タグ付けされた質問 「parameterized-complexity」

1
FPTASのすべての問題がFPTにもあるのはなぜですか?
よると、多項式時間近似スキーム上のWikipediaの記事: FPTASのすべての問題は、固定パラメーターで扱いやすくなっています。 この結果は私を驚かせます-これらのクラスは互いに完全に異なっているようです。FPTASは問題を近似するのがいかに簡単かで問題を特徴付け、FPTASはいくつかのパラメーターに対する難易度で問題を特徴付けます。残念ながら、ウィキペディア(私がこの質問をしている時点では)は、これについての引用を提供していません。 この結果の標準的な証拠はありますか?または、この接続について詳しく知るために相談できる情報源はありますか?


1
最小の最大コンポーネントを取得するためにグラフから削除する頂点を見つける
グラフ与えられた場合、k個の頂点{ v ∗ 1、… 、v ∗ k }をG=(V,E)G=(V,E)G = (V, E)見つけます。これを削除すると、最小の最大成分を持つグラフになります。 kkk{v∗1,…,v∗k}{v1∗,…,vk∗}\{v^*_1,\dots,v^*_k\} 大きなn=|V|n=|V|n = |V|そして大きいkkk問題は、(NP困難)ことは困難であるが、私は小さな値に興味がkkk(k∈{1,2,3,4}k∈{1,2,3,4}k \in \{1, 2, 3, 4\})。 以下のためにk=1k=1k = 1、私は最良の頂点を見つけることが可能だと思う{v∗1}{v1∗}\{v^*_1\}(すなわち、関節点をチェックする)グラフの単一深さ優先検索を実行することによって除去することを。 以下のためにk=2k=2k = 2、最高の頂点を見つけることも可能である{v∗1,v∗2}{v1∗,v2∗}\{v^*_1, v^*_2\}行うことにより、nnn深さ優先検索を(グラフのためにそれらのそれぞれのGi=G/{vi}Gi=G/{vi}G_i = G / \{v_i\})。同様のアプローチは、場合にも適用できますk>2k>2k > 2。 それ以上の解決策はないのでしょうか。 (関連:必ずしも列挙せずに頂点の最小数を数える)

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
パラメータ化された複雑さのカーネル
(問題の)カーネルとは何か、またそれらの用途は何かを誰かに説明できますか?私のスライドは言う: パラメータ化された問題のカーネル LLL 変容です (x,k)↦(x′,k′)(x,k)↦(x′,k′)(x,k) \mapsto (x',k') そのような: (x,k)∈L⇔(x′,k′)∈L(x,k)∈L⇔(x′,k′)∈L(x,k) \in L \Leftrightarrow (x',k') \in L |x′|≤f(k)|x′|≤f(k)|x'| \leq f(k) いくつかの機能のために fff k′≤g(k)k′≤g(k)k' \leq g(k) いくつかの機能のために ggg 変換は多項式時間で計算する必要があります。 私の質問は: これは、固定パラメータが扱いやすいという問題とどのように関連していますか? カーネルが便利な理由は何ですか? この定義はどこから来たのですか。 スライドの例は頂点カバーの例ですが、実際にはわかりません。スライドが少し短いためです。

1
DOES [1] -hardness近似硬度を暗示?
してみましょう可能パラメータ化カウンティング問題パラメータは数カウントソリューションコストであり、例えば、によってパラメータグラフで-sized頂点カバーを、。ΠΠ\Pikkkkkk が [1]完全であると仮定します(たとえば、既知の問題は、グラフで長さ単純なパスの数を数えることです)。ΠΠ\Pi#W#W\#Wkkk がハード(つまり、ない限り、問題のPTASが存在しない)であることを意味しますか?ΠΠ\PiAPXAPXAPXP=NPP=NPP=NP 他の一般的なパラメーター化とは対照的に、解のコストであるパラメーターについて説明する場合は、近似硬度について説明すること(たとえば、この質問を参照)に注意してください。

1
入力(たとえば、変数の数)が固定されている場合、多項式時間で解けるNP完全問題?
NP困難であるが、固定次元で多項的に解決できるいくつかの問題を見てきました。 例としては、アイテムの数が固定されている場合に多項式で時間を解けるナップザックと、レンズトラによる固定数の変数または制約による整数線形計画法が結果として得られると思います。 質問: 次元が固定されている場合に多項式時間解決可能になるNPハード問題の他の例は何ですか? これが当てはまらない問題はありますか? これは、ナップザックなどのFPTAS /疑似多項式時間アルゴリズムを認める問題の場合に常に当てはまりますか?
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.