Motivated by recent computational models for redistricting and detection of gerrymandering, we study the following problem on graph partitions. Given a graph $G$ and an integer $k\geq 1$, a $k$-district map of $G$ is a partition of $V(G)$ into $k$ nonempty subsets, called districts, each of which induces a connected subgraph of $G$. A switch is an operation that modifies a $k$-district map by reassigning a subset of vertices from one district to an adjacent district; a 1-switch is a switch that moves a single vertex. We study the connectivity of the configuration space of all $k$-district maps of a graph $G$ under 1-switch operations. We give a combinatorial characterization for the connectedness of this space that can be tested efficiently. We prove that it is NP-complete to decide whether there exists a sequence of 1-switches that takes a given $k$-district map into another; and NP-hard to find the shortest such sequence (even if a sequence of polynomial length is known to exist). We also present efficient algorithms for computing a sequence of 1-switches that takes a given $k$-district map into another when the space is connected, and show that these algorithms perform a worst-case optimal number of switches up to constant factors.


翻译:以最近的计算模型为动因重新分区和探测色色色调,我们在图形分区中研究以下问题。如果使用一个G$和1美元整数的图形分区地图,那么美元区图的美元区图就是将V(G)美元分割成美元以外的非空子子,称为区,每个区都产生一个连接的G$的子图。一个开关是一个修改美元区地图的操作,通过将一个区块的螺旋子从一个区重新分配到另一个区;一个1开关是移动一个单一的顶点的开关。我们研究了所有美元区块图配置空间的连接性,这是在1美元节节点操作下将美元区图分割成美元的非空子子区块。我们对这一空间的连接性谱进行了轮廓性描述,可以有效地测试这个空间的连接性子谱。我们证明,通过将一个区块图的一组螺旋线改成一个区段,将一个区块的螺旋序列改成另一个区图;当一个单一的顶端的开关时,NP-har-hard to find to find the fal scrial scrial laction laction 也就是也显示一个我们所知道序列。

0
下载
关闭预览

相关内容

图计算加速架构综述
专知会员服务
49+阅读 · 2021年4月5日
专知会员服务
42+阅读 · 2020年12月18日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12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
已删除
将门创投
5+阅读 · 2018年7月25日
Identity-aware Graph Neural Networks
Arxiv
14+阅读 · 2021年1月25日
Arxiv
4+阅读 · 2020年10月18日
Arxiv
8+阅读 · 2020年10月12日
Type-augmented Relation Prediction in Knowledge Graphs
Arxiv
19+阅读 · 2020年7月13日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
4+阅读 · 2017年1月2日
VIP会员
相关资讯
已删除
将门创投
5+阅读 · 2018年7月25日
相关论文
Identity-aware Graph Neural Networks
Arxiv
14+阅读 · 2021年1月25日
Arxiv
4+阅读 · 2020年10月18日
Arxiv
8+阅读 · 2020年10月12日
Type-augmented Relation Prediction in Knowledge Graphs
Arxiv
19+阅读 · 2020年7月13日
Arxiv
26+阅读 · 2018年2月27日
Arxiv
4+阅读 · 2017年1月2日
Top
微信扫码咨询专知VIP会员