超越分布式子图检测：诱导子图、多色问题及图参数
分布式、并行与集群计算
2021-12-08 v3 数据结构与算法
摘要
子图检测近来已成为分布式计算CONGEST模型中被研究最多的问题之一。本工作中，我们研究与子图检测密切相关的问题的分布式复杂度，主要关注诱导子图检测。本工作主线给出了针对输入图结构参数的下界与参数化算法：——在一般图上，我们给出CONGEST中圈及树宽2模式诱导检测的无条件下界。此外，通过改编自集中式参数化复杂度的归约，我们证明了CONGEST中带4-团模式检测的下界，以及基于拥塞团中三角形检测难度的诱导路径检测下界。——在退化度有界图上，我们展示可利用参数化算法技术在CONGEST中快速检测诱导路径，而圈及树宽2模式检测是困难的。——在顶点覆盖数有界图上，我们展示对任意模式图的诱导子图检测在CONGEST中都是容易的。更具体地，我们将一个用于更一般最大公共诱导子图检测问题的集中式参数化算法改编至分布式环境。除这些诱导子图检测结果外，我们还研究了CONGEST与拥塞团模型中的各种相关问题，包括子图检测类问题的多色版本。
引用
@article{arxiv.2109.06561,
title = {Beyond Distributed Subgraph Detection: Induced Subgraphs, Multicolored Problems and Graph Parameters},
author = {Janne H. Korhonen and Amir Nikabadi},
journal= {arXiv preprint arXiv:2109.06561},
year = {2021}
}