Single Pass Spectral Sparsification in Dynamic Streams
我们提出了第一个单遍算法计算谱稀疏的动态半流模型。给定一个包含插入和删除边的流到图G的单次遍历,我们的算法保持G的关联矩阵的随机线性草图为O((1/epsilon ^2)n polylog(n))。使用此草图,在任何点,该算法都可以以高概率输出G的(1 +/-π)谱稀疏因子。虽然O((1/epsilon^2)n polylog(n))空间算法已知用于计算动态流中的“切割稀疏器”[AGM 12 b,GKP 12]和“仅插入”流中的谱稀疏器[KL 11],但在我们的工作之前,用于在动态流中维护谱稀疏器的最著名的单遍算法需要尺寸Omega((1/epsilon^2)n^(5/3))的草图[AGM 14]。为了实现我们的结果,我们表明,使用粗稀疏的G和G的关联矩阵的线性草图,它是可能的采样边缘的有效电阻,获得一个频谱稀疏的任意精度。从草图中采样需要ell_2/ell_2稀疏恢复的新应用,这是[AGM 12 b]中用于切割稀疏器的ell_0方法的自然扩展。最近的工作[MP 12]行采样矩阵近似给出了一个递归的方法来获得所需的粗稀疏。在一定的限制下,我们的方法还扩展到保持一般矩阵A^T A的谱近似的问题,给定A中的行的更新流。
2015-04-16 cs.DS
Polynomial Pass Lower Bounds for Graph Streaming Algorithms
我们提出了新的下界,表明多项式数量的通行证是必要的,解决一些基本的图形问题的流模型的计算。例如,我们表明,任何流算法,找到一个加权最小$s$削减$t$顶点无向图需要$n^{2-o(1)}$空间,除非它使$n^{Ω(1)}$通过流。为了证明我们的下限,我们引入并分析了一个新的四人通信问题,我们称之为隐藏指针追逐问题。这是一个标准的指针追逐问题的精神与关键的区别,在这个问题中的指针是隐藏的球员,找到他们中的每一个需要解决另一个通信问题,即集合相交问题。我们的下界图的问题,然后获得减少隐藏指针追逐问题。我们的隐藏指针追踪问题看起来足够灵活,可以找到其他应用程序,因此本身就很有趣。为了展示这一点,我们进一步提出了一个有趣的应用程序,这个问题超出流算法。使用减少隐藏指针追逐,我们证明了任何算法的次模函数最小化需要使$n^{2-o(1)}$值查询的功能,除非它有一个多项式程度的自适应。
2019-04-09 cs.DS
Multi-Pass Streaming Algorithms for Monotone Submodular Function Maximization
我们考虑最大化一个单调的子模函数的基数约束或背包约束下的流设置。特别是,元素顺序到达,并且在任何时间点,算法只能访问存储在主存储器中的数据的一小部分。我们提出了以下流算法$O(\varepsilon^{-1})$通过:-一个$(1-e^{-1}-\varepsilon)$ -基数约束问题的近似算法-一个$(0.5-\varepsilon)$ -背包约束问题的近似算法。我们的两个算法都在$O^\ast(n)$时间内运行,使用$O^\ast(K)$空间,其中$n$是基集的大小,$K$是背包的大小。这里,术语$O^\ast$隐藏了$\log K$和$\varepsilon^{-1}$的多项式。我们的流算法也可以用作快速近似算法。特别地,对于基数约束问题,我们的算法需要$O(n\varepsilon^{-1} \log (\varepsilon^{-1}\log K) )$时间,改进了Badanidiyuru和Vondrák的算法需要$O(n \varepsilon^{-1} \log (\varepsilon^{-1} K) )$时间.
