The Popular Roommates problem
我们认为流行的匹配问题,在一个严格的偏好列表的室友的情况下。虽然流行的配对总是存在于双方实例中,但它们不一定存在于室友实例中。在室友实例中流行的匹配问题的复杂性已经是一个开放的问题了好几年,在这里我们证明它是NP难的。在二部图中,一类称为支配匹配的最大流行匹配已经得到了很好的研究。我们表明,在室友的情况下,占主导地位的匹配问题也是NP-难的,这是即使当实例承认一个稳定的匹配的情况。
2018-04-09 cs.DS
A simple PTAS for Weighted Matroid Matching on Strongly Base Orderable Matroids
对于强基可序拟阵上的加权拟阵匹配问题,我们给出了一个简单的多项式时间逼近方案。我们还表明,即使这个问题的未加权版本是NP完全的,而不是在oracle-coNP。
2011-02-17 cs.DS
Estimating Weighted Matchings in $o(n)$ Space
我们考虑的问题估计的最大加权匹配的加权图$G(V,E)$的边缘显示在一个流的方式。我们开发了一个减少从最大加权匹配问题的最大基数匹配问题,只有一倍的近似因子的流算法开发的最大基数匹配问题。我们的研究结果适用于仅插入和动态(即插入和删除)边缘到达流模型。之前最著名的减少是由于Bury和Schwiegelshohn(ESA 2015)开发了一种算法,其近似保证按多项式因子缩放。作为一个应用,我们通过将Esfandiari等人(SODA 2015)和Chitnis等人(SODA 2016)的最新估计量输入到我们的约简中,获得了加权平面图的改进估计量,更一般地说,获得了加权有界荫度图的改进估计量。特别是,我们得到了一个$(48+ε)$近似估计的最大加权匹配的平面图的重量。
2016-09-05 cs.DS
Perfect Matchings and Popularity in the Many-to-Many Setting
针对带容量、偏好和边成本的多对多二分图匹配问题,提出通过彩色辅助实例的稳定匹配刻画来求解最小成本流行完美匹配的多项式时间算法,推广了一对一场景的相关结论。
2024-11-01 cs.DS
Popular b-matchings
假设一组代理人的每个成员都有一个偏好列表的一个子集的房子,可能涉及领带和每个代理人和房子有他们的能力表示最大数量的相应的代理人/房子,可以匹配到他/她/它。我们要找到一个匹配的$M$,没有其他匹配的$M'$,使更多的代理人喜欢$M'$ $M$比$M$ $M'$。(What这意味着代理更喜欢一个匹配而不是另一个匹配。流行的匹配已经被广泛研究,特别是在一对一的设置。我们提供了一个流行的B-匹配的两个定义的流行性的表征,显示一些$NP$硬度的结果,并为某些版本描述多项式算法。
2010-12-29 cs.DS
Streaming Weighted Matchings: Optimal Meets Greedy
我们考虑的问题,近似的最大加权匹配,当一个底层的加权图$G(V,E)$的边缘被发现在一个流的方式。我们分析了Crouch和Stubbs(APPROX,2014)提出的以前最著名的$(4+ε)$近似算法的一个变体,并证明了他们的猜想,即它实现了$3.5+ε$的紧近似因子。该算法将流分成子流,并在子流上运行贪婪最大匹配算法。在流的末尾,所选择的边被作为最优最大加权匹配算法的输入。为了分析近似保证,我们开发了一种新的充电参数,我们分解的边缘的最大加权匹配的$G$到几个自然类,然后分别收取他们的边缘匹配输出我们的算法。
2018-04-29 cs.DS
Fully-dynamic Weighted Matching Approximation in Practice
寻找图中的大匹配或重匹配是一个普遍存在的组合优化问题。在本文中,我们工程师的第一个非平凡的实现近似的动态加权匹配问题。我们的第一个算法是基于随机游动/路径结合动态规划。第二个算法是由Stubbs和Williams提出的,但没有实现。粗略地说,他们的算法使用动态未加权匹配算法作为子程序(在多级方法中);这允许我们使用以前的动态未加权匹配算法作为黑盒,以获得全动态加权匹配算法。我们实证研究的算法上的一组广泛的动态实例,并比较它们与最佳加权匹配。我们的实验表明,随机游走算法通常比Stubbs/Williams(关于时间/质量权衡)更好,其结果往往离最优值不远。
2021-04-27 cs.DS
Popular Critical Matchings in the Many-to-Many Setting
考虑了双边偏好和双边低配额下的多对多二部匹配问题。我们的问题的输入是一个二分图G=(A U B,E),其中A U B中的每个顶点指定了对其邻居的严格偏好排序。每个顶点都有一个上限配额和一个下限配额,表示可以从其邻域分配给它的顶点的最大和最小数量。在具有双侧较低配额的多对多设置中,非正式地,临界匹配是在最大可能范围内满足顶点较低配额的匹配。这是一对一设置中的关键匹配的定义的自然概括[Kavitha T.,FSTTCS 2021]。在给定的问题中,我们的目标是在关键匹配集中找到一个流行的匹配。如果一个匹配在一组给定的匹配中保持不败,则该匹配在该组中的任何匹配中都很受欢迎。在这里,顶点在配对之间投票。我们表明,总是存在一个匹配,是流行的关键匹配。我们提出了一个有效的算法来计算这样的匹配的最大尺寸。我们使用双重证书证明我们匹配的受欢迎程度。
2023-03-19 cs.DS
Maintaining Approximate Maximum Weighted Matching in Fully Dynamic Graphs
我们提出了一个完全动态的算法保持近似最大权匹配一般加权图。该算法保持匹配的${\cal M}$,其权重至少为$1/8 M^{*}$,其中$M^{*}$是最大权重匹配的权重。该算法实现了一个预期的摊销$O(\log n \log \mathcal C)$时间每边插入或删除,其中$\mathcal C$是最高的权重边的权重的比率,在给定的图中的最小的权重边。使用一个简单的随机缩放技术,我们能够获得一个匹配,预期的近似比为4.9108。
2012-12-12 cs.DS
Sublinear Estimation of Weighted Matchings in Dynamic Data Streams
本文提出了一种通过扩充任意一个未加权匹配大小的估计程序来估计最大加权匹配的权值的算法。该算法可在包括动态图流在内的任何流模型中实现。我们还给出了平面图(或任何有界荫度的图)的动态图流中的最大匹配大小的第一个常数估计使用$\tilde{O}(n^{4/5})$空间,也扩展到加权匹配。利用Kapralov,Khanna和Sudan(2014)的先前结果,我们分别获得了随机顺序流中使用$\mathrm{polylog}(n)$空间的一般图的$\mathrm{polylog}(n)$近似。此外,我们给出了一个空间下界的$Ω(n^{1-\varepsilon})$的任何随机算法估计的最大匹配的大小为一个$1+O(\varepsilon)$因素的对抗流。
