Faster Approximation Scheme for Euclidean $k$-TSP
针对欧几里得 $k$-TSP 问题,提出运行时间为 $n\cdot 2^{O(1/\varepsilon^{d-1})} \cdot(\log n)^{2d^2\cdot 2^d}$ 的近似方案,改进了 Arora 的算法,且该算法是 Gap-ETH 紧密的并支持去随机化。
2024-06-26 cs.CG cs.DS
Hardness of Approximation of Euclidean $k$-Median
Indian Statistical Institute Kolkata(印度统计学院加尔各答);Indian Institute of Technology Delhi(印度理工学院德里分校)
欧几里德$k$ -中位数问题定义如下:给定$\mathbb{R}^{d}$中的$n$点的集合$\mathcal{X}$和整数$k$,找到$k$点(称为中心)的集合$C \subset \mathbb{R}^{d}$,使得成本函数$Φ(C,\mathcal{X}) \equiv \sum_{x \in \mathcal{X}} \min_{c \in C} \|x-c\|_{2}$最小化。欧几里得$k$ -均值问题的定义类似于用代价函数中的平方距离代替距离。已知欧几里得$k$ -均值问题的各种近似结果的困难度。然而,对于欧几里得$k$ -中值问题,没有已知的近似结果的硬度。在唯一对策猜想(UGC)的假设下,给出了欧氏$k$ -中值问题近似结果的第一难性.此外,我们研究的硬度近似的欧几里得$k$ -手段/ $k$ -中位数的问题,在双标准设置的算法是允许选择多个$k$中心。也就是说,允许双标准近似算法输出$βk$中心(对于常数$β>1$),并且相对于最佳$k$ -均值/ $k$ -中值成本计算近似比。在此设置中,我们显示了第一个硬度的近似结果的欧几里德$k$ -中位数问题的任何$β< 1.015$,假设UGC。我们还显示了一个类似的双准则硬度的近似结果的欧几里德$k$ -手段问题的$β< 1.28$,再次假设UGC的更强的界。
2020-11-09 cs.CC cs.CG cs.DS
Approximation Algorithms For The Euclidean Dispersion Problems
在这篇文章中,我们考虑欧几里德色散问题。令$P=\{p_{1}, p_{2}, \ldots, p_{n}\}$是$\mathbb{R}^2$中的$n$点的集合。对于每个点$p \in P$和$S \subseteq P$,我们将$cost_γ(p,S)$定义为从$p$到$S \setminus \{p\}$中最近的$γ$点的欧几里得距离之和。我们为$S \subseteq P$定义了$cost_γ(S)=\min_{p \in S}\{cost_γ(p,S)\}$。在$γ$ -色散问题中,给出了$\mathbb{R}^2$中$n$点的集合$P$和正整数$k \in [γ+1,n]$.目标是找到大小为$k$的子集$S\subseteq P$,使得$cost_γ(S)$最大化。在$\mathbb{R}^2$中,我们同时考虑了$2$ -色散和$1$ -色散问题.随着这些,我们还考虑$2$ -分散问题时,点放在一条线上。在本文中,我们提出了一个简单的多项式时间$(2\sqrt 3 + ε)$因子近似算法的$2$色散问题,对任何$ε> 0$,这是一个改进的最佳已知的近似因子$4\sqrt3$ [Amano,K.和Nakano,S.一、$2$ -色散问题的近似算法,IEICE Transactions on Information and Systems,第103卷(3),pp. 506-5…
2021-05-19 cs.CG cs.DS
Polynomial-time $(k+ε)$-approximation for $k$-coloured Non-crossing Euclidean TSP
University of Bonn(波恩大学)
研究 k 色非交叉欧几里得旅行商问题,此问题是 NP 难的。核心方法是提出多项式时间(k + ε)近似算法,主要贡献为解决 k - ETSP 难题,给出了相应近似算法。
2026-07-28 cs.CG cs.DM cs.DS
