机构名称：
¥ 1.0
找到最大独立集是经典的NP - 硬性问题之一[42]。此外，[36，60]的开创性工作证明了近似MIS的大小至在任何δ> 0的n 1-δ以内的NP硬度。相比之下，输出任何一个顶点都可以琐碎地给出n- apptroximation。[10]给出了一个非平凡的O（n/ log 2 n） - 近似MIS，后来[29]改进了这一点。这些结果表明，该问题的一般形式很难，因此，许多研究工作已致力于在特殊情况下进行近似算法，例如平面图[3，47]，矩形交流图[16，22，32]，and Expiented-timential-pimential-pimential-time algorith算法[51，31，31，59，59，59，59，59，12]。另一方面，启发式算法尽管有糟糕的案例保证，但在现实世界图上通常表现出值得称赞的表现[4，24，57]。例如，贪婪算法仅提供O（∆）的近似保证，其中∆是g的最大程度。但是，它经常产生令人满意的经验结果。最差的硬度硬度和实际效率之间的差距激发了我们通过超出最坏情况分析的视角研究MIS问题[11，52]。，特别是在现代背景下，我们提出了一个问题的问题，该问题是通过学习吸引人的甲壳的最大独立集。
学习增强的最大独立集-DROPS
主要关键词
相关文件推荐