2015-07-09 cs.DS
Popularity at Minimum Cost
本文考虑了{ \em流行匹配}问题的一个扩展。流行的匹配问题的输入是一个二分图G =(A U B,E),其中A是一组人,B是一组项目,属于A的每个人a按照偏好顺序排列项目的子集,允许领带。流行的匹配问题寻求计算人与物品之间的匹配M*,使得不存在匹配M,其中更多的人对M比M* 更快乐。这样的匹配M* 被称为流行匹配。然而,存在不存在流行匹配的简单实例。在这里,我们考虑上述问题的以下自然扩展:与属于B的每个项目b相关联的是非负价格成本(b),即对于任何项目b,可以通过为每个副本支付一定数量的成本(b)来将b的新副本添加到输入图。当G不允许流行匹配时,问题是以最小的代价“扩充”G,使得新的图允许流行匹配。我们证明了这个问题是NP-难的;事实上,在sqrt{n1}/2的因子内近似它是NP-难的,其中n1是人数。这个问题有一个简单的多项式时间算法,当每个人都有一个长度最多为2的偏好列表。然而,如果我们考虑以最小代价“构造”一个图的问题,该图允许匹配所有人的流行匹配,那么即使使用长度为2的偏好列表,该问题也成为NP难的。另一方面,当每个项目的副本的数量是“固定的”,我们表明,计算最低成本流行的匹配或决定,没有流行的匹配存在的问题可以解决在O(mn 1)的时间,其中m是边缘的数量。
2010-09-14 cs.DS
Popular Matching with Lower Quotas
我们认为,充分研究的住院医师(HR)的问题,在存在较低的配额(LQ)。输入实例由二分图$G = (\mathcal{R} \cup \mathcal{H}, E)$组成,其中$\mathcal{R}$和$\mathcal{H}$分别表示居民和医院的集合。每个顶点都有一个偏好列表,对它的邻居施加严格的排序。此外,每个医院的$h$都有一个相关的上限$q^+(h)$和下限$q^-(h)$。$G$中匹配的$M$是指将住院医师分配到医院,如果每个住院医师最多分配到一家医院,并且医院$h$至少分配到$q^-(h)$,最多分配到$q^+(h)$住院医师,则称$M$可行。稳定性是模型中两组顶点都有偏好的事实上的最优性概念。一个匹配是稳定的,如果没有未分配的对有动机偏离它。众所周知,HRLQ问题的一个实例不需要承认一个可行的稳定匹配。在本文中,我们考虑HRLQ问题的流行度的概念。当顶点在$M$和$M'$之间投票时,如果没有其他匹配的$M'$获得比$M$更多的选票,则匹配的$M$是流行的。当没有更低的配额时,总是存在稳定匹配,并且已知每个稳定匹配都是受欢迎的。我们表明,在一个HRLQ的情况下,虽然一个可行的稳定匹配不需要存在,总是有一个匹配,是流行的可行匹配。我们给出了一个有效的算法来计算一个最大的基数匹配,这是流行的所有可行的匹配在一个HRLQ实例。
2017-04-26 cs.DS
Scaling Algorithms for Weighted Matching in General Graphs
我们提出了一个新的缩放算法的最大(或最小)重量完美匹配一般,边加权图。我们的算法运行在$O(m\sqrt{n}\log(nN))$的时间,$O(m\sqrt{n})$每个规模,这匹配的最佳基数匹配算法的稀疏图的运行时间。这里,$m,n,$和$N$限制了边的数量、顶点和任意边权重的大小。我们的结果改进了一个25岁的Gabow和Tarjan的算法,它运行在$O(m\sqrt{n\log nα(m,n)} \log(nN))$时间。
2017-10-09 cs.DS
Popular Edges with Critical Nodes
在流行的边问题中,输入是一个二分图$G = (A \cup B,E)$,其中$A$和$B$分别表示一组男性和一组女性,并且$A\cup B$中的每个顶点对其邻居具有严格的偏好排序。如果不存在其他匹配的$M'$,使得偏好$M'$而不是$M$的顶点的数量大于偏好$M$而不是$M'$的顶点的数量,则$G$中的匹配$M$被称为{ \em流行}。目标是确定给定边缘$e$是否属于$G$中的某个流行匹配。在\cite{CK18}中出现了解决这个问题的多项式时间算法。我们考虑流行的边缘问题时,一些男人或女人优先或关键。匹配所有关键节点的匹配称为可行匹配。从\cite{Kavitha14,Kavitha21,NNRS21,NN17}可以得出,当$G$允许一个可行匹配时,总是存在一个在所有可行匹配中流行的匹配。我们给出了一个多项式时间算法的流行的边缘问题的存在下,关键的男人或女人。我们还表明,一个类似的结果并不成立,在多对一的设置,这是被称为文献中的医院居民的问题,即使没有关键节点。
2022-09-22 cs.DS
Fast Average-Case Pattern Matching on Weighted Sequences
大小为$σ$的字母表上的加权字符串是这样的字符串,在该字符串中,一组字母可以以各自的出现概率出现在每个位置处。加权字符串,也称为位置权重矩阵或不确定序列,在许多情况下自然出现。在这篇文章中,我们研究了加权字符串匹配问题,特别关注平均情况分析。给定一个加权模式字符串$x$的长度$m$,一个文本字符串$y$的长度$n>m$,和一个累积的权重阈值$1/z$,定义为最小概率的因素出现在一个加权字符串,我们提出了一个算法,需要平均情况下的搜索时间$o(n)$的模式匹配的重量比$\frac{z}{m} < \min\{\frac{1}{\log z},\frac{\log σ}{\log z (\log m + \log \log σ)}\}$。对于长度为$m$的模式串$x$,长度为$n>m$的加权文本串$y$,以及累积权重阈值$1/z$,我们提出了一种算法,对于相同的权重比,需要平均情况下的搜索时间$o(σn)$。这些结果的重要性在于,这些算法的工作在平均情况下的次线性搜索时间的文本的大小,并在线性预处理的时间和空间的模式的大小,为这些比率的事实。
2015-12-08 cs.DS
Maximum Weighted Matching with Few Edge Crossings for 2-Layered Bipartite Graph
设c为非负常数。设G=(V,E)是一个边权二部图,它有2层图和一个相交边对族X.我们考虑寻找一个最大加权匹配M* 的问题,使得M* 中的每条边与M* 中至多c条其它边相交,并且M* 中的所有边交叉都包含在X中。在本文中,我们提出了多项式时间算法的情况下,c=1和2。算法的时间复杂度分别为O((k+m)log n+n)(c=1)和O(k^3+k^2n+m(m+log n))(c=2),其中n= |V|,m= |E|,k= |X| .