2018-02-17 cs.DS
Maximum Matching sans Maximal Matching: A New Approach for Finding Maximum Matchings in the Data Stream Model
图的最大匹配问题是计算机科学中最经典的问题之一。尽管大量的工作致力于研究这个问题的数据流模型,最先进的单通道半流算法,它仍然是一个简单的贪心算法,计算最大匹配,这种方式获得1/2近似。一些以前的作品描述了两个/三个通过算法,通过使用他们的第二和第三遍,以提高上述最大匹配,提高了这个近似比。本文的一个贡献继续这条线的工作,提出了新的三遍半流算法,沿着这些路线的工作,并获得改进的近似比为0.6111和0.5694的三角形和一般图形,分别。不幸的是,最近的一项工作(Konrad和Naidu,2021)表明,在第一遍中构建最大匹配,然后在进一步的遍中改进它的策略具有局限性。此外,这种技术不太可能让我们更接近单通道半流算法,获得比1/2近似更好的结果。因此,提出在第一次通过时做其他事情的算法是很有趣的(我们称这种算法为非最大匹配优先算法)。目前还没有这样的算法本文的主要贡献是描述了这样的算法,对于一般图,在两遍和三遍中分别获得0.5384和0.5555的近似比(三次通过的结果优于先前的现有技术,但比前一段中提到的本文对于一般图的结果更差)。
2021-09-13 cs.DS
Streaming Approximation Scheme for Minimizing Total Completion Time on Parallel Machines Subject to Varying Processing Capacity
本文研究了在不同处理能力下的并行机上最小化总完工时间的问题。在本文中,我们开发了一个近似方案的数据流模型下的问题,输入数据是巨大的,不能装入内存,因此只能扫描几遍。我们的算法可以在一个过程中计算出最优总完工时间的近似值,并在两个过程中输出近似值的进度表。
2022-04-05 cs.DS
A Second Look at Counting Triangles in Graph Streams (revised)
在本文中,我们提出了改进的结果在边流图的三角形计数问题。对于具有$m$边和至少$T$三角形的图,我们表明,对流进行额外的查看会产生一个两遍流算法,该算法使用$O(\frac{m}{\eps^{2.5}\sqrt{T}}\polylog(m))$空间并输出图中三角形数量的$(1+\eps)$近似值。这改进了Braverman、Ostrovsky和Vilenchik在ICALP 2013中的双通道流测试器,其使用$O(\frac{m}{T^{1/3}})$空间区分无三角形图和至少具有$T$三角形的图。此外,在依赖于$T$,我们表明,更多的通行证不会导致更好的空间约束。换句话说,我们证明了没有恒定的通过流算法,区分三角形的图形与至少$T$三角形使用$O(\frac{m}{T^{1/2+ρ}})$空间的任何常数$ρ\ge 0$。
2016-03-09 cs.DS
On the Value of Multiple Read/Write Streams for Data Compression
我们研究是否,当限制使用多对数内存和多对数通行证,我们可以实现更好的数据压缩与多个读/写流比我们可以只有一个。我们首先展示了如何仅使用一个流的一次通过来实现通用压缩。然后,我们表明,一个流是不够的,我们实现良好的基于语法的压缩。最后,我们表明,两个流是必要的,充分的,我们实现的熵唯一的界限。
2012-04-05 cs.DS
Separations for Estimating Large Frequency Moments on Data Streams
我们研究了经典问题的矩估计的基础向量的$n$坐标是隐式定义通过一系列的更新数据流。我们表明,如果更新的向量到达随机顺序插入的唯一模型,那么存在空间有效的算法与改进的依赖近似参数$\varepsilon$。特别是,对于任何真正的$p > 2$,我们首先获得一个算法的$F_p$矩估计使用$\tilde{\mathcal{O}}\left(\frac{1}{\varepsilon^{4/p}}\cdot n^{1-2/p}\right)$位的内存。我们的技术还给出了算法$F_p$矩估计与$p>2$在任意阶插入只和旋转栅门流,使用$\tilde{\mathcal{O}}\left(\frac{1}{\varepsilon^{4/p}}\cdot n^{1-2/p}\right)$位的空间和两个通道,这是第一个最佳的多通道$F_p$估计算法高达$\log n$因素。最后,我们给出了一个改进的$Ω\left(\frac{1}{\varepsilon^2}\cdot n^{1-2/p}\right)$的一遍插入流的下界。我们的研究结果分离的复杂性,这个问题之间的随机和非随机的订单,以及单通和多通流。
2022-07-07 cs.DS
Matrix Norms in Data Streams: Faster, Multi-Pass and Row-Order
数据流中的一个中心问题是表征潜在频率向量的哪些函数可以有效地近似。最近,已经有相当大的努力,在扩展这个问题的估计函数的矩阵,作为一个数据流。这种设置将经典问题推广到矩阵的类似问题。例如,我们现在希望估计“频繁方向”计数,而不是估计频繁项计数。一个相关的例子是估计范数,现在对应于估计矩阵奇异值的向量范数。尽管最近的努力,目前的理解,这样的矩阵问题是相当弱的向量问题。我们研究了在流中估计矩阵范数的许多方面,这些方面以前没有被考虑过:(1)多遍算法,(2)一次一行地看到底层矩阵的算法,以及(3)时间有效的算法。我们的多通道和行顺序算法使用的内存比单通道和入口更新模型中可证明需要的内存少,因此可以在这些模型之间进行分离(就内存而言)。此外,我们所有的算法都比以前的算法快得多。我们还证明了一些下界,并获得例如,一个接近完整的表征所需的存储器的行顺序算法估计Schatten $p$ -规范的稀疏矩阵。
