Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.08693v1

帮助 | 高级搜索

计算机科学 > 数据结构与算法

arXiv:2507.08693v1 (cs)
[提交于 2025年7月11日 ]

标题: 关于最小成本约束满足问题的常数因子近似性

标题: On the Constant-Factor Approximability of Minimum Cost Constraint Satisfaction Problems

Authors:Ian DeHaan, Neng Huang, Euiwoong Lee
摘要: 我们通过代数的视角研究最小成本约束满足问题(MinCostCSP)。 我们证明,对于任何具有对偶歧视操作作为多态性的约束语言$\Gamma$,存在一个$|D|$近似算法用于 MinCostCSP$(\Gamma)$,其中$D$是域。 在我们的算法结果之外,我们证明,任何约束语言$\Gamma$,如果 MinCostCSP$(\Gamma)$可以进行常数因子近似,则必须具有\emph{几乎一致}(NU)多态性,除非 P = NP,这扩展了 Dalmau 等人关于 MinCSP 的类似结果。 这些结果表明,包含所有排列关系的约束语言(这是允许变量否定的布尔CSP的一种自然推广)在常数因子近似性方面存在二分法:要么MinCostCSP$(\Gamma)$具有NU多项式,并且是$|D|$-近似可解的,要么它不具有任何NU多项式,并且在任何常数因子内近似求解都是NP难的。 最后,我们提出一个具有多数多项式的约束语言,但在假设唯一游戏猜想成立的情况下,它仍然在任何常数因子内近似求解是NP难的,这表明具有NU多项式的条件在一般情况下并不充分,除非UGC不成立。
摘要: We study minimum cost constraint satisfaction problems (MinCostCSP) through the algebraic lens. We show that for any constraint language $\Gamma$ which has the dual discriminator operation as a polymorphism, there exists a $|D|$-approximation algorithm for MinCostCSP$(\Gamma)$ where $D$ is the domain. Complementing our algorithmic result, we show that any constraint language $\Gamma$ where MinCostCSP$(\Gamma)$ admits a constant-factor approximation must have a \emph{near-unanimity} (NU) polymorphism unless P = NP, extending a similar result by Dalmau et al. on MinCSPs. These results imply a dichotomy of constant-factor approximability for constraint languages that contain all permutation relations (a natural generalization for Boolean CSPs that allow variable negation): either MinCostCSP$(\Gamma)$ has an NU polymorphism and is $|D|$-approximable, or it does not have any NU polymorphism and is NP-hard to approximate within any constant factor. Finally, we present a constraint language which has a majority polymorphism, but is nonetheless NP-hard to approximate within any constant factor assuming the Unique Games Conjecture, showing that the condition of having an NU polymorphism is in general not sufficient unless UGC fails.
评论: 22页
主题: 数据结构与算法 (cs.DS) ; 计算复杂性 (cs.CC); 离散数学 (cs.DM)
引用方式: arXiv:2507.08693 [cs.DS]
  (或者 arXiv:2507.08693v1 [cs.DS] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.08693
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Neng Huang [查看电子邮件]
[v1] 星期五, 2025 年 7 月 11 日 15:46:31 UTC (27 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.DS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CC
cs.DM

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号