Algebrisation in Distributed Graph Algorithms: Fast Matrix Multiplication in the Congested Clique
虽然algebrisation构成了一个强大的技术在集中式算法的设计和分析，迄今为止，几乎没有任何应用的代数技术的背景下，分布式图算法。这项工作是一个案例研究，展示了潜在的代数在分布式环境中。我们将重点关注拥塞集团模型中的分布式图算法;我们将考虑的图问题包括，例如，三角形检测问题和全对最短路径问题（APSP）。在拥塞集团模型中有大量关于组合算法的先前工作：例如，Dolev等人（DISC 2012）给出了一种运行时间为$\tilde O(n^{1/3})$的三角形检测算法，Nanongkai（STOC 2014）给出了一种运行时间为$\tilde O(n^{1/2})$的APSP近似算法。在这项工作中，我们将使用代数技术-特别是基于快速矩阵乘法的算法-解决三角形检测和未加权APSP的时间$O(n^{0.15715})$ ;加权APSP，我们给出了一个$(1+o(1))$近似与此运行时间，以及一个精确的$\tilde O(n^{1/3})$解决方案。
2015-03-18 cs.DC cs.DS
Self-stabilizing algorithms for Connected Vertex Cover and Clique decomposition problems
在许多无线网络中，既没有固定的物理主干，也没有集中的网络管理。这种网络的节点必须自组织，以维持用于路由消息的虚拟骨干。此外，网络的任何节点都可以是恶意攻击的先验来源。因此，一方面主干网必须是容错的，另一方面它可以是有用的，以监测所有的网络通信，以确定攻击尽快。我们感兴趣的最小\emph{Connected Vertex Cover}问题，一个推广的经典最小顶点覆盖问题，它允许获得一个连接的骨干。最近，Delbot等人~ \cite{DelbotLP13}提出了一种新的集中式算法，具有恒定的近似比$2$。在本文中，我们提出了一个分布式和自稳定版本的算法具有相同的近似保证。据作者所知，这是第一个分布式和容错算法，这个问题。所考虑的问题的解决方法是基于一个连接的最小团分区的建设。因此，我们还设计了第一个分布式自稳定算法，这是独立的利益。
2014-08-09 cs.DC
Fault-Tolerant Graph Realizations in the Congested Clique
本文研究了分布式计算中拥塞团模型在崩溃故障下的图实现问题。我们考虑{ \em度序列实现}，其中每个节点$v$与度值$d(v)$相关联，并且如果可以构建具有给定度的覆盖网络，则所得度序列是可实现的。我们的主要结果是一个$O(f)$轮确定性算法的度序列实现问题的$n$节点拥塞集团，其中$f$节点可能是错误的（$f<n$）。该算法使用$O(n^2)$消息。我们补充的结果与下界表明，该算法是紧的w.r.t轮数和消息的同时。我们还将我们的结果扩展到节点容量限制集团（NCC）模型，其中每个节点被限制为发送和接收最多$O(\log n)$消息每轮。在NCC模型中，我们的算法解决了度序列实现的$O(nf/\log n)$轮和$O(n^2)$消息。对于这两种设置，我们的算法的工作没有知识的$f$，故障的数量。据我们所知，这些是第一个结果的图实现问题的崩溃故障分布式网络。
2022-08-22 cs.DC
Distributed Detection of Cliques in Dynamic Networks
本文深入研究了分布式动态网络中寻找小子图的基本问题。虽然有些问题是平凡容易处理，如检测一个三角形出现后，边缘插入，我们表明，也许有点令人惊讶的是，其他问题表现出广泛的复杂性，在他们的轮和带宽的复杂性之间的权衡。在三角形的情况下，它只受直接邻域拓扑的影响，一些最终结果是：\begin{itemize} \item The bandwidth complexity of $1$-round dynamic triangle detection or listing is $Θ(1)$. \item The bandwidth complexity of $1$-round dynamic triangle membership listing is $Θ(1)$ for node/edge deletions, $Θ(n^{1/2})$ for edge insertions, and $Θ(n)$ for node insertions. \item The bandwidth complexity of $1$-round dynamic triangle membership detection is $Θ(1)$ for node/edge deletions, $O(\log n)$ for edge insertions, and $Θ(n)$ for node inser…
2019-04-25 cs.DC cs.DS
Semi-MapReduce Meets Congested Clique
当涉及到MapReduce时，图形问题是很麻烦的。通常，为了能够设计出利用MapReduce优势的算法，需要超出模型强加的假设，例如输入图的密度。在最近的转变中，一个简单而健壮的MapReduce模型用于图问题，其中每台机器的空间设置为O（|V|），引起了相当大的关注。我们将此模型称为semi-MapReduce，或简称semiMPC，并专注于其计算能力。我们通过一组模拟方法表明，semiMPC，也许令人惊讶的是，相当于拥挤的集团模型的分布式计算。然而，semiMPC除了轮次复杂度之外，还包括另一个实际上重要的优化维度：机器数量。此外，我们表明，算法在其他分布式计算模型，如CONGEST，可以模拟运行在相同数量的轮的semiMPC，同时也使用了最佳数量的机器。我们稍后将展示这些模拟方法的影响，通过使用最近开发的算法获得这些模型的改进算法。
2018-05-12 cs.DC
Distributed Symmetry-Breaking Algorithms for Congested Cliques
拥塞集团是一种针对带宽受限的单跳网络的分布式计算模型，近年来得到了广泛的研究。它通过$n$ -顶点图对网络进行建模，其中任何一对顶点都可以通过在每一轮中传输$O(\log n )$位来彼此通信。在这一背景下，人们已经研究了各种各样的问题，但其中一些最著名的结果是针对一般网络的。在本文中，我们设计了显着改进的算法，如森林分解，顶点着色，和最大独立集的各种破坏问题。我们分析我们的算法的运行时间作为一个函数的荫度$a$的一个集团子图，作为输入。我们的算法在树、平面图、具有常亏格的图以及许多其他具有有界荫度但大小无界的图中特别有效。我们得到了$O(a)$ -森林分解算法与$O(\log a)$时间，改进了以前已知的$O(\log n)$时间，$O(a^{2 + ε})$ -着色在$O(\log^* n)$时间，改进了$O(\log n)$ -时间算法，$O(a)$ -着色在$O(a^ε)$ -时间，改进了以前的几个算法，以及具有$O(\sqrt a)$时间的最大独立集算法，该算法至少以二次方的方式改进了艺术的小和中等值的$a$。这些结果是使用几种技术实现的。首先，我们在$O(\log a)$轮中生成一个森林分解，其中包含一个名为{ $H$ -partition}的有用结构。在一般的图中，这种结构需要$Θ(\log n)$时间，但在拥塞集团中，我们能够更快地计算它。我们采用这种结构结合分区技…