2019-09-15 cs.DS
Beating $(1-1/e)$-Approximation for Weighted Stochastic Matching
在随机加权匹配问题中,目标是在不确定图的边是否存在的情况下,找到图的大权匹配。具体地,每个边$e$具有已知的权重$w_e$,但是以某种概率$p_e$独立地实现。该算法可以查询边以查看它是否被实现。我们认为,充分研究的查询提交版本的问题,其中任何查询的边缘,碰巧实现必须包括在解决方案中。Gamlath,Kale和Svensson证明了当输入图是二分图时,这个问题允许一个$(1-1/e)$ -近似。在本文中,我们给出了一个算法,对于一个绝对常数$δ> 0.0014$获得一个$(1-1/e+δ)$ -近似,从而打破了这个普遍的界限。
2022-10-31 cs.DS
Competitive Algorithms for Online Weighted Bipartite Matching and its Variants
在线二分匹配已经被广泛研究。在未加权的情况下,Karp等人给出了一个最优的$(1 - 1/e)$ -竞争随机算法。在加权设置中,最优算法仅在对边权重的假设下实现。对于一般情况,除了平凡的$1/2$ -竞争性贪心算法之外,几乎一无所知。最近,Fahrbach等人提出了一种0.5086-竞争算法(用于模型中的问题,即自由处置),克服了长期存在的1/2障碍。此外,在设计在线匹配问题及其变体的竞争算法时,已经开发了几种技术,特别是原始-对偶方法。具体来说,Devanur等人给出了一个原始-对偶框架,统一了以前的方法,Devanur和Jain提供了另一个在线匹配问题的推广方案。本文提出了不同模型下的在线加权二部匹配的竞争算法,特别是在自由处置模型和随机报酬模型下,得到了最优的$(1-1/e)$竞争比.我们的工作也统一了以前的方法的原始-对偶技术与配置线性规划的手段。
2021-11-02 cs.DS
Online Matching in a Ride-Sharing Platform
我们提出了一个正式的图论模型研究的问题,在乘车共享平台的在线匹配乘坐。与大多数在线匹配的文献,我们的模型,我们称之为{ \em在线窗口非二分匹配}($\mbox{OWNBM}$),涉及在线匹配{ \em非二分}图。我们表明,我们的模型的边加权和顶点加权版本在乘车共享平台中自然出现。我们提供了一个随机$\frac{1}{4}$竞争算法的边缘加权的情况下,使用美丽的结果Lehmann,Lehmann和Nisan(EC 2001)的组合拍卖。我们还提供了一个$\frac{1}{2} (1 - \frac{1}{e})$ -竞争算法的顶点加权的情况下(有一些约束放松)使用的见解,从一个优雅的随机原始对偶分析技术的Devanur,Jain和Kleinberg(SODA 2013)。
2018-06-27 cs.DS
Improved Competitive Ratio for Edge-Weighted Online Stochastic Matching
本文针对边权在线随机匹配问题提出 Evolving Suggested Matching(ESM)算法,将一般到达率情形下的竞争比从 0.645 提升至 0.650。
2023-11-30 cs.DS
Stochastic Weighted Matching: $(1-ε)$ Approximation
设$G=(V, E)$是一个给定的边权图,它的{ \em实现} $\mathcal{G}$是$G$的一个随机子图,它以概率$p$独立地包含每条边$e \in E$.在{ \em随机匹配}问题中,目标是在不知道实现$\mathcal{G}$的情况下,挑选$G$的稀疏子图$Q$,使得$Q$(即图$Q \cap \mathcal{G}$)的已实现边之间的期望最大权匹配近似于整个实现$\mathcal{G}$的最大权匹配。在本文中,我们证明了,对于任何理想的小$ε\in (0, 1)$,每个图$G$有一个子图$Q$,保证$(1-ε)$ -近似,并有最大程度只有$O_{ε, p}(1)$。也就是说,$Q$的最大程度只取决于$ε$和$p$(这两个都是已知的是必要的),而不是例如在$G$中的节点数,边权重等随机匹配问题已被广泛研究的加权和未加权的图形。以前,已知加权图仅存在(接近)半近似子图[Yamaguchi和Maehara,SODA'18; Behnezhad等人,SODA'19]。我们的结果大大改善了这些工作,匹配最先进的未加权图[Behnezhad等人,STOC'20],并且基本上确定近似因子。
2020-04-18 cs.DS
Online Vertex-Weighted Bipartite Matching: Beating 1-1/e with Random Arrivals
我们引入了Karp等人(STOC 1990)的排序算法的加权版本,并证明了当在线顶点以随机顺序到达时,顶点加权在线二分匹配问题的竞争比为0.6534。我们的结果表明,即使在顶点加权的情况下,随机到达有助于击败1-1/e障碍。我们建立在Devanur等人(SODA 2013)的随机原始-对偶框架上,设计了一个二维的增益共享函数,该函数不仅依赖于离线顶点的秩,还依赖于在线顶点的到达时间。据我们所知,这是第一个竞争比严格大于1-1/e的在线二分匹配问题下实现的随机原始-对偶框架。我们的算法有一个自然的解释,即随着时间的推移,离线顶点提供更大部分的权重给在线顶点,并且每个在线顶点在其到达时匹配具有最高报价的邻居。
2019-09-11 cs.DS
Popularity in the generalized Hospital Residents Setting