Gap-ETH-Tight Approximation Schemes for Red-Green-Blue Separation and Bicolored Noncrossing Euclidean Travelling Salesman Tours
本文研究点类通过非交叉结构的连通问题。给定一组着色的端点,我们想为每种颜色找到一个图,该图连接其颜色的所有端点,并且限制为没有两个图相互交叉。我们认为这些问题都在欧几里德平面和平面图。在算法方面,我们给出了一个Gap-ETH紧EPTAS的双色旅行商问题以及红蓝绿分离问题(其中我们要分离终端的三种颜色与两个非交叉多边形的最小长度),无论是在欧几里得平面上。这改进了Arora和Chang(ICALP 2003)的工作,他们对更简单的红蓝分离问题给出了更慢的PTAS。对于未加权平面图的情况下,我们也显示了一个PTAS的双色旅行商问题。所有这些结果都是基于我们新的修补程序,可能是独立的利益。在消极的一面,我们表明,连接终端对与非交叉路径的问题是NP-困难的欧几里德平面上,并找到两个非交叉生成树的问题是NP-困难的平面图。
2022-09-19 cs.CG cs.DS
A Refined Analysis of LSH for Well-dispersed Data Points
近邻问题是高维欧氏空间算法的基础。经典的哈希算法存在维数灾难的问题,而局部敏感哈希算法(LSH)可以有效地解决a-近似r-近邻问题,并被证明在最坏情况下是最优的。然而,对于真实世界的数据集,LSH可以自然地受益于良好分散的数据和低倍维,从而显着提高性能。在本文中,我们解决这个问题,并提出了一个精细的分析,通过LSH近似近邻查询的运行时间。我们用数据点之间b*r-near对的数目N_b来表征数据的分散性。结合最优数据不经意LSH方案,得到了一个新的依赖于N_b和双倍维数的查询时间界。对于许多自然场景中的点是分散的或躺在一个低倍维空间,我们的结果导致更尖锐的性能比现有的最坏情况下的分析。本文不仅首次对LSH如何利用数据点的结构给出了严格的证明,而且对LSH在超越最坏情况的实践中的参数设置提供了重要的见解。此外,在我们的分析技术涉及到一个广义版本的球包装问题,这可能是一些独立的利益。
2016-12-14 cs.CG cs.DS
A quasi-polynomial time approximation scheme for Euclidean capacitated vehicle routing
在1959年由Dantzig和Ramser提出的有容量限制的车辆路径问题中,我们给定n个客户和一个仓库的位置,以及一辆容量为k的车辆,并希望找到一个最小长度的旅行集合,每个旅行从仓库开始,最多访问k个客户,其联盟覆盖所有客户。我们给出了一个准多项式时间的近似方案的设置,其中客户和仓库是在平面上,距离由欧几里德度量。
2008-12-08 cs.DM cs.DS
NP-hardness and a PTAS for the Euclidean Steiner Line Problem
本研究证明了欧几里得施泰纳线问题(ESL)和固定线变体(ESfL)均为NP难问题,同时通过将问题归约到欧几里得施泰纳树问题(EST),给出了两者的多项式时间近似方案(PTAS)。
2024-12-09 cs.CG cs.DS
Unsplittable Euclidean Capacitated Vehicle Routing: A $(2+ε)$-Approximation Algorithm
在不可拆分的容量限制车辆路径问题中,我们给出了一个度量空间,其中一个顶点称为仓库,一组顶点称为终端。每个终端与0和1之间的正需求相关联。目标是找到在停车场开始和结束的旅行的最小长度集合,使得每个终端的需求由单个旅行覆盖(即,不能拆分),且每一个行程的码头总需求量不超过1。我们的主要结果是这个问题在二维欧氏平面上的多项式时间$(2+ε)$ -近似算法,即,对于终端和车站与欧几里得平面中的点相关联且其距离相应定义的特殊情况。这改进了Blauth,Traub和Vygen [IPCO'21]以及Friggstad,Mousavi,Rahgoshay和Salavatipour [IPCO'22]最近的工作。
2022-09-12 cs.DS
Facility Location on High-dimensional Euclidean Spaces
