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:2509.26426

帮助 | 高级搜索

计算机科学 > 数据结构与算法

arXiv:2509.26426 (cs)
[提交于 2025年9月30日 ]

标题: k-环图中的广播改进近似

标题: Improved Approximation for Broadcasting in k-cycle Graphs

Authors:Jeffrey Bringolf, Anne-Laure Ehresmann, Hovhannes A. Harutyunyan
摘要: 广播是一种信息传播原语,其中消息从一个节点(称为发起者)开始,并传递给网络中的所有其他节点。 广播研究的动机在于高效的网络设计以及确定标准网络拓扑的广播时间。 在任意网络$G$中验证节点$v$的广播时间已被证明是 NP-难的。 此外,最近的研究表明,在一般的仙人掌图和一些高度受限的仙人掌图子类中,广播时间问题也是 NP-完全的。 这些图族在结构上类似于$k$-环图,在其中广播时间问题也被认为是 NP-完全的。 在本文中,我们提出了一种简单的$(1.5-\epsilon)$-近似算法,用于确定使用$k$-环图建模的网络的广播时间,其中$\epsilon > 0$依赖于图的结构。
摘要: Broadcasting is an information dissemination primitive where a message originates at a node (called the originator) and is passed to all other nodes in the network. Broadcasting research is motivated by efficient network design and determining the broadcast times of standard network topologies. Verifying the broadcast time of a node $v$ in an arbitrary network $G$ is known to be NP-hard. Additionally, recent findings show that the broadcast time problem is also NP-complete in general cactus graphs and some highly restricted subfamilies of cactus graphs. These graph families are structurally similar to $k$-cycle graphs, in which the broadcast time problem is also believed to be NP-complete. In this paper, we present a simple $(1.5-\epsilon)$-approximation algorithm for determining the broadcast time of networks modeled using $k$-cycle graphs, where $\epsilon > 0$ depends on the structure of the graph.
评论: 16页,5图
主题: 数据结构与算法 (cs.DS)
ACM 类: F.2
引用方式: arXiv:2509.26426 [cs.DS]
  (或者 arXiv:2509.26426v1 [cs.DS] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.26426
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Jeffrey Bringolf [查看电子邮件]
[v1] 星期二, 2025 年 9 月 30 日 15:46:57 UTC (27 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
许可图标 查看许可
当前浏览上下文:
cs.DS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs

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