我们考虑的问题,计算流行的匹配在一个二分图G =(R U H,E),其中R和H分别表示一组居民和一组医院。每个医院h都有一个正容量,表示可以与h匹配的住院医生数量。住院医生和医院对彼此有严格的偏好。这就是研究得很好的医院住院医师(HR)问题,它是稳定婚姻(SM)问题的推广。目标是在尊重医院能力的同时,最佳地将居民分配到医院。稳定性是这类问题中广为接受的最优性概念。然而,出于对更大基数匹配的需要,在SM设置中研究了诸如流行度之类的最优性的替代概念。在本文中,我们考虑一个广义的HR设置-即层流分类稳定匹配(LCSM+)问题。此外,医院可以在其偏好列表中指定对住院医师的分类,并且类别具有上限配额。我们展示了以下新的结果:我们定义了流行度的概念,并给出了流行匹配的LCSM+问题的结构表征。假设n = |R| + |H|,m = |E|。我们给出了一个O(mn)时间算法计算最大基数流行匹配在LCSM+实例。我们给出了一个O(mn^2)时间算法来计算一个LCSM+实例中最大基数匹配中流行的匹配。
2016-12-18 cs.DS
An Efficient Algorithm for the Partitioning Min-Max Weighted Matching Problem
划分最小-最大加权匹配(Partitioning Min-Max Weighted Matching,PMMWM)问题是一个NP难问题,它将二分图的一组顶点划分为大小有限的不相交子集的问题和经典的最小-最大加权匹配(Min-Max Weighted Matching,MMWM)问题结合在一起。Kress等人在2015年提出了这个问题,他们还提供了几种算法,其中MP $_{\text{LS}}$是最先进的。在这项工作中,我们观察到MP $_{\text{LS}}$的匹配阶段存在时间瓶颈。因此,我们优化了匹配迭代过程中的冗余操作,并提出了一种有效的算法称为MP $_{\text{KM-M}}$,大大加快了MP $_{\text{LS}}$。瓶颈时间复杂度从$O(n^3)$优化为$O(n^2)$。利用原对偶方法证明了MP $_{\text{KM-M}}$的正确性。为了测试不同实例的性能,我们生成了各种类型和大小的基准测试,并进行了广泛的计算研究MP $_{\text{KM-M}}$和MP $_{\text{LS}}$的性能。评估结果表明,我们的MP $_{\text{KM-M}}$大大缩短了运行时间相比,MP $_{\text{LS}}$,同时产生相同的解决方案的质量。
2022-01-25 cs.DS
NC Algorithms for Popular Matchings in One-Sided Preference Systems and Related Problems
流行的匹配问题是将一组申请人与一组职位进行匹配,其中每个申请人都有一个偏好列表,按照偏好顺序对一个非空的职位子集进行排序,可能有领带。如果没有其他匹配的M',使得更多的申请者喜欢M'而不是M,则匹配的M是受欢迎的。我们给出了第一个NC算法,以解决流行的匹配问题没有关系。我们还给出了一个NC算法,解决了最大基数流行匹配问题。没有NC或RNC算法是已知的偏好系统中的匹配问题之前,这项工作。此外,我们给出了一个NC算法的稳定匹配问题的一个较弱的版本,即问题的“下一个”稳定匹配给定的稳定匹配。
2019-12-20 cs.DC cs.DS
Online Weighted Matching: Breaking the $\frac{1}{2}$ Barrier
在线匹配及其变体是在线算法文献中最基本的问题之一。本文研究了在线加权二部匹配问题。Karp等人(STOC 1990)给出了一个在未加权情况下的优雅算法,该算法实现了$1-1/e$的紧竞争比。然而,在加权的情况下,我们可以很容易地证明,如果没有普遍接受的自由处置假设,就不可能获得竞争比。在这个假设下,不难证明贪心算法是$1/2$竞争性的,并且这对于确定性算法是严格的。我们提出了第一个随机算法,打破了这一长期存在的$1/2$障碍,并实现了至少$0.501$的竞争比。根据Kapralov等人的硬度结果。(SODA 2013)限制击败单调子模块福利最大化问题的$1/2$竞争比,我们的结果可以被视为强有力的证据,证明在在线设置中,解决加权二分匹配问题比子模块福利最大化更容易。我们的方法依赖于对随机性的非常受控的使用,这使得我们的算法能够根据先前的分配安全地做出自适应决策。
2019-11-21 cs.DS
Understanding Zadimoghaddam's Edge-weighted Online Matching Algorithm: Unweighted Case
本文确定了Zadimoghoughs(2017)的边缘加权在线匹配算法中的一个关键算法成分,并提出了一个简化的算法及其分析,以演示它在未加权情况下的工作原理。
2019-10-07 cs.DS cs.GT
Improved approximation guarantees for weighted matching in the semi-streaming model
我们研究了半流模型中的最大权重匹配问题,并通过设计一种性能保证为4.91+ k的确定性方法来改进Zelke(Proc. of STACS 2008,第669-680页)提出的当前最佳单遍算法。此外,我们研究抢占式在线算法,一个子类的一遍算法,我们只允许在内存中保持一个可行的匹配在任何时间点。所有已知的结果之前,泽尔克的属于这个子类。我们提供了一个下界4.967的竞争比任何这样的确定性算法,因此表明,未来的改进将不得不存储在内存中的一组边缘,这不一定是一个可行的匹配。
2009-07-02 cs.DS
Maximum-utility popular matchings with bounded instability
在一个图中,顶点对它们的邻居有偏好,当顶点在匹配之间投票时,如果匹配没有失去任何其他匹配的头对头选举,那么它被称为流行。流行匹配可以被看作是稳定匹配和最大匹配之间的中间类别。在本文中,我们的目标是最大限度地提高效用的匹配,是流行的,但承认只有少数阻塞边缘。对于一般的图,已经找到一个流行的匹配与最多一个阻塞边是NP完全的。对于二分的情况下,我们研究的问题,找到一个最大的效用流行匹配的数量(或更一般地说,成本)的限制,采用多元方法的阻塞边缘。我们展示了经典和参数化的严格限制的情况下的硬度结果。相比之下,我们设计了一个算法的情况下,在一侧的偏好承认一个主列表,并表明,该算法是最佳的。
2022-05-04 cs.DM cs.DS
Understanding Zadimoghaddam's Edge-weighted Online Matching Algorithm: Weighted Case