2018-10-24 cs.DS
Optimal Multi-Pass Lower Bounds for MST in Dynamic Streams
本文证明动态流中 MST 的 AGM 多遍算法在整个遍数范围内最优:任何 $p$ 遍算法均需 $n^{1+Ω(1/p)}$ 空间,半流式需 $Ω(\log n/\log\log n)$ 遍。
2023-12-07 cs.DS
Near-optimal streaming approximation for Max-DICUT in sublinear space using two passes
University of Waterloo(滑铁卢大学);Toyota Technological Institute at Chicago(芝加哥丰田技术学院)
本文提出一个两次遍历算法,在子线性空间内实现Max-DICUT的(1/2-ε)近似,解决了单次遍历下任意图的子线性空间近似问题。
2026-04-12 cs.DS
Approximately Counting Subgraphs in Data Streams
估计数据流中的子图的数量是一个基本的问题,在过去的十年中受到了极大的关注。在本文中,我们给出了改进的流算法近似计数的出现次数的任意子图$H$,表示为$\# H$,当输入图$G$表示为$m$边流。为了获得我们的算法,我们提供了一个通用的转换,恒定轮子线性时间图算法的查询访问模型中的恒定通过子线性空间图流算法。利用这种变换,我们得到了以下结果。1.在$\tilde{O}(\frac{m^{ρ(H)}}{ε^2\cdot \# H})$空间中给出了$(1\pm ε)$ -逼近$\# H$的$3$ -通过旋转栅门流算法,其中$ρ(H)$是$H$的分数边覆盖.这改进并推广了McGregor等人[PODS 2016]的结果,McGregor等人给出了$3$ -用于$(1\pm ε)$的仅插入流算法-如果该算法被赋予对度的额外oracle访问,则近似于$\tilde{O}(\frac{m^{3/2}}{ε^2\cdot \# T})$空间中三角形的数量$\# T$。2.我们提供了一个恒定的通过流算法$(1\pm ε)$ -近似$\# K_r$在$\tilde{O}(\frac{mλ^{r-2}}{ε^2\cdot \# K_r})$空间中的任何$r\geq 3$,在图$G$与退化$λ$,其中$K_r$是一个团的$r$顶点。这解决了Bera和Seshadhri的猜想[PODS 2020]。更一般地…
2022-03-27 cs.DS
Tight Bounds for Single-Pass Streaming Complexity of the Set Cover Problem
我们解决了单通道流算法的空间复杂度近似经典的集合覆盖问题。为了找到一个$α$ -近似集覆盖(任何$α= o(\sqrt{n})$)使用单通道流算法,我们表明,$Θ(mn/α)$空间是充分和必要的(高达$O(\log{n})$的因素),这里$m$表示的集合数和$n$表示宇宙的大小。这为Indyk等人(2015)提出的关于使用次线性空间的小近似因子的单遍算法的可能性的开放问题提供了一个强有力的否定答案。我们进一步研究的问题,估计的最小集覆盖的大小(而不是找到实际的集),并建立一个额外的因素$α$节省的空间是可以实现的,在这种情况下,这是最好的可能。换句话说,我们表明,$Θ(mn/α^2)$空间是足够的和必要的(对数因子)估计的最小集覆盖范围内的一个因素$α$的大小。我们的算法实际上适用于估计覆盖整数规划的最优值的更一般的问题。另一方面,我们的下界甚至对于集合以随机顺序呈现的集合覆盖实例也成立。
2016-03-17 cs.DS
Graph Spanners by Sketching in Dynamic Streams and the Simultaneous Communication Model
图素描是一个强大的技术介绍的开创性工作的Ahn,Guha和McGregor'12的连接在动态图形流,从那时起,在文献中享有相当大的关注,并导致了近最佳的动态流算法的许多基本问题,如连接,削减和频谱稀疏和匹配。然而,有趣的是,近似图的最短路径度量的草图和动态流的复杂性仍然远未得到很好的理解。除了经典构造的直接$k$ -通路实现(最近由Fernandez、Woodruff和Yasuda改进为$\lfloor\frac k2\rfloor+1$ -通路'20)之外,现有技术相当于Ahn、Guha和McGregor'12的$O(\log k)$ -通路算法,以及Kapralov和Woodruff'14的$2$ -通路算法.特别是,没有单遍算法是已知的,并且遍数、拉伸和空间复杂度之间的最佳折衷是开放的。在本文中,我们介绍了几个新的图形素描技术近似的最短路径度量的输入图。我们给出了第一个{ \em单遍}绘制算法,用于构建图空间:我们展示了如何使用$\widetilde{O}(n)$空间获得$\widetilde{O}(n^{\frac23})$ -图,以及在一般情况下,对于每个$α\in [0, 1]$,使用$\widetilde{O}(n^{1+α})$空间获得$\widetilde{O}(n^{\frac23(1-α)})$ -图,我们认为这种折衷可能接近最优。我们还给出了新的构造算法,任…
