中文

基于LP松弛的$k$-中心及相关问题的扰动弹性聚类

数据结构与算法 2018-06-13 v1

摘要

我们考虑自Bilu和Linial [ICS, 2010]以及Awasthi、Blum和Sheffet [Inf. Proc. Lett., 2012]的工作以来被研究的扰动弹性模型中的聚类。若当成对距离被因子α\alpha修改且扰动后的距离满足度量性质时最优解不改变,则称聚类实例IIα\alpha-扰动弹性的——这是由Angelidakis等人 [STOC, 2010]引入的度量扰动弹性性质,且比先前的模型要求更弱。我们做出两项高层贡献。1)我们证明kk-中心和异步kk-中心的自然LP松弛对于22-扰动弹性实例是整数的。我们相信展示标准LP松弛的优良性质补充了现有基于为扰动模型设计的组合算法的结果。2)我们为带离群点的聚类定义了一种简单的新的扰动弹性模型。利用该模型,我们证明Angelidakis等人 [STOC, 2010]提出的统一MST和基于动态规划的算法在实例为22-扰动弹性时精确求解了带离群点的聚类问题,适用于若干常见的基于中心的目标(如kk-中心、kk-均值、kk-中位数)。我们进一步证明一个自然的LP松弛对于带离群点的\kcenter的22-扰动弹性实例是整数的。

关键词

引用

@article{arxiv.1806.04202,
  title  = {Perturbation Resilient Clustering for $k$-Center and Related Problems via LP Relaxations},
  author = {Chandra Chekuri and Shalmoli Gupta},
  journal= {arXiv preprint arXiv:1806.04202},
  year   = {2018}
}