Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen...
Transcript of Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen...
![Page 1: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/1.jpg)
Approximation unabhangiger Mengen inGraphen mit dem Greedy Algorithmus
(Teil 2)
Matthias Baumgart
Chemnitz, 9. Dezember 2003
![Page 2: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/2.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
![Page 3: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/3.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
![Page 4: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/4.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
1.1. Obere Schranken
![Page 5: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/5.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
1.1. Obere Schranken
bezuglich des maximalen Knotengrades ∆
![Page 6: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/6.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
1.1. Obere Schranken
bezuglich des maximalen Knotengrades ∆bezuglich des durchschnittlichen Knotengrades d
![Page 7: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/7.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
1.1. Obere Schranken
bezuglich des maximalen Knotengrades ∆bezuglich des durchschnittlichen Knotengrades d
1.2. Untere Schranken
![Page 8: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/8.jpg)
1
Gliederung
1. Der MIN-Greedy Algorithmus
2. Die Gute des MIN-Greedy
1.1. Obere Schranken
bezuglich des maximalen Knotengrades ∆bezuglich des durchschnittlichen Knotengrades d
1.2. Untere Schranken
3. Demonstration einer Implementierung des MIN-Greedy in Java
![Page 9: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/9.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅
![Page 10: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/10.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅2 while V 6= ∅ do3 wahle v ∈ V mit d(v) = minw∈V {d(w)}
![Page 11: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/11.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅2 while V 6= ∅ do3 wahle v ∈ V mit d(v) = minw∈V {d(w)}4 IGr ← IGr ∪ {v}
![Page 12: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/12.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅2 while V 6= ∅ do3 wahle v ∈ V mit d(v) = minw∈V {d(w)}4 IGr ← IGr ∪ {v}5 V ← V \ ({v} ∪N(v))
![Page 13: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/13.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅2 while V 6= ∅ do3 wahle v ∈ V mit d(v) = minw∈V {d(w)}4 IGr ← IGr ∪ {v}5 V ← V \ ({v} ∪N(v))6 E ← E \ {e : e ∈ E und e ∩ ({v} ∪N(v)) 6= ∅}
![Page 14: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/14.jpg)
2
Der MIN-Greedy Algorithmus
MIN-Greedy(G = (V,E))1 IGr ← ∅2 while V 6= ∅ do3 wahle v ∈ V mit d(v) = minw∈V {d(w)}4 IGr ← IGr ∪ {v}5 V ← V \ ({v} ∪N(v))6 E ← E \ {e : e ∈ E und e ∩ ({v} ∪N(v)) 6= ∅}7 return IGr
![Page 15: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/15.jpg)
3
Obere Schranke der Gute bezuglich ∆
Satz 1 Sei ∆ der maximale Grad des Graphen G = (V,E). Danngilt fur die Gute des MIN-Greedy
RGr(G) ≤ ∆ + 23
.
![Page 16: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/16.jpg)
3
Obere Schranke der Gute bezuglich ∆
Satz 1 Sei ∆ der maximale Grad des Graphen G = (V,E). Danngilt fur die Gute des MIN-Greedy
RGr(G) ≤ ∆ + 23
.
Beweis: Teil 1. 2
![Page 17: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/17.jpg)
4
Obere Schranke der Gute bezuglich d
Satz 2 Sei d der Durchschnittsgrad eines Graphen G = (V,E).Dann gilt fur die Gute des MIN-Greedy
RGr(G) ≤ d + 22
.
![Page 18: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/18.jpg)
4
Obere Schranke der Gute bezuglich d
Satz 2 Sei d der Durchschnittsgrad eines Graphen G = (V,E).Dann gilt fur die Gute des MIN-Greedy
RGr(G) ≤ d + 22
.
Beweis: In Teil 1 des Vortrages wurde bewiesen, dass
|IGr| ≥(1 + τ2) · nd + 1 + τ
gilt.
![Page 19: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/19.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.
![Page 20: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/20.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.Fur die Gute gilt also:
RGr(G) ≤ (τ · n) · (d + 1 + τ)(1 + τ2) · n
![Page 21: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/21.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.Fur die Gute gilt also:
RGr(G) ≤ (τ · n) · (d + 1 + τ)(1 + τ2) · n
=d · τ + τ + τ2
1 + τ2
![Page 22: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/22.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.Fur die Gute gilt also:
RGr(G) ≤ (τ · n) · (d + 1 + τ)(1 + τ2) · n
=d · τ + τ + τ2
1 + τ2
= f(τ) .
