Core Concepts
Wir präsentieren eine log1+𝑜(1) (𝑛)-Approximation für das Minimum-Cutwidth-Problem und das Minimum-Pathwidth-Problem, was eine deutliche Verbesserung gegenüber den bisherigen polylogarithmischen Garantien darstellt.
Abstract
Der Artikel befasst sich mit Graphenordnungsproblemen, bei denen das Ziel ist, eine lineare Anordnung der Knoten zu finden, die ein bestimmtes Optimierungskriterium minimiert. Es werden zwei Arten von Zielfunktionen unterschieden: Min-Sum-Ziele, bei denen der Durchschnittswert minimiert wird, und Min-Max-Ziele, bei denen der Maximalwert minimiert wird.
Die Autoren konzentrieren sich auf zwei zentrale Min-Max-Probleme: Minimum Cutwidth und Minimum Pathwidth. Für diese Probleme geben sie die ersten verbesserten Approximationsgarantien über das bisherige rekursive Partitionierungsverfahren hinaus.
Der Schlüssel zu ihren Ergebnissen ist eine neue Metrik-Zerlegungsmethode, die für die Handhabung von Min-Max-Zielfunktionen geeignet ist. Diese Methode ermöglicht es, die relativen Anzahlen der Kanten, die große und kleine Teilgraphen schneiden, separat zu kontrollieren. Darüber hinaus zeigen die Autoren, dass ihre Methode auch für andere Probleme wie simultane Approximation von Cutwidth und Minimum Linear Arrangement sowie Vertex Separation Number (äquivalent zu Pathwidth) anwendbar ist.
Stats
Die Cutwidth eines Graphen 𝐺 ist definiert als die minimale maximale Anzahl von Kanten, die einen Schnitt in der linearen Anordnung der Knoten von 𝐺 kreuzen.
Die Pathwidth eines Graphen 𝐺 ist definiert als die minimale Breite einer Pfadzerlegung von 𝐺.
Quotes
"Wir präsentieren eine log1+𝑜(1) (𝑛)-Approximation für das Minimum-Cutwidth-Problem und das Minimum-Pathwidth-Problem, was eine deutliche Verbesserung gegenüber den bisherigen polylogarithmischen Garantien darstellt."
"Der Schlüssel zu unseren Ergebnissen ist eine neue Metrik-Zerlegungsmethode, die für die Handhabung von Min-Max-Zielfunktionen geeignet ist."