2018-02-20 cs.DC cs.DS
Distributed Computation in Node-Capacitated Networks
在本文中，我们研究了网络中的节点具有有限的通信能力的分布式图算法。许多分布式系统建立在底层网络基础设施之上，例如通过使用称为覆盖网络的虚拟通信拓扑。尽管该底层网络可以允许每个节点直接与大量其他节点通信，但是节点在固定时间量内可以执行的通信量通常更加有限。我们引入节点容量限制集团模型作为一个抽象的通信模型，这使我们能够研究具有有限的通信能力的节点对分布式图计算的复杂性的影响。在该模型中，网络的$n$节点连接为一个集团，并在同步轮中进行通信。在每一轮中，每个节点可以与最多$O(\log n)$其它节点交换$O(\log n)$比特的消息。当解决图形问题时，输入图形$G$被定义在同一组$n$节点上，其中每个节点知道哪些其他节点是它在$G$中的邻居。为了启动对节点容量限制的集团模型的研究，我们提出了分布式算法的最小生成树（MST），BFS树，最大独立集，最大匹配，顶点着色问题。我们发现，即使只有$O(\log n)$并发交互每个节点，MST问题仍然可以解决在多对数时间。在所有其他情况下，我们的算法的运行时间线性依赖于荫度的$G$，这是一个常数，许多重要的图形家庭，如平面图。
2019-04-25 cs.DC
The Voting Farm: A Distributed Class for Software Voting
本文档描述了一类实现用于EPX或类似消息传递多线程环境的分布式软件投票机制的C函数。这样的工具可以用于例如建立恢复器官，即，NMR（即，N模块冗余）系统。为了描述这个工具，我们开始定义它的基本构建块，即voter。一个投票者被定义为一个软件模块，它连接到一个用户模块和一群被安排成一个集团的投票者。通过类中的函数，用户模块能够：创建投票农场的静态“图片”，这是建立集团所需的;实例化本地投票者;向该投票者发送输入或控制消息。除了当地选民之外，不需要任何对话者。其他用户模块应该在机器的其他节点上创建一致的图片和投票者实例，并一致地管理其本地中介的任务。关于集团的建立和投票者之间的消息交换的所有技术细节对用户模块是完全透明的。下面将讨论VotingFarm类的基本功能，即如何设置“被动场”，或尚未激活的投票场的非活动拓扑表示;如何启动投票场;如何控制场。
2016-02-27 cs.DC
Beyond Distributed Subgraph Detection: Induced Subgraphs, Multicolored Problems and Graph Parameters
子图检测是分布式计算的CONGEST模型中研究最多的问题之一。本文研究了与子图检测密切相关的问题的分布复杂性，主要集中在导出子图检测上。本文的主要工作是给出输入图的结构参数的下界和参数化算法：--在一般图上，给出CONGEST中树宽为2的圈和模式的诱导检测的无条件下界。此外，通过适应减少集中参数化的复杂性，我们证明了下界在CONGEST检测模式的4-团，并诱导路径检测条件的硬度在拥挤的集团三角形检测。--在有界退化的图上，我们证明了在CONGEST中使用参数化算法的技术可以快速检测到诱导路径，而检测树宽为2的循环和模式是困难的。--在顶点覆盖数有界的图上，我们证明了对任何模式图，在CONGEST中导出子图的检测是容易的。更具体地说，我们适应一个集中的参数化算法更一般的最大共同诱导子图检测问题的分布式设置。除了这些诱导子图检测结果，我们研究了各种相关的问题，在拥塞和拥挤的集团模型，包括多色版本的子图检测问题。
2021-12-07 cs.DC cs.DS
On Distributed Listing of Cliques
我们显示了一个$\tilde{O}(n^{p/(p+2)})$轮算法的\congest模型$K_p$（一个集团与$p$节点）的\emph{listing}，所有$p =4, p\geq 6$。对于$p = 5$，我们展示了一个$\tilde{O}(n^{3/4})$轮算法。对于$p=4$和$p=5$，我们的结果分别改进了Eden等人[DISC 2019]先前最先进的$O(n^{5/6+o(1)})$和$O(n^{21/22+o(1)})$。对于所有的$p\geq 6$，我们是第一个次线性轮算法$K_p$上市。我们利用Chang等人[SODA 2019]最近的扩展器分解算法来创建具有良好混合时间的集群。我们算法中的三个关键创新是：（1）我们仔细地将我们的列表过程与聚类内的最小度和聚类外的荫度的耦合值相结合，（2）所有列表都在聚类内完成，这需要新的技术来将关于\emph{all}边的信息带入聚类中，所述信息可以潜在地与聚类边形成$K_p$实例，以及（3）在每个集群内，我们使用稀疏感知列表算法，该算法比一般列表算法更快，并且我们可以允许集群使用该算法，因为我们确保随着迭代的进行使图稀疏化。作为我们的算法的副产品，我们展示了一个\emph{optimal}稀疏感知算法的$K_p$上市，它运行在$\tildeΘ(1 + m/n^{1 + 2/p})$轮的\clique模型。之前，Pandur…
2020-07-10 cs.DC cs.DS
Simulations between Strongly Sublinear MPC and Node-Capacitated Clique
cispa（CISPA赫尔辛基信息安全中心）；upb（波鸿大学）
研究强亚线性MPC模型与节点容量聚类模型之间的模拟可能性及限制。
2026-08-19 cs.DC
Large-Scale Distributed Algorithms for Facility Location with Outliers
本文提出了快速，分布式，$O(1)$近似算法的度量设施定位问题的离群值在拥挤集团模型，大规模并行计算（MPC）模型，并在$k$机模型。本文考虑了Charikar等人（SODA 2001）提出的带离群值的设施选址问题的两个版本：鲁棒设施选址和带惩罚的设施选址。本文还考虑了两种替代指定的输入：输入度量可以提供明确的（作为一个$n \times n$矩阵分布在机器之间）或隐式的最短路径度量的一个给定的边加权图。在本文中的结果是：-隐式度量：对于这两个问题，$O(1)$ -近似算法运行在$O(\mbox{poly}(\log n))$轮的拥塞集团和MPC模型和$O(1)$ -近似算法运行在$\tilde{O}(n/k)$轮的$k$ -机模型。- 显式度量：对于这两个问题，在拥塞集团和MPC模型中运行在$O(\log\log\log n)$轮中的$O(1)$ -近似算法和在$k$ -机器模型中运行在$\tilde{O}(n/k)$轮中的$O(1)$ -近似算法。我们的主要贡献是显示存在的Mettu-Plaxton风格的$O(1)$ -近似算法的设施位置与离群值的问题。如我们以前的工作所示（Berns等人，ICALP 2012，Bandyapadhyay等人，ICDCN 2018）Mettu-Plaxton风格的算法更容易在分布式和大规模计算模型中有效实现。
2018-11-15 cs.DC cs.DS
A Multi Interface Grid Discovery System