![Page 23: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/23.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.Fur die Gute gilt also:
RGr(G) ≤ (τ · n) · (d + 1 + τ)(1 + τ2) · n
=d · τ + τ + τ2
1 + τ2
= f(τ) .
Die Funktion f(τ) ist im Intervall (0, 1] monoton steigend undnimmt ihr Maximum fur τ = 1 an.
![Page 24: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/24.jpg)
5
Eine maximale unabhangige Menge hat die Kardinalitat α = τ ·n.Fur die Gute gilt also:
RGr(G) ≤ (τ · n) · (d + 1 + τ)(1 + τ2) · n
=d · τ + τ + τ2
1 + τ2
= f(τ) .
Die Funktion f(τ) ist im Intervall (0, 1] monoton steigend undnimmt ihr Maximum fur τ = 1 an.
Damit gilt
RGr(G) ≤ d + 22
.2
![Page 25: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/25.jpg)
6
Untere Schranken der Gute
Die vorgestellten oberen Schranken der Gute des MIN-Greedy
Algorithmus konnen nicht wesentlich verbessert werden.
![Page 26: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/26.jpg)
6
Untere Schranken der Gute
Die vorgestellten oberen Schranken der Gute des MIN-Greedy
Algorithmus konnen nicht wesentlich verbessert werden.
Satz 3 Es gibt Graphen G = (V,E) mit maximalem Knotengrad∆ ≥ 3, so dass fur die Gute des MIN-Greedy Algorithmus
RGr(G) ≥ ∆ + 23−O(∆2/n)
gilt.
![Page 27: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/27.jpg)
6
Untere Schranken der Gute
Die vorgestellten oberen Schranken der Gute des MIN-Greedy
Algorithmus konnen nicht wesentlich verbessert werden.
Satz 3 Es gibt Graphen G = (V,E) mit maximalem Knotengrad∆ ≥ 3, so dass fur die Gute des MIN-Greedy Algorithmus
RGr(G) ≥ ∆ + 23−O(∆2/n)
gilt.
Beweis: Wir konstruieren in Abhangigkeit von ∆ mod 3 Graphen,so dass keine bessere Gute erreichen kann.
![Page 28: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/28.jpg)
7
Fall 1: Es sei ∆ ≡ 1 mod 3.
![Page 29: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/29.jpg)
7
Fall 1: Es sei ∆ ≡ 1 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj — Kj
besteht.
![Page 30: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/30.jpg)
7
Fall 1: Es sei ∆ ≡ 1 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj — Kj
besteht.
Jede Clique ist vollstandig mit der nachsten unabhangigen Mengeverbunden.
![Page 31: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/31.jpg)
7
Fall 1: Es sei ∆ ≡ 1 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj — Kj
besteht.
Jede Clique ist vollstandig mit der nachsten unabhangigen Mengeverbunden.
Die Knoten der unabhangigen Menge eines Teilgraphen werden –bis auf ein perfektes Matching – vollstandig mit der Clique desnachsten Teilgraphen verbunden.
![Page 32: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/32.jpg)
8
Den Abschluss bildet eine Clique Kj, die vollstandig mit der letztenunabhangigen Menge verbunden ist.
![Page 33: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/33.jpg)
8
Den Abschluss bildet eine Clique Kj, die vollstandig mit der letztenunabhangigen Menge verbunden ist.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 34: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/34.jpg)
8
Den Abschluss bildet eine Clique Kj, die vollstandig mit der letztenunabhangigen Menge verbunden ist.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 35: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/35.jpg)
9
Tabelle der Knotengrade:
![Page 36: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/36.jpg)
9
Tabelle der Knotengrade:
KnotengradKnoten der ersten Clique 2j − 1Knoten der abschließenden Clique 2j − 1Knoten aller anderen Cliquen 3j − 2Knoten der letzten unabhangigen Menge 2j
Knoten aller anderen unabhangigen Mengen 2j − 1
![Page 37: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/37.jpg)
10
![Page 38: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/38.jpg)
10
|IGr| =n− j
2j+ 1
![Page 39: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/39.jpg)
10
|IGr| =n− j
2j+ 1
|Imax| =n− j
2
![Page 40: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/40.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
![Page 41: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/41.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
= j − 2j2
n + j.