在在线原始对偶框架下,提出了边加权在线二部匹配问题的Zadimoghoughs算法的一个简化。在这样做的过程中,我们得到了一个改进的竞争比的$0.514$。我们首先将在线相关选择(OCS)(Huang和Tao(2019)从Zadimoghouts(2017)中提取的成分)与Devanur等人(2016)对边加权在线二分匹配问题的解释(我们将其称为互补累积分布函数(CCDF)观点)相结合,以推导出一种在线原始对偶算法,该算法具有$0.505$竞争性。然后,我们设计了一个改进的OCS,它给出了$0.514$比。
2019-10-08 cs.DS cs.GT
Dichotomy Results for Classified Rank-Maximal Matchings and Popular Matchings
在本文中,我们考虑的问题,计算一个最佳匹配的二分图中的元素的一方的bipartition指定的偏好在另一边,和一个或两个方面可以有能力和分类。输入实例是一个二分图G=(A UP,E),其中A是一组申请者,P是一组帖子,每个申请者按照偏好顺序排列其邻居,可能涉及领带。此外,A UP中的每个顶点v具有配额q(v),该配额表示在申请人到职位的任何分配中它可以具有的最大伙伴数量-在本文中称为{ \em匹配}。顶点u的分类是u的邻居子集的集合。每个子集(类)都有一个上限配额,表示可以与u匹配的类中顶点的最大数量。目标是在所有可行匹配中找到最佳匹配,这些匹配是尊重所有顶点和类的配额的匹配。我们考虑两个研究得很好的概念,即最优流行和排名最大化。秩最大性的概念涉及到在$G$中寻找一个具有最大秩$1$边数的匹配,在此基础上,寻找最大秩2边数的匹配.当每个分类都是一个分层族时,我们提出了一个O(|E| ^2)时间算法来寻找一个可行的秩最大匹配.我们补充说,当类是非层状的,即使在严格的偏好列表,甚至当只有职位有分类,每个申请人有一个配额的NP-硬度的结果。我们显示了一个类似的二分法的结果计算一个流行的匹配之间的可行的匹配(如果存在)在一个二分图的职位有能力和分类和申请人有一个配额。
2018-10-06 cs.DS
Quasi-popular Matchings, Optimality, and Extended Formulations
设G =((A,B),E)是稳定婚姻问题的一个例子,其中每个顶点都按严格的偏好顺序排列其邻居。G中匹配的M是受欢迎的,如果M没有在任何匹配中输掉正面选举。流行匹配是稳定匹配的一个很好的推广,其目的是扩大可接受的解决方案集,同时保持一定的公平性。每一个稳定的匹配是一个最小规模的流行匹配。不幸的是,当存在边成本时,找到最小成本的流行匹配是NP困难的-更糟糕的是,最小成本流行匹配问题很难近似到任何因子。设opt为最小成本流行匹配的成本。我们的目标是通过付出适度放松的受欢迎程度的代价来有效地计算成本最多的匹配。我们的主要积极成果是两个双准则算法,发现在多项式时间的成本在最多opt的近流行或准流行匹配。此外,算法之一发现的成本最多的最小成本流行分数匹配的准流行匹配,这可能比opt小得多。另一种算法的关键是多项式-大小扩展公式的整体多面体夹在流行和准流行匹配多面体。我们补充这些结果表明,这是NP-难找到一个准流行的匹配的最小成本,流行和准流行的匹配多面体有近指数扩展的复杂性。这个版本的论文在以下两点上超越了会议版本[12]:(i)寻找成本至多为最小成本流行分数匹配的准流行匹配的算法是新的;(ii)第6.1节和第7.3节的证明现在是独立的(会议版本使用[10]的结构来显示这些下界)。
2020-05-05 cs.CC cs.DS math.CO
Heuristic to reduce the complexity of complete bipartite graphs to accelerate the search for maximum weighted matchings with small error
利用Edmonds和Karp的算法,在$O(nm + n^2 \log{n})$时间内,利用Fibonacci堆和改进的Dijkstra算法,可以找到二部图$G=(A \cup B,E)$的最大加权匹配,其中n是节点数,m是边数.对于$|A|=|B|$的情况,边的数量是$n^2$,因此复杂度是$O(n^3)$。在本文中,我们要提出一个简单的探试法,以减少与$|A|=|B|$的完全二部图$G=(A \cup B,E)$的边的数量,使$m = n\log{n}$,因此,复杂性的,这样,$m = n\log{n}$,因此,复杂性的$O(n^2 \log{n})$。G中所有边的权必须均匀分布在[0,1]中。
2003-06-23 cs.DS
Robust Popular Matchings
University of Bristol(布里斯托大学);ELTE KRTK KTI(罗兰大学KRTK KTI);University of California Irvine(加州大学尔湾分校)
该研究针对偏好下的鲁棒流行匹配问题,给出了单智能体偏好差异场景下的多项式时间判定算法,同时证明了多类差异场景下的NP完全性与复杂性二分性,结果也适用于支配匹配。
2025-10-22 cs.DS cs.GT
Pattern Matching and Consensus Problems on Weighted Sequences and Profiles
我们研究了分子生物学中使用的两种主要不确定序列表示的模式匹配问题:加权序列(也称为位置权重矩阵,PWM)和轮廓(即,评分矩阵)。在简单的版本,其中只有模式或只有文本是不确定的,我们获得有效的算法与理论上证明的运行时间使用的变化的前瞻性评分技术。我们还考虑了一个一般的变种的模式匹配问题,其中的模式和文本是不确定的。我们的解决方案的核心是一个特殊的情况下,序列具有相同的长度,称为共识问题。我们提出了算法的共识问题参数化的字符串匹配的序列之一。作为我们的基本方法,一个仔细的适应经典的满足在中间的背包问题的算法。在下界方面,我们证明了我们对参数的依赖是最佳的,以低阶条件的背包问题的原算法的最优性。
2016-07-11 cs.DS
