في عالم متطور يعتمد بشكل متزايد على البيانات والشبكات المعقدة، يظهر تحدٍ جديد في تحليل العلاقات الاعتمادية داخل هذه الشبكات. تُعرف مشكلة **CriticalSet** بأنها محاولة لتحديد المساهمين الحرجين في شبكة ثنائية تُظهر الاعتماد بين مجموعتين. هذه الشبكات المعقدة، التي تتكون من نوعين من الرؤوس حيث تمثل الحواف العلاقة الاعتمادية، لم تُستكشف بشكل كافٍ حتى الآن.

لقد تم تناول هذه المشكلة من خلال الإطار النظري ليبين الباحثون أنه يمكن تصنيفها على أنها من المشاكل الصعبة (NP-hard). كونك قادرًا على عزل أكبر عدد من العناصر من خلال إزالة عدد معين من المساهمين يمثل تحديًا كبيرًا يتطلب استراتيجيات معقدة. لذلك، تم تطوير **MinCov**، وهو خوارزمية جديدة تعمل بشكل فعال من خلال تقنيات تكرارية تراعي الاعتمادية الزائدة، وترتكز على فكرة اختيار المساهمين الذين يدعمون أكبر عدد من العناصر بشكل فريد.

الأبحاث التي شملت تجارب على بيانات اصطناعية وحقيقية، بما في ذلك رسم بياني لموسوعة ويكيبيديا يضم أكثر من 250 مليون حافة، أكدت أن **MinCov** و **ShapleyCov** يتفوقان بوضوح على الطرق التقليدية. بل وأكثر من ذلك، أثبتت **MinCov** قدرتها على تحقيق أداء مثالي تقريبًا مع فعالية تفوق الخوارزميات السابقة، مما يجعلها منصة قوية للتطبيقات المستقبلية في مجالات متعددة.