In a directed graph $D$ on vertex set $v_1,\dots ,v_n$, a \emph{forward arc} is an arc $v_iv_j$ where $i<j$. A pair $v_i,v_j$ is \emph{forward connected} if there is a directed path from $v_i$ to $v_j$ consisting of forward arcs. In the {\tt Forward Connected Pairs Problem} ({\tt FCPP}), the input is a strongly connected digraph $D$, and the output is the maximum number of forward connected pairs in some vertex enumeration of $D$. We show that {\tt FCPP} is in APX, as one can efficiently enumerate the vertices of $D$ in order to achieve a quadratic number of forward connected pairs. For this, we construct a linear size balanced bi-tree $T$ (an out-tree and an in-tree with same size which roots are identified). The existence of such a $T$ was left as an open problem motivated by the study of temporal paths in temporal networks. More precisely, $T$ can be constructed in quadratic time (in the number of vertices) and has size at least $n/3$. The algorithm involves a particular depth-first search tree (Left-DFS) of independent interest, and shows that every strongly connected directed graph has a balanced separator which is a circuit. Remarkably, in the request version {\tt RFCPP} of {\tt FCPP}, where the input is a strong digraph $D$ and a set of requests $R$ consisting of pairs $\{x_i,y_i\}$, there is no constant $c>0$ such that one can always find an enumeration realizing $c.|R|$ forward connected pairs $\{x_i,y_i\}$ (in either direction).


翻译:本文考虑了一个有向图D中的前向弧的问题,其中前向弧是一个$v_iv_j$的弧,其中$i<j$。一对$v_i,v_j$是前向连接的,如果存在$v_i$到$v_j$的有向路径,该路径包含前向弧。在Forward Connected Pairs Problem(FCPP)中,输入是一个强连通有向图D,输出是D的某个顶点枚举中前向连接对的最大数量。我们证明了FCPP处于APX,因为可以有效地枚举D的顶点以达到前向连接对的二次数量。为此,我们构造了一个线性大小的平衡双树T(一个带大小的出树和一个带大小相同的入树,它们的根被识别为相同的节点)。这种T的存在留给了一个开放问题,其目的是研究时间网络中的时间路径。更准确地说,T可以在二次时间内(顶点数量)构造,并且大小至少为$n/3$。该算法涉及一种特定的深度优先搜索树(Left-DFS),具有独立的兴趣,并且表明每个强连通有向图都有一个平衡分离器是电路。值得注意的是,在RFCCP的REQUEST版本中,其中输入是一个强有向图D和一组请求R,由对{$x_i,y_i$}组成,在任一方向上,在枚举实现$c·|R|$个前向连接对{$x_i,y_i$}时,没有常数$c>0$。

0
下载
关闭预览

相关内容

有向图模型又称为贝叶斯网络,属于概率图模型中的一类。
专知会员服务
12+阅读 · 2021年10月12日
专知会员服务
42+阅读 · 2020年7月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
GNN 新基准!Long Range Graph Benchmark
图与推荐
0+阅读 · 2022年10月18日
一文带你浏览Graph Transformers
PaperWeekly
1+阅读 · 2022年7月8日
PyG实战图分类
图与推荐
16+阅读 · 2021年12月1日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
一文带你读懂 DeconvNet 上采样层(语义分割)
AI研习社
26+阅读 · 2019年3月16日
单位圆与三角函数
遇见数学
14+阅读 · 2019年1月22日
博客 | CIFAR10 数据预处理
AI研习社
11+阅读 · 2018年10月12日
比xgboost强大的LightGBM:调参指南(带贝叶斯优化代码)
数据挖掘入门与实战
23+阅读 · 2018年4月9日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月24日
Arxiv
15+阅读 · 2020年2月5日
VIP会员
相关VIP内容
专知会员服务
12+阅读 · 2021年10月12日
专知会员服务
42+阅读 · 2020年7月7日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
相关资讯
GNN 新基准!Long Range Graph Benchmark
图与推荐
0+阅读 · 2022年10月18日
一文带你浏览Graph Transformers
PaperWeekly
1+阅读 · 2022年7月8日
PyG实战图分类
图与推荐
16+阅读 · 2021年12月1日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
一文带你读懂 DeconvNet 上采样层(语义分割)
AI研习社
26+阅读 · 2019年3月16日
单位圆与三角函数
遇见数学
14+阅读 · 2019年1月22日
博客 | CIFAR10 数据预处理
AI研习社
11+阅读 · 2018年10月12日
比xgboost强大的LightGBM:调参指南(带贝叶斯优化代码)
数据挖掘入门与实战
23+阅读 · 2018年4月9日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员