本文针对高维欧几里得空间上的无容量设施选址(UFL)问题,提出了改进的双因子和单因子近似算法,首次证明了欧几里得度量与一般度量在近似性上的分离。
2025-01-30 cs.DS
Streaming Euclidean MST to a Constant Factor
我们研究流算法的基本几何问题的成本计算的欧几里德最小生成树(MST)的$n$ -点集$X \subset \mathbb{R}^d$。在流模型中,$X$中的点可以任意添加和删除,目标是在小空间内保持近似。在低维情况下,$(1+ε)$近似在次线性空间中是可能的[Frahling,Indyk,Sohler,SoCG '05]。然而,对于高维空间,这个问题最著名的近似是$\tilde{O}(\log n)$,由于[Chen,Jayaram,Levi,Waingarten,STOC '22],改进了[Indyk,STOC '04]和[Andoni,Indyk,Krauthgamer,SODA '08]的先验$O(\log^2 n)$界。本文突破了对数障碍,给出了欧氏MST的第一常因子次线性空间逼近。对于任何$ε\geq 1$,我们的算法实现了$n^{O(ε)}$空间中的$\tilde{O}(ε^{-2})$近似。我们补充这一点,证明任何单通算法,获得一个更好的$1.10$ -近似必须使用$Ω(\sqrt{n})$空间,证明$(1+ε)$近似是不可能的,在高维,我们的算法是紧到一个常数。然而,我们证明了$(1+ε)$近似是可能的,在次线性空间与$O(1/ε)$通过流。更一般地,对于任何$α\geq 2$,我们给出了一个$α$ -pass流算法,它在$n^{O(ε)} d^{O(1)}$空间中…
2022-12-13 cs.DS
A PTAS for the Min-Max Euclidean Multiple TSP
我们提出了一个多项式时间近似方案(PTAS)的最小-最大多TSP问题在欧氏空间中,多个旅行推销员的任务是访问一组$n$点,目标是最大旅游长度最小化。对于任意的$\varepsilon > 0$,我们的PTAS实现了时间上的$(1 + \varepsilon)$近似$O \big(n ((1/\varepsilon) \log (n/\varepsilon))^{O(1/\varepsilon)} \big)$。我们的方法扩展了Sanjeev Arora的动态规划(DP)PTAS的欧几里德TSP(https://doi.org/10.1145/290179.290180)。我们的算法引入了一个舍入过程来平衡多个销售员之间的路径长度的分配。我们分析了DP中误差的积累,证明了该解是一个$(1 + \varepsilon)$ -近似。
2021-12-13 cs.DS
The Approximation Ratio of the 2-Opt Heuristic for the Euclidean Traveling Salesman Problem
2-Opt启发式算法是旅行商问题的一种简单的改进启发式算法。它从一个任意的巡回开始,然后重复地用另外两条边替换巡回的两条边,只要这产生一个较短的巡回。我们将证明,欧几里德旅行商问题与$n$城市的2-Opt启发式的近似比是$Θ(\log n/ \log \log n)$。这改进了Chandra、Karloff和Tovey [3]在1999年给出的($O(\log n$)的上界。
2021-01-22 cs.DM cs.DS math.CO
Euclidean Capacitated Vehicle Routing in Random Setting: A $1.55$-Approximation Algorithm
本文研究平面随机单位需求 CVRP,结合扫描启发式与 Arora 的 TSP 框架,提出多项式时间算法,将渐近近似比改进至 1.55,并猜想其可达到任意 $1+\varepsilon$。
2023-04-22 cs.DS
A $(5/3+ε)$-Approximation for Tricolored Non-crossing Euclidean TSP
本文针对三色欧几里得旅行商问题,通过条件修补方案或基于k=2加权解的替代方法,提出了(5/3+ε)-近似算法,将Arora的修补方法推广到三个回路的情形。
