Core Concepts
クラスター削除問題に対して、より単純で高速な3近似アルゴリズムを提案し、その理論的な解析を行った。さらに、組合せ的な手法でSTC LPを効率的に解くことで、大規模なグラフに対しても適用可能な手法を示した。
Abstract
本論文では、クラスター削除問題に対する改善された近似アルゴリズムを提案している。
まず、既存の2つの近似アルゴリズムであるMatchFlipPivotとSTC LP丸め込みアルゴリズムの近似保証を3に改善した。これらのアルゴリズムは、STC ラベリングとピボット戦略を組み合わせることで、クラスター削除問題を解決する。
次に、MatchFlipPivotアルゴリズムの中心となる、最大の辺素な開ウェッジ集合を見つける手順を高速化した。これにより、理論的な実行時間を大幅に改善した。
さらに、STC LPを組合せ的な手法で解くアルゴリズムを提案した。これにより、一般的なLPソルバーを用いる従来手法と比べて、大規模なグラフに対しても適用可能となった。
最後に、実験的な評価を行い、提案手法の有効性を示した。特に、ピボット選択戦略の比較や、クラスター統合ヒューリスティックの導入により、理論保証を上回る良好な近似解が得られることを確認した。
Stats
クラスター削除問題は、グラフGから最小数の辺を削除して、クリークの集合に分割することを目的とする。
クラスター削除問題は NP 困難である。
Quotes
"クラスター削除問題は、計算生物学やソーシャルネットワーク分析などの分野で応用されている NP 困難なグラフクラスタリング問題である。"
"提案手法は、理論的な近似保証を改善するだけでなく、実践的にも高速で大規模なグラフに適用可能である。"