![Page 42: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/42.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
= j − 2j2
n + j.
Der Maximalgrad ist ∆ = 3j − 2.
![Page 43: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/43.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
= j − 2j2
n + j.
Der Maximalgrad ist ∆ = 3j − 2. Also gilt
RGr(G) ≥ j − 2j2
n + j
![Page 44: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/44.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
= j − 2j2
n + j.
Der Maximalgrad ist ∆ = 3j − 2. Also gilt
RGr(G) ≥ j − 2j2
n + j
=∆ + 2
3− 2 · ((∆ + 2)/3)2
n + (∆ + 2)/3
![Page 45: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/45.jpg)
11
Fur die Gute gilt also
RGr(G) ≥ (n− j)/2(n− j)/(2j) + 1
= j − 2j2
n + j.
Der Maximalgrad ist ∆ = 3j − 2. Also gilt
RGr(G) ≥ j − 2j2
n + j
=∆ + 2
3− 2 · ((∆ + 2)/3)2
n + (∆ + 2)/3
=∆ + 2
3−O(∆2/n) .
![Page 46: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/46.jpg)
12
Fall 2: Es sei ∆ ≡ 0 mod 3.
![Page 47: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/47.jpg)
12
Fall 2: Es sei ∆ ≡ 0 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj — Kj−1 — Kj — Kj — Kj−1
besteht.
![Page 48: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/48.jpg)
12
Fall 2: Es sei ∆ ≡ 0 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj — Kj−1 — Kj — Kj — Kj−1
besteht.
Jede Clique ist vollstandig mit der nachsten unabhangigen Mengeverbunden.
![Page 49: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/49.jpg)
12
Fall 2: Es sei ∆ ≡ 0 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj — Kj−1 — Kj — Kj — Kj−1
besteht.
Jede Clique ist vollstandig mit der nachsten unabhangigen Mengeverbunden.
Die Verbindung einer unabhangigen Menge mit der nachsten Cli-que ist – bis auf ein einzelnes maximales Matching – vollstandig.
![Page 50: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/50.jpg)
12
Fall 2: Es sei ∆ ≡ 0 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj — Kj−1 — Kj — Kj — Kj−1
besteht.
Jede Clique ist vollstandig mit der nachsten unabhangigen Mengeverbunden.
Die Verbindung einer unabhangigen Menge mit der nachsten Cli-que ist – bis auf ein einzelnes maximales Matching – vollstandig.
In dieser Weise erfolgt auch die Verbindung zweier Teilgraphen.
![Page 51: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/51.jpg)
13
Die Kette wird mit einer Clique Kj−1 abgeschlossen.
![Page 52: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/52.jpg)
13
Die Kette wird mit einer Clique Kj−1 abgeschlossen.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 53: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/53.jpg)
13
Die Kette wird mit einer Clique Kj−1 abgeschlossen.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 54: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/54.jpg)
14
Tabelle der Knotengrade:
![Page 55: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/55.jpg)
14
Tabelle der Knotengrade:
KnotengradKnoten der ersten Clique 2j − 2Knoten der abschließenden Clique 2j − 2Knoten aller anderen Cliquen 3j − 3Knoten der letzten unabhangigen Menge 2j − 1Knoten aller anderen unabhangigen Mengen 2j − 2
![Page 56: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/56.jpg)
15
![Page 57: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/57.jpg)
15
|IGr| = 3 · n− j + 16j − 3
+ 1
![Page 58: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/58.jpg)
15
|IGr| = 3 · n− j + 16j − 3
+ 1
|Imax| = (3j − 1) · n− j + 16j − 3
![Page 59: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/59.jpg)
16
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j − 1) · (n− j + 1)/(6j − 3)3(n− j + 1)/(6j − 3) + 1
![Page 60: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/60.jpg)
16
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j − 1) · (n− j + 1)/(6j − 3)3(n− j + 1)/(6j − 3) + 1
=3j − 1
3− 6j2 − 5j + 1
3n + 3j.
![Page 61: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/61.jpg)
16
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j − 1) · (n− j + 1)/(6j − 3)3(n− j + 1)/(6j − 3) + 1
=3j − 1
3− 6j2 − 5j + 1
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 3.
