Dejemos que $G$ sea un grafo finito, simple, conexo y no dirigido en $n$ vértices. Supongamos que su objetivo es determinar $G$ únicamente a través de consultas. Cada consulta elige un $v_i$ y devuelve las distancias más cortas (número de aristas) de $v_i$ entre sí $v_j$ , $j \neq i$ . Así, para un $4$ -de vértices, un $v_1$ la consulta podría devolver lo siguiente (índices en la primera fila, distancias en la segunda): $$ \left[ \begin{array}{cccc} 1 & 2 & 3 & 4 \\ 0 & 1 & 1 & 2 \\ \end{array} \right] $$
Estos datos son compatibles con los gráficos (a), (b), (c), (d) anteriores, pero no (e), porque la distancia de $v_1$ a $v_4$ debe ser $2$ no $1$ . Si ahora consultamos las distancias de $v_2$ y recibir esta información, $$ \left[ \begin{array}{cccc} 1 & 2 & 3 & 4 \\ 1 & 0 & 2 & 1 \\ \end{array} \right] $$ entonces sólo (a) y (c) son compatibles. Parece necesaria una consulta más necesaria para precisar cuál.
En el caso de que el usuario elija cada consulta después de revisar los resultados de las consultas anteriores:
Q1 . ¿Existen clases de gráficos en $n$ vértices que requieren $n$ consultas para precisar su estructura?
Creo que si uno conoce la matriz de distancia completa, entonces la matriz de adyacencia está determinada, y así $G$ se determina.
Q2 . ¿Pueden bastar las consultas sublineales para (a) alguna clase natural de grafos (por ejemplo, árboles)? clase natural de grafos (por ejemplo, árboles?), o (b) para algún modelo de grafos aleatorios (por ejemplo, Erdős-Rényi)?