2020-11-12 cs.DS
Maximum Matching in Two, Three, and a Few More Passes Over Graph Streams
我们考虑Feigenbaum,Kannan,McGregor,Suri和Zhang的半流模型中的最大匹配问题,该模型受到当今巨型图的启发。作为我们的主要结果,我们给出了无三角形图的两遍$(1/2 + 1/16)$ -逼近算法和一般图的两遍$(1/2 + 1/32)$ -逼近算法,这改进了Konrad,Magniez和Mathieu的$1/2 + 1/52$对二分图和$1/2 + 1/140$对一般图的逼近率.在三个阶段中,我们分别得到了$1/2 + 1/10$对无三角形图的逼近比和$1/2 + 1/19.753$对一般图的逼近比。我们还给出了一个多遍算法,其中我们精确地限制了遍数-我们给出了一个$(2/3 -\varepsilon)$近似算法,该算法使用$2/(3\varepsilon)$遍用于无三角形图,使用$4/(3\varepsilon)$遍用于一般图。我们的算法是简单的和组合的,使用$O(n \log n)$空间,并有$O(1)$更新时间每边。对于一般的图,我们的多遍算法在遍数方面改进了最著名的确定性算法:Ahn和Guha给出了使用$O(\log(1/\varepsilon)/\varepsilon^2)$遍的$(2/3 - \varepsilon)$ -近似算法,而我们的$(2/3 - \varepsilon)$ -近似算法使用$4/(3\varepsilon)$遍;他们…
2017-04-21 cs.DS
Streaming Submodular Maximization under Matroid Constraints
最近的进展(半)流算法的单调子模函数最大化导致了一个简单的基数约束紧的结果。然而,目前的技术未能给出类似的理解自然的推广,包括拟阵约束。本文旨在缩小这一差距。对于秩为$k$的单个拟阵(即,任何解决方案具有至多$k$的基数),我们的主要结果是:1)使用$\widetilde{O}(k)$存储器并实现$0.3178$的近似保证的单遍流式算法,以及2)使用$\widetilde{O}(k)$存储器并通过在流上采取恒定(取决于$\varepsilon$)遍数来实现$(1-1/e - \varepsilon)$的近似保证的多遍流式算法。这改进了先前分别用于单通道和多通道流算法的$1/4$和$1/2$的最佳近似保证。事实上,我们的多通道流算法是严格的,因为任何具有比$1/2$更好的保证的算法都必须通过流进行多次传递,并且任何超过我们对$1-1/e$的保证的算法都必须进行线性多次传递(以及指数数量的值oracle查询)。此外,我们展示了如何使用的方法,多通道流可以进一步加强,如果流的元素到达均匀随机顺序,这意味着一个改进的结果为$p$ -matchoid约束。
2022-02-16 cs.DM cs.DS
On Two-Pass Streaming Algorithms for Maximum Bipartite Matching
研究了最大二分匹配(MBM)的两遍流算法。所有已知的用于MBM的两遍流算法以类似的方式操作:它们在第一遍中计算最大匹配,并在第二遍中找到3-增强路径,以便增强在第一遍中找到的匹配。我们的目的是探索这种方法的局限性,并确定当前的技术是否可以用来进一步提高国家的最先进的算法。我们给出如下结果:我们表明,每一个两遍流算法,只计算一个最大的匹配在第一遍,并输出一个$(2/3+ε)$ -近似需要$n^{1+Ω(\frac{1}{\log \log n})}$空间,对于每一个$ε> 0$,其中$n$是输入图的顶点数。这个结果是通过扩展[GKK,SODA'12]的Ruzsa-Szemerédi图构造而得到的,以确保所得到的图具有接近完美的匹配,这是我们构造所需的关键属性。这一结果可能是独立的利益。此外,我们结合了两种主要技术,即,子采样后的贪婪匹配算法[Konrad,MFCS'18],它给出了一个$2-\sqrt{2} \approx 0.5857$ -近似,和\emph{degree-bounded semi-matchings}的计算[EHM,ICDMW'16][KT,APPROX'17],它给出了一个$\frac{1}{2} + \frac{1}{12} \approx 0.5833$ -近似,并获得一个元算法,产生康拉德和Esfandiari等人。的算法作为特例。这将两个研究方向结合起来…
2021-09-17 cs.DS
Maximum Matching in Turnstile Streams
本文研究了单通道旋转栅门流模型中的无权二分最大匹配问题,其中输入流由边插入和删除组成。在仅插入模型中,可以容易地获得具有空间$O(n \log n)$的一遍$2$近似流算法,其中$n$表示输入图的顶点的数目。我们表明,没有这样的结果是可能的,如果边缘删除是允许的,即使空间$O(n^{3/2-δ})$被授予,为每个$δ> 0$。具体而言,对于每一个$0 \le ε\le 1$,我们表明,在一个通过旋转栅门流模型中,为了计算$O(n^ε)$近似,空间$Ω(n^{3/2 - 4ε})$是恒定误差随机算法所需的,并达到对数因子,空间$O( n^{2-2ε} )$是足够的。我们的下界结果证明在同时消息模型的通信,可能是独立的利益。
2015-05-06 cs.DS
Computing over Data Streams using Catalytic Space
