稀疏继承图难解问题的核心化研究

来源 :中南大学 | 被引量 : 2次 | 上传用户:lion20003
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
稀疏继承图(Sparse-Hereditary Graphs)是一种重要的图类,包含了诸如d-degenerate图,荫度有界图(Graphs with BondedAriboricity),度有界图(Bounded-Degree Graphs),亏格有界图(Graphswith Bounded Genus)、平面图等一系列有重要理论及实际研究价值的图类。本文主要研究稀疏度小于3的稀疏继承图难解问题的核心化。   首先,本文通过分析低度点与问题解空间性质的关系以及稀疏继承图的组合结构性质,对低度点制约的覆盖问题的核心化进行了深入研究,证明了该类问题存在O(f(k)2)大小的核,其中f(k)是与问题解相关的一个点规模函数。此外,通过得到的低度点制约覆盖问题核心化的结论,提出了设计稀疏继承图难解问题核心化的基于低度点的核心化方法。以提出的低度点核心化方法为指导,本文对稀疏继承图连通点覆盖、树覆盖、巡游覆盖、边支配集问题进行了深入研究。   连通点覆盖是本文具体研究的第一个问题。通过分析问题解实例与低度点的关系,得到了若干有用的局部组合结构性质,基于得到的性质设计了若干处理低度点的预处理规则,并得到稀疏继承图连通点覆盖问题大小为(6-α)k/(3-α)的核,其中1<α<3为稀疏继承图的稀疏度,这是该问题的首个核心化结果。此外,本文通过研究亏格有界图的结构性质,得到了亏格有界图连通点覆盖问题大小为4(k+g)的核,特别地,当g=0时,得到平面图连通点覆盖问题大小为4k的核,改进了目前最好的结果14k。   针对树覆盖,巡游覆盖问题,通过分析低度点与解空间的关系,设计了两条预处理规则。基于得到的预处理规则将稀疏继承图树覆盖与巡游覆盖问题转化为低度点制约的覆盖问题,并得到稀疏继承图树覆盖和巡游覆盖问题大小为O(k3)的核,这是该问题的首个核心化结果。此外,研究了亏格有界图树覆盖和巡游覆盖问题的核心化,得到这两个问题大小为3k2的核,是该问题首个核心化结果。   针对边支配集问题,通过分析低度点与解空间的关系,设计了三条预处理规则,得到了稀疏继承图边支配集问题大小为O(k2)的核,这是该问题的首个核心化结果。此外对亏格有界图边支配集问题的核心化进行了研究,得到该问题大小为12k+10g的核,特别地,当g=0时,得到平面图边支配集问题大小为12k的核,改进了目前最好的结果28k。   本文进一步推广了低度点核心化方法的思想。研究了平面图点不相交三角形包装问题的核心化,通过分析问题的组合结构性质与“伪”低度点的关系,设计了若干高效的核心化规则,并基于极大解的性质提出了核心化算法Pro-PVDTP。证明了该核心化算法可以在多项式时间内得到平面图点不相交三角形包装问题大小为63k的核,改进了目前最好的结果624k。   本文最后对稀疏继承图难解问题的核心化的研究工作进行了总结,并阐述了未来进一步的研究计划。
其他文献
图像分割技术在图像处理领域一直以来都得到了广大研究人员的关注,它是从图像处理到图像分析过程中的一个关键环节,图像分割的质量直接影响到后期对图像分析的结果。传统的图
随着科学技术的发展,检测技术已经成为一种关系经济发展和科技进步的关键技术。同时,现代科学技术的迅速发展也为检测技术与检测工具的创新提供了强大的推力,特别是计算机技
VoIPoverWLAN即VoWLAN,是一种基于无线局域网(WLAN)的VoIP应用。VoIP和WLAN技术均是处于蓬勃发展中的热门网络技术。VoIP具有低成本和高通话质量的特点,WLAN具有可移动性、低
资源共享是人类追求已久的美好理想。随着信息化的不断推进,用户构建了大量的数据库,存储了丰富的信息资源。在企业信息化过程中,大多数用户采取的是“需要一个、建设一个”
21世纪是信息的时代,信息已成为一种重要的战略资源,是一个国家综合国力的重要组成部分。随着计算机科学技术的快速发展,信息的安全和保护在各种应用中已显得越来越重要。文
矢量场可视化是科学计算可视化研究领域中具有挑战性的研究课题之一,具有广泛的应用领域。生活中大规模的矢量数据被转换为图形、图像,把矢量数据直观形象的表达出来,方便人
随着网络业务的增多,某些交换节点经常发生拥塞,造成分组丢失和时延过大。这些现象引起了人们对网络服务质量QoS(Quality ofService)的关注。   本文对网络服务质量进行了
随着互联网技术的飞速发展,网络已经成为网民信息分享和交流的公共平台。视频作为声音、图像和文字等信息的载体,成为广大网络用户喜爱的交流媒介。随着网络视频的海量增长,
IB方法是一种基于信息论的数据分析方法,其将数据模式分析视为一个数据压缩的过程。若给定源变量与相关变量的联合概率分布,IB方法在对源变量进行压缩的同时,可使得压缩变量
随着数据采集和处理技术的发展,不确定性数据逐渐受到关注。在许多实际应用中,由于复杂的外界因素影响,造成所采集数据的随机性、不完整性和不确定性,但其能更真实地反映现实