Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.14357v1

帮助 | 高级搜索

计算机科学 > 计算几何

arXiv:2509.14357v1 (cs)
[提交于 2025年9月17日 ]

标题: 冻结标签在二维空间中使用$L_1$距离时是 NP 难的

标题: Freeze-Tag is NP-hard in 2D with $L_1$ distance

Authors:Lucas de Oliveira Silva, Lehilton Lelis Chaves Pedrosa
摘要: 冻结-标签问题(FTP)是一个调度问题,应用于机器人群激活,并由Arkin等人于2002年提出。 这个问题寻求一种有效的方法,从一个活跃的机器人开始激活机器人群。 激活通过直接接触发生,一旦机器人变得活跃,它就可以移动并帮助激活其他机器人。 尽管该问题已被证明在欧几里得平面上$R^2$在$L_2$距离下是NP难的,并且在三维欧几里得空间$R^3$在任何$L_p$距离下且$p \ge 1$时是NP难的,但在$L_1$(曼哈顿)距离下$R^2$的复杂性仍然是一个开放问题。 在本文中,我们通过证明在欧几里得平面上使用$L_1$距离时 FTP 是强 NP-难的,解决了这个问题。
摘要: The Freeze-Tag Problem (FTP) is a scheduling problem with application in robot swarm activation and was introduced by Arkin et al. in 2002. This problem seeks an efficient way of activating a robot swarm starting with a single active robot. Activations occur through direct contact, and once a robot becomes active, it can move and help activate other robots. Although the problem has been shown to be NP-hard in the Euclidean plane $R^2$ under the $L_2$ distance, and in three-dimensional Euclidean space $R^3$ under any $L_p$ distance with $p \ge 1$, its complexity under the $L_1$ (Manhattan) distance in $R^2$ has remained an open question. In this paper, we settle this question by proving that FTP is strongly NP-hard in the Euclidean plane with $L_1$ distance.
主题: 计算几何 (cs.CG) ; 计算复杂性 (cs.CC)
引用方式: arXiv:2509.14357 [cs.CG]
  (或者 arXiv:2509.14357v1 [cs.CG] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.14357
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Lucas Silva [查看电子邮件]
[v1] 星期三, 2025 年 9 月 17 日 18:38:37 UTC (28 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.CC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号