通过协同数据缩减精确解决边界团覆盖问题
摘要：边团覆盖（ECC）问题的实践中确切计算最小ECC的方法是将数据减少应用于ECC和顶点团覆盖（VCC）问题的结合。我们修改了Kou等人的多项式时间归约方法，将简化的ECC实例转化为VCC实例；或者我们展示了一些VCC减少方法可以“提升”到ECC问题。我们的实验证明，将这两个问题的数据减少结合起来（我们称之为协同数据减少），可以比Gramm等人的技术更加快速地找到确切的最小ECC，并能够解决以前从未解决过的数百万顶点和边的大型稀疏图。借助这些新的确切解决方案，我们首次评估了最近启发式算法在大型实例上的质量。其中最新的方法，Abdullah等人的EO-ECC方法，解决了我们有确切解决方案的27个实例中的8个。我们希望我们的策略能够激励研究人员寻求改进的ECC问题算法。
作者：Anthony Hevia, Benjamin Kallus, Summer McClintic, Samantha Reisner, Darren Strash, and Johnathan Wilson
论文ID：2306.17804
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-07-06