![Page 62: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/62.jpg)
16
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j − 1) · (n− j + 1)/(6j − 3)3(n− j + 1)/(6j − 3) + 1
=3j − 1
3− 6j2 − 5j + 1
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 3.
Also gilt
RGr(G) ≥ ∆ + 23− 2∆2/3 + 8∆/3− 3
3n + ∆ + 3
![Page 63: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/63.jpg)
16
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j − 1) · (n− j + 1)/(6j − 3)3(n− j + 1)/(6j − 3) + 1
=3j − 1
3− 6j2 − 5j + 1
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 3.
Also gilt
RGr(G) ≥ ∆ + 23− 2∆2/3 + 8∆/3− 3
3n + ∆ + 3
=∆ + 2
3−O(∆2/n) .
![Page 64: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/64.jpg)
17
Fall 3: Es sei ∆ ≡ 2 mod 3.
![Page 65: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/65.jpg)
17
Fall 3: Es sei ∆ ≡ 2 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj+1 — Kj — Kj — Kj — Kj .
besteht.
![Page 66: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/66.jpg)
17
Fall 3: Es sei ∆ ≡ 2 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj+1 — Kj — Kj — Kj — Kj .
besteht.
Jede Clique wird vollstandig mit der nachsten unabhangigen Men-ge verbunden.
![Page 67: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/67.jpg)
17
Fall 3: Es sei ∆ ≡ 2 mod 3.
Konstruiere fur einen Parameter j ≥ 2 einen Graphen, der auseiner Kette von Teilgraphen der Form
Kj−1 — Kj+1 — Kj — Kj — Kj — Kj .
besteht.
Jede Clique wird vollstandig mit der nachsten unabhangigen Men-ge verbunden.
Die unabhangigen Mengen sind – bis auf ein einzelnes maximalesMatching – vollstandig mit der nachsten Clique verbunden.
![Page 68: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/68.jpg)
18
Zwei Teilgraphen werden verbunden, indem die letzte unabhangigeMenge eines Teilgraphen vollstandig mit der ersten Clique desnachsten Teilgraphens verbunden wird.
![Page 69: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/69.jpg)
18
Zwei Teilgraphen werden verbunden, indem die letzte unabhangigeMenge eines Teilgraphen vollstandig mit der ersten Clique desnachsten Teilgraphens verbunden wird.
Die Kette wird mit einer Clique Kj abgeschlossen.
![Page 70: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/70.jpg)
18
Zwei Teilgraphen werden verbunden, indem die letzte unabhangigeMenge eines Teilgraphen vollstandig mit der ersten Clique desnachsten Teilgraphens verbunden wird.
Die Kette wird mit einer Clique Kj abgeschlossen.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 71: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/71.jpg)
18
Zwei Teilgraphen werden verbunden, indem die letzte unabhangigeMenge eines Teilgraphen vollstandig mit der ersten Clique desnachsten Teilgraphens verbunden wird.
Die Kette wird mit einer Clique Kj abgeschlossen.
Ein vollstandiger Graph aus 2 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 72: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/72.jpg)
19
Tabelle der Knotengrade:
![Page 73: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/73.jpg)
19
Tabelle der Knotengrade:
KnotengradKnoten der ersten Clique 2j − 1Knoten der abschließenden Clique 2j − 1Knoten aller anderen Cliquen 3j − 1Knoten der letzten unabhangigen Menge 2j
Knoten aller anderen unabhangigen Mengen 2j − 1
![Page 74: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/74.jpg)
20
![Page 75: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/75.jpg)
20
|IGr| = 3 · n− j
6j+ 1
![Page 76: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/76.jpg)
20
|IGr| = 3 · n− j
6j+ 1
|Imax| = (3j + 1) · n− j
6j
![Page 77: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/77.jpg)
21
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j + 1) · (n− j)/(6j)3(n− j)/(6j) + 1
![Page 78: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/78.jpg)
21
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j + 1) · (n− j)/(6j)3(n− j)/(6j) + 1
=3j + 1
3− 6j2 + 2j
3n + 3j.
![Page 79: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/79.jpg)
21
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j + 1) · (n− j)/(6j)3(n− j)/(6j) + 1
=3j + 1
3− 6j2 + 2j
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 1.
![Page 80: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/80.jpg)
21
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j + 1) · (n− j)/(6j)3(n− j)/(6j) + 1
=3j + 1
3− 6j2 + 2j
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 1.