2024-02-21 cs.DS
On Some Variants of Euclidean K-Supplier
$k$ -供应商问题是一个重要的选址问题,在一般度量和欧氏度量中都得到了积极的研究。它的许多变体也被研究过,主要是在一般度量上。我们研究了$k$ -Supplier的两种变体,即优先级$k$ -Supplier和带离群值的$k$ -Supplier。我们得到$(1+\sqrt{3})$ -近似算法的两个变种,这是第一次改进,在以前已知的因素- $3$近似(这是已知的最好的可能的一般指标)。我们还研究了拟阵供应商问题的欧几里德度量,并表明,它不能近似为一个比$3$(假设$P\ne NP$)更好的因素,所以在这种情况下,欧几里德度量提供没有改善。
2021-12-03 cs.DS
An $n^{O(\log\log n)}$ time approximation scheme for capacitated VRP in the Euclidean plane
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
提出欧几里得平面上带容量车辆路径问题的拟多项式时间近似方案,运行时间为 $n^{f(\epsilon)\cdot\log\log n}$。先将其归约为无容量的 $m$ -路径问题,再给出该问题的拟多项式时间近似方案。
2026-07-07 cs.DS
A Linear Time Gap-ETH-Tight Approximation Scheme for Euclidean TSP
针对欧几里得 TSP 问题,本文提出了一种运行时间为 $2^{O(1/\varepsilon^{d-1})} n$ 的随机化近似方案,实现了线性时间复杂度并达到了 Gap-ETH 紧依赖,正面解决了此前研究遗留的开放问题。
2025-04-03 cs.DS
An $\tilde{O}(n^{5/4})$ Time $\varepsilon$-Approximation Algorithm for RMS Matching in a Plane
Virginia Tech(弗吉尼亚理工大学)
2-Wasserstein距离(或RMS距离)是概率分布之间相似性的有用度量,在机器学习中有令人兴奋的应用。对于离散分布,计算这个距离的问题可以表示为在由两个多点集$A,B \subset \mathbb{R}^2$给出的完全二分图上找到最小成本完美匹配,其中$|A|=|B|=n$,其中任何两点之间的地面距离是它们之间的平方欧几里德距离。尽管对于地面距离为欧几里德的情况存在近线性时间相对$\varepsilon$ -近似算法(Sharathkumar和Agarwal,JACM 2020),但是对于RMS距离的所有现有相对$\varepsilon$ -近似算法都需要$Ω(n^{3/2})$时间。这主要是因为,与欧几里德距离不同,平方欧几里德距离不是度量。在本文中,RMS距离,我们提出了一个新的$\varepsilon$近似算法,运行在$O(n^{5/4}\mathrm{poly}\{\log n,1/\varepsilon\})$时间。我们的算法受到最近在二分平面图中找到最小成本完美匹配的方法的启发(Asathulla等人,TALG 2020)。他们的算法很大程度上依赖于次线性大小的顶点分隔符的存在,以及需要平面性的最短路径数据结构。令人惊讶的是,我们能够设计一个类似的算法,一个完整的几何图形,是远离平面,没有任何顶点分隔符。我们的算法的核心组件包括一个基于四叉树的距离,近似平方欧几…
2020-07-15 cs.CG cs.DS cs.LG
Better Guarantees for k-Means and Euclidean k-Median by Primal-Dual Algorithms
聚类是使用$k$进行优化的经典主题-意味着是最基本的此类问题之一。在对输入没有任何限制的情况下,具有可证明保证的用于$k$ -均值的最佳已知算法是产生$9+ε$的近似保证的简单局部搜索启发式,已知相对于这样的方法是紧的比率。我们克服了这个障碍,提出了一个新的原始-对偶方法,使我们能够(1)利用几何结构的$k$ -手段和(2)满足硬约束,最多$k$集群被选中,而不会恶化的近似保证。我们的主要结果是关于标准LP松弛的$6.357$ -近似算法。我们的技术是相当普遍的,我们也显示了改进的一般版本的$k$的保证-意味着其中的基本度量是不需要的欧几里德和$k$ -中位数在欧几里德度量。