发现系统（DS）可以被认为是全球松耦合分布式系统的入口点。一个有效的发现系统在本质上提高了分布式系统的性能，可靠性和决策能力。随着分布式应用规模的快速增长，用于发现系统的现有解决方案正快速变得过时或不能处理这种复杂性。它们在处理服务生命周期和提供最新信息时特别无效，在支持动态服务访问方面很差，并且它们还可以对广泛可用的信息存储库的接口施加不必要的限制。在本文中，我们提出了必要的设计特点，实现和性能分析的发现系统能够克服这些不足之处，在大型，全球分布式环境。
2007-07-05 cs.DC
Lessons from the Congested Clique Applied to MapReduce
本文的主要结果是（I）一个仿真算法，在相当一般的约束下，将运行在拥塞集团上的算法转换为运行在MapReduce模型中的算法，以及（II）一个分布式$O(Δ)$ -着色算法运行在拥塞集团上，其预期运行时间为（i）$O(1)$轮，如果$Δ\geq Θ(\log^4 n)$ ;和（ii）$O(\log \log n)$轮，否则。将模拟定理应用于拥塞集团$O(Δ)$着色算法，在MapReduce模型中产生$O(1)$轮$O(Δ)$着色算法。我们的模拟算法说明了拥塞集团模型中的每节点带宽与MapReduce模型中的每台机器内存之间的自然对应关系。在拥塞集团中（更一般地说，在$\mathcal{CONGEST}$模型中的任何网络中），构造快速算法的主要障碍是对消息大小的$O(\log n)$限制。类似地，在MapReduce模型中，对每台机器的内存和总系统内存的组合限制对算法设计具有主导影响。在显示一个相当一般的模拟算法，我们突出了这些模型之间的相似性和差异。
2014-06-19 cs.DC cs.DS
Parallel K-Clique Counting on GPUs
图中k-团的计数是图分析中的一个重要问题，在社区发现和图划分等方面有着广泛的应用。计数k-团通常通过从图中的每个顶点开始遍历搜索树来完成。在CPU上已经对k团计数进行了充分的研究，并且存在许多解决方案。然而，对于GPU上的k团计数，没有高性能的解决方案。在GPU上优化k团计数带来了许多挑战，例如需要提取细粒度多级并行性，对负载不平衡的敏感性以及受限的物理内存容量。虽然已经有相关问题的工作，如寻找最大团和GPU上的广义子图匹配，特别是k-团计数尚未深入探讨。在本文中，我们提出了第一个专门用于k团计数问题的并行GPU解决方案。我们的解决方案支持图方向和旋转消除冗余团发现。它结合了以顶点为中心和以边缘为中心的并行化方案，用于跨线程块分配工作，并在每个线程块内进一步分区工作，以提取细粒度的多级并行性，同时容忍负载不平衡。它还包括优化，如诱导子图的二进制编码和子扭曲分区，以限制内存消耗并提高执行资源的利用率。我们的评估表明，我们最好的GPU实现优于最先进的并行CPU实现的几何平均值为12.39倍，6.21倍，18.99倍，k=4，7和10，分别。我们还进行了详细的评估，在选择并行化方案中所涉及的权衡，以及每个优化的增量加速，以提供对优化空间的深入了解。...
2022-06-06 cs.DC cs.DS
Optimization in a Self-Stabilizing Service Discovery Framework for Large Scale Systems
发现和获取服务的能力是开发大规模分布式系统的关键需求。我们考虑动态和不稳定的环境，即对等（P2P）系统。在以前的工作中，我们设计了一个服务发现的解决方案，称为分布式词典放置表（DLPT），基于分层覆盖结构。一个自稳定的版本，使用的信息传播与反馈（PIF）范式。在本文中，我们介绍了自稳定的COPIF（协作PIF）计划。给出了算法的正确性证明.我们使用这种方法来改善分布式P2P框架设计的服务发现。显着有效的实验结果。
2012-07-05 cs.DC
MSF and Connectivity in Limited Variants of the Congested Clique
拥塞团是一种同步的、消息传递的分布式计算模型，每轮计算中的每个计算单元（节点）可以向网络中的其他节点发送O（log n）比特的消息，其中n是节点的数目。该模型被认为是在两个极端的scanarios：单播或广播。在单播模型中，节点可以向网络的每个其他节点发送（可能）不同的消息。相反，在广播模型中，每个节点向所有其他节点发送单个（相同）消息。我们研究了拥塞集团模型参数的范围r，不同的消息，节点可以在一个回合中发送的最大数量。根据最近在单播拥塞团中图连通性和最小生成森林（MSF）算法设计方面的进展，我们在有限的拥塞团变体中研究了这些问题.我们提出了第一个次对数算法的连通组件在广播拥塞集团。然后，我们证明了MSF的有效单播确定性算法和连通分量的随机算法可以有效地在rcast模型中实现，rcast模型具有范围r = 2，在关于范围的层次结构中，在广播变量（r = 1）之上的拥塞集团的最弱模型。更重要的是，我们的算法给出了第一个具有最佳通信边容量的解，同时保持了小的轮复杂度。
2017-03-08 cs.DC cs.DS
String Problems in the Congested Clique Model
针对拥塞团模型，本文提出三个基础字符串问题的高效算法：O(1)轮解决任意长度字符串排序与组合模式匹配，O(log log n)轮计算后缀数组及最长公共前缀数组。
2025-04-11 cs.DC cs.DS
Further Algebraic Algorithms in the Congested Clique Model and Applications to Graph-Theoretic Problems
Censor-Hillel等人[PODC'15]最近展示了如何有效地实现拥塞集团模型中矩阵乘法的集中式代数算法，拥塞集团模型是一种分布式计算模型，在过去几年中受到越来越多的关注。本文开发了进一步的代数技术，在这个模型中的算法设计。我们提出了确定性和随机算法，在拥挤的集团模型，有效地计算多个独立的矩阵产品的情况下，计算行列式，秩和逆矩阵，并求解线性方程组。作为这些技术的应用，我们得到了更有效的算法的计算，再次在拥挤的集团模型，所有对最短路径和直径的有向和无向图与小权重，改善了审查Hillel等人。的工作。我们还获得了其他几个图论问题的算法，如计算边的数量在一个最大的匹配和Gallai-Edmonds分解的一个简单的图，并计算一个最小顶点覆盖的二分图。
2016-08-09 cs.DC cs.DS
Distributed Computation and Reconfiguration in Actively Dynamic Networks
在本文中，我们研究系统的分布式实体，可以主动修改他们的通信网络。这就产生了分布式算法，除了通信，还可以利用网络重新配置，以执行给定的任务。同时，分布式任务本身现在可能需要从给定的初始网络$G_s$全局重新配置到来自具有一些良好属性（如小直径）的网络族的目标网络$G_f$。有了相当强大的计算实体，有一个简单的算法，将任何$G_s$转换成一个生成集团在$O(\log n)$时间。然后，该算法可以计算输入的任何全局函数，并在一轮中重新配置到任何目标网络。我们认为，这样的策略是不切实际的实际应用。在真实的动态网络中，创建和维护连接是有成本的。为了正式捕获这些成本，我们定义了三个边缘复杂性度量：\emph{total edge activations}、\emph{maximum activated edges per round}和\emph{maximum activated degree of a node}。上面强调的集团形成策略，最大化了所有这些。我们的目标是改进算法，实现（聚）日志$(n)$的时间，同时最大限度地减少边缘复杂性的一般任务的任何$G_s$转换成一个$G_f$的直径（聚）日志$(n)$。我们给出了三个分布式算法。第一个在$O(\log n)$时间内运行，每轮最多有$2n$活动边，$O(n\log n)$边激活的最佳总数，最大度$n-1$，以及直径为2的目标网络。第二种…