Also gilt
RGr(G) ≥ ∆ + 23− 2∆2/3 + 2∆ + 4/3
3n + ∆ + 1
![Page 81: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/81.jpg)
21
Damit erhalten wir fur die Gute
RGr(G) ≥ (3j + 1) · (n− j)/(6j)3(n− j)/(6j) + 1
=3j + 1
3− 6j2 + 2j
3n + 3j.
Der Maximalgrad ist ∆ = 3j − 1.
Also gilt
RGr(G) ≥ ∆ + 23− 2∆2/3 + 2∆ + 4/3
3n + ∆ + 1
=∆ + 2
3−O(∆2/n) . 2
![Page 82: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/82.jpg)
22
Satz 4 Es gibt Graphen G = (V,E) mit durchschnittlichem Kno-tengrad d, so dass fur die Gute des MIN-Greedy Algorithmus
RGr(G) ≥ d + 22−O(1/d)
gilt.
![Page 83: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/83.jpg)
22
Satz 4 Es gibt Graphen G = (V,E) mit durchschnittlichem Kno-tengrad d, so dass fur die Gute des MIN-Greedy Algorithmus
RGr(G) ≥ d + 22−O(1/d)
gilt.
Beweis: Konstruiere fur einen Parameter j ≥ 2 einen Graphen,der aus einer Kette von Teilgraphen der Form
K1 — Kj
besteht.
![Page 84: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/84.jpg)
22
Satz 4 Es gibt Graphen G = (V,E) mit durchschnittlichem Kno-tengrad d, so dass fur die Gute des MIN-Greedy Algorithmus
RGr(G) ≥ d + 22−O(1/d)
gilt.
Beweis: Konstruiere fur einen Parameter j ≥ 2 einen Graphen,der aus einer Kette von Teilgraphen der Form
K1 — Kj
besteht.
Die Anzahl h der Teilgraphen soll dabei wesentlich großer als derParameter j sein.
![Page 85: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/85.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
![Page 86: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/86.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
![Page 87: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/87.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
1. Fur die ersten h− j + 1 Teilgraphen gilt:
![Page 88: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/88.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
1. Fur die ersten h− j + 1 Teilgraphen gilt:
Jeder Knoten der j-elementigen unabhangigen Menge eines Teil-graphens wird mit den einzelnen (Cliquen)-Knoten der j−1 nach-folgenden Teilgraphen verbunden.
![Page 89: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/89.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
1. Fur die ersten h− j + 1 Teilgraphen gilt:
Jeder Knoten der j-elementigen unabhangigen Menge eines Teil-graphens wird mit den einzelnen (Cliquen)-Knoten der j−1 nach-folgenden Teilgraphen verbunden.
2. Fur die letzten j − 1 Teilgraphen gilt:
![Page 90: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/90.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
1. Fur die ersten h− j + 1 Teilgraphen gilt:
Jeder Knoten der j-elementigen unabhangigen Menge eines Teil-graphens wird mit den einzelnen (Cliquen)-Knoten der j−1 nach-folgenden Teilgraphen verbunden.
2. Fur die letzten j − 1 Teilgraphen gilt:
Verbinde so weit wie moglich analog zu Punkt 1.
![Page 91: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/91.jpg)
23
Die Kette wird mit einer Clique Kj abgeschlossen.
Die Verbindung der einzelnen Teilgraphen geschieht nun so:
1. Fur die ersten h− j + 1 Teilgraphen gilt:
Jeder Knoten der j-elementigen unabhangigen Menge eines Teil-graphens wird mit den einzelnen (Cliquen)-Knoten der j−1 nach-folgenden Teilgraphen verbunden.
2. Fur die letzten j − 1 Teilgraphen gilt:
Verbinde so weit wie moglich analog zu Punkt 1.
Verbinde die j unabhangigen Knoten des i’ten letzten Teilgraphensdurch j − i paarweise verschiedene Matchings mit den j Knotender letzten Clique.
