A dominating set in a directed graph is a set of vertices $S$ such that all the vertices that do not belong to $S$ have an in-neighbour in $S$. A locating set $S$ is a set of vertices such that all the vertices that do not belong to $S$ are characterized uniquely by the in-neighbours they have in $S$, i.e. for every two vertices $u$ and $v$ that are not in $S$, there exists a vertex $s\in S$ that dominates exactly one of them. The size of a smallest set of a directed graph $D$ which is both locating and dominating is denoted by $\gamma^{LD}(D)$. Foucaud, Heydarshahi and Parreau proved that any twin-free digraph $D$ satisfies $\gamma^{LD}(D)\leq \frac{4n} 5 +1$ but conjectured that this bound can be lowered to $\frac{2n} 3$. The conjecture is still open. They also proved that if $D$ is a tournament, i.e. a directed graph where there is one arc between every pair of vertices, then $\gamma^{LD}(D)\leq \lceil \frac{n}{2}\rceil$. The main result of this paper is the generalization of this bound to connected local tournaments, i.e. connected digraphs where the in- and out-neighbourhoods of every vertex induce a tournament. We also prove $\gamma^{LD}(D)\leq \frac{2n} 3$ for all quasi-twin-free digraphs $D$ that admit a supervising vertex (a vertex from which any vertex is reachable). This class of digraphs generalizes twin-free acyclic graphs, the most general class for which this bound was known.


翻译:方向图形中的标定值是一组 $S 美元, 使所有不属于 $S 的顶点, 美元 。 定位 $S 是一套顶点, 这样所有 不属于 $S 的顶点都具有独特的特征, 也就是说, 每两个顶点 美元, 也就是说, 每两个顶点 美元, 美元 美元, 美元 美元, 美元, 所有的顶点, 美元 。 这个顶点, 美元 完全支配其中之一 。 一个最小的 指点点 美元, 它的大小 由 $gamma=LD 表示 。 福考德、 海达尔沙和帕雷奥 普通 证明, 任何双面 美元 美元, 美元 (D) 或 美元 美元 美元, 5+1 美元 。 这个顶点的顶点是, 它的底端点也可以被 美元 。

0
下载
关闭预览

相关内容

专知会员服务
52+阅读 · 2020年9月7日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
已删除
将门创投
4+阅读 · 2020年6月12日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年10月27日
Arxiv
0+阅读 · 2021年10月27日
Arxiv
0+阅读 · 2021年10月26日
Arxiv
0+阅读 · 2021年10月26日
Arxiv
0+阅读 · 2021年10月24日
VIP会员
相关资讯
已删除
将门创投
4+阅读 · 2020年6月12日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1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