A Matroid Generalization of Weighted Popular Matching: Characterization and Algorithm
Kobe University(神户大学);Kyoto University(京都大学);The University of Tokyo(东京大学);Hosei University(法政大学)
本文提出加权受欢迎公共独立集问题,同时推广两类受欢迎匹配问题,建立其与解无关的特征刻画并给出首个多项式时间算法,还解决了带拟阵约束的加权受欢迎匹配等未决问题。
2026-10-14 cs.DS cs.GT
Popular matchings with weighted voters
本文研究带权顶点的流行匹配问题,证明一般加权场景下找流行匹配是NP难的,并给出二分图两侧顶点权重分别为c>3和1时的多项式时间求解或不存在性证明算法。
2023-12-13 cs.DM cs.DS
A PTAS for Weighted Triangle-free 2-Matching
IDSIA, USI-SUPSI(IDSIA,USI-SUPSI);RIMS, Kyoto University(京都大学数理解析研究所)
本文提出了一种针对加权无三角2匹配问题的PTAS,提供了一种多项式时间的(1-ε)近似算法,改进了该问题的近似比。
2026-03-10 cs.DS
The Dynamics of Rank-Maximal and Popular Matchings
给定一个二分图,其中两组顶点是申请人和职位,边缘上的排名表示申请人对职位的偏好,{ \em rank-maximum}匹配是其中最大数量的申请人与他们的排名一职位匹配的匹配,并且在此条件下,最大数量的申请人与他们的排名二职位匹配,我们研究了动态版本的问题,其中一个新的申请人或职位可能会被添加到图中,我们希望保持一个排名最大匹配。我们发现,一个顶点的到来后,我们总是能够更新现有的秩最大匹配在$\mathcal{O}(\min(c'n ,n^2) + m)$时间,其中$n$表示申请人的数量,$m$的边缘和$c'$的最大秩的边缘在一个最佳的解决方案。此外,我们使用最小数量的更改(替换)来更新匹配。删除顶点/边和添加边的所有情况都可以简化为处理添加顶点的问题。作为一个副产品,我们也得到了一个类似的$\mathcal{O}(m)$结果的动态版本的(单侧)流行的匹配问题。我们的结果是基于新的使用的属性的埃德蒙兹-Gallai分解。所提出的想法可以在其他(动态)匹配问题中找到应用。
2020-09-23 cs.DS
A Weighted Common Subgraph Matching Algorithm
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所)
提出了一种加权公共子图匹配算法,用于在两个带标号的加权图中寻找最相似的子图。WCS匹配作为等长图匹配或子图匹配的一种自然推广,在计算机视觉和机器学习中有着广泛的应用。首先将WCS匹配问题转化为部分置换矩阵集合上的组合优化问题。然后用最近提出的一种组合优化框架--分级非凹凸法(GNCCP)近似求解。合成图和真实世界的图像上的实验比较验证了它对噪声水平,问题大小,离群点数量和边缘密度的鲁棒性。
2014-11-04 cs.CV cs.DS
Almost Optimal Stochastic Weighted Matching With Few Queries
我们考虑{ \em随机匹配}问题。一个边缘加权将军(即,不一定是二分的)图$G(V, E)$在输入中给出,其中$E$中的每条边以概率$p$独立地{ \em实现};实现最初是未知的,然而,我们能够{ \em查询}边以确定它们是否被实现。目标是仅查询少量边以找到足够接近所有已实现边中的最大匹配的{ \em已实现匹配}。在过去的十年中,由于其在肾脏交换,婚介服务,在线劳动力市场和广告中的众多现实应用,这个问题已经受到了相当大的关注。我们的主要结果是一个{ \em自适应}算法,对于任何任意小的$ε> 0$,发现一个$(1-ε)$ -近似的期望,通过查询每个顶点的$O(1)$边缘。我们进一步表明,我们的方法导致一个$(1/2-ε)$ -近似{ \em非自适应}算法,也查询每个顶点只有$O(1)$边缘。在我们的工作之前,没有非平凡的近似是已知的加权图使用恒定的每顶点预算。最先进的自适应(分别为Maehara和Yamaguchi [SODA 2018]的非自适应)算法实现了$(1-ε)$近似(分别为$(1/2-ε)$ -近似),其中$O(w\log{n})$表示最大整数边权重。我们的结果是一个实质性的改进,这个界限,并有一个吸引人的信息:无论输入图的结构是什么,可以得到任意接近的最优解,通过查询每个顶点只有一个常数数量的边缘。为了获得我们的结果,我们引入新的属性的泛化{ \em增广路径}加权匹配…
2018-05-23 cs.DS
Data Structures for Weighted Matching and Extensions to $b$-matching and $f$-factors
本文证明了一般图上的加权匹配问题可以在时间$O(n(m + n\log n))$内求解,其中$n$和$m$分别是顶点数和边数。这是以前已知的只有二分图。关键是创建花的数据结构。它使用一个动态的最近共同祖先算法来简化开花步骤,所以它们只涉及到后边缘,而不是任意的非树边缘。本文的其余部分提出了直接扩展埃德蒙兹的开花算法加权$b$ -匹配和$f$ -因素。同样,时间界限也是以前已知的二分图的时间界限:对于$b$ -匹配,时间是$O(\min\{b(V),n\log n\}(m + n\log n))$,对于$f$ -因子,时间是$O(\min\{f(V),m\log n\}( m + n\log n) )$,其中$b(V)$和$f(V)$表示所有度约束的总和。给出了$f$ -因子算法的几个直接应用:给出了\cite{GS13}的广义最短路结构,即,保守无向图的最短路径树的模拟,是$f$因子的开花结构的一个版本。该结构在时间$O(|N|(m+n\log n))$中找到,$N$是负边缘集($0<|N|<n$)。最短的$T$连接在时间$O(n(m+n\log n))$中找到,或者当所有成本都为非负时,在$O(|T|(m+n\log n))$中找到.这些界限都是以前已知的轻微改进,并简单地实现了适当的初始化的$f$因子算法。
