[论文解读] Revisiting Graph Modification via Disk Scaling: From One Radius to Interval-Based Radii

Thomas Depian, Frank Sommer|arXiv (Cornell University)|Mar 5, 2026

Advanced Graph Theory Research被引用 0

一句话总结

本文通过允许半径区间来推广圆盘缩放，分析 Pi-Scaling 的参数化复杂性，并为若干图类（包括簇图和完全图）给出 XP、FPT 与多项式时间结果，对连通图存在 W[1]-hardness。

ABSTRACT

For a fixed graph class $Π$, the goal of $Π$-Modification is to transform an input graph $G$ into a graph $H\inΠ$ using at most $k$ modifications. Vertex and edge deletions are common operations, and their (parameterized) complexity for various $Π$ is well-studied. Classic graph modification operations such as edge deletion do not consider the geometric nature of geometric graphs such as (unit) disk graphs. This led Fomin et al. [ITCS' 25] to initiate the study of disk scaling as a geometric graph modification operation for unit disk graphs: For a given radius $r$, each modified disk will be rescaled to radius $r$. In this paper, we generalize their model by allowing rescaled disks to choose a radius within a given interval $[r_{\min}, r_{\max}]$ and study the (parameterized) complexity (with respect to $k$) of the corresponding problem $Π$-Scaling. We show that $Π$-Scaling is in XP for every graph class $Π$ that can be recognized in polynomial time. Furthermore, we show that $Π$-Scaling: (1) is NP-hard and FPT for cluster graphs, (2) can be solved in polynomial time for complete graphs, and (3) is W[1]-hard for connected graphs. In particular, (1) and (2) answer open questions of Fomin et al. and (3) generalizes the hardness result for their variant where the set of scalable disks is restricted.

研究动机与目标

• 通过允许半径区间而非单一缩放因子，激励保持几何性质的单位圆图修改。
• 将先前的圆盘缩放模型推广为每个缩放后的圆盘可在 [r_min, r_max] 内选取半径。
• 表征 Pi-Scaling（带预算 k）在各种图类 Pi 下的参数化复杂性。
• 提供算法结果，包括 XP-成员性、聚类的 FPT，以及完全图的多项式时间解。
• 回应 Fomin 等人关于区间半径影响及特定图类的开放问题。

提出的方法

• 将 Pi-Scaling 定义并通过线性规划将其还原为对固定集合的缩放圆盘计算半径的约束缩放到图 (ConScal)。
• 证明 XP-成员性：对任何在多项式时间可识别的 Pi，Pi-Scaling 可在 2^{O(k^2)} · n^{O(1)} 时间内求解。
• 为 Scaling To Cluster 开发一种两阶段的方法，利用 far(p) 与 clo(p) 来限定分支。
• 通过利用单位圆图中的 clique 在多项式时间内解 Scaling To Complete，从而证明其可在多项式时间内求解。
• 对某些类（例如连通图）给出 NP-hard 和 W[1]-hard 结果，以对比其他类的 FPT 结果。

Figure 1 : (a) Turning the underlying abstract graph into a $K_{1,6}$ by adding a single edge is easy. However, this is not possible while maintaining a unit disk graph as (b) demonstrates.

实验结果

研究问题

• RQ1 当缩放圆盘集合可以从区间 [r_min, r_max] 选取半径时，Pi-Scaling 能否高效求解？
• RQ2 对于不同的图类 Pi，修改预算 k 对 Pi-Scaling 的参数化复杂性是什么？
• RQ3 区间基圆盘缩放是否在特定类（如簇图或完全图）中产生 FPT 算法，且对连通图的困难性有何影响？
• RQ4 几何感知的论证（如 far(p)、clo(p)）在缩放问题中在多大程度上促成固定参数可解性？
• RQ5 前人工作中单半径缩放的结论是否可推广到区间半径模型对不同 Pi 的情形，先前工作中的哪些开放问题得到解决？

主要发现

• Pi-Scaling 对于每个可在多项式时间识别的 Pi，属于 XP。
• 固定 r_min, r_max 时，Scaling To Cluster 为 NP-hard，除若干例外；但对 k 参数化时为 FPT。
• Scaling To Complete 可通过单位圆图中的 Clique 在多项式时间内求解。
• 对于连通图，Scaling To Connected 在 k 的参数下为 W[1]-hard，表明 FPT 方法存在界限。
• 结果回答了开放问题，即区间半径下簇图与完全图的模型之间不存在算法差异。
• 在某些情形下，XP 框架保持严格性，因为独立集与连通性约束在某些 Pi 的 k=0 时仍表现出 W[1]-hard。

Figure 2 : We can turn (a) into a cluster graph by scaling the blue disk as shown in (b) . However, if we enlarge the disk too much as in (c) , the resulting disk graph might no longer be a cluster graph.