Implementamos y probamos el rendimiento de varios algoritmos de aproximación para calcular el conjunto dominante mínimo de un grafo. Estos algoritmos son el algoritmo ávido estándar, los algoritmos recientes de redondeo de programación lineal (LP) y un algoritmo híbrido que diseñamos combinando los algoritmos ávidos y de redondeo de LP. En el rango de datos de prueba, todos los algoritmos funcionan mejor de lo esperado en teoría y tienen pequeñas proporciones de rendimiento, medidas como el tamaño de la salida dividido por el límite inferior objetivo de LP. Sin embargo, cada uno tiene ventajas sobre los demás. Por ejemplo, el algoritmo de redondeo de LP normalmente supera a los otros algoritmos en grafos del mundo real dispersos. En un grafo con 400,000+ vértices, el redondeo de LP tomó menos de 15 s de tiempo de CPU para generar una solución con una proporción de rendimiento de 1.011, mientras que los algoritmos ávidos e híbridos generaron soluciones de proporción de rendimiento de 1.12 en un tiempo similar. Para grafos sintéticos, el algoritmo híbrido normalmente supera a los demás, mientras que para hipercubos y grafos k-Queens, el ávido supera al resto. Otra ventaja del algoritmo híbrido es resolver problemas muy grandes que son adecuados para la aplicación de redondeo de LP (grafos dispersos), pero las formulaciones de LP se vuelven formidables en la práctica y los solucionadores de LP fallan, como observamos en un grafo del mundo real con 7.7 millones+ de vértices y un grafo planar con 1,000,000 vértices.