2017-04-10 cs.DS
Fast approximate $\ell$-center clustering in high dimensional spaces
University of Warsaw(华沙大学);Lund University(隆德大学)
本文提出了一种在高维空间中快速近似ℓ-中心聚类的算法,通过随机降维技术提升了效率,并改进了处理异常值的近似方法。
2025-12-02 cs.DS
Subexponential Parameterized Approximation for Group-Fair Euclidean $k$-Center
School of Computer Sciences, National Institute of Science Education and Research(国家科学教育研究中心计算机科学学院);Homi Bhabha National Institute (HBNI)(霍米·巴巴国立研究所)
本文针对固定维度组公平欧几里得k-中心问题,提出基于分隔器的递归近似算法,将k的依赖改进为亚指数,实现双标准近似且采用乘法公平性放松。
2026-10-14 cs.DS
The Hardness of Approximation of Euclidean k-means
欧几里德$k$ -均值问题是理论计算机科学、机器学习和计算几何领域广泛研究的经典问题。在这个问题中,我们给定了一组在欧氏空间$R^d$中的$n$点,目标是在$R^d$中选择$k$中心,使得每个点到其最近中心的平方距离之和最小。这个问题的最佳近似算法包括一般$k$的多项式时间常数因子近似和在时间上运行的$(1+ε)$近似$poly(n) 2^{O(k/ε)}$。在另一个极端,这个问题唯一已知的计算复杂性结果是NP-硬度[ADHP'09]。获得硬度结果的主要困难来自问题的欧几里德性质,以及$R^d$中的任何点都可以是潜在中心的事实。这种理解上的差距留下了一个有趣的可能性,即这个问题可能承认所有$k,d$都有PTAS。本文给出了欧氏$k$ -均值问题逼近的第一困难性.具体地说,我们证明了存在一个常数$ε> 0$,使得它是NP-难近似的$k$ -手段的目标内的一个因素$(1+ε)$。我们证明了这一点,通过一个有效的减少从顶点覆盖问题的三角形的图:给定一个三角形的图,目标是选择最少数量的顶点是事件的所有边缘。此外,我们给出了一个证明,目前最好的硬度顶点覆盖的结果可以结转到三角形自由图。为了表明这一点,我们变换$G$,一个已知的硬顶点覆盖实例,通过采取一个图形产品与一个适当选择的图形$H$,并显示(归一化)的最大独立集的大小几乎完全保留在产品图使用频谱分析,这可能是独立的兴趣。
2015-02-11 cs.CC cs.DS
Parameterized Approximation Algorithms for $k$-Center Clustering and Variants
$k$ -center是最流行的聚类模型之一。虽然它承认一个简单的2-近似多项式时间在一般的度量,欧几里德版本是NP-困难的近似因子为1.93,即使在平面上,如果坚持依赖于$k$在运行时间是多项式。如果没有这个限制,经典算法产生欧几里得$k$ -中心的$2^{O((k\log k)/ε)}dn$ -时间$(1+ε)$ -近似,其中$d$是维度。我们给出了一个更快的算法,小尺寸:粗略地说,一个$O^*(2^{O((1/ε)^{O(d)} \cdot k^{1-1/d} \cdot \log k)})$ -时间$(1+ε)$ -近似。特别地,运行时间在平面中大致为$O^*(2^{O((1/ε)^{O(1)}\sqrt{k}\log k)})$。我们补充我们的算法结果与匹配的硬度下限。我们还考虑了$k$ -中心的一个广泛研究的推广,称为非均匀$k$ -中心(NUkC),其中我们允许不同半径的集群。NUkC在任何因子内都是NP难近似的,即使在欧几里得情况下也是如此。我们设计了一般度量下NUkC的$2^{O(k\log k)}n^2$时间$3$ -近似和欧氏NUkC的$2^{O((k\log k)/ε)}dn$时间$(1+ε)$ -近似.后一个时间界限与$k$ -center的界限匹配。
