RUS  ENG
Полная версия
ЖУРНАЛЫ // Дискретный анализ и исследование операций // Архив

Дискретн. анализ и исслед. опер., 2020, том 27, выпуск 3, страницы 88–108 (Mi da958)

Эта публикация цитируется в 1 статье

$2$-Приближённые алгоритмы для двух задач кластеризации на графах

В. П. Ильевab, С. Д. Ильеваa, А. В. Моршининb

a Омский гос. университет им. Ф. М. Достоевского, пр. Мира, 55а, 644077 Омск, Россия
b Омский филиал Института математики им. С. Л. Соболева, ул. Певцова, 13, 644043 Омск, Россия

Аннотация: Изучаются вариант задачи $2$-кластеризации на графе и соответствующая задача с частичным обучением. В этих задачах для данного графа требуется найти ближайший $2$-кластерный граф, т. е. граф на том же множестве вершин, имеющий ровно 2 непустые компоненты связности, каждая из которых является полным графом. Расстояние между графами равно числу их несовпадающих рёбер. Обе рассматриваемые задачи NP-трудны. В 2008 г. Коулман, Саундерсон и Вирт предложили полиномиальный $2$-приближённый алгоритм для аналогичной задачи, в которой число кластеров не превосходит $2$. К сожалению, метод доказательства гарантированной оценки точности алгоритма Коулмана, Саундерсона и Вирта неприменим для задачи $2$-кластеризации на графе, в которой число кластеров в точности равно $2$. Мы предлагаем полиномиальный $2$-приближённый алгоритм для задачи $2$-кластеризации на произвольном графе. В отличие от доказательства Коулмана, Саундерсона и Вирта, наше доказательство гарантированной оценки точности этого алгоритма не использует техники переключений. Кроме того, предложен аналогичный $2$-приближённый алгоритм для соответствующей задачи с частичным обучением. Библиогр. 9.

Ключевые слова: граф, кластеризация, NP-трудная задача, приближённый алгоритм, гарантированная оценка точности.

УДК: 519.8

Статья поступила: 10.01.2020
Переработанный вариант: 06.05.2020
Принята к публикации: 25.05.2020

DOI: 10.33048/daio.2020.27.680


 Англоязычная версия: Journal of Applied and Industrial Mathematics, 2020, 14:3, 490–502

Реферативные базы данных:


© МИАН, 2024