English(EN) One Color Preprocessing Improves DSATUR

新的SSLD方法通过SDP预处理增强了图着色启发式算法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

研究人员开发了一种名为SSLD（半定谱学习与DSATUR）的新方法，该方法增强了NP难图着色问题的DSATUR启发式算法。SSLD通过识别高质量的初始颜色类别来预处理图，使用半定规划，类似于计算Lovász theta数的方法。在DSATUR完成着色之前应用此预处理步骤，已证明在包括DIMACS、随机图和调度问题在内的各种基准实例中，其性能与DSATUR和朴素基线相当或更优。虽然SSLD比DSATUR慢得多，但它展示了SDP引导的预处理在未来改进图着色算法方面的潜力。 AI

影响这项研究为图着色提供了一种新颖的方法，有可能提高调度和频率分配等出现此类问题的领域的效率。

排序理由该集群包含一篇详细介绍计算问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 8 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍计算问题新算法的研究论文。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Adam Nouira, Lucas Isenmann · 2026-09-17 04:00

单色预处理改进DSATUR

arXiv:2609.17633v1 Announce Type: new Abstract: The Graph Coloring Problem (GCP) is NP-hard and DSATUR stands as one of the fastest heuristics for it despite producing colorings that typically use more colors than state-of-the-art coloring algorithms. We propose SSLD (Semidefinit…

本文如何被排名

报道来源 [1]

单色预处理改进DSATUR

相关实体

相关话题