[论文解读] Graphes parfaits : structure et algorithmes

Nicolas Trotignon|arXiv (Cornell University)|Aug 31, 2013

Advanced Graph Theory Research参考文献 66被引用 6

一句话总结

本文证明了对偶数对（即所有路径长度均为偶数的顶点对）进行递归收缩，可为一类完美图——Artemis图，生成最优染色。本文提出了一个O(n²m)的染色算法和一个O(n⁹)的Artemis图识别算法，基于Berge图中的子图检测方法，同时表明此类检测在一般图中为NP完全问题。

ABSTRACT

This work is the PhD thesis of Nicolas Trotignon, written in 2004 under the supervision of Frédéric Maffray. It is motivated by the desire for a better understanding of perfect graphs. The proof of the Claude Berge's perfect graph conjecture in 2002 by Chudnovsky, Robertson, Seymour and Thomas has shed a new light on this field of combinatorics. But some questions are still unsettled, particulary the existence of a combinatorial algorithm for the coloring of perfect graphs. An even pair of a graph is a pair of vertices such that every path joining them has even length. As proved by Fonlupt and Uhry, the contraction of an even pair preserves the chromatic number, and when applied recursively may lead to an optimal coloring. We prove a conjecture of Everett and Reed saying that this method works for a class of perfect graphs: Artemis graphs. This yields a coloring algorithm for Artemis graphs with complexity $O(n^2m)$. We give an $O(n^9)$ algorithm for the recognition of Artemis graphs. Other recognition algorithms are also given, each of them based on subgraph detection routines for Berge graphs. We show that these subgraph detection problems are NP-complete when extended to general graphs.

研究动机与目标

• 解决完美图中组合染色算法的开放问题，聚焦于特定子类。
• 研究已知可保持色数的偶数对收缩方法，是否在Artemis图中也能实现最优染色。
• 基于结构特性与子图检测，为Artemis图设计高效识别与染色算法。
• 确立一般图中子图检测问题的计算复杂度，表明当其扩展至Berge图之外时，问题为NP完全。

提出的方法

• 证明了在Artemis图中，偶数对收缩可保持色数，扩展了Fonlupt与Uhry的先前结果。
• 应用递归偶数对收缩，将Artemis图逐步简化为更小的实例，最终获得最优染色。
• 设计了一个O(n²m)的算法，通过偶数对检测与收缩实现Artemis图的最优染色。
• 基于在Berge图中检测特定子图（如三棱柱、金字塔）的方法，开发了O(n⁹)的Artemis图识别算法。
• 依赖Berge图中的子图检测例程（如识别三棱柱、金字塔与奇圈）作为识别的核心组件。
• 表明将这些检测问题扩展至一般图时，其复杂度为NP完全，从而确立了复杂度边界。

实验结果

研究问题

• RQ1 对偶数对进行递归收缩是否能为Artemis图生成最优染色？
• RQ2 能否基于Berge图中的子图检测，构建出Artemis图的高效识别算法？
• RQ3 在一般图中检测关键子图（如三棱柱、金字塔）的计算复杂度为何？
• RQ4 Artemis图是否存在可支持组合染色算法的结构特性？
• RQ5 偶数对方法能否推广至Artemis图之外的其他完美图类别？

主要发现

• 本文证明了偶数对收缩方法可为Artemis图生成最优染色，证实了Everett与Reed的猜想。
• 提出了一种基于递归偶数对收缩的O(n²m)算法，用于Artemis图的最优染色。
• 提出了一种基于在Berge图中检测特定子图的O(n⁹)识别算法，用于Artemis图。
• 证明了一般图中检测关键子图（如三棱柱、金字塔与奇圈）的问题为NP完全。
• 利用Artemis图的结构特性（包括其与Meyniel图及准偶图的关系），实现了高效识别与染色。
• 研究结果确立了清晰的界限：尽管在Berge图中子图检测是可行且高效的，但当扩展至任意图时，其计算复杂度显著上升。