2021-12-19 cs.DS
Near-Optimal Bounds for Parameterized Euclidean k-means
Google Research(谷歌研究);Rutgers University(罗格斯大学);Université Paris Cité, CNRS(巴黎西岱大学,法国国家科学研究中心);Aarhus University(奥胡斯大学)
本文基于XXH假设,证明了欧几里得k均值问题在时间复杂度上的下界,且展示了精确算法在小k值时的最优性。
2026-03-30 cs.CC cs.CG cs.DS
$k$-PCA for (non-squared) Euclidean Distances: Polynomial Time Approximation
Robotics & Big Data Labs, University of Haifa, Israel(机器人与大数据实验室,海法大学)
本文针对欧氏空间中 $k$-子空间中位数(非平方距离和最小化)问题,提出首个运行时间与近似因子均不随 $k$ 指数增长的多项式时间确定性算法,近似因子为 $\sqrt{d}$,并给出代码与实验验证。
2025-07-19 cs.CG cs.DS cs.LG
The Approximation Ratio of the $k$-Opt Heuristic for the Euclidean Traveling Salesman Problem
本文证明在二维欧几里得旅行商问题中,$k$-Opt 启发式算法的近似比为 $Θ(\log n / \log \log n)$,改进了 1999 年的上界,并首次给出 $k\ge 3$ 的非平凡下界,结果适用于任意 $p$-范数。
2023-05-16 cs.DM cs.DS math.CO
On Coresets for Fair Clustering in Metric and Euclidean Spaces and Their Applications
University of Bergen(卑尔根大学)
公平聚类是聚类的一种受约束的变体,其目标是划分一组彩色点,使得每个聚类中任何颜色的点的分数或多或少等于数据集中该颜色的点的分数。这种变体最近由Chierichetti等人[NeurIPS,2017]在一项开创性的工作中引入,并在聚类文献中广泛流行。在本文中,我们提出了一种新的构造的核心集的公平聚类的基础上随机抽样。新的结构使我们能够获得第一个coreset公平聚类一般度量空间。对于欧氏空间,我们得到了第一个其大小不指数依赖于维数的coreset。我们的coreset结果解决了Schmidt et al. [WAOA,2019]和Huang et al. [NeurIPS,2019]提出的开放问题。新的coreset结构有助于设计几个新的近似和流算法。特别地,我们得到了第一个度量公平聚类的真常数-近似算法,其运行时间是固定参数可处理的(FPT)。在欧几里德的情况下,我们推导出第一个$(1+ε)$ -近似算法的公平聚类的时间复杂度是近线性的,并不依赖于空间的维数指数。此外,我们的核心集建设计划是相当普遍的,并产生了广泛的约束聚类问题的核心集。这导致这些问题在一般度量和近线性时间$(1+ε)$ -近似的欧几里德度量的改进常数近似。
2020-07-20 cs.DS cs.LG
On the Fixed-Parameter Tractability of Capacitated Clustering
我们研究了由中心数k参数化的经典的有能力约束的k-中值和k-均值问题的复杂性。这些问题是出了名的困难,因为最有名的近似界为高维欧氏空间和一般度量空间是$Θ(\log k)$,它仍然是一个主要的开放问题是否存在一个常数因子。我们证明了在一般度量空间中,运行时间为$f(ε,k) n^{O(1)}$的有能力的k-中值问题存在一个$(3+ε)$-近似算法,有能力的k-均值问题存在一个$(9+ε)$ -近似算法.对于任意维数的欧氏输入,我们给出了一个$(1+ε)$ -近似算法。这是对Adamczyk等人的$(7+ε)$ -近似的显著改进。在一般度量空间中的k-中位数和Xu等人的$(69+ε)$ -近似的欧几里德k-均值。
2022-08-30 cs.DS
