Given a graph $G=(V,E)$, a set $\mathcal{F}$ of forbidden subgraphs, we study $\mathcal{F}$-Free Edge Deletion, where the goal is to remove minimum number of edges such that the resulting graph does not contain any $F\in \mathcal{F}$ as a subgraph. For the parameter treewidth, the question of whether the problem is FPT has remained open. Here we give a negative answer by showing that the problem is W[1]-hard when parameterized by the treewidth, which rules out FPT algorithms under common assumption. Thus we give a solution to the conjecture posted by Jessica Enright and Kitty Meeks in [Algorithmica 80 (2018) 1857-1889]. We also prove that the $\mathcal{F}$-Free Edge Deletion problem is W[2]-hard when parameterized by the solution size $k$, feedback vertex set number or pathwidth of the input graph. A special case of particular interest is the situation in which $\mathcal{F}$ is the set $\mathcal{T}_{h+1}$ of all trees on $h+1$ vertices, so that we delete edges in order to obtain a graph in which every component contains at most $h$ vertices. This is desirable from the point of view of restricting the spread of disease in transmission network. We prove that the $\mathcal{T}_{h+1}$-Free Edge Deletion problem is fixed-parameter tractable (FPT) when parameterized by the vertex cover number. We also prove that it admits a kernel with $O(hk)$ vertices and $O(h^2k)$ edges, when parameterized by combined parameters $h$ and the solution size $k$.


翻译:根据一个图形 $G= (V, E) $, 一个固定 $mathcal{F} 美元, 一个固定的被禁止的子图, 我们研究 $\ mathcal{F} $- fe- fe- fetion, 目标是删除最小边缘数, 这样产生的图形不会包含任何$F\ in $\ mathcal{Fnal{F} 美元作为子图。 对于参数树宽度, 问题是否为 FPT 。 这里我们给出了一个否定的答案, 以树宽度为参数时, 问题是 W[ 1 硬度 。 树宽度将 FPT 的算法限制在共同假设下, FPT 的算法程程 。 因此, 由 80 20 18 18 18 18 18 18 18 18 18 。 我们还证明 $ 美元 平面 平面 问题是 W[ 2 硬度 问题, 当答案以 美元, 平面 平面或路径为我们 平面 平面 平面 显示 美元 美元 。

0
下载
关闭预览

相关内容

FPT:International Conference on Field-Programmable Technology。 Explanation:现场可编程技术国际会议。 Publisher:IEEE。 SIT: http://dblp.uni-trier.de/db/conf/fpt/
专知会员服务
123+阅读 · 2020年9月8日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17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
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年4月2日
Arxiv
3+阅读 · 2018年2月20日
VIP会员
相关资讯
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
R工程化—Rest API 之plumber包
R语言中文社区
11+阅读 · 2018年12月25日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员