We study the Maximum Independent Set of Rectangles(MISR) problem, where we are given a set of axis-parallel rectangles in the plane and the goal is to select a subset of non-overlapping rectangles of maximum cardinality. In a recent breakthrough, Mitchell obtained the first constant-factor approximation algorithm for MISR. His algorithm achieves an approximation ratio of 10 and it is based on a dynamic program that intuitively recursively partitions the input plane into special polygons called corner-clipped rectangles (CCRs). In this paper, we present a 4-approximation algorithm for MISR which is based on a similar recursive partitioning scheme. However, we use a more general class of polygons -- polygons that are horizontally or vertically convex -- which allows us to provide an arguably simpler analysis and already improve the approximation ratio. Using a new fractional charging argument and fork-fences to guide the partitions, we improve the approximation ratio even more to 4. We hope that our ideas will lead to further progress towards a PTAS for MISR.


翻译:我们研究了最大独立矩形( MISR) 的问题, 向我们提供了在平面上一组轴- 平行矩形( CCRs) 的问题, 目的是选择一组非重叠矩形 。 在最近的一次突破中, Mitchell 获得了MISR 的第一个常数- 因素近似算法 。 他的算法实现了10 的近似比率, 并且它基于一个动态程序, 将输入平面直线递地分割成特殊多边形, 称为角- 环形矩形( CCRs) 。 在本文中, 我们为 MISR 提出了一个基于相似的循环分配方案 的 4 匹配算法 。 然而, 我们使用一个更普通的多边形( 多边形), 即横向或垂直的矩形 -- 使我们能够提供比较简单的分析, 并且已经改进了近似比率 。 使用一个新的点充量充电和叉来引导分区, 我们甚至改进了近似比率 4 。

0
下载
关闭预览

相关内容

专知会员服务
61+阅读 · 2020年3月4日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Arxiv
0+阅读 · 2021年7月23日
Arxiv
24+阅读 · 2020年3月11日
Implicit Maximum Likelihood Estimation
Arxiv
7+阅读 · 2018年9月24日
VIP会员
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Top
微信扫码咨询专知VIP会员