2020-03-06 cs.DC
Toward a Distributed Knowledge Discovery system for Grid systems
在过去的十多年里，我们不仅从科学领域，而且从工业和商业领域获得了大量的数据。虽然我们可用的数据量不断增加，但我们处理数据的能力变得越来越困难。因此，从这些数据集中有效地发现有用的知识正成为一项挑战和巨大的经济需求。这就需要开发大规模的数据采掘（DM）技术来处理这些来自科学或经济应用的巨大数据集。在这一章中，我们提出了一个新的DDM系统相结合的磁盘驱动和架构驱动的战略。数据驱动的策略将考虑数据的大小和异构性，而架构驱动的策略将关注数据集的分布。该系统是基于一个网格中间件工具，集成适当的大数据操作。因此，这允许在挖掘、集成和处理阶段期间具有更大的动态性和灵活性
2017-04-11 cs.DC
ExClique: An Express Consensus Algorithm for High-Speed Transaction Process in Blockchains
针对 Clique 共识因全区块通信延迟和轮外区块导致交易速度受限的问题，提出 ExClique 算法，通过压缩广播区块和禁止轮外区块，在 21 和 101 节点网络中分别提升 TPS 2.25 倍和 7.01 倍。
2025-01-25 cs.DC
Super-Fast Distributed Algorithms for Metric Facility Location
本文在$\mathcal{CONGEST}$模型下，提出了一个具有期望- $O(\log \log n)$运行时间的分布式O（1）近似算法，用于求解规模- $n$团网络上的度量设施选址问题.虽然度量设施的位置已经考虑了一些研究人员在低直径设置，这是第一个亚对数轮算法的问题，产生一个O（1）-近似设置的非均匀设施开放成本。为了得到这个结果，我们的论文做了三个主要的技术贡献。首先，我们展示了一个新的度量设施位置的下界，扩展了Bundesdoiu等人（ICALP 2005）的下界，该下界仅适用于统一设施开放成本的特殊情况。接下来，我们证明了一个减少的分布式度量设施选址问题的问题，计算一个O（1）-规则集的一个适当的生成子图。最后，我们提出了一个计算团的生成子图的2-规则集的次对数轮算法。我们的算法通过使用随机和确定性稀疏化的组合来实现这一点。
2013-08-12 cs.DC cs.DS
Efficient Deterministic Distributed Coloring with Small Bandwidth
我们发现，$(degree+1)$ -列表着色问题可以在\CONGEST模型中的$O(D \cdot \log n \cdot\log^2Δ)$轮中确定性地解决，其中$D$是图的直径，$n$是节点数，$Δ$是最大度。使用Rozhoregon和Ghaffari [STOC 2020]最近的多周期时间确定性网络分解算法，这意味着第一个有效的（即，$\poly\log n$ -时间）确定性\CONGEST算法，用于$(Δ+1)$ -着色和$(\mathit{degree}+1)$ -列表着色问题.以前，最著名的算法需要$2^{O(\sqrt{\log n})}$轮，而不是基于网络分解。我们的技术也导致确定性的$(\mathit{degree}+1)$ -列表着色算法的拥塞集团和大规模并行计算（MPC）模型。对于拥塞集团，我们得到了一个时间复杂度为$O(\logΔ\cdot\log\logΔ)$的算法，对于MPC模型，我们得到了线性记忆区域的轮复杂度为$O(\log^2Δ)$的算法和次线性记忆区域的轮复杂度为$O(\log^2Δ+ \log n)$的算法.
2020-04-07 cs.DC cs.DS
Lower Bounds for Induced Cycle Detection in Distributed Computing
对于固定图$H$，分布式子图检测询问$n$节点输入图是否包含作为子图的$H$.在分布式计算的标准CONGEST模型中，团/圈检测和列表的复杂性最近受到了很多关注。在本文中，我们考虑的子图检测，其中的目标是决定是否$n$节点输入图包含$H$作为一个\emph{induced}子图或没有诱导的变种。我们首先显示了一个$\tildeΩ(n)$下限检测存在的诱导$k$ -周期的任何$k\geq 4$在CONGEST模型。该下限对于$k=4$是严格的，并且表明$k$ -循环检测的诱导变体比非诱导版本难得多。这个下界证明通过减少从两方通信的复杂性。我们补充这一结果表明，对于$5\leq k\leq 7$，这$\tildeΩ(n)$下限不能通过两方通信框架得到改善。然后，我们将展示如何证明$k$的较大值的更强的下界。更准确地说，我们证明了检测任何$k\geq 8$的诱导$k$ -循环需要CONGEST模型中的$\tildeΩ(n^{2-Θ{(1/k)}})$轮，几乎匹配Eden、Fiat、Fischer、Kuhn和Oshman的一般$k$ -节点子图检测（也适用于诱导版本）的已知上限$\tilde{O}(n^{2-Θ{(1/k)}})$ ~[DISC 2019]。最后，我们调查的情况下，$H$是钻石（钻石是通过添加一个边缘的4-循环，或等效地从4-团删除一个边缘），并显示非平凡的上限和下限的复杂…
2021-10-02 cs.DC
Broadcast Congested Clique: Planted Cliques and Pseudorandom Generators
我们开发的技术来证明BCAST（log n）广播拥塞集团模型（分布式消息传递模型，在每一轮，每个处理器可以广播O（log n）大小的消息到所有其他处理器）的下限。我们的技术是为了证明自然输入分布的界限。到目前为止，模型中问题的所有下限都依赖于为手头的特定问题构建专门定制的图族，从而导致人为构建的输入的下限，而不是自然的输入分布。我们的结果之一是有向种植集团问题的下界。在这个问题中，输入图是随机有向图（每个有向边以1/2的概率被包含），或者是具有大小为k的种植团的随机图。也就是说，k个随机选择的顶点之间的所有边都包括在内，图中所有其他边的出现概率为1/2。我们的目标是确定一个集团是否存在。我们证明了当k = n^（1/4 - eps）时，这个问题需要n中的多项式的轮数。此外，我们还构造了一个伪随机发生器来欺骗广播拥塞集团。这使我们能够表明，每个处理器使用多达n个随机比特的每k轮随机算法可以有效地转换为每个处理器仅使用多达O（k log n）个随机比特的O（k）轮随机算法，同时保持高的成功概率。伪随机发生器是简单的描述，计算非常便宜，其种子大小是最佳的常数因子。然而，分析是相当复杂的，是基于新的技术证明模型中的下限。该技术还允许我们证明广播拥塞集团的第一个平均情况下的下限，以及平均情况下的时间层次。
2019-05-19 cs.CC cs.DC
A Super-Fast Distributed Algorithm for Bipartite Metric Facility Location