Improved Differentially Private Euclidean Distance Approximation
这项工作展示了如何私下和更准确地估计向量对之间的欧氏距离。输入向量$x$和$y$被映射到差异私有草图$x'$和$y'$,从中可以估计$x$和$y$之间的距离。我们的估计器依赖于Kane \& Nelson的Sparser Johnson-Lindenstrauss构造(Journal of the ACM 2014),对于任何$0<α,β<1/2$,该构造具有最佳输出维度$k=Θ(α^{-2}\log(1/β))$和稀疏度$s=O(α^{-1}\log(1/β))$。我们结合的建设凯恩\和纳尔逊与拉普拉斯或高斯机制从差分隐私文献,根据隐私参数$\varepsilon$和$δ$。我们还建议Ailon \& Chazelle(SIAM Journal of Computing 2009)的快速约翰逊-林登施特劳斯变换(FJLT)的差分私有版本,它为某些参数的方差提供了速度上的权衡。我们回答了Kenthapadi等人提出的一个开放性问题。(Journal of Privacy and Confidential 2013)通过分析欧氏距离估计器的隐私和效用保证,依赖于拉普拉斯而不是高斯噪声。我们证明,拉普拉斯机制产生较低的方差比高斯机制时,$δ<β^{O(1/α)}$。因此,我们的工作比Kenthapadi等人的工作有所改进。通过对足够小的$δ$给出具有较低方差的更有效的估计器。我们的草图…
2022-03-22 cs.DS
Probabilistic Analysis of Euclidean Capacitated Vehicle Routing
我们给出了随机环境下的单位需求Euclidean容量限制车辆路径问题的概率分析,其中输入分布由$n$单位需求客户建模为二维平面上独立的,同分布的均匀随机点。目标是使用一组最小总长度的路线访问每个客户,使得每条路线访问最多$k$客户,其中$k$是车辆的容量。以下所有结果都是在随机环境下的,并且几乎必然渐近成立。这个问题最著名的多项式时间近似是迭代巡回分割(ITP)算法,由Haimovich和Rinnooy Kan在1985年提出。他们表明,当$k$是$o(\sqrt{n})$或$ω(\sqrt{n})$时,ITP算法接近最优,他们询问ITP算法在中间范围内是否也有效。在这项工作中,我们表明,当$k=\sqrt{n}$,ITP算法是在最好的$(1+c_0)$ -近似一些正常数$c_0$。另一方面,由于Bompadre、Dror和Orlin的研究,已知ITP算法的逼近比最多为$0.995+α$,其中$α$是旅行推销员问题算法的逼近比。在这项工作中,我们提高了ITP算法的逼近比的上界$0.915+α$。我们的分析是基于一个新的下限的最优成本的度量容量限制的车辆路径问题,这可能是独立的利益。
2021-09-14 cs.DS
A PTAS for Euclidean TSP with Hyperplane Neighborhoods
在带邻域的旅行商问题(TSPN)中,我们给出了某个空间中的几何区域的集合。我们的目标是输出一个最短长度的旅游,访问每个地区至少一个点。即使在欧几里得平面上,TSPN也被认为是APX困难的,这使得研究该问题更容易处理的特殊情况。在本文中,我们专注于基本特殊情况下的区域是超平面的$d$维欧氏空间。这种情况与所谓的脂肪区域的情况形成了对比。虽然对于$d=2$的精确算法与运行时间$O(n^5)$是已知的,解决精确的逼近问题的$d=3$已被反复提出作为一个开放的问题。迄今为止,只有一个近似算法,保证指数在$d$是已知的,NP-硬度仍然开放。对于任意固定的$d$,我们开发了一个多项式时间近似计划(PTAS),工程的旅游和路径版本的问题。我们的算法是基于近似的凸包的最佳巡回赛的凸多面体的有界复杂性。这样的多面体表示为一个复杂的LP制定,我们结合枚举的巡回赛的关键属性的解决方案。由于近似保证接近$1$,我们的计划相应地调整所考虑的多面体的复杂性。在我们的近似方案的分析,我们表明,我们的搜索空间包括一个足够好的近似的最佳。要做到这一点,我们开发了一种新的和一般的稀疏化技术,将任意凸多面体转化为一个具有恒定数量的顶点,反过来,在上述意义上的有界复杂性之一。因此,我们保持了多面体的重要性质。
2019-06-13 cs.DS