计算机科学 > 数据结构与算法
[提交于 2024年12月30日
(v1)
,最后修订 2025年7月7日 (此版本, v3)]
标题: 诱导小图模型。 II. 诱导小图的多项式时间检测的充分条件
标题: Induced Minor Models. II. Sufficient conditions for polynomial-time detection of induced minors
摘要: $H$诱导的小图包含问题 ($H$-IMC) 是确定一个固定图$H$是否是作为输入给出的图$G$的诱导小图,即,是否可以从$G$通过删除顶点和收缩边得到$H$。 等价地,这个问题询问是否在$G$中存在$H$的诱导极小模型,即$G$的顶点不相交子集的集合,每个子集都诱导出一个连通子图,使得将每个子图收缩为一个顶点后得到$H$。已知对于某些图$H$,$H$-IMC 是 NP 完全的,即使$H$是一棵树。 在本工作中,我们研究$H$的哪些性质保证存在一个可以利用其结构在多项式时间内求解问题的诱导小图模型。 这使我们能够识别出四个无限图族$H$,它们具有这样的性质。 此外,我们证明如果输入图$G$排除了长的诱导路径,那么对于任何固定的图$H$,$H$-IMC在多项式时间内是可解的。 作为我们结果的副产品,这表明对于所有最多含有$5$个顶点的图$H$,$H$-IMC 是多项式时间可解的,除了三个开放案例。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.