\textit{facility location}问题由一组\textit{facilities} $\mathcal{F}$、一组\textit{clients} $\mathcal{C}$、与每个设施$x_i$相关联的\textit{opening cost} $f_i$、以及在每个设施$x_i$和客户端$y_j$之间的\textit{connection cost} $D(x_i,y_j)$组成。目标是找到\textit{open}的设施子集，并将每个客户端连接到一个开放的设施，以最小化总设施开放成本加上连接成本。本文给出了完全二部网络上的\textit{metric}设施选址问题的$\mathcal{CONGEST}$模型的第一期望亚循环分布式O（1）近似算法。我们的算法有一个$O((\log \log n)^3)$轮的预期运行时间，其中$n = |\mathcal{F}| + |\mathcal{C}|$。这个结果可以被看作是我们最近的工作（ICALP 2012）的延续，在该工作中，我们提出了\textit{clique}网络上度量设施定位的第一个亚对数轮分布式O（1）近似算法。二分设置提出了几个新的挑战，不存在于一个集团网络的问题。我们提出了两种新技术来克服这些挑战。(i)为了解决无法选择适当概率的问题（由于缺乏足够的知识），我们设计了一个算法，该算法在概率空间上执行…
2013-08-12 cs.DC
Knowledge Discovery on Blockchains: Challenges and Opportunities
我们研究了区块链技术在资源约束下的分布式事件检测的适用性。因此，我们提供了一个测试套件与几个有前途的共识方法（工作量证明，权益证明，分布式工作量证明和实用的内核工作量证明）。这是第一项分析区块链共识方法在资源约束设备中用于知识发现任务的通信成本的工作。实验表明，我们提出的分布式工作量证明和实用的内核工作量证明的实现提供了一个比工作量证明的CPU使用率和通信成本的好处。测试进一步表明，在低数据率的情况下，通过挖掘的延迟不会造成伤害，可以集成拟议的区块链实现。然而，区块链的使用需要数据广播，这会导致通信开销以及基于地址列表的内存需求。
2020-10-06 cs.DC
Faster Cycle Detection in the Congested Clique
本文提出一种在Congested Clique模型中检测$h$-环的快速分布式算法，通过并行计算小矩阵乘积的新技术，大幅提升了奇数$h$及有向图所有$h$值的检测速度，并拓展至量子变体的三角形检测。
2024-08-27 cs.DC cs.DS
Solvability of Approximate Agreement on Graphs and Simplicial Complexes
Humboldt University of Berlin（柏林洪堡大学）
本文通过拓扑方法刻画了异步共享内存系统中图上近似一致问题的t-弹性可解性，证明了团一致可解当且仅当团复形在伦意义上(t-1)-连通，并回答了关于图近似一致变体的若干开放问题。
2026-06-24 cs.DC
Scalable Grid Resource Discovery through Distributed Search
本文提出了一个简单的和可扩展的基于Web的网格资源发现模型的互联网。资源发现模型包含元数据和资源查找器Web服务。资源查找器Web服务的信息保存在分布在Internet应用层的资源库中。资源查找器Web服务将通过以与DNS协议类似的方式向存储库发送查询来发现。介绍了实现该模型的两种体系结构的底层技术。这些架构是：直接和集中式的基于Web的网格资源发现。资源发现时间是在GridSim中模拟这些模型后计算的。通过进行可扩展性测试，我们发现，当增加更多的用户和资源的网格上的负载，我们的模型相比，网格资源发现时间的成本是边际的。
2011-10-08 cs.DC cs.NI
Fast Distributed Algorithms for Girth, Cycles and Small Subgraphs
在本文中，我们给快速分布式图算法检测和上市的小子图，并计算或近似的围长。我们的算法通过多项式因子改进了现有技术，对于围长，我们得到了拥塞集团中加性+1近似的常数时间算法，以及CONGEST中精确计算的第一个参数化算法。在拥挤的集团，我们开发了一种技术，学习小的邻域，并将其应用到获得一个$O(1)$轮算法，计算周长只有一个加性+1错误。接下来，我们介绍了一种新的技术（分区树技术），允许有效地和确定性地列出任何子图的所有副本，改进了非稠密图的最新技术。我们给出了这种技术的两个应用：首先，我们表明，对于恒定的$k$，$C_{2k}$ -检测可以解决在$O(1)$轮拥塞集团，改善以前的工作，使用矩阵乘法和多项式轮复杂度。第二，我们证明了在无三角形图中，围长可以在时间上以多项式的速度精确计算，比一般图的最佳已知界要快。在CONGEST中，我们描述了一种新的方法来寻找周期，并将其应用在两个方面：首先，我们展示了一个快速的参数化算法周长与轮复杂度$\tilde{O}(\min(g\cdot n^{1-1/Θ(g)},n))$的任何周长$g$;第二，我们展示了如何找到小的偶数长度周期$C_{2k}$的$k = 3,4,5$在$O(n^{1-1/k})$轮，这是一个多项式的改善以前的运行时间。最后，利用我们改进的$C_6$ -freeness算法和Eden等人关于证明三角形-freeness下界的障…
2021-01-19 cs.DC cs.DS
Time Petri Net Models for a New Queuless and Uncentralized Resource Discovery System
在这份报告中，我们详细的模型，使用Petri网的一个新的完全分布式资源预留系统。所考虑的分布式系统的基本思想是让用户在本地网络上保留一组资源并使用它们，而不需要任何特定的中央管理组件，例如前端节点。资源可以是例如计算资源（核、节点、GPU.）或者服务器上的某个内存。为了验证该系统提供的一些定性和定量的特性，需要对其进行建模，本文详细介绍了该系统所使用的算法，并建立了该系统的Petri网模型。
2015-02-11 cs.DC
Graph Reconstruction in the Congested Clique
拥塞团模型是一种分布式计算的消息传递模型，其中底层通信网络是$n$节点的完全图。在本文中，我们考虑的情况下，联合输入的节点是一个$n$ -节点标记图$G$，即，由每个节点接收的局部输入是其在$G$中的邻域的指示符函数。节点执行算法，在同步轮中彼此通信，并且它们的目标是计算依赖于$G$的某个函数。在每一轮中，每个$n$节点可以通过其每个$n-1$通信链路发送多达$n-1$不同的$b$比特消息.我们用$R$表示算法的轮数。乘积$Rb$，即节点通过一条链路接收的比特总数，是算法的成本。我们可以尝试解决的最困难的问题是重建问题，其中要求节点恢复输入图$G$的所有边。形式上，给定一类图$\mathcal G$，问题定义如下：如果是$G \notin {\mathcal G}$，则每个节点必须拒绝;另一方面，如果是$G \in {\mathcal G}$，则在$R$轮之后，每个节点必须知道$G$的所有边。不难看出，任何解决这个问题的算法（即使是公共币）的成本$Rb$至少是$Ω(\log|\mathcal{G}_n|/n)$，其中$\mathcal{G}_n$是$\mathcal G$中所有$n$ -节点标记图的子类。在本文中，我们证明了以前的界是紧的，它是可能的，只有$R=2$轮实现它。更确切地说，我们展示了（i）一轮算法，实现这个界的遗传图类;和（ii）两轮算法，实现这个界的任意图类。
