We propose and study the graph-theoretical problem EXISTS-PMVC: the existence of perfect matching under vertex-color constraints on graphs with bi-colored edges. EXISTS-PMVC is of special interest because of its motivation from quantum-state identification and quantum-experiment design, as well as its rich expressiveness, i.e., EXISTS-PMVC naturally subsumes many constrained matching problems, such as exact perfect matching. We give complexity and algorithmic results for EXISTS-PMVC under two types of vertex color constraints: 1) symmetric constraints (EXISTS-PMVC-Sym) and 2) decision-diagram constraints (EXISTS-PMVC-DD). For EXISTS-PMVC-DD, we reveal its NP-hardness by a graph-gadget-based technique. We prove that EXISTS-PMVC-Sym with a bounded number of colors (EXISTS-PMVC-Sym-Bounded) is as hard as Exact Perfect Matching (XPM), which indicates EXISTS-PMVC-Sym-Bounded is in RNC on general graphs and PTIME on planar graphs. Directly applying algorithms for XPM to solve EXISTS-PMVC-Sym-Bounded is, however, impractical due to the overhead brought by the reduction. Therefore, we propose algorithms that natively handle EXISTS-PMVC-Sym-Bounded with significantly better efficiency. Our novel results for EXISTS-PMVC provide insights into both constrained matching and scalable quantum experiment design.


翻译:我们提出并研究了基于图的问题EXISTS-PMVC:在边具有双色的图上,在顶点着色限制下是否存在完美匹配。EXISTS-PMVC的特殊之处在于它来源于量子态识别和量子实验设计,以及其丰富的表达性,即EXISTS-PMVC自然地包含许多约束匹配问题,如确切的完美匹配。我们对两种类型的顶点着色限制下的EXISTS-PMVC:1)对称限制下的(EXISTS-PMVC-Sym)和2)决策图限制下的(EXISTS-PMVC-DD)给出了复杂性和算法结果。对于EXISTS-PMVC-DD,我们通过一种基于图灵机构造的技术揭示了它的NP难度。我们证明了EXISTS-PMVC-Sym在有界颜色数(EXISTS-PMVC-Sym-Bounded)的情况下与精确完美匹配(XPM)难度相同,这表明了EXISTS-PMVC-Sym-Bounded在通用图上为RNC,在平面图上为PTIME。然而,由于规约带来的开销,直接应用XPM算法解决EXISTS-PMVC-Sym-Bounded是不切实际的。因此,我们提出了能够显著提高效率的本地处理EXISTS-PMVC-Sym-Bounded的算法。我们对EXISTS-PMVC的新颖结果为约束匹配和可扩展的量子实验设计提供了启示。

0
下载
关闭预览

相关内容

专知会员服务
42+阅读 · 2021年8月12日
专知会员服务
51+阅读 · 2020年12月14日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
49+阅读 · 2020年7月4日
【ICLR2020-Facebook AI】张量分解的时序知识图谱补全
专知会员服务
59+阅读 · 2020年4月14日
使用 Keras Tuner 调节超参数
TensorFlow
15+阅读 · 2020年2月6日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【推荐】用TensorFlow实现LSTM社交对话股市情感分析
机器学习研究会
11+阅读 · 2018年1月14日
【推荐】用Tensorflow理解LSTM
机器学习研究会
36+阅读 · 2017年9月11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
0+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 · 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19日
Arxiv
0+阅读 · 2023年5月18日
Arxiv
0+阅读 · 2023年5月16日
Arxiv
12+阅读 · 2021年6月29日
VIP会员
相关VIP内容
专知会员服务
42+阅读 · 2021年8月12日
专知会员服务
51+阅读 · 2020年12月14日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
49+阅读 · 2020年7月4日
【ICLR2020-Facebook AI】张量分解的时序知识图谱补全
专知会员服务
59+阅读 · 2020年4月14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 · 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
0+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 · 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