University of Nebraska–Lincoln(内布拉斯加大学林肯分校);Indian Statistical Institute, Kolkata(印度统计学院,加尔各答);Iowa State University(爱荷华州立大学)
研究使用催化空间在数据流上计算,给出计算频率矩的多遍算法,如计算\(\mathbb{F}_{k}\)的四遍算法等,还能用于图流中固定图诱导出现次数计数,同时证明催化内存单遍设置无额外能力。
2026-07-10 cs.DS
Settling the Pass Complexity of Streaming Set Cover
University of Waterloo(滑铁卢大学);New York University(纽约大学)
该论文解决了流式集合覆盖问题的复杂度,建立了空间、遍历次数与近似比之间的最优权衡,证明任何近似算法所需空间的下界,并完全确定了该问题的复杂度。
2026-10-02 cs.DS
Hierarchical Clustering in Graph Streams: Single-Pass Algorithms and Space Lower Bounds
层次聚类(HC)问题包括建立一个层次的聚类来表示给定的数据集。受现代大规模应用的启发,我们研究了\streaming模型中的问题,在该模型中,内存严重受限,只允许对输入进行一次或很少的传递。具体来说,我们调查是否可以获得一个良好的层次聚类,或者至少我们是否可以近似估计的最佳层次的值。为了衡量质量的层次结构,我们使用的HC最小化目标介绍Dasgupta。假设输入是一个$n$ -顶点加权图,其边到达流中,我们得到以下关于空间与精度权衡的结果:* 使用$O(n\cdot \text{polylog}\,{n})$空间,我们开发了一个单遍算法,其近似比匹配当前最好的离线算法。* 当空间是有限的,即$n^{1-o(1)}$,我们证明,没有算法甚至可以估计最佳HC树的值内的$o(\frac{\log{n}}{\log\log{n}})$因素,即使允许$\text{polylog}{\,{n}}$通过输入。* 在最严格的设置$\text{polylog}\,{n}$空间,我们排除了算法,甚至可以区分“高度”与“差”聚类图,即,图形之间有一个$n^{1/2-o(1)}$因素差距HC目标值。* 最后,我们证明,任何单通流算法,计算一个最佳的HC树需要存储几乎整个输入,即使允许的指数时间。我们的算法结果建立了一个一般的结构性结果,证明了输入图的切割稀疏可以保持“平衡”HC树的成本在一个常数因子。我们的…
2022-06-15 cs.DS
On Estimating the First Frequency Moment of Data Streams
对数据流$F_1 = \sum_{i \in \{1, 2, \ldots, n\}} \abs{f_i}$的一阶矩进行估计,使其在$1 \pm ε$ -相对误差范围内具有很高的概率,是数据流处理中一个基本的、有影响的问题。$O(ε^{-2} \log (mM))$的紧空间界是由[Kane-Nelson-Woodruff-SODA 10]的工作已知的。然而,用于该问题的所有已知算法都需要$Ω(ε^{-2})$的每次更新流处理时间,唯一的例外是[Ganguly-Cormode-RANDOM 07]的算法,其需要$O(\log^2(mM)(\log n))$的每次更新处理时间,尽管具有次优空间$O(ε^{-3}\log^2(mM))$。在本文中,我们提出了一种算法估计$F_1$,实现近最优的空间和更新处理时间。空间需求为$O(ε^{-2}(\log n + (\log ε^{-1})\log(mM)))$,每次更新处理时间为$O( (\log n)\log (ε^{-1}))$。
2010-05-05 cs.DS
Periodicity in Data Streams with Wildcards
我们调查的问题,检测周期性的趋势,在一个字符串$S$的长度$n$,到达流模型,包含最多的$k$通配字符,其中$k=o(n)$。字符串是一种特殊的字符,可以被分配给任何其他字符。如果存在对每个通配字符的赋值,则我们说$S$具有通配符-句点$p$,使得在结果流中长度$n-p$前缀等于长度$n-p$后缀。我们提出了一个两遍流算法,计算通配符周期的$S$使用$\mathcal{O}(k^3\,\mathsf{polylog}\,n)$位的空间,而我们也表明,这个问题不能在次线性空间中解决一遍。然后,我们给出了一个一次通过的随机流算法,计算所有的通配符周期PDMATHBMQ的$S$与$p<\frac{n}{2}$和没有出现在最后的$p$符号的$S$,使用$\mathcal{O}(k^3\mathsf{polylog}\, n)$空间。
2018-03-04 cs.DS
A Two-Pass Lower Bound for Semi-Streaming Maximum Matching
我们证明了一个下界的空间复杂度的两遍半流算法,近似的最大匹配问题。下界由Ruzsa-Szemeredi图的密度参数化:* 任何用于最大匹配的两遍半流算法具有至少$(1- Ω(\frac{\log{RS(n)}}{\log{n}}))$的近似比,其中$RS(n)$表示任何$n$ -顶点图中大小为$Θ(n)$的诱导匹配的最大数量,即,图的最大密度目前,已知$n^{Ω(1/\!\log\log{n})} \leq RS(n) \leq \frac{n}{2^{O(\log^*{\!(n)})}}$和闭合上界和下界之间的这个(大的)差距在组合学中仍然是一个众所周知的难题。在合理的假设下,$RS(n) = n^{Ω(1)}$,我们的下限是第一个排除小常数近似两遍半流算法的最大匹配问题,取得进展的一个长期悬而未决的问题,在图流文学。