2017-06-09 cs.DC
A Weakly-Robust PTAS for Minimum Clique Partition in Unit Disk Graphs
研究了单位圆盘图的顶点划分问题。这个问题是NP困难的，已知有各种常数因子近似，目前最好的比率是3。我们的主要结果是对用边长表示的UDG的一个{ \em弱鲁棒}多项式时间近似方案（PTAS），它（i）计算团划分或（ii）证明图不是UDG：对于（i）计算团划分的情况，我们证明了如果输入是UDG，它保证在最优值的$(1+\eps)$比之内;然而，如果输入不是UDG，则它或者如在情况（i）中那样计算团分区而不保证团分区的质量，或者检测到它不是UDG。注意到，识别UDG的是NP难的，即使我们给定的边长，我们的PTAS是一个弱鲁棒算法。我们的算法可以转化为一个$O(\frac{\log^* n}{\eps^{O(1)}})$时间分布的PTAS。我们考虑一个加权版本的团划分问题的顶点加权UDG，推广的问题。我们注意到与未加权版本的一些关键区别，其中的想法有助于获得PTAS细分。然而，令人惊讶的是，它承认一个$(2+\eps)$ -近似算法的加权的情况下，图表示，说，作为一个邻接矩阵。这改进了以标准形式表示的UDG的{ \em未加权}情况的最佳已知的8-近似。
2009-12-03 cs.CG cs.DC cs.DM
Scalable Mining of Maximal Quasi-Cliques: An Algorithm-System Codesign Approach
给定用户指定的最小度阈值$γ$，$γ$准团是子图$g=(V_g,E_g)$，其中每个顶点$v\in V_g$连接到其他顶点的至少$γ$部分（即，$g$中的$\lceil γ\cdot(|V_g|-1)\rceil$顶点）。准集团是稠密结构的最自然的定义之一，可用于发现社交网络中的社区和发现重要的生物分子结构和途径。然而，挖掘最大准集团是出了名的昂贵。在本文中，我们设计了并行算法挖掘最大准集团的G思想家，最近的分布式框架，针对分治图挖掘算法，挖掘到计算密集型任务，充分利用CPU核心。然而，我们发现直接使用G-thinker会导致掉队者问题，这是由于（i）不同任务之间的负载不平衡以及（ii）难以预测任务运行时间和时间增长与任务子图大小。我们通过重新设计G-thinker的执行引擎来解决这些挑战，以优先考虑长期运行的任务进行挖掘，并利用一种新的超时策略来有效地分解长期运行任务的挖掘工作负载，以提高负载均衡。虽然这个系统的重新设计适用于许多其他昂贵的密集子图挖掘问题，本文验证了这一想法，适应国家的最先进的准集团算法，快速，我们重新设计的G思想。我们通过集成新的修剪规则来改进Quick，并修复一些可能导致遗漏结果的遗漏边界情况。大量的实验验证了我们的新解决方案可以很好地扩展CPU核心的数量，实现201 $\times$运行时的加速时，挖掘一个图与3.77 M顶点和16.5 M边在16个节点的…
2021-05-10 cs.DC cs.SI
Distributed Certification for Classes of Dense Graphs
本文将证明标签方案的元定理扩展至包含稠密图的有界团宽图类，证明所有具有有界团宽的图上的每个 $\mathrm{MSO}_1$ 性质均存在使用 $O(\log^2 n)$ 位证书的分布式认证方案。
2023-07-26 cs.DC
Approximation of Distances and Shortest Paths in the Broadcast Congest Clique
我们研究广播版本的CONGEST CLIQUE模型的分布式计算。在该模型中，在每一轮中，大小为$n$的网络中的任何节点都可以向网络中的每个其他节点发送相同的有限大小的消息（即广播消息）。Nanongkai在[STOC'14]中提出了一个随机$(2+o(1))$ -近似算法来计算加权图上时间上所有对最短路径（APSP）$\tilde{O}(\sqrt{n})$，其中我们使用的约定是$\tildeΩ(f(n))$本质上是$Ω(f(n)/$ polylog $f(n))$，而$\tilde{O}(f(n))$本质上是$O(f(n) $ polylog $f(n))$ .我们通过证明在最坏的情况下，任何随机$(2-o(1))$ -APSP的逼近和$(2-o(1))$ -图直径的逼近都需要$\tildeΩ(n)$时间来补充这一结果。这表明，在近似因子中获得可忽略不计的改进需要显著更多的时间。此外，该界限意味着已经计算所有对最短路径的$(2-o(1))$近似是广播版本的CONGEST CLIQUE模型中最难的图形问题之一，并且与最近的在时间上运行的APSP的$(1+o(1))$近似形成对比$O(n^{0.15715})$在单播版本的CONGEST CLIQUE模型中。在积极的一面，我们提供了一个确定性的版本Nanongkai的$(2+o(1))$近似算法的APSP。为了做到这一点，我们提出了一…
2014-12-12 cs.DC cs.DS
MST in O(1) Rounds of the Congested Clique
提出了一种在拥挤团模型中以高概率在O（1）轮内找到给定图的最小生成树（MST）的分布式随机算法。拥塞集团模型中的输入图是n个节点的图，其中每个节点最初仅知道其关联边。通信图是具有有限边缘带宽的团：每两个节点（不一定是输入图中的邻居）可以交换$O(\log n)$比特。在以前的作品中，MST算法的关键部分是一个有效的连接组件（CC）算法。然而，与以前的方法不同，我们的目标不是模拟标准的Boruvka算法，至少在CC算法的初始阶段。相反，我们开发了一种新的技术，它结合了样本稀疏子图的输入图的连接组件，以加快原始输入图的连接组件的发现过程。更具体地说，我们开发了一种稀疏化技术，减少了初始CC问题的$O(1)$轮，其两个限制的情况下。前一个实例有一个以最大度$O(\log \log n)$作为输入的图--这里我们的样本组合技术很有用。在后一种情况下，已知将输入图划分为$O(n/\log \log n)$连通分量。这提供了应用先前算法来确定$O(1)$轮中的连通分量的机会。我们的结果解决了Lotker等人[SPAA 2003; SICOMP 2005]的$O(\log \log n)$算法的问题，改进了Ghaffari等人[PODC 2016]的先前$O(\log* n)$算法和Hegeman等人[PODC 2015]的$O(\log \log \log n)$算法。它还确定$Θ(1)$轮复…
2017-10-31 cs.DC cs.DS
Spatial Co-location Pattern Mining - A new perspective using Graph Database
空间共位模式挖掘是指发现在多个地方同时发生的一组对象或事件的任务。由于空间数据类型、空间关系和空间自相关的复杂性，从空间数据中提取这些模式是非常困难的。这些模式在公共安全、地理营销、犯罪预测和生态学等领域都有应用。以前的工作集中在使用空间连接。虽然这些方法提供了最先进的结果，但由于多路空间连接，它们的计算非常昂贵，并且将它们扩展到真实世界的数据集是一个开放的问题。我们解决这些局限性，制定的协同定位模式发现作为一个集团枚举问题的邻域图（这是使用分布式图形数据库物化）。我们提出了三个新的基于遍历的算法，即$CliqueEnum_G$，$CliqueEnum_K$和$CliqueExtend$。我们提供的经验证据，我们提出的算法的有效性，通过评估他们的一个大型的现实生活中的数据集。这三种算法允许在时间和内存需求之间进行权衡，并支持交互式数据分析，而无需重新计算所有中间结果。这些属性使我们的算法适用于不同数据大小的各种用例。
