计算机科学 > 离散数学
[提交于 2025年8月5日
]
标题: 时间探索随机生成树模型
标题: Temporal Exploration of Random Spanning Tree Models
摘要: 时间图探索问题(TEXP)以一个时间图作为输入,即同一顶点集上的图序列$(G_i)_{i\in \mathbb{N}}$,并要求一条最短长度的行走,该行走访问所有顶点,其中$i$-第步使用来自$G_i$的边。 如果每个这样的$G_i$都是连通的,那么存在长度为$n^2$的探索,并且已知这是常数因子下的最佳可能。 对于受限的时间图类,已经获得了更精细的下界和上界,然而,对于几个基本类,已知界限之间仍然存在很大差距,并且尚不清楚时间图的哪些属性使其难以探索。 鉴于对此问题理解有限以及时间图探索问题在时间图理论中的核心作用,我们在随机设置中研究该问题。 我们引入了随机生成树(RST)模型,该模型由一组$n$顶点的树以及该集合上的任意概率分布$\mu$组成。 由RST模型生成的随机时间图是从$\mu$中独立采样的序列。我们开始对这种随机时间图中的时序图探索问题进行系统研究,并建立了探索时间的紧密一般性界限。我们的第一个主要结果证明,任何RST模型都可以以高概率(w.h.p.)在$O(n^{3/2})$时间内被探索,并且我们证明这个界限在常数因子范围内是紧的。这展示了对抗设置和随机设置之间的根本差异。我们的第二个主要结果表明,如果RST的所有树都是具有$m$条边的固定图的子图,那么它可以在$O(m)$时间内被探索。
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.