2021-08-16 cs.CC cs.DS
Settling the Pass Complexity of Approximate Matchings in Dynamic Graph Streams
本文通过提出基于sketching的 $O(\log\log{n})$ 遍历半流式 $O(1)$-近似最大匹配算法,并证明匹配的 $Ω(\log\log{n})$ 遍历下界,确定了动态图流中近似匹配的最优遍历复杂度。
2024-07-30 cs.CC cs.DS
Near-Quadratic Lower Bounds for Two-Pass Graph Streaming Algorithms
本文证明两遍图流算法解决有向图 s-t 可达性需要 n^{2-o(1)} 比特近二次空间,并将下界推广到最大二分匹配和近似最短路径等问题,填补了此前两遍流算法上下界之间的巨大空白。
2023-04-14 cs.CC cs.DS
Multi-Pass Graph Streaming Lower Bounds for Cycle Counting, MAX-CUT, Matching Size, and Other Problems
考虑流模型中的以下间隙循环计数问题:$2$ -正则$n$ -顶点图$G$的边在流中逐个到达,并且我们保证$G$是$k$ -循环或$2k$ -循环的不相交并集,对于一些小的$k$ ;目标是区分这两种情况。Verbin和Yu [SODA 2011]介绍了这个问题,并表明解决这个问题的任何单通道流算法都需要$n^{1-Ω(\frac{1}{k})}$空间。这个结果及其背后的技术-布尔隐藏超匹配通信问题-已经被广泛用于证明各种问题的流下界。尽管它的意义和广泛的应用范围,Verbin和Yu的下界技术带有一个关键的弱点,这是继承了所有后续的结果:布尔隐藏超匹配问题是困难的,只有当正好有一轮的通信,可以解决对数通信在两轮。因此,从这个问题导出的所有流下界仅适用于单通道算法。我们证明了第一个多遍的间隙周期计数问题的下限:任何$p$通过流算法,可以区分不相交的联盟$k$ -周期与$2k$ -周期-甚至$k$ -周期与一个哈密尔顿周期-需要$n^{1-\frac{1}{k^{Ω(1/p)}}}$空间。作为这个结果的推论,我们可以将许多以前的下界扩展到多遍算法。例如,我们现在可以证明,$(1+ε)$近似于MAX-CUT的值、最大匹配大小或$n$ × $n$矩阵的秩的任何流算法需要$n^{Ω(1)}$空间或$Ω(\log{(\frac{1}ε)})$遍。对于所有这些问题,先前的工作甚至只在两个通道中打开了…
2021-04-17 cs.CC cs.DS
Lower bounds for testing digraph connectivity with one-pass streaming algorithms
在这篇文章中,我们证明了三个图的性质-强连通性,无环性,从一个顶点$s$到所有顶点的可达性-每个都需要一个$Ω(εm)$的工作记忆在一个图上与$m$边缘被正确地确定的概率大于$(1+ε)/2$。
2014-04-08 cs.CC cs.DS
Quick Streaming Algorithms for Maximization of Monotone Submodular Functions in Linear Time
Florida State University(佛罗里达州立大学)
考虑基数约束$k$下基集大小为$n$的单调次模极大化问题.对于这个问题,我们介绍了第一个确定性算法的线性时间复杂度,这些算法是流算法。对于任何$c \ge 1$,我们的单遍算法在$\lceil n / c \rceil + c$ Oracle查询中获得恒定的比率。此外,我们提出了一个确定性的,多遍流算法,通过一个恒定的数量,达到接近线性查询和时间复杂度的最佳比例。我们证明了一个下界,这意味着没有常数因子近似存在使用$o(n)$查询,即使查询不可行集是允许的。实证分析表明,我们的算法需要更少的查询(通常大大低于$n$),但仍然实现更好的客观价值比目前的国家的最先进的算法,包括单通,多通,和非流算法。
2021-03-08 cs.DS cs.LG
Incidence Geometries and the Pass Complexity of Semi-Streaming Set Cover
在大小为$n$的全域上的集合覆盖可以被建模为数据流问题,其中包括实例的$m$集合将被逐个读取。半流算法只允许$O(n\, \mathrm{poly}\{\log n, \log m\})$空间来处理该流。对于每个$p \ge 1$,我们给出了一个非常简单的确定性算法,使$p$通过输入流,并返回一个适当的认证$(p+1)n^{1/(p+1)}$ -近似的最佳集覆盖。更重要的是,我们继续表明,这个近似因子基本上是紧的,通过表明,一个比$0.99\,n^{1/(p+1)}/(p+1)^2$更好的因子是不可实现的$p$ -通过半流算法,甚至允许随机化。特别地,这意味着实现$Θ(\log n)$近似需要$Ω(\log n/\log\log n)$遍数,其紧到$\log\log n$因子。这些结果扩展到一个放松的集合覆盖问题,我们可以离开一个$\varepsilon$分数的宇宙未覆盖:在$p$通过可实现的最佳近似因子的紧边界原来是$Θ_p(\min\{n^{1/(p+1)}, \varepsilon^{-1/p}\})$。我们的下界是基于一个家庭的建设高秩的发病率几何,这可能被认为是巨大的概括仿射平面。这种结构,基于代数技术,似乎足够灵活,以找到其他应用程序,因此在其本身的权利是有趣的。