2018-10-21 cs.DB cs.DC
Input-Dynamic Distributed Algorithms for Communication Networks
考虑一个分布式任务，其中通信网络是固定的，但提供给分布式系统节点的本地输入可能会随时间变化。在这项工作中，我们探索以下问题：如果一些本地输入发生变化，现有解决方案能否以动态和分布式的方式有效更新？为了解决这个问题，我们定义了批量动态CONGEST模型，其中我们给出了一个带宽有限的通信网络和一个动态边标签定义的问题输入。任务是维护一个图的问题的解决方案的标记图下批量更改。我们调查，当一批$α$边缘标签的变化到达，-多少时间作为$α$的函数，我们需要更新现有的解决方案，以及-多少信息的节点必须保持在本地内存之间的批次，以快速更新的解决方案。我们的工作奠定了输入动态分布式网络算法的理论基础。我们给出了这个模型的复杂性景观的一般情况下，设计通用算法和具体问题的算法，并提出了一个一般的框架下限。特别是，我们推导出两个选定的，对比问题的非平凡的上界：保持最小生成树和检测集团。
2021-01-19 cs.DC
Arabesque: A System for Distributed Graph Mining - Extended version
MapReduce和Pregel等分布式数据处理平台大大简化了某些类别的分布式图分析算法的设计和部署。然而，这些平台并不代表分布式图挖掘问题的良好匹配，例如在图中找到频繁的子图。给定一个输入图，这些问题需要探索大量的子图，并找到与用户所需的某些“兴趣度”标准相匹配的模式。这些算法对于社会网络、语义网和生物信息学等领域都是非常重要的。在本文中，我们介绍了Arabesque，这是第一个用于实现图挖掘算法的分布式数据处理平台。Arabesque自动化了探索大量子图的过程。它定义了一个高级过滤过程计算模型，简化了可扩展图挖掘算法的开发：Arabesque探索子图并将其传递给应用程序，应用程序必须简单地计算输出并决定是否应该进一步扩展子图。我们使用Arabesque的API来产生三个基本的图挖掘问题的分布式解决方案：频繁子图挖掘，计数图案，并找到集团。我们的实现只需要几行代码，可以扩展到数万亿个子图，并且在某些情况下代表了第一个可用的分布式解决方案。
2015-10-14 cs.DC
Random Sampling Applied to the MST Problem in the Node Congested Clique Model
Lotker等人提出的拥塞集团模型。[SICOMP'05]是为了提供一个简单的抽象覆盖网络。拥塞集团是一种分布式（或并行）计算模型，其中存在具有来自集合[n]的唯一标识符的$n$参与者，其在同步轮中执行计算。每一轮由无限本地计算阶段和通信阶段组成。在通信时，允许每对参与者交换大小为$O(\log n)$比特的单个消息。由于在单轮中，每个玩家甚至可以与$Θ(n)$其他玩家进行通信，因此该模型似乎非常强大，可以模拟底层网络中出现的带宽限制。在本文中，我们研究了一个限制版本的拥塞集团模型，节点拥塞集团（NCC）模型，提出了奥古斯丁等人。[arxiv 1805]，其中允许播放器在每个通信阶段仅发送/接收$O(\log n)$消息。更准确地说，我们提供了通信原语，它将Augustine等人[arxiv 1805]的MST算法的轮复杂度提高到$O(\log^3 n)$轮，并给出了解决生成森林（SF）问题的$O(\log^2 n)$轮算法。此外，我们提出了一种基于随机抽样技术的方法，由Karger等人。[JACM'95]给出了用于最小生成森林（MSF）问题的$O(\log^2 n \log Δ/ \log \log n)$轮算法。除了更快的SF/ MSF算法，我们认为关键的贡献是-一个有效的实现NCC模型中的基本协议-一个更严格的分析的特殊情况下的采样方法由Karger等人。[JACM'95]以…
2018-08-27 cs.DC cs.DS
Parametric, Probabilistic, Timed Resource Discovery System
本文提出了一个完全分布式的资源发现和预留系统。这样一个系统的验证是很重要的，以确保在适当的条件下执行一组资源上的分布式应用程序。一个半形式化的模型，他的系统使用概率时间自动机。这个模型是定时的，参数化的和概率的，使它成为一个挑战的参数合成社区。
2016-08-02 cs.DC cs.SE
Exponentially Faster Shortest Paths in the Congested Clique
我们提出了改进的确定性算法，近似最短路径的拥塞集团模型的分布式计算。我们得到了无向$n$ -顶点图中以下问题的$poly(\log\log n)$ -轮算法：-- $(1+ε)$ -近似多源最短路径（MSSP）从$O(\sqrt{n})$源。-- $(2+ε)$ -所有对最短路径（APSP）的近似。-- $(1+ε,β)$ -APSP的近似值，其中$β=O(\frac{\log\log n}ε)^{\log\log n}$。由于[Censor-Hillel et al.，PODC 19]。它还提供了第一次近可加界的APSP问题在次多项式时间。我们的方法是基于区分短距离和长距离的基础上，一些距离阈值$t = O(\fracβε)$，其中$β=O(\frac{\log\log n}ε)^{\log\log n}$。处理长距离是通过设计一种新的算法来计算稀疏$(1+ε,β)$仿真器与$O(n\log\log n)$边缘。对于短距离，我们为[Censor-Hillel et al.，PODC 19]。利用该工具箱只能应用于半径为$t$的局部球的特点，将其轮复杂度从$poly(\log n)$提高到$poly(\log t)$。最后，我们确定性的解决方案，这些问题的基础上去随机化计划的一个新的变种的命中集问题，这可能是独立的利益。
2020-03-06 cs.DC cs.DS
Improved Distributed Expander Decomposition and Nearly Optimal Triangle Enumeration
图$G=(V,E)$的$(ε,ϕ)$ -扩展分解是顶点$V=V_{1}\cup\cdots\cup V_{x}$的聚类，使得（1）每个聚类$V_{i}$诱导电导至少为$ϕ$的子图，并且（2）聚类间边的数目至多为$ε|E|$。本文给出了一种改进的分布式扩展分解。具体地说，我们构造了一个$(ε,ϕ)$ -扩展器分解，对于任何$ε\in(0,1)$和正整数$k$，在$O(n^{2/k}\cdot\text{poly}(1/ϕ,\log n))$轮中使用$ϕ=(ε/\log n)^{2^{O(k)}}$.例如，对于任意小的常数$γ>0$，可以在$O(n^γ)$轮中计算$(0.01,1/\text{poly}\log n)$ -扩展器分解。以前，Chang，Pettie和Zhang的算法可以对任何$δ>0$使用$\tilde{O}(n^{1-δ})$轮来构造$(1/6,1/\text{poly}\log n)$ -扩展器分解，但需要注意的是，该算法允许将一组边丢弃到一个额外的部分中，该部分形成至多$n^δ$具有荫度的子图。我们的算法没有这个警告。通过对Ghaffari，Kuhn和Su [PODC'17]提出的扩展器上的分布式路由算法稍加修改，我们得到了一个使用$\tilde{O}(n^{1/3})$轮的三角枚举算法.这与Izumi和Le Gall [PODC'17]以及Pandurangan…
