を、n個の頂点とm個のエッジを持つ単位容量グラフとします。 TがGのすべての全域木を表すとしましょう。 Kargerのアルゴリズムを実行すると、収縮したエッジによって形成されたTのランダムスパニングツリーが得られます。このスパニングツリーの分布をD1で表します。 一方、(0,1)のランダムな重みを各エッジに割り当て、クラスカルのアルゴリズムを使用して最小全域木を計算すると、T上の別の分布D2が得られます。 分布D1とD2が同一であることを示します。 どこから始めればいいのかわかりません。ヒントは役に立ちます!


1
補数グラフで最短経路を見つける
入力として頂点を受け取るアルゴリズムを探しています sss、からの最短経路を見つける sss補数グラフ(無向)のすべての頂点に。アルゴリズムを実行する必要がありますO (V+ E)O(V+E)O(V+E) 時間、場所 EEE 元のグラフ(補数グラフではない)のエッジの数です。 もし GGG はグラフです。補数グラフは次のグラフとして定義されます。 eee元のグラフのエッジではない場合にのみ、補数グラフのエッジです。つまり、既存のエッジをすべて削除し、元のグラフから欠落していたすべてのエッジを追加します。 したがって、まず最初に、もちろん補数グラフを「構築」する(隣接リストの頂点をそこに表示されないもので置き換える)ことを考え、次に新しいリストでBFSを実行しましたが、もちろん、ランタイム元のエッジではなく、補数グラフのエッジに基づいています。 もちろん、元のグラフでBFSを実行した後、距離が sss(元のグラフで)1より大きい値は、補数グラフで1になるはずです(元のグラフで隣接していなかった場合、それらは補数グラフで隣接しているため)。しかし、距離をいつ更新するか、何を更新するかについて、特定のルールに従ってアルゴリズムを続行できませんでした。助言がありますか?

1
スペクトルグラフ理論はグラフ同型について何と言っていますか
スペクトルグラフ理論のコンテキストでグラフ同型を論じる研究や結果はありますか? スペクトルグラフ理論の2つの既知の定理は次のとおりです。 グラフの隣接行列に固有値のマルチセットが等しい場合、2つのグラフはアイソスペクトルまたはコスペクトルと呼ばれます。 ほとんどすべての木は共スペクトルです。 グラフの隣接行列の固有値は、ラベルを付け直しても変化しません(ただし、これは必要かつ十分な条件ではありません)。 さらに、グラフ同型は解決が「簡単」ですか?

1
グラフ展開とコンダクタンスの関係
グラフの展開とコンダクタンスの正確な関係について、私はかなり混乱しています。私の最初の質問は: 誰かが私にこれらの両方の概念を論じている参照を指摘することができますか?(私は関連トピックについてさまざまな講義ノートを見つけましたが、これらは拡張またはコンダクタンスのいずれかに焦点を当てているようです...) の拡大を読んだ GGG ランダムウォークの混合速度の尺度です GGG、つまり、定常分布に近づくための時間。のためにddd-一定の膨張を伴う正則グラフ。たとえば、混合時間は Θ(logn)Θ(log⁡n)\Theta(\log n)。同じことがコンダクタンスにも当てはまるようですΦ(G)Φ(G)\Phi(G)、つまり、 Φ(G)Φ(G)\Phi(G) 一定であり、次にランダムウォーク GGG も混ざります Θ(logn)Θ(log⁡n)\Theta(\log n)時間。さらに、このコンダクタンスの特性は、非正則グラフにも当てはまります。ddd-正則グラフの展開 GGG のコンダクタンスを単純に除算することで見つけることができます GGG 沿って ddd。これは次の質問をします: グラフの拡張を考慮する必要があるのはなぜですか GGG、コンダクタンスがより強力な尺度であると思われる場合(拡張を含む)?

1
サブグラフとしてを保証するために必要なエッジの数
私は与えられた問題を解決しようとしています:グラフがステップでサイズ3のクリークを持つかどうかを決定するアルゴリズムを見つけます。与えられたヒントは、そのです。これを解決するために、私は推測を思いつきました:場合、グラフにはサブグラフとしてがあります。これは、予想が正しい場合、問題を簡単に解決します。O(n2.81)O(n2.81)O(n^{2.81})2.81>log72.81>log⁡72.81 > \log 7m>nlog7m>nlog⁡7m > n^{\log 7}K3K3K_3 私は矛盾して議論しようとしています:とし、サブグラフが存在しないと仮定します。次に、3つの頂点の任意のセットについて、それらを接続する方法として正確に7つの選択肢があります。しかし、ここからどうやって進むのか悩んでいます。m>nlog7m>nlog⁡7m > n^{\log 7}K3K3K_3 誰かがこれを証明する方法を知っているか、あるいは推測が真実であるかどうか。また、推測が拡張できるかどうか、つまり場合にサブグラフが存在するかどうます。m>nlog2k−1)m>nlog⁡2k−1)m > n^{\log 2^k -1})KkKkK_k


1
フィードバックアークセットの近似アルゴリズム
有向グラフ与えられた場合、フィードバックアークセットは、その除去によって非循環グラフが残るアークのセットです。問題は、そのようなセットの最小カーディナリティを見つけることです。G=(V,A)G=(V,A)G = (V,A) 私はこの問題の周りにいくつかの近似アルゴリズムがあることを知りたいです。

1
ラムジーの定理の証明:グラフ内のクリークまたは反クリークの数
ラムジーの定理は、 nnn ノードには、少なくともクリークまたは独立したセットが含まれています 12log2n12log2⁡n\frac{1}{2}\log_2 n ノード。 いくつかの場所(Sipserを含む)で調べようとしましたが、証明から多くの意味を理解することができませんでした。誰かがこれについて証拠(または明確な直感)を提供してくれれば幸いです。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.