[论文解读] Recognizing Proper Tree-Graphs

Steven Chaplick, Petr A. Golovach+2 more|arXiv (Cornell University)|Jan 1, 2020

Advanced Graph Theory Research参考文献 11被引用 1

一句话总结

该论文证明了在以树 T 的大小为参数时，识别合适的 T-图（即树 T 的细分图中连通子图的交集图）是固定参数可追踪的，时间复杂度为 2^O(t² log t) · n³。作者提出了一种构造性算法，可为肯定实例输出合适的 T-表示，从而解决了该问题的参数复杂度，并与当 H 不是树时，合适 H-图识别的 NP-完全性形成对比。

ABSTRACT

We investigate the parameterized complexity of the recognition problem for the proper H-graphs. The H-graphs are the intersection graphs of connected subgraphs of a subdivision of a multigraph H, and the properness means that the containment relationship between the representations of the vertices is forbidden. The class of H-graphs was introduced as a natural (parameterized) generalization of interval and circular-arc graphs by Biró, Hujter, and Tuza in 1992, and the proper H-graphs were introduced by Chaplick et al. in WADS 2019 as a generalization of proper interval and circular-arc graphs. For these graph classes, H may be seen as a structural parameter reflecting the distance of a graph to a (proper) interval graph, and as such gained attention as a structural parameter in the design of efficient algorithms. We show the following results. - For a tree T with t nodes, it can be decided in 2^{𝒪(t² log t)} ⋅ n³ time, whether an n-vertex graph G is a proper T-graph. For yes-instances, our algorithm outputs a proper T-representation. This proves that the recognition problem for proper H-graphs, where H required to be a tree, is fixed-parameter tractable when parameterized by the size of T. Previously only NP-completeness was known. - Contrasting to the first result, we prove that if H is not constrained to be a tree, then the recognition problem becomes much harder. Namely, we show that there is a multigraph H with 4 vertices and 5 edges such that it is NP-complete to decide whether G is a proper H-graph.

研究动机与目标

• 确定当 H 为树时，识别合适 H-图的参数复杂度。
• 设计一种高效算法，实现仅关于树 T 大小指数时间的合适 T-图识别，时间复杂度为 2^O(t² log t) · n³。
• 将合适 T-图识别的可追踪性与当 H 不是树时合适 H-图识别的不可追踪性进行对比。
• 探索使用树状母图的合适 H-图及其表示的结构特性。
• 解决在合适 H-图识别问题中 FPT 与 NP-完全性之间的复杂度边界上的开放问题。

提出的方法

• 在树 T 的结构上设计动态规划算法，利用其分层和无环特性。
• 采用构造性表示方法，通过修改 T 的细分图上的模型来构建合适的 T-表示。
• 应用一系列模型变换，以确保无包含关系（即“合适性”），并使交集与细分图中路径上的区间序相一致。
• 将问题约化为在细分图中至多三条路径上检查区间表示，利用树结构来控制复杂度。
• 通过为度数为 3 的节点和细分节点进行规范标记，以施加结构约束，并实现对可能表示的高效搜索。
• 对 Kmin 和 Kmax 中顶点的模型应用对称修改，以在路径上强制前缀/后缀性质，确保与区间序的兼容性。

实验结果

研究问题

• RQ1 当以树 T 的大小为参数时，合适 T-图的识别问题是否为固定参数可追踪的？
• RQ2 能否设计一种构造性算法，为识别问题的肯定实例输出合适的 T-表示？
• RQ3 当 H 不被限制为树时，合适 H-图识别的复杂度如何？
• RQ4 即使 H 的规模较小，若 H 中存在环，是否仍会导致合适 H-图识别的 NP-完全性？
• RQ5 是否存在 H 的某些结构条件，使得合适 H-图识别仍保持可追踪性？

主要发现

• 合适 T-图的识别是固定参数可追踪的，时间复杂度为 2^O(t² log t) · n³，其中 t 是树 T 中的节点数。
• 对于每个肯定实例，该算法均能构造出合适的 T-表示，使结果具有构造性，适用于算法应用。
• 当 H 是一个含 4 个顶点和 5 条边的多重图时，问题变为 NP-完全，即使 H 不是树。
• 该 NP-完全性结果甚至对小型非块状多重图也成立，表明从树到一般多重图的复杂度存在一个尖锐的阈值。
• 该算法的核心在于将模型变换为满足细分图中至多三条路径上的区间序性质，从而实现高效的动态规划。
• 本文证明了计算弦图的合适叶数是 FPT，其判定版本可通过猜测一个最小母树并验证合适性来解决。