2016-11-22 cs.DS
Fully Dynamic $(1+ε)$-Approximate Matchings
我们提出了第一个数据结构,保持近最佳的最大基数和最大加权匹配稀疏图在次线性时间每次更新。我们的主要结果是一个数据结构,保持$(1+ε)$近似的最大匹配下的边缘插入/删除在最坏的情况下,每次更新$O(\sqrt{m}ε^{-2})$时间。这改进了[Neiman,Solomon,STOC 2013]中给出的3/2近似,该近似在类似的时间内运行。这个结果基于两个想法。第一种方法是在选定数量的更新后重新运行静态算法,以确保近似保证。第二种是尽可能明智地将图修剪成更小的等价图。我们还研究了我们的方法的加权设置的扩展,并将其与已知的框架,以获得任意的近似比。对于一个常数$ε$和1和N之间的边权重的图,我们设计了一个算法,保持$(1+ε)$ -近似最大加权匹配在$O(\sqrt{m} \log N)$时间每次更新。在动态图上保持加权匹配的唯一先前结果的近似比为4.9108,并在[Anand,Baswana,Gupta,Sen,FSTTCS 2012,arXiv 2012]中显示。
2013-04-10 cs.DS
Weighted Matchings via Unweighted Augmentations
我们设计了一个通用的方法,找到加权匹配的任务,找到短增广路径在未加权图。这种方法使我们能够提供有效的实现近似加权匹配的流模型和大规模并行计算(MPC)模型。在流的背景下,随机边缘到达,我们的技术产生一个$(1/2+c)$近似算法,从而打破了$1/2$的天然屏障。对于多通道流和MPC模型,我们表明,任何算法计算$(1-δ)$ -近似不加权匹配的二分图可以被翻译成一个算法,计算一个$(1-\varepsilon(δ))$ -近似最大加权匹配。此外,这种转换在复杂度中仅引起恒定因子(其取决于$\varepsilon> 0$)开销。使用当前最佳的多通道流和MPC算法对未加权匹配进行实例化,对于最大加权匹配产生以下结果:* 使用$O_\varepsilon(1)$通道和$O_\varepsilon(n\, \text{poly} (\log n))$存储器的$(1-\varepsilon)$ -近似流算法。这是第一个用于加权匹配的$(1-\varepsilon)$近似流算法,它使用恒定的传递次数(仅取决于$\varepsilon$)。* MPC模型中的一种$(1 - \varepsilon)$近似算法,使用$O_\varepsilon(\log \log n)$轮、每轮$O(m/n)$机器和每机器$O_\varepsilon(n\, \text{poly}(\log n))$内存。这改进了以…
2018-11-07 cs.DC cs.DS
How good are Popular Matchings?
本文研究了医院住院医师问题(HR)和具有低质量的医院住院医师问题(HRLQ)。在这个具有双侧偏好的模型中,稳定性是一个广为接受的最优性概念。然而,在存在较低配额的情况下,不需要存在稳定和可行的匹配。因此,对于HRLQ问题,我们的目标是输出一个好的可行匹配假设一个可行的匹配存在。已知具有最小阻塞对数(MinBP)和最小阻塞居民数(MinBR)的匹配计算是NP完全的。这些问题的唯一近似算法的工作条件严格限制的偏好列表。我们提出了一种算法,它绕过了这一限制,并计算一个流行的匹配在HRLQ实例。我们表明,使用各种发电机生成的数据集,我们的算法表现非常好,在阻塞对和阻塞居民。Yokoi(ISAAC 2017)最近研究了HRLQ问题的无嫉妒匹配。我们提出了一个简单的修改横井的算法输出一个最大的嫉妒自由匹配。我们观察到,流行的匹配优于无嫉妒匹配的几个参数的实际重要性,如大小,阻塞对的数量,阻塞居民的数量。在没有较低配额的情况下,也就是在住院医师(HR)问题中,稳定的匹配保证存在。即使在这种情况下,我们表明,流行是一个实际的替代稳定。例如,在使用特定模型生成的合成数据集上,以及在真实世界数据集上,流行匹配在大小上平均大8-10%,将更多数量的居民与他们的首选匹配,并且与稳定匹配相比,更多的居民更喜欢流行匹配。我们的综合研究揭示了人力资源和HRLQ问题的流行匹配的实际吸引力。
2018-04-28 cs.DS cs.GT
A 2/3-Approximation Algorithm for Vertex-weighted Matching in Bipartite Graphs
考虑最大顶点加权匹配问题(Maximum Vertex-Weighted Matching Problem,MVM),其中图的顶点被赋予非负的权重,匹配的权重是匹配顶点的权重之和,并且我们需要计算最大权重的匹配。首先给出了一个具有$O(|V|\, |E|)$时间复杂度的MVM精确算法,然后通过限制扩充路径的长度不超过3条,设计了二部图上MVM的$2/3$ -近似算法.后一种算法的时间复杂度为$O(|E| + |V| \log |V|)$。近似算法解决了二分图上的两个MVM问题,每个问题的权重仅在一个顶点部分上,然后使用Mendelsohn-Dulmage定理从这两个匹配中找到匹配。该算法的近似比是通过考虑失效顶点来获得的,即,近似算法无法匹配但精确算法可以匹配的顶点。我们表明,在算法的每一步都有两个不同的重顶点,我们可以收取每个失败的顶点。我们已经实现了MVM的$2/3$ -近似算法,并将其与其他四种算法进行了比较:一个精确的MEM算法,精确的MVM算法,MVM的$1/2$ -近似算法,和一个基于缩放的MEM的$(1-ε)$ -近似算法。我们还表明,MVM问题不应该首先转化为MEM问题,并使用精确算法解决后者,因为这种转换可以将运行时间增加几个数量级。
2018-10-11 cs.DS
Weighted Triangle-free 2-matching Problem with Edge-disjoint Forbidden Triangles
