Let $G = (V, E)$ be an undirected connected simple graph on $n$ vertices. A cut-equivalent tree of $G$ is an edge-weighted tree on the same vertex set $V$, such that for any pair of vertices $s, t\in V$, the minimum $(s, t)$-cut in the tree is also a minimum $(s, t)$-cut in $G$, and these two cuts have the same cut value. In a recent paper [Abboud, Krauthgamer and Trabelsi, 2021], the authors propose the first subcubic time algorithm for constructing a cut-equivalent tree. More specifically, their algorithm has $\widetilde{O}(n^{2.5})$ running time. In this paper, we improve the running time to $\widehat{O}(n^2)$ if almost-linear time max-flow algorithms exist. Also, using the currently fastest max-flow algorithm by [van den Brand \etal, 2021], our algorithm runs in time $\widetilde{O}(n^{17/8})$.


翻译:让 $G = ( V, E) 美元 = ( V, et) 美元 是 美元 的无方向连接简单图表 。 切等值 $G$ 树 是 在同一顶端上设定为 $V 的边缘加权树 。 更具体地说, 对于任何一对顶脊, t\ n V$, 树上最小的美元 = (s, t) 美元 = $- cut $ $ $, 而这两处的切削值相同 。 在最近的一篇论文中[ Abboud, Krauthgamer 和 Trabelsi, 20211], 作者提出了建造一个切等值树的第一个亚基值时间算法 。 更具体地说, 他们的算法有 $\ 百利特尔德{ O} (n 2.5} 正在运行的时间。 在本文中, 如果存在几乎线上时间最大流算法的话, 我们的运行时间将改进到 $\ 2 $ 。 另外, 使用目前最快的最大流算的 $17\\\ = = yal_ yal= $。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
Transformer文本分类代码
专知会员服务
116+阅读 · 2020年2月3日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
一文读懂Faster RCNN
极市平台
5+阅读 · 2020年1月6日
已删除
将门创投
5+阅读 · 2019年8月19日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
A common variable minimax theorem for graphs
Arxiv
0+阅读 · 2021年7月30日
Arxiv
0+阅读 · 2021年7月29日
Arxiv
0+阅读 · 2021年7月28日
VIP会员
相关VIP内容
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
Transformer文本分类代码
专知会员服务
116+阅读 · 2020年2月3日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
2019年机器学习框架回顾
专知会员服务
35+阅读 · 2019年10月11日
相关资讯
一文读懂Faster RCNN
极市平台
5+阅读 · 2020年1月6日
已删除
将门创投
5+阅读 · 2019年8月19日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Top
微信扫码咨询专知VIP会员