A Simple Sublinear-Time Algorithm for Counting Arbitrary Subgraphs via Edge Sampling
在子图计数问题中,我们给定一个输入图$G(V, E)$和一个目标图$H$ ;目标是估计$H$在$G$中出现的次数。我们在这里的重点是设计次线性时间算法,用于近似计数$H$在$G$中的出现,在该算法被赋予查询访问$G$的设置。这个问题已经在最近的几篇论文中进行了研究,这些论文主要集中在特定的图族$H$上,例如三角形、团和星形。然而,不太了解近似计数任意图$H$。这与密切相关的子图枚举问题形成鲜明对比,后者在数据库社区中受到了极大的关注,如数据库连接问题。AGM界表明,在具有$m$边的图$G$中,任何任意子图$H$的最大出现次数是$O(m^{ρ(H)})$,其中$ρ(H)$是$H$的分数边覆盖,并且具有匹配运行时间的枚举算法对于任何$H$是已知的。我们通过设计一个子线性时间算法来弥合子图计数和子图枚举之间的差距,该算法可以估计$G$中任何任意子图$H$(用$\#H$表示)的数量,使其在$(1\pm ε)$ -近似值范围内。在$O(\frac{m^{ρ(H)}}{\#H}) \cdot poly(\log{n},1/ε)$时间。我们的算法是允许的一般图,即度查询,对查询和邻居查询的标准集,加上一个额外的边样本查询,返回随机均匀选择的边。我们的算法的性能与Eden等人的性能相匹配。[FOCS 2015,STOC 2018]用于计算三角形和团,并在边样本查询的附加假设下将其扩展到子图$H$的…
2018-11-19 cs.DS
Differentially Private Range Subgraph Counting
School of Computer Science and Technology, University of Science and Technology of China(计算机科学与技术学院,中国科学技术大学)
针对子图计数中的隐私问题,提出差分隐私范围子图计数(DPRSC)问题,通过子图投影将其转化为加权正交范围计数,结合范围树和局部敏感度估计实现低误差隐私查询,并证明误差下界与维度指数相关。
2026-06-06 cs.CR cs.DS cs.LG
Homomorphisms Are a Good Basis for Counting Small Subgraphs
我们引入图模参数,一类图参数,只依赖于常数大小的诱导子图的频率。Lovász的经典著作表明,许多有趣的量具有这种形式,包括,对于固定图$H$,输入图$G$中的$H$ -副本(诱导或未诱导)的数量,以及从$H$到$G$的同态的数量。使用的框架图模参数,我们得到更快的算法计算子图副本的固定图$H$在主机图$G$:对于图$H$的$k$边缘,我们展示了如何计算子图副本的$H$在时间$k^{O(k)}\cdot n^{0.174k + o(k)}$一个令人惊讶的简单算法。这改进了先前已知的运行时间,例如用于$k$边缘匹配的$O(n^{0.91k + c})$时间或用于$k$循环的$O(n^{0.46k + c})$时间。此外,我们证明了一个一般的复杂性二分法评估图的主题参数:给定一类$\mathcal C$等参数,我们考虑的问题,评估$f\in \mathcal C$输入图$G$,参数化的诱导子图的数量,$f$依赖。对于每一个递归可排类$\mathcal C$,我们证明了上述问题是FPT或#W[1]-困难的,并给出了明确的二分法准则.这使我们能够恢复已知的二分法计数子图,诱导子图,同态在一个统一的和简化的方式,以及改进的下界。最后,我们将图的模体参数扩展到着色子图,并证明了一个复杂度分解:对于顶点着色图$H$和$G$,其中$H$来自一个固定的类$\mathcal H$,我们要计数$G$中的保…
2017-05-03 cs.CC cs.DM cs.DS
ESCAPE: Efficiently Counting All 5-Vertex Subgraphs
计算小的子图的频率是跨各个领域的网络分析中的基本技术,特别是在生物信息学和社交网络中。三角形计数的特殊情况受到了广泛的关注。获得4顶点或5顶点模式的结果是非常具有挑战性的,并且很少有已知的实际结果可以扩展到大规模。我们介绍了一个算法框架,可以采用计算图中的任何小模式,并应用此框架来计算精确的计数为\emph{all} 5顶点子图。我们的框架是建立在将模式切割成更小的模式,并使用更小模式的计数来获得更大的计数。此外,我们利用度方向的图形,以减少运行时间更进一步。这些方法避免了典型的子图计数算法所面临的组合爆炸问题。我们证明,它足以枚举只有四个特定的子图(其中三个有少于5个顶点),以准确地计数所有的5-顶点模式。我们在各种真实世界的图形上进行了广泛的实证实验。我们能够在商品机器上在几分钟内计算具有数千万条边的图的计数。据我们所知,这是第一个实用的算法$5$ -顶点模式计数,运行在这个规模。一个垫脚石,我们的主要算法是一个快速的方法来计算所有的$4$顶点模式。该算法通常比现有技术的$4$顶点计数器快十倍。
2016-10-28 cs.DS cs.SI
