一种获取带覆盖约束的 $k$-中心问题真实近似解的技法
数据结构与算法
2020-07-09 v1 最优化与控制
摘要
近期将公平性方面纳入经典聚类问题的兴趣激增。在此精神下两个新近引入的 -Center 问题变体是 Bandyapadhyay、Inamdar、Pai 和 Varadarajan 引入的彩色 -Center,以及彩票模型,如 Harris、Pensyl、Srinivasan 和 Trinh 引入的公平鲁棒 -Center 问题。为处理公平性方面,这些模型相较于传统 -Center 包含了额外的覆盖约束。这些模型的先前近似结果需要放宽一些通常的硬约束,如要开设的中心数量或相关的覆盖约束,因此仅获得常数因子伪近似。本文引入一种处理此类覆盖约束的新方法,从而得到(真实)近似,包括常数多种颜色下彩色 -Center 的 -近似——解决了 Bandyapadhyay、Inamdar、Pai 和 Varadarajan 提出的开放问题——以及公平鲁棒 -Center 的 -近似,其(真实)常数因子近似的存在性也是开放的。我们辅以结果表明,如果允许无界种颜色数,则彩色 -Center 在假设 下不存在具有有限近似保证的近似算法。此外,在指数时间假设下,若颜色数量增长快于基础集大小的对数,则该问题不可近似。
引用
@article{arxiv.2007.03946,
title = {A Technique for Obtaining True Approximations for $k$-Center with Covering Constraints},
author = {Georg Anegg and Haris Angelidakis and Adam Kurpisz and Rico Zenklusen},
journal= {arXiv preprint arXiv:2007.03946},
year = {2020}
}