একটি দৃ connected়ভাবে সংযুক্ত ডিজিট্রাফ ছাঁটাই করা


10

ভারী প্রান্তগুলির সাথে দৃ a়ভাবে সংযুক্ত ডিজিট্রাফ জি দেওয়া, আমি এমন প্রান্তগুলি সনাক্ত করতে চাই যা সম্ভবত জি এর কোনও ন্যূনতম দৃ strongly়ভাবে সংযুক্ত সাবগ্রাফের (এমএসসিএস) অংশ নয় are

এই ধরণের প্রান্তগুলি সন্ধানের জন্য একটি পদ্ধতি হ'ল সংশোধিত ফ্লয়েড-ওয়ারশাল অ্যালগরিদম। ফ্লয়েড-ওয়ারশাল অ্যালগরিদম ব্যবহার করে, কেউ চিহ্নিত করতে পারে যে কোন প্রান্তটি ভার্চেক্স i থেকে j এ যাওয়ার জন্য কখনই সেরা বিকল্প নয়। এই নোডগুলি একটি এমএসসিএসের অংশ হতে পারে না কারণ তাদের দুটি বা আরও বেশি প্রান্তের সাথে প্রতিস্থাপন করা ভাল।

প্রান্তের ওজন উল্লেখযোগ্যভাবে পরিবর্তিত হয় তবে ফ্লাইড-ওয়ারশাল ছাঁটাই করার কৌশলটি বেশ ভালভাবে কাজ করে তবে প্রান্তের ওজন একই রকম তবে পরিমাণে বড় হলেও খুব খারাপ।

আপনি বড়, অনুরূপ প্রান্ত ওজন জন্য কার্যকর ছাঁটাই পদ্ধতি জানেন? এই সমস্যাটি কি আরও সাধারণ সমস্যার সমান যা আমি স্বীকার করি না? সাহিত্যে এর আগে এই ধরণের ছাঁটাই অধ্যয়ন করা হয়েছিল?


1
সমস্যা নিয়ে সাহিত্য না পড়ে আমি এই প্রশ্নের উত্তর দিতে পারি না। আপনি কি সাহিত্য নিজে পড়ার চেষ্টা করেছেন? আপনি যা পেয়েছেন তার সংক্ষিপ্ত বিবরণ দিতে পারেন?
ওয়ারেন শুডি

1
সাহিত্যের বেশিরভাগই আনুমানিক অ্যালগরিদমগুলি সন্ধানের সাথে সম্পর্কিত, যার কয়েকটি বেশ ভাল are এগুলির বেশিরভাগই ভাল ফলাফল সহ চক্র সংকোচনের মাধ্যমে পরিচালিত হয়। আমার কাছাকাছি পরিবর্তে ছাঁটাই করার জন্য সাহিত্য সন্ধান করতে আমার সমস্যা হচ্ছে, তাই আমি ভাবছি যে ছাঁটাই করা সমস্যাটি আরও সাধারণ সমস্যার একটি সাধারণীকরণ যা আমি পড়তে পারি। সাহিত্যের সাথে সম্পর্কিত সম্পর্কিত কোনও টিপস স্বাগত হবে।
নট

1
আনুষাঙ্গিক অ্যালগরিদমে কোন ফাংশনটি প্রায় অনুমান করা হচ্ছে এবং এটি ছাঁটাই থেকে কীভাবে আলাদা?
সুরেশ ভেঙ্কট

অনুমানগুলি ন্যূনতম দৃ strongly়ভাবে সংযুক্ত সাবগ্রাফের অনুমান করছে। আমি যেমন বলেছি, তারা প্রায়শই এটি করতে চক্র সংকোচনের ব্যবহার করে। চক্র সংকোচনের মাধ্যমে ছাঁটাই করার ফলে একটি অপ-অনুকূল সাবগ্রাফার ফলস্বরূপ হতে পারে (অতএব, আনুমানিক)। আমি এমন ছাঁটাই করতে চাই যে আমি গ্যারান্টি দিতে পারি যে আমি এমএসসিএসে উপস্থিত কোনও প্রান্ত ছাঁটাই করি নি।
Nate

উত্তর:


3

আমরা ধরে নিই যে প্রান্তের ওজনগুলি ইতিবাচক পূর্ণসংখ্যা। একটি নির্দেশ গ্রাফ দেওয়া জি প্রান্ত ওজন সঙ্গে, একটি প্রান্ত কল অপ্রয়োজনীয় যদি কোনো সর্বনিম্ন-ওজন subgraphs spanning দৃঢ়ভাবে সংযুক্ত অন্তর্গত নয় জি