![Page 92: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/92.jpg)
24
Ein vollstandiger Graph aus 7 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 93: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/93.jpg)
24
Ein vollstandiger Graph aus 7 Teilgraphen fur den Parameter j = 3hat folgende Gestalt:
![Page 94: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/94.jpg)
25
Tabelle der Knotengrade:
![Page 95: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/95.jpg)
25
Tabelle der Knotengrade:
KnotengradKnoten der ersten Clique K1 j
Knoten aller unabhangigen Mengen Kj j
Knoten der abschließenden Clique Kj (j − 1) +∑j−1
i=1 i
Knoten der i’ten Clique K1 fur i = 2, . . . , j − 1 i · jKnoten aller anderen Cliquen K1 j2
![Page 96: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/96.jpg)
26
![Page 97: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/97.jpg)
26
|IGr| = h + 1
![Page 98: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/98.jpg)
26
|IGr| = h + 1
|Imax| = j · h
![Page 99: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/99.jpg)
27
Die Gute ist also
RGr(G) ≥ h · jh + 1
= j − o(1) .
![Page 100: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/100.jpg)
27
Die Gute ist also
RGr(G) ≥ h · jh + 1
= j − o(1) .
Berechnung des Durchschnittsknotengrades d:
d · n = j · j · h + j ·
((j − 1) +
j−1∑i=1
i
)+
j−1∑i=1
i · j + (h− j + 1) · j2
![Page 101: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/101.jpg)
27
Die Gute ist also
RGr(G) ≥ h · jh + 1
= j − o(1) .
Berechnung des Durchschnittsknotengrades d:
d · n = j · j · h + j ·
((j − 1) +
j−1∑i=1
i
)+
j−1∑i=1
i · j + (h− j + 1) · j2
= h · j2 + j · (j − 1) + j · j · (j − 1) + j2 · (h− j + 1)
![Page 102: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/102.jpg)
27
Die Gute ist also
RGr(G) ≥ h · jh + 1
= j − o(1) .
Berechnung des Durchschnittsknotengrades d:
d · n = j · j · h + j ·
((j − 1) +
j−1∑i=1
i
)+
j−1∑i=1
i · j + (h− j + 1) · j2
= h · j2 + j · (j − 1) + j · j · (j − 1) + j2 · (h− j + 1)
⇐⇒ d =2h · j2 + j2 − j
h · (j + 1) + j
![Page 103: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/103.jpg)
27
Die Gute ist also
RGr(G) ≥ h · jh + 1
= j − o(1) .
Berechnung des Durchschnittsknotengrades d:
d · n = j · j · h + j ·
((j − 1) +
j−1∑i=1
i
)+
j−1∑i=1
i · j + (h− j + 1) · j2
= h · j2 + j · (j − 1) + j · j · (j − 1) + j2 · (h− j + 1)
⇐⇒ d =2h · j2 + j2 − j
h · (j + 1) + j
= 2j − 2 +2
j + 1− o(1) .
![Page 104: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/104.jpg)
28
Nach j umstellen:
![Page 105: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/105.jpg)
28
Nach j umstellen:
j ≥ d + 22− 1
j + 1
![Page 106: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/106.jpg)
28
Nach j umstellen:
j ≥ d + 22− 1
j + 1
≥ d + 22− 2
d + 2
![Page 107: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/107.jpg)
28
Nach j umstellen:
j ≥ d + 22− 1
j + 1
≥ d + 22− 2
d + 2
=d + 2
2−O(1/d) .
![Page 108: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/108.jpg)
28
Nach j umstellen:
j ≥ d + 22− 1
j + 1
≥ d + 22− 2
d + 2
=d + 2
2−O(1/d) .
Damit gilt
RGr(G) ≥ d + 22−O(1/d) .
2
![Page 109: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/109.jpg)
29
Literatur
[1] M. M. Halldorsson und J. Radhakrishnan, Greed is Good: Appro-
ximating Independent Sets in Sparse and Bounded-degree Graphs,
Proc. Twenty-Sixth Annual ACM Symp. on the Theory of Com-
puting, Canada, 439-448, 1994.
[2] M. M. Halldorsson und J. Radhakrishnan, Greed is Good: Appro-
ximating Independent Sets in Sparse and Bounded-degree Graphs,
Algorithmica, Springer Verlag, New York, 145-163, 1997.
![Page 110: Approximation unabh¨angiger Mengen in Graphen mit dem ... · Approximation unabh¨angiger Mengen in Graphen mit dem Greedy Algorithmus (Teil 2) Matthias Baumgart matthias.baumgart@informatik.tu-chemnitz.de](https://reader030.fdocument.pub/reader030/viewer/2022040423/5e190f92f9cb696cae220149/html5/thumbnails/110.jpg)