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 $w:V\rightarrow\mathbb{R}^+$. In doing so, $d\geq 2$ is considered a constant. The previously best known approximation algorithm for this problem is the local improvement algorithm SquareImp proposed by Berman. It achieves a performance ratio of $\frac{d}{2}+\epsilon$ in time $\mathcal{O}(|V(G)|^{d+1}\cdot(|V(G)|+|E(G)|)\cdot (d-1)^2\cdot \left(\frac{d}{2\epsilon}+1\right)^2)$ for any $\epsilon>0$, which has remained unimproved for the last twenty years. By considering a broader class of local improvements, we obtain an approximation ratio of $\frac{d}{2}-\frac{1}{63,700,992}+\epsilon$ for any $\epsilon>0$ at the cost of an additional factor of $\mathcal{O}(|V(G)|^{(d-1)^2})$ in the running time. In particular, our result implies a polynomial time $\frac{d}{2}$-approximation algorithm. Furthermore, the well-known reduction from the weighted $k$-Set Packing Problem to the Maximum Weight Independent Set Problem in $k+1$-claw free graphs provides a $\frac{k+1}{2}-\frac{1}{63,700,992}+\epsilon$-approximation algorithm for the weighted $k$-Set Packing Problem for any $\epsilon>0$. This improves on the previously best known approximation guarantee of $\frac{k+1}{2}+\epsilon$ originating from the result of Berman.


翻译:在本文中, 我们考虑在给定的 $dc{ d% 2 ⁇ islon$( V, E) 中计算一套独立的最高重量, 配有正重函数 $w: V\rightr\mathb{R $。 在此过程中, $d\geq 2 是一个固定的。 之前最已知的这个问题的近似算法是伯曼提议的本地改进算法 SquarIP 。 它的性能比率是 $\ frac{ d% 2 ⁇ islal$( O} V( G) d+$1\cddoffice$( V) E ( G)\\\\\\\\\ c=right\ cdral=ral=2美元 (drick) 任何美元( 美元) 美元( 美元=c) 美元( 美元=c) 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( 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)的直值) 的直值) 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
25+阅读 · 2021年4月2日
专知会员服务
50+阅读 · 2020年12月14日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
已删除
将门创投
11+阅读 · 2019年8月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年7月29日
Arxiv
0+阅读 · 2021年7月29日
Arxiv
0+阅读 · 2021年7月28日
Arxiv
0+阅读 · 2021年7月28日
VIP会员
相关资讯
已删除
将门创投
11+阅读 · 2019年8月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员