Mientras escribía una pequeña publicación sobre la complejidad de los videojuegos Nibbler y Snake ; Descubrí que ambos pueden modelarse como problemas de reconfiguración en gráficos planos; y parece poco probable que tales problemas no hayan sido bien estudiados en el área de planificación del movimiento (imagine, por ejemplo, una cadena de carros o robots vinculados). Los juegos son bien conocidos, sin embargo, esta es una breve descripción del modelo de reconfiguración relacionado:
PROBLEMA DE LA SERPIENTE
Entrada : dado un grafo planar , l guijarros p 1 , . . . , P l se colocan en los nodos u 1 , . . . , U l que forman un camino simple. Las piedras representan la serpiente , y la primera p 1 es su cabeza. La cabeza se puede mover de su posición actual a un nodo libre adyacente, y el cuerpo la sigue. Algunos nodos están marcados con un punto; cuando la cabeza alcanza un nodo con un punto, el cuerpo aumentará en guijarros en los siguientes correos movimientos de la cabeza. El punto en el nodo se elimina después del recorrido de la serpiente.
Problema : preguntamos si la serpiente se puede mover a lo largo del gráfico y alcanzar una configuración objetivo donde la configuración objetivo es la descripción completa de la posición de la serpiente, es decir, la posición de los guijarros.
Es fácil demostrar que el problema SNAKE es NP-hard en gráficos planos de grado máximo 3 incluso si no se utilizan puntos y también en gráficos de cuadrícula SÓLIDOS si podemos usar un número arbitrario de puntos. Las cosas se complican en gráficos de cuadrícula sólida sin puntos (está relacionado con otro problema abierto).
Me gustaría saber si el problema se ha estudiado con otro nombre.
y, en particular, si hay una prueba de que está en NP ...
Editar: el problema resultó ser completo para PSPACE incluso en gráficos planos y el resultado parece muy interesante, por lo que queda por descubrir si es un problema nuevo y si se conocen resultados al respecto.
Un ejemplo simple (los guijarros se muestran en verde, la cabeza de la serpiente es P1).