We consider homomorphisms of signed graphs from a computational perspective. In particular, we study the list homomorphism problem seeking a homomorphism of an input signed graph $(G,\sigma)$, equipped with lists $L(v) \subseteq V(H), v \in V(G)$, of allowed images, to a fixed target signed graph $(H,\pi)$. The complexity of the similar homomorphism problem without lists (corresponding to all lists being $L(v)=V(H)$) has been previously classified by Brewster and Siggers, but the list version remains open and appears difficult. We illustrate this difficulty by classifying the complexity of the problem when $H$ is a tree (with possible loops). The tools we develop will be useful for classifications of other classes of signed graphs, and we illustrate this by classifying the complexity of irreflexive signed graphs in which the unicoloured edges form some simple structures, namely paths or cycles. The structure of the signed graphs in the polynomial cases is interesting, suggesting they may constitute a nice class of signed graphs analogous to the so-called bi-arc graphs (which characterized the polynomial cases of list homomorphisms to unsigned graphs).


翻译:我们从计算角度来考虑签名图形的同质性。 特别是, 我们研究列表同质性问题, 寻求输入签名的图形$( G,\\ sigma) 的同质性, 配有允许图像列表$L( v)\ subseteq V( H), v\ in V( G)$, 配有允许图像的列表 $L (v)\ subseteq V( H), 配有固定目标签名的图形$( H,\ pi) $ 。 类似的同质性问题的复杂性没有列表( 对应所有列表为$L( v) = V( H) $), 之前由 Brewster 和 Siggers 进行分类, 但列表版本仍然打开并看起来很困难 。 当$H 是树时, 我们通过对问题的复杂性进行分类来说明这个困难 。 我们开发的工具对于其他类型签名的图形的图形的分类是有用的 。 我们通过对不易变式签名的图形的图形的复杂性进行分类, 即路径或周期。 。 签名的图形的图形的类的图类结构结构结构可能显示它们为正统的正统的正统的图案的图案。

0
下载
关闭预览

相关内容

【图神经网络导论】Intro to Graph Neural Networks,176页ppt
专知会员服务
125+阅读 · 2021年6月4日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2017年11月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年8月16日
Arxiv
4+阅读 · 2018年3月22日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
3+阅读 · 2017年11月3日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员