[论文解读] Cops and robber on grids and tori

Fabrizio Luccio, Linda Pagli|arXiv (Cornell University)|Aug 28, 2017

Advanced Graph Theory Research参考文献 20被引用 7

一句话总结

本文引入了新颖的概念——'围攻'（siege）与'影锥'（shadow-cone）——以重新推导二维网格上警察与强盗游戏的已知结果，并将其扩展至半环面（semi-tori）与环面（tori）。论文提出了适用于任意数量警察的高效抓捕算法，计算了抓捕时间的上下界，并表明在增加警察数量时可能出现超线性加速，且通过工作量指标显示在非对称网格与环面上效率有所提升。

ABSTRACT

This paper is a contribution to the classical cops and robber problem on a graph, directed to two-dimensional grids and toroidal grids. These studies are generally aimed at determining the minimum number of cops needed to capture the robber and proposing algorithms for the capture. We apply some new concepts to propose a new solution to the problem on grids that was already solved under a different approach, and apply these concepts to give efficient algorithms for the capture on toroidal grids. As for grids, we show that two cops suffice even in a semi-torus (i.e. a grid with toroidal closure in one dimension) and three cops are necessary and sufficient in a torus. Then we treat the problem in function of any number k of cops, giving efficient algorithms for grids and tori and computing lower and upper bounds on the capture time. Conversely we determine the minimum value of k needed for any given capture time and study a possible speed-up phenomenon.

研究动机与目标

• 通过引入新的概念工具——'围攻'（siege）与'影锥'（shadow-cone）——重新推导二维网格上已知的警察数结果，为经典警察与强盗问题提供一种全新视角。
• 将分析扩展至半环面（圆柱形网格）与完整环面，确定最小警察数及高效抓捕策略。
• 研究警察数量变化对抓捕时间的影响，为任意给定警察数计算抓捕时间的下界与上界。
• 利用所提算法，确定在指定时间限制内实现抓捕所需的最少警察数量。
• 通过工作量指标 $ w_k = k \cdot t_k $ 分析加速效应，揭示在警察部署中可能存在超线性加速。

提出的方法

• 引入'影锥'概念以建模警察的有效覆盖区域，以及'围攻'概念以描述警察对强盗的协同围堵。
• 将这些概念应用于重新推导二维网格上警察数为2的已知结果，并推广至半环面（警察数为2）与环面（警察数为3）。
• 设计适用于任意 $ k $ 名警察在网格与环面上的算法 TGRID-K，包含预围攻形成、围攻建立与抓捕三个阶段。
• 基于奇偶性与尺寸比的分段分析，对抓捕时间 $ t_k $ 进行边界估计，分别处理偶数与奇数 $ \lceil n/(k-1) \rceil $ 的情况。
• 通过近似上取整与下取整函数，推导出抓捕时间 $ t_k $ 的闭式边界，获得紧致的上下界。
• 定义工作量 $ w_k = k \cdot t_k $ 以评估效率与加速性能，通过比较不同 $ k $ 下的 $ w_k $ 来评估性能增益。

实验结果

研究问题

• RQ1 能否通过如'围攻'与'影锥'等新型几何概念，重新推导出二维网格上警察数与抓捕时间？
• RQ2 在半环面与环面上，抓捕强盗所需的最少警察数量是多少？能否为这些情形构建高效算法？
• RQ3 抓捕时间如何随警察数量 $ k $ 变化？在网格与环面上，该时间的最紧致理论边界是什么？
• RQ4 给定固定抓捕时间 $ t^* $，使用所提算法时，确保抓捕所需的最少警察数量是多少？
• RQ5 增加警察数量是否会导致超线性加速？这一结论是否可通过工作量指标 $ w_k = k \cdot t_k $ 得到验证？

主要发现

• 本文通过新提出的'围攻'与'影锥'概念，重新推导出二维网格上警察数为2的结果，提供了一套全新的证明框架。
• 对于半环面，最小警察数为2；对于完整环面，最小警察数为3，且为这两种情形提供了高效抓捕算法。
• 在环面 $ T_{7,15} $ 上，4名警察可在11轮内完成抓捕，而3名警察需15轮，显示出基于工作量的效率提升（$ w_3 = 45 $，$ w_4 = 44 $）。
• 在网格上，$ k $ 名警察的抓捕时间 $ t_k $ 受到涉及 $ n $、$ m $ 与 $ k $ 的分段表达式约束，更精确的近似可获得更紧致的上界。
• 对于目标抓捕时间 $ t^* = 12 $ 的 $ T_{7,15} $ 环面，根据推导出的不等式，所需警察数量介于4至5名之间。
• 工作量指标 $ w_k $ 表明，当增加警察数量时可能出现超线性加速，如在 $ T_{7,15} $ 上 $ w_4 < w_3 $ 的情形所示。