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,则称聚类实例是-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-中心和异步-中心的自然LP松弛对于-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-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-中心、-均值、-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-扰动弹性实例是整数的。
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}
}