The node cop-win reliability of unicyclic and bicyclic graphs
Notice bibliographique
Résumé
Various models to quantify the reliability of a network have been studied where certain components of the graph may fail at random and the probability that the remaining graph is connected is the proxy for reliability. In this work we introduce a strengthening of one of these models by considering the probability that the remaining graph is not just connected but also cop-win. A graph is cop-win if one cop can guarantee capture of a fleeing robber in the well-studied pursuit-evasion game of Cops and Robber. More precisely, for a graph $G$ with nodes that are operational independently with probability $p$ and edges that are operational if and only if both of their endpoints are operational, the node cop-win reliability of $G$, denoted $\text{NCRel}(G,p)$, is the probability that the operational nodes induce a cop-win subgraph of $G$. It is then of interest to find graphs $G$ with $n$ nodes and $m$ edges such that $\text{NCRel}(G,p)\ge\text{NCRel}(H,p)$ for all $p\in[0,1]$ and all graphs $H$ with $n$ nodes and $m$ edges. Such a graph is called uniformly most reliable. We show that uniformly most reliable graphs exist for unicyclic and bicyclic graphs, respectively. This is in contrast to the fact that there are no known sparse graphs maximizing the corresponding notion of node reliability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».