2015-07-16 cs.CC cs.DS
A New Information Complexity Measure for Multi-pass Streaming with Applications
本文提出多遍数据流的信息复杂性新度量,利用其证明硬币问题与针问题的紧内存下界,解决频率矩估计的开放问题,并推广到 ℓ_p 范数估计、点查询、重击元素及压缩感知等应用。
2024-03-29 cs.CC cs.DS
The Best Arm Evades: Near-optimal Multi-pass Streaming Lower Bounds for Pure Exploration in Multi-armed Bandits
Cheriton School of Computer Science, University of Waterloo(滑铁卢大学切尔顿计算机科学学院);Rutgers University(罗格斯大学);Rice University(莱斯大学);Texas A&M University(德克萨斯农工大学);Google Research(谷歌研究院)
本文研究了多臂老虎机纯探索问题,给出了多遍流式算法的近最优样本-遍数权衡,匹配了现有算法并回答了开放问题。
2024-06-25 cs.DS cs.LG
Multi-Pass Streaming Lower Bounds for Uniformity Testing
Shenzhen International Center For Industrial And Applied Mathematics, Shenzhen Research Institute of Big Data(深圳国际工业与应用数学中心,深圳大数据研究院);UC Berkeley(加州大学伯克利分校)
本文研究了多轮流式处理中均匀性测试的下界,通过混合论证和通信问题的下界证明,揭示了偏置方向不确定性是难度来源,扩展了单轮下界至多轮。
2025-12-25 cs.CC cs.DS
Near-Optimal Two-Pass Streaming Algorithm for Sampling Random Walks over Directed Graphs
对于具有$n$顶点和起始顶点$u_{\sf start}$的有向图$G$,我们希望使用仅在图的边缘上进行少量遍历的算法,以最小空间从$u_{\sf start}$开始(近似地)对$L$ -步随机游走进行采样。这个问题发现了许多应用程序,例如,在近似网页的PageRank。如果只允许一次遍历,则该问题的空间复杂度为$\tildeΘ(n \cdot L)$。在我们的工作之前,只有$\tilde{O}(\sqrt{L})$通道具有更好的空间复杂度。通过给出几乎匹配的上界和下界,我们解决了两遍流算法的随机游走模拟问题的空间复杂度,表明它是$\tildeΘ(n \cdot \sqrt{L})$。我们的下界参数扩展到每个常数次数的通过$p$,并表明,任何$p$ -通过这个问题的算法使用$\tildeΩ(n \cdot L^{1/p})$空间。此外,我们展示了一个类似的$\tildeΘ(n \cdot \sqrt{L})$约束的空间复杂度的任何算法(与任何数量的通行证)的相关问题的采样$L$步随机游走从图中的每个顶点。
2021-02-22 cs.CC cs.DS
Triangle and Four Cycle Counting with Predictions in Graph Streams
Massachusetts Institute of Technology(麻省理工学院);Carnegie Mellon University(卡内基梅隆大学);Microsoft Research(微软研究院);Boston University(波士顿大学)
我们提出了数据驱动的一次通过流算法,用于估计三角形和四个周期的数量,这是图分析中的两个基本问题,在图数据流文献中被广泛研究。最近,(Hsu 2018)和(Jiang 2020)在其他数据流问题中应用了机器学习技术,使用经过训练的预言机,可以预测流元素的某些属性,以改进先前不使用预言机的“经典”算法。在本文中,我们探讨了一个“重边”的神谕在多个图边流模型的权力。在邻接表模型中,我们提出了一个一遍三角形计数算法,改进了以前的空间上界没有这样的预言。在任意阶模型中,我们提出了三角形和四个周期估计的算法,具有较少的通过和相同的空间复杂度在以前的算法,我们表明这些界限是最佳的。我们分析了我们的算法在几个噪声模型下,即使在预言机出错的情况下,该算法也表现良好。我们的方法扩展了以前的工作“经典”流算法,以前的多通道和随机顺序流算法可以被看作是我们的算法的特殊情况下,第一次通过或随机顺序被用来实现重边预言。最后,我们的实验表明,所提出的方法相比,国家的最先进的流媒体算法的优势。
2022-03-17 cs.DS cs.LG
Polynomial Pass Semi-Streaming Lower Bounds for K-Cores and Degeneracy
针对 k-cores 和 degeneracy 这两个自然图问题,首次证明半流式算法需要多项式轮次下界(从 n^{1/5} 提升至 n^{1/3}),并改进底层通信问题的下界。
2024-05-23 cs.CC cs.DS
Optimal Per-Edge Processing Times in the Semi-Streaming Model
