Skip to main content
QUICK REVIEW

[论文解读] Power domination in maximal planar graphs

Paul Dorbec, Antonio González|arXiv (Cornell University)|Jun 30, 2017
Advanced Graph Theory Research参考文献 28被引用 3
一句话总结

该论文为 n ≥ 6 个顶点的最大平面图建立了功率支配数的上界 (n−2)/4。作者证明,通过利用三角剖分的结构特性以及平面嵌入中的传播规则,可在最多 (n−2)/4 个关键位置放置测量装置,从而完全监控此类图。该上界在特定图(如三棱台四面体)上被证明是紧致的。

ABSTRACT

Power domination in graphs emerged from the problem of monitoring an electrical system by placing as few measurement devices in the system as possible. It corresponds to a variant of domination that includes the possibility of propagation. For measurement devices placed on a set S of vertices of a graph G, the set of monitored vertices is initially the set S together with all its neighbors. Then iteratively, whenever some monitored vertex v has a single neighbor u not yet monitored, u gets monitored. A set S is said to be a power dominating set of the graph G if all vertices of G eventually are monitored. The power domination number of a graph is the minimum size of a power dominating set. In this paper, we prove that any maximal planar graph of order n $\\ge$ 6 admits a power dominating set of size at most (n--2)/4 .

研究动机与目标

  • 确定最大平面图的功率支配数的紧致上界。
  • 分析使高效功率支配成为可能的最大平面图的结构特性。
  • 证明当 n ≥ 6 时,(n−2)/4 是功率支配数的上界。
  • 通过显式构造(如三棱台四面体)证明该上界的紧致性。
  • 提供一种构造性框架,利用面三角形和嵌入特性,在三角剖分中识别出较小的功率支配集。

提出的方法

  • 采用功率支配模型,其中监控通过初始测量点沿恰好有一个未监控邻居的顶点传播。
  • 通过分析面三角形和顶点度数,对最大平面图(即三角剖分)应用图论技术。
  • 基于顶点度数(≤3 或 ≥4)进行归纳法与分类讨论,推导图的结构约束。
  • 利用嵌入特性识别关键的面三角形与邻居关系,以支持传播过程。
  • 应用引理(例如引理 4.2)排除违反传播规则或嵌入一致性的配置。
  • 使用算法 2 将诱导子图约化为与图 13 中特定构型同构的标准形式。

实验结果

研究问题

  • RQ1对于阶数 n ≥ 6 的最大平面图,其最小功率支配集的最大大小是多少?
  • RQ2是否可以使用 n 的函数,在所有最大平面图中统一界定功率支配数?
  • RQ3是否存在特定图族或构型可达到 (n−2)/4 的上界?
  • RQ4顶点度数与面三角形结构如何影响监控顶点的传播?
  • RQ5何种结构约束会阻止某些最大平面图中出现更小的功率支配集?

主要发现

  • 任意具有 n ≥ 6 个顶点的最大平面图的功率支配数至多为 (n−2)/4。
  • 该上界对三棱台四面体是紧致的,该图是具有 10 个顶点且功率支配数为 2 的最大平面图。
  • 三棱台四面体在 n=10 时达到上界等号,证实了该上界的紧致性。
  • 对于最小顶点度数为 3 的图,面三角形结构与邻居传播机制在决定功率支配集大小方面起着关键作用。
  • 应用算法 2 后,最大平面图的所有诱导三角剖分均同构于图 13 中的某一构型,从而实现结构分类。
  • 该证明基于顶点度数与面三角形构型的分类讨论,表明无需超过 (n−2)/4 的更大支配集。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。