A dominating set $S$ of graph $G$ is called an $r$-grouped dominating set if $S$ can be partitioned into $S_1,S_2,\ldots,S_k$ such that the size of each unit $S_i$ is $r$ and the subgraph of $G$ induced by $S_i$ is connected. The concept of $r$-grouped dominating sets generalizes several well-studied variants of dominating sets with requirements for connected component sizes, such as the ordinary dominating sets ($r=1$), paired dominating sets ($r=2$), and connected dominating sets ($r$ is arbitrary and $k=1$). In this paper, we investigate the computational complexity of $r$-Grouped Dominating Set, which is the problem of deciding whether a given graph has an $r$-grouped dominating set with at most $k$ units. For general $r$, the problem is hard to solve in various senses because the hardness of the connected dominating set is inherited. We thus focus on the case in which $r$ is a constant or a parameter, but we see that the problem for every fixed $r>0$ is still hard to solve. From the hardness, we consider the parameterized complexity concerning well-studied graph structural parameters. We first see that it is fixed-parameter tractable for $r$ and treewidth, because the condition of $r$-grouped domination for a constant $r$ can be represented as monadic second-order logic (mso2). This is good news, but the running time is not practical. We then design an $O^*(\min\{(2\tau(r+1))^{\tau},(2\tau)^{2\tau}\})$-time algorithm for general $r\ge 2$, where $\tau$ is the twin cover number, which is a parameter between vertex cover number and clique-width. For paired dominating set and trio dominating set, i.e., $r \in \{2,3\}$, we can speed up the algorithm, whose running time becomes $O^*((r+1)^\tau)$. We further argue the relationship between FPT results and graph parameters, which draws the parameterized complexity landscape of $r$-Grouped Dominating Set.


翻译:以美元( $2 ) 表示美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 普通美元) 表示以美元( 美元( 美元) 表示以美元( 美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元) 表示以美元( 美元( 美元) 以美元( 美元) 美元( 表示以美元( 美元) 以美元( 美元) 以美元( 美元) 美元( 以美元) 以美元( 美元) 以美元( 美元) 表示以美元) 以美元( 美元) 以美元( 以美元) 表示以美元) 以美元( 以美元) 以美元( 以美元) 美元( 以美元) 以美元) 表示以美元) 表示以美元( 以美元( 以美元( 以美元) 表示以美元( 美元) 表示以美元) 表示以美元( 美元( 美元) 以美元( 美元) 以美元) 以各种方式表示以美元( ) 表示以美元( ) ) 以美元( 表示以美元( ) 表示以美元( 表示以美元) 以美元( 以美元) ) ) 以美元( 以各种方式表示以美元( 以美元( 以美元) ) 以( ) 以美元) 以美元) 以美元( 以 以 以美元) 以 以美元( 以美元( 以美元) 以美元( 以美元) 以美元

0
下载
关闭预览

相关内容

不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
69+阅读 · 2022年7月11日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
159+阅读 · 2020年1月16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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26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 · 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
0+阅读 · 2011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 · 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
VIP会员
相关VIP内容
不可错过!700+ppt《因果推理》课程!杜克大学Fan Li教程
专知会员服务
69+阅读 · 2022年7月11日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
39+阅读 · 2020年9月6日
专知会员服务
159+阅读 · 2020年1月16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
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26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 · 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
0+阅读 · 2011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 · 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