团分划问题的固定参数算法研究

图论中的团分划问题属于NP-完全问题,难以在多项式时间内解决。为此,对团分划问题的固定参数算法进行研究,提出一个针对K4-free图的新归约法则,结合深度限制搜索树技术对K4-free图中的团分划固定参数可解类算法做出改进。实验结果表明,与原算法相比,在稀疏图的情况下改进算法效率提高了30%。

基于搜索树的平面图支配集算法

许多来自工业应用的优化问题都是NP难问题。确定参数可解FPT作为处理这类问题的另外一种思路,在最近的10多年中受到了广泛的关注。支配集问题是图论中最重要的NP完全的组合优化问题之一,即使对于FPT体系而言,一般图中的支配集问题属于W[2]完全的,意味着不可能设计出复杂度为f(k)no(1)的算法。在本文中,我们考虑在给定的平面图G=(V,E)中参数化支配集问题,给定参数k,看是否存在大小为k的顶点集合支配图中的其他顶点,当把问题限定在平面图上,这个问题属于确定参数可解。本文给出了基于两组归约规则的搜索树算法,通过使用规约技术化简实例,构造搜索树,得到了复杂度为O(8kn)的算法,同时通过相关实验结果显示了归约规则对算法的作用。