In this paper, we consider the task of computing an independent set of maximum weight in a given $d$-claw free graph $G=(V,E)$ equipped with a positive weight function $w:V\rightarrow\mathbb{R}_{>0}$. Recently, Neuwohner has shown how to obtain approximation ratios of $\frac{d-1+\epsilon_d}{2}$ in quasi-polynomial time, where $0\leq \epsilon_d\leq 1$ and $\lim_{d\rightarrow\infty}\epsilon_d = 0$. For the special case of the $d-1$-Set Packing Problem, she showed how to get down to a polynomial running time. On the other hand, she provided examples showing that no local improvement algorithm considering local improvements of logarithmic size can yield an approximation guarantee better than $\frac{d-1}{2}$. However, it turns out that if one considers local improvements that arise by dropping vertex weights and running an algorithm devised for the unweighted setting on certain sub-instances of the given one, one can get beyond the $\frac{d-1}{2}$-threshold and obtain approximation guarantees of $\frac{d}{2}-\Omega(d)$ in quasi-polynomial time. For $d-1$-Set Packing instances, we can guarantee a polynomial running time. We also conduct a more general investigation of the relation between approximation guarantees for the unweighted and weighted variants of both the Maximum Weight Independent Set Problem in $d$-claw free graphs and the $d-1$-Set Packing problem. In doing so, we can show that for any constant $\sigma > 0$, there exists a constant $\tau > 0$ such that a (quasi-)polynomial time $1+\tau\cdot (d-2)$-approximation for the unweighted $d-1$-Set Packing Problem (the Maximum Cardinality Independent Set problem in $d$-claw free graphs) implies a (quasi-)-polynomial time $1+\sigma\cdot (d-2)$-approximation for the weighted $d-1$-Set Packing Problem (the Maximum Weight Independent Set problem in $d$-claw free graphs).


翻译:在本文中, 我们考虑如何在给定的 $d- countrial $G= (V,E) 中计算一套独立的最高权重, 配有正权重功能$w: V\rightar\mathb{R ⁇ 0}美元。 最近, Neuwohner 展示了如何在准球度时间里获得 $frac{d-1>\\\\\\\\d\\\d\\\\\leq 1美元和 $\limd\right\ intime $G$G=(V,E) 美元=(美元=美元=美元=(美元=美元=美元=美元=美元=美元=美元=美元=美元)。 对于 美元- 美元- 美元- 美元- 美元(V, 美元==美元=美元=美元=美元=美元) 美元(V, 美元- d=) 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元- 美元-

0
下载
关闭预览

相关内容

专知会员服务
84+阅读 · 2020年12月5日
专知会员服务
52+阅读 · 2020年9月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
VIP会员
相关资讯
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium9
中国图象图形学学会CSIG
0+阅读 · 2021年12月17日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Latest News & Announcements of the Industry Talk2
中国图象图形学学会CSIG
0+阅读 · 2021年7月29日
【ICIG2021】Latest News & Announcements of the Industry Talk1
中国图象图形学学会CSIG
0+阅读 · 2021年7月28日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员