2019-05-27 cs.DC cs.DS
Retrofitting Service Dependency Discovery in Distributed Systems
Utrecht University（乌得勒支大学）
本文提出XXXX运行时系统，无需源码插桩即可在含NAT的复杂网络下构建进程级服务依赖图，经九种场景评估，性能与最先进技术相当或更优，多数场景精确率和召回率达100%。
2026-10-27 cs.DC
Distributed coloring and the local structure of unit-disk graphs
有效地着色单位圆盘图是一个重要的问题，在全球和分布式设置，与无线电信道分配问题时，通信依赖于全向天线的相同功率的应用程序。在这种情况下，重要的是不仅要约束着色算法的复杂性，而且要约束所使用的颜色的数量。在本文中，我们考虑两个自然分布的设置。在位置感知的情况下（当节点知道它们在平面上的坐标时），给出了一个常数时间分布的算法，对任意单位圆盘图$G$进行至多$4ω(G)$颜色着色，其中$ω(G)$是$G$的团数.这改进了经典的3-近似算法为这个问题，所有的单位圆盘图的色数显着超过他们的团数。当节点不知道它们在平面上的坐标时，我们给出了一个分布式算法，在该算法中，每个单位圆盘图$G$在$O(\log^* n)$轮中最多用$5.68ω(G)+1$颜色着色.该算法是基于单位圆盘图的局部结构的研究，这是独立的利益。我们猜想每个单位圆盘图$G$的平均度至多为$4ω(G)$，这意味着在该模型中存在一个用（近似）$4ω(G)$颜色对任何单位圆盘图$G$着色的$O(\log n)$轮算法.我们提供了部分结果对这个猜想使用傅立叶分析工具。
2022-12-13 cs.CG cs.DC math.CO
Distributed Convolutional Dictionary Learning (DiCoDiLe): Pattern Discovery in Large Images and Signals
INRIA（法国国家信息与自动化研究所）；Université Paris Saclay（巴黎萨克雷大学）
卷积字典学习（CDL）估计适合多维数据的移位不变基。CDL已被证明可用于图像去噪或修复，以及多元信号的模式发现。由于估计的模式可以定位在信号或图像中的任何地方，优化技术面临着在具有数百万像素或时间样本的极高维度上工作的困难，这与标准的基于块的字典学习相反。为了解决这个优化问题，这项工作提出了一个分布式和异步算法，采用本地贪婪坐标下降和异步锁定机制，不需要一个中央服务器。该算法可用于将计算分布在与编码信号的大小成线性比例的多个工作器上。实验证实了缩放特性，这使我们能够学习模式的大尺度图像从哈勃太空望远镜。
2019-01-26 cs.DC cs.LG stat.ML
Energy-Aware Virtual Network Embedding Approach for Distributed Cloud
近年来，网络虚拟化引起了许多研究者的关注。它简化了在单个物理网络上创建多个虚拟网络的过程。然而，尽管有这个优点，网络虚拟化仍然存在以最有效的方式将虚拟链路和节点映射到物理网络的问题。这个问题被称为虚拟网络嵌入（“VNE”）。为了解决这个问题，人们提出了许多研究方法，这些方法有很多优化的方面，如改进嵌入策略以保持能量，降低嵌入成本和增加嵌入收益。此外，一些研究人员已经扩展了他们的算法，使其与分布式云而不是单个基础设施提供商（“ISP”）更兼容。提出一种适用于分布式云环境的能量感知粒子群优化算法。该算法旨在使用重团匹配技术（Heavy Clique Matching technique，HCM）将每个虚拟网络请求（virtual network request，VNR）划分为子图以生成粗化图。粗化图中的每个粗化节点被分配给合适的数据中心（“DC”）。在每个DC内部，启动一个改进的粒子群优化算法，以找到VNE问题的近最优解。通过大量的模拟，对所提出的算法进行了测试和评估，结果表明所提出的算法优于其他算法。
2017-10-31 cs.DC
Mind the $\tilde{\mathcal{O}}$: Asymptotically Better, but Still Impractical, Quantum Distributed Algorithms
本文在 Quantum CONGEST-CLIQUE 模型中提出两种渐近复杂度更优的分布式算法，并分析其常数因子，指出当前量子和经典算法在极大 $n$ 值下才具实用价值。
2023-08-01 cs.DC math.OC quant-ph
When MIS and Maximal Matching are Easy in the Congested Clique
本文研究在拥塞团簇模型中，哪些图能在常数轮内求解最大独立集和最大匹配，给出了三种参数条件下的常数轮算法，并证明这些界对已知方法是紧的。
2025-02-28 cs.DC cs.DS
Deterministic subgraph detection in broadcast CONGEST
我们提出了简单的确定性算法的子图发现和枚举的广播CONGEST模型的分布式计算：--对于任何恒定的$k$，检测$k$ -路径和树的$k$节点可以在$O(1)$轮。--对于任何常量$k$，检测$k$ -循环和$k$节点上的伪树可以在$O(n)$轮中完成。--在$d$ -退化图上，团和$4$ -圈可以在$O(d + \log n)$轮中枚举，$5$ -圈可以在$O(d^2 + \log n)$轮中枚举。在许多情况下，这些界限紧到对数因子。此外，我们表明，$d$退化图的算法可以改进到最佳的复杂度$O(d/\log n)$和$O(d^2/\log n)$，分别在支持的CONGEST模型，这可以被看作是一个中间模型之间的CONGEST和拥塞集团。
2017-09-21 cs.DC cs.DS
Trustless parallel local search for effective distributed algorithm discovery
University College London（伦敦大学学院）；Comrade Cooperative（Comrade合作社）
元启发式搜索策略已经证明了它们在各种情况下对人造解决方案的有效性。它们通常在局部搜索区域开发中是有效的，并且它们的整体性能在很大程度上受到探索和开发之间的平衡的影响。并行局部搜索的最新发展探索了利用高效的局部搜索并达到令人印象深刻的结果的方法。然而，这限制了私有可信计算机集群内的节点的扩展潜力。在这项研究中，我们提出了一种新的区块链协议，允许并行本地搜索扩展到不可信和匿名的计算节点。该协议引入了可公开验证的性能评估的局部最优值报告的每个节点，创造了一个竞争的环境之间的局部搜索。这是加强与经济刺激，以产生良好的解决方案，提供协调之间的节点，因为每个节点试图探索不同部分的搜索空间击败他们的竞争。
2020-04-02 cs.AI cs.DC