我们提出了半流算法的基本图形问题,具有最佳的每边处理时间,因此超过了所有以前的半流算法,这些任务。半流模型,这是适当的,当处理大量的图形,禁止随机访问的输入,并限制内存为O(n*polylog n)位。特别是,以前最好的每边处理时间为O(alpha(n)),用于找到连通分量和二分划,用于确定k-顶点和k-边连通性O(k^2n)和O(n*log n),对于任何常数k,以及用于计算最小生成森林O(log n)。时间复杂度为O(1)。每一个提出的算法确定的解决方案渐近最快的最佳相应的算法到目前为止,在经典的RAM模型,因此不能转换为优越的计算时间为这些问题的无限内存和随机访问的优势。
2007-08-31 cs.DM cs.DS
Optimal Single-Pass Streaming Lower Bounds for Approximating CSPs
Carnegie Mellon University(卡内基梅隆大学);Toyota Technological Institute(丰田技术研究所);University of Waterloo(滑铁卢大学)
研究单次流下界,针对Max-CSPs的近似问题,提出线性空间下界,涵盖更广泛的问题类,并优化了之前的结果。
2026-04-09 cs.CC cs.DS
Information Cost Tradeoffs for Augmented Index and Streaming Language Recognition
本文对通信复杂性和流计算理论做出了三个主要贡献。首先,我们提出了新的界限上的信息复杂性的增强指数。与Jain,Radhakrishnan和Sen [J. ACM,2009]对INDEX的类似结果相反,我们必须克服重大的技术挑战,即由于固有的输入共享,AUGMENTED-INDEX的协议可能违反“矩形属性”。其次,我们使用这些边界来解决Magniez,Mathieu和Nayak [STOC,2010]的一个开放问题,该问题询问了识别Dyck语言的多遍复杂性。这导致标准多通道模型和允许反向通道的多通道模型之间的自然分离。第三,我们提出了第一个被动的内存检查器,验证优先级队列,堆栈和双端队列的交互成绩单。我们得到严格的上限和下限,这些问题,从而解决了一个重要的子类的内存检查框架的Blum等人。
2010-04-19 cs.CC cs.DS
Two Player Hidden Pointer Chasing and Multi-Pass Lower Bounds in Turnstile Streams
由于引理3.4的证明中的一个错误,作者撤回了这篇论文。- -(Assadi,Chen和Khanna,2019)定义了一个4人隐藏指针追逐($\mathsf{HPC}^4$),并使用它给出了计算流模型中图问题的强多遍下界和子模块最小化查询复杂度的下界。我们提出了一个两个播放器的版本($\mathsf{HPC}^2$)的$\mathsf{HPC}^4$,具有匹配的通信复杂性$\mathsf{HPC}^4$。我们的配方允许我们降低其通信复杂性与一个简单的直和参数。使用$\mathsf{HPC}^2$的通信复杂性的这个下限,我们保留了流和查询复杂度的下限(Assadi,Chen和Khanna,2019)。此外,通过从$\mathsf{HPC}^2$给出减少,我们证明了新的多遍空间下界的图问题的旋转栅门流。特别是,我们表明,任何算法计算的最大加权匹配的$n$顶点图的确切权重需要$\tilde{O}(n^{2})$空间,除非它使$ω(\log n)$通过旋转栅门流,任何算法计算的最小$s\text{-}t$距离在$n$顶点图需要$n^{2-o(1)}$空间,除非它使$n^{Ω(1)}$通过旋转栅门流。我们的约简也可以修改为使用$\mathsf{HPC}^4$。
2020-04-21 cs.CC cs.DS cs.IT
Graph Streaming Lower Bounds for Parameter Estimation and Property Testing via a Streaming XOR Lemma
Cheriton School of Computer Science, University of Waterloo(滑铁卢大学 Cheriton 计算机科学学院);Department of Computer Science, Rutgers University(罗格斯大学计算机科学系)
该研究开发新下界技术,通过流式异或引理证明图流式参数估计与性质测试问题的空间-遍历次数权衡下界,其结果渐近最优且可强化现有下界,还可用于其他流式下界研究。
2026-08-18 cs.CC cs.DS
Grand Challenge: Optimized Stage Processing for Anomaly Detection on Numerical Data Streams
2017年大挑战赛的重点是自动检测制造设备的异常问题。本文报告的技术细节的解决方案侧重于特定的优化处理阶段。这些包括定制的输入解析,微调的k-means聚类算法和概率分析使用一个懒惰的味道马尔可夫链。我们在自定义实现中观察到,通过利用各种数据流特征在单节点级别仔细调整这些处理阶段可以产生良好的性能结果。我们开始的文件与几个观察有关的输入数据流,以下与我们的解决方案的描述与细节,特别是优化,我们结束与评估和讨论所获得的结果。
2017-12-22 cs.DS cs.PF cs.SE
$\mathcal{O}(\log\log{n})$ Passes is Optimal for Semi-Streaming Maximal Independent Set
证明半流式最大独立集问题需 $\Omega(\log\log n)$ 趟,通过分层嵌入技术建立最优多趟下界。
2023-12-20 cs.CC cs.DC cs.DS