A connected partition is a partition of the vertices of a graph into sets that induce connected subgraphs. Such partitions naturally occur in many application areas such as road networks, and image processing. We consider Balanced Connected Partitions (BCP), where the two classical objectives for BCP are to maximize the weight of the smallest, or minimize the weight of the largest component. We study BCP on c-claw-free graphs, the class of graphs that do not have $K_{1,c}$ as an induced subgraph, and present efficient (c-1)-approximation algorithms for both objectives. In particular, due to the (3-)claw-freeness of line graphs, this also implies a 2-approximations for the edge-partition version of BCP in general graphs. In the 1970s Gy\H{o}ri and Lov\'{a}sz showed for natural numbers $w_1,\dots,w_k$ where $\sum_i w_i$ is the vertex size, that if $G$ is k-connected, then there exist a connected k-partition with part sizes $w_1,\dots,w_k$. However, to this day no polynomial algorithm to compute such partitions exists for k>4. Towards finding such a partition $T_1,\dots, T_k$, we show how to efficiently compute connected partitions that at least approximately meet the target weights, subject to the mild assumption that each $w_i$ is greater than the weight of the heaviest vertex. In particular, we give a 3-approximation for both the lower and the upper bounded version i.e. we guarantee that each $T_i$ has weight at least $\frac{w_i}{3}$ or that each $T_i$ has weight most $3w_i$, respectively. Also, we present a both-side bounded version that produces a connected partition where each $T_i$ has size at least $\frac{w_i}{3}$ and at most $\max(\{r,3\}) w_i$, where $r \geq 1$ is the ratio between the largest and smallest value in $w_1, \dots, w_k$. In particular for the balanced version, i.e.~$w_1=w_2=, \dots,=w_k$, this gives a partition with $\frac{1}{3}w_i \leq w(T_i) \leq 3w_i$.


翻译:连接的分区是 3 个图形的顶端 3 个图表的分区 3 个图形的顶端 3 个 3 个 3 个 美元 3 美元 作为 连接的子集 。 这种顶部自然出现在许多最小应用区域, 如道路网络和图像处理 。 我们考虑平衡连接分区 (BCP), 其中BCP的两个经典目标是最大限度地增加最小部分的重量, 或将最大部分的重量最小部分。 在 1970s Gy\H{o}ri 和 Lov\\ {a}z 显示自然数字 $w 1, 美元, 美元作为引导的子节, 并展示效率(c-1) 美元 3 美元 美元 和 最高比例值 3 。 当 美元 和 美元 美元(xxxxxxx) 之间, 美元比 最低值的顶值 3 美元 。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
专知会员服务
39+阅读 · 2020年9月6日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
181+阅读 · 2020年4月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
学习自然语言处理路线图
专知会员服务
137+阅读 · 2019年9月24日
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
五个精彩实用的自然语言处理资源
机器学习研究会
6+阅读 · 2018年2月23日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12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12月9日
Arxiv
0+阅读 · 2021年12月9日
Arxiv
0+阅读 · 2021年12月6日
Type-augmented Relation Prediction in Knowledge Graphs
VIP会员
相关VIP内容
专知会员服务
50+阅读 · 2020年12月14日
多标签学习的新趋势(2020 Survey)
专知会员服务
41+阅读 · 2020年12月6日
专知会员服务
39+阅读 · 2020年9月6日
【阿尔托大学】图神经网络,Graph Neural Networks,附60页ppt
专知会员服务
181+阅读 · 2020年4月26日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
学习自然语言处理路线图
专知会员服务
137+阅读 · 2019年9月24日
相关资讯
分布式并行架构Ray介绍
CreateAMind
9+阅读 · 2019年8月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
【TED】生命中的每一年的智慧
英语演讲视频每日一推
9+阅读 · 2019年1月29日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
五个精彩实用的自然语言处理资源
机器学习研究会
6+阅读 · 2018年2月23日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12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