আমরা দাবি করি যে পি = এনপি ব্যতীত, এমন কোন বহু-কালীন অ্যালগরিদম নেই যা সর্বদা একটি নির্ধারিত নির্দেশিত গ্রাফের প্রান্তের ওজন সহ একটি অপ্রয়োজনীয় প্রান্ত খুঁজে পায় যতক্ষণ না সেখানে থাকে। আরো স্পষ্ট করে:

উপপাদ্য । একটি নির্দেশ গ্রাফ দেওয়া জি প্রান্ত ওজন সঙ্গে, এটা একটি অপ্রয়োজনীয় প্রান্ত এটি দ্বারা NP-কঠিন জি বা ঘোষণা করছি যে জি একটি অপ্রয়োজনীয় প্রান্ত নেই।

প্রুফ । মূল পর্যবেক্ষণটি হ'ল যদি জি এর একটি স্বতন্ত্র ন্যূনতম ওজন-দৃ strongly়ভাবে সংযুক্ত স্প্যানিং সাবগ্রাফ থাকে, তবে আপনি একে অপরকে অপ্রয়োজনীয় প্রান্তগুলি সরিয়ে সেই অনুচ্ছেদটি গণনা করতে পারেন। অতএব, এটি দেখাতে বাকি রয়েছে যে স্বতন্ত্রতা ন্যূনতম-ওজন দৃ strongly়ভাবে সংযুক্ত স্প্যানিং সাবগ্রাফ সমস্যাটিকে সহজতর করে না, তবে এটি পরবর্তী লেমা দ্বারা প্রমাণিত। Qed

লেমা । একটি নির্দেশ গ্রাফ দেওয়া জি প্রান্ত ওজন সঙ্গে, এটা সর্বনিম্ন-ওজন অতিমাত্রায়-সংযুক্ত এর spanning subgraph ওজন গনা দ্বারা NP-কঠিন জি এমনকি অঙ্গীকার করা হয়েছে যে অধীনে জি একটি অনন্য সর্বনিম্ন-ওজন অতিমাত্রায়-সংযুক্ত subgraph spanning হয়েছে।

প্রুফ । যেমন আপনি জানেন , প্রতিশ্রুতি ব্যতীত হ্যামিলটোনীয় সার্কিট সমস্যা হ্রাস করে এনপি-হার্ড (এমনকি ইউনিট-ওজনের ক্ষেত্রেও) সমস্যা is আমরা প্রতিশ্রুতি দিয়ে সমস্যার প্রতিশ্রুতি ছাড়াই সমস্যা হ্রাস করি।

প্রান্ত ওজন সহ জি নির্দেশিত গ্রাফ হতে দিন । জি এর প্রান্তগুলি 0 , 1 ,…, এম −1 দ্বারা লেবেল করুন , যেখানে এম জি এর প্রান্তগুলির সংখ্যা । যাক W আমি প্রান্ত দেওয়া ওজন হওয়া আমি । নতুন ওজন wi = 2 m ডাব্লু i +2 i করতে দিন । তারপরে এটি যাচাই করা সহজ যে নতুন ওজন সহ জি এর একটি স্বতন্ত্র ন্যূনতম ওজন-দৃ strongly়ভাবে সংযুক্ত স্প্যানিং সাবগ্রাফ রয়েছে। সর্বনিম্ন ওজন যাচাই করাও সহজওয়াট একটি দৃঢ়ভাবে সংযুক্ত spanning subgraph এর জি মূল ওজন সঙ্গে ন্যূনতম ওজন থেকে নির্ণিত করা যেতে পারে ওয়াট 'থেকে জি নতুন ওজন সঙ্গে ওয়াট = ⌊ ওয়াট / 2' মি ⌋। Qed


2
হ্যাঁ, স্পষ্টতই, এই জাতীয় সমস্ত প্রান্তটি পাওয়া শক্তিশালী এনপি। আমি এই জাতীয় সমস্ত কিনারা খুঁজছি না, আমি এমন এক প্রান্তের সন্ধান করছি যা আপনি নির্ধারণ করতে পারেন যে বহু-কালীন সময়ে ছাঁটাই সক্ষম। উপরে বর্ণিত হিসাবে ফ্লাইড-ওয়ারশাল অ্যালগরিদমকে এরকম একটি কিনারা খুঁজে পেতে ব্যবহার করা যেতে পারে। আমি ভাবছিলাম যে বহুপদী সময়ে অপসারণযোগ্য প্রান্তগুলির একটি উপসেট সনাক্ত করার জন্য অন্য কোনও উপায় আছে কিনা।
নট
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.