加权无$\mathcal{T}$的$2$ -匹配问题是:给定无向图$G$,其边集上的权函数,以及$G$中的三角形集合$\mathcal{T}$,求出$\mathcal{T}$中不含三角形的最大权$2$ -匹配.当$\mathcal{T}$是$G$中所有三角形的集合时,该问题被称为加权无三角形$2$匹配问题,这是一个长期存在的公开问题。本文的一个主要贡献是在假设$\mathcal{T}$是一组边不相交的三角形的情况下,给出了加权无$\mathcal{T}$的$2$匹配问题的第一个多项式时间算法.在我们的算法中,一个关键的成分是给一个扩展的公式表示的解决方案,即我们引入新的变量和表示的凸包的可行解作为一个投影的另一个多面体在高维空间。虽然我们的扩展配方有指数许多不等式,我们表明,分离问题可以在多项式时间内解决,这导致了加权$\mathcal{T}$ -免费$2$ -匹配问题的多项式时间算法。
2019-11-15 cs.DS math.CO
Dynamic Weighted Matching with Heterogeneous Arrival and Departure Rates
研究了一个动态非二部匹配问题。有一组固定的代理类型,给定类型的代理根据特定类型的泊松过程到达和离开。代理人的离开不会提前通知。匹配的值由匹配的代理的类型确定。我们提出了一个在线算法,是(1/8)-竞争的最优事后策略的价值,任意加权图。我们的算法对待代理异构,即时和延迟匹配之间的插值,以保证市场,同时仍然匹配有价值的代理机会。
2021-01-10 cs.DS cs.GT
Solving the Maximum Popular Matching Problem with Matroid Constraints
本文研究带拟阵约束的多对多匹配中最大流行匹配问题,利用新拟阵交换性质证明任意拟阵下可解,并揭示字典序偏好下存在性与验证问题为coNP-难。
2023-06-21 cs.DS cs.GT
Popular Matching in Roommates Setting is NP-hard
在室友设置中,Popular Matching问题的一个输入由一个图$G$组成,每个顶点按照严格的顺序排列其邻居,称为其偏好。在流行匹配问题中,目标是测试是否存在匹配的$M^\star$,使得不存在匹配的$M$,其中使用$M$的人比使用$M^\star$的人更快乐。在本文中,我们解决了计算复杂性的流行匹配问题的室友设置,表明该问题是NP-完全的。因此,我们解决了过去十年来一再明确提出的一个悬而未决的问题。
2018-03-25 cs.CC cs.DS cs.GT
Weighted Matching in the Semi-Streaming Model
我们减少了最好的已知的近似比找到一个加权匹配的图使用一个一遍半流算法从5.828到5.585。半流模型禁止对输入的随机访问,并将内存限制为O(n*polylog(n))位。它是由Muthukrishnan在2003年提出的,适用于处理大规模图。
2007-09-21 cs.DM cs.DS
From Unweighted to Weighted Dynamic Matching in Non-Bipartite Graphs: A Low-Loss Reduction
New York University(纽约大学);Stanford University(斯坦福大学)
针对全动态非二分图的近似最大权重匹配问题,提出首个低损耗归约方法,通过原始-对偶框架将其转化为二分图近似最大基数匹配问题求解,更新时间开销低,并给出相关条件下界。
2025-10-21 cs.DS
Online Vertex-Weighted Bipartite Matching and Single-bid Budgeted Allocations
我们研究了以下顶点加权在线二部匹配问题:$G(U, V, E)$是一个二部图。$U$中的顶点具有权重并且是提前已知的,而$V$中的顶点以任意顺序在线到达并且必须在到达时进行匹配。目标是最大化$U$中匹配顶点的权重之和。当所有的权重都相等时,这简化为经典的\emph{online bipartite matching}问题,Karp,Vazirani和Vazirani在他们的开创性工作~ \cite{KVV90}中给出了一个最优的$\left(1-\frac{1}{e}\right)$ -竞争算法。我们的主要结果是一般顶点权重的最优$\left(1-\frac{1}{e}\right)$ -竞争随机算法。我们使用适当选择的乘法因子的权重的\emph{random perturbations}。我们的解决方案构成了第一个已知的推广算法在~ \cite{KVV90}在这个模型中,并提供了新的见解随机化在线分配问题的作用。它还有效地解决了\emph{online budgeted allocations} \cite{MSVV05}的问题,当代理对任何期望的项目进行相同的出价时,即使出价与他的预算相当-补充了\cite{MSVV05, BJN07}的结果,当出价比预算小得多时,该结果适用。
2010-07-08 cs.DS
Improved Analysis of RANKING for Online Vertex-Weighted Bipartite Matching in the Random Order Model
本文研究了随机到达模型下的在线顶点加权二部匹配问题。我们考虑由Huang,Tang,Wu和Zhang(TALG 2019)引入的针对该问题的RANK算法的推广,他们表明他们的算法具有0.6534的竞争比。我们表明,在他们的分析假设可以被削弱,使我们能够取代他们的一个关键功能$g$上的单位平方与线性规划,计算一个最好的可能的值$g$在这些假设下的离散单位平方的推导。我们表明,离散化不会产生太大的误差,并显示计算,我们可以得到一个竞争比为0.6629。为了计算离散化单位平方上的边界,我们使用并行化,并且仍然需要在64核机器上进行两天的计算。此外,通过稍微修改我们的线性程序,我们可以在计算上显示我们的方法的上限为0.6688;任何超过这个界限的进一步进展将需要进一步削弱$g$的假设或比Huang等人更强的分析。
2022-11-08 cs.DS