Approximately Counting Embeddings into Random Graphs
设H是一个图,C_H(G)是图G中包含的H的(子图同构)副本数.本文研究了估计C_H(G)的基本问题。以前的结果只涵盖了这个一般问题的几个具体实例,例如,H的程度最多为1(单体-二聚体问题)的情况。本文给出了子图同构计数问题的第一个一般子情形,它几乎总是有效可逼近的。结果依赖于一种新的图分解技术。非正式地,分解是顶点的标记,使得每条边都在具有不同标签的顶点之间,并且对于每个顶点,具有更高标签的所有邻居都具有相同的标签。标签隐式生成一个序列的二分图,这使我们能够打破的问题,计数嵌入的大子图的计数嵌入的小的子图。利用这种方法,我们提出了一个简单的随机算法的计数问题。对于所有可分解图H和所有图G,该算法是一个无偏估计。此外,对于所有的图H具有分解,其中每个生成的二分图是小的,几乎所有的图G,该算法是一个完全多项式随机逼近方案。我们表明,我们获得了一个完全多项式随机逼近计划几乎所有G的H的图形类包括图的度最多为2,有界度森林,有界长度的网格图,有界度图的细分,和主要子类的外平面图,串并行图和平面图,而无界长度的网格图被排除在外。
2013-06-21 cs.DM cs.DS
Space-Query Tradeoffs in Range Subgraph Counting and Listing
本文对{ \em值域子图计数}和{ \em值域子图列表}进行了研究,这两个算法都是由实际中对只与选定顶点相关的子图而不是与所有顶点相关的子图进行图分析的重要需求所驱动的。在第一个问题中,有一个无向图$G$,其中每个顶点携带一个实值属性。给定一个区间$q$和一个模式$Q$,一个查询计算属性落在$q$中的顶点在$G$的子图中出现$Q$的次数。第二个问题具有相同的设置,只是查询需要以较小的延迟枚举(而不是计数)这些事件。在这两个问题中,我们的目标是了解{ \em空间使用}和{ \em查询成本}之间的权衡,或者更具体地说:(i)给定查询效率的目标,我们必须存储多少关于$G$的预先计算的信息?(ii)或者反过来说,给定空间使用预算,我们希望的最佳查询时间是多少?我们建立了一套的上限和下限的结果,这样的权衡各种查询模式。
2023-01-09 cs.DB cs.DS
Linear Time Subgraph Counting, Graph Degeneracy, and the Chasm at Size Six
考虑了输入图中所有$k$ -顶点子图的计数问题,对于任意常数$k$ .这个问题(表示为sub-cnt $_k$)在理论和实践中都得到了广泛的研究。Chiba和Nishizeki(SICOMP 85)给出了有界退化图的团和4圈计数的线性时间算法。这是一个丰富的稀疏图类,例如,包含所有的minor-free族和偏好连接图。从这个结果的技术启发了一些最近的实用算法的子cnt $_k$。为了更好地理解这些技术的局限性,我们问:什么值的$k$可以子cnt $_k$在线性时间内解决?我们在$k=6$发现了一个裂缝。具体来说,我们证明了$k < 6$,sub-cnt $_k$可以解决线性时间。假设一个标准的猜想,在细粒度的复杂性,我们证明,对于所有的$k \geq 6$,子cnt $_k$不能解决,即使在近线性时间。
2019-11-27 cs.DS
Massively Parallel Algorithms for Small Subgraph Counting
在过去的二十年中,分布式内存并行计算框架,如MapReduce,Hadoop,Spark和Dryad,随着大型网络数据集的日益普及而获得了极大的普及。大规模并行计算(MPC)模型是在理论上研究这些框架中的图算法的事实标准。子图计数是分析海量图的基本问题之一,主要的算法挑战集中在设计可扩展和准确的方法上。给定一个图$G=(V, E)$与$n$顶点,$m$边和$T$三角形,我们的第一个结果是一个算法,输出$(1+\varepsilon)$ -近似$T$,与渐近\emph{optimal round and total space complexity}提供任何$S \geq \max{(\sqrt m, n^2/m)}$空间每台机器,并假设$T=Ω(\sqrt{m/n})$。我们的结果给出了一个二次改进的$T$上的界限比以前的作品。我们还提供了一个简单的推广,我们的结果计数\emph{any}子图的$k$大小为常数$k \geq 1$。我们的第二个结果是一个$O_{\varepsilon}(\log \log n)$轮算法,用于精确计算三角形的数量,其总的空间使用由输入图的\emph{arboricity} $α$参数化。我们将这一结果扩展到精确计数$k$ -团为任何常数$k$。最后,我们证明了Bera,Pashanasangi和Seshadhri(ITCS 2020)最近的一个结果,…
2022-07-18 cs.DC cs.DS
Fully Dynamic Four-Vertex Subgraph Counting
本文提出了一个全面的研究算法保持所有连通的四顶点子图的数量在一个动态图。具体来说,我们的算法保持的路径长度为3的确定性摊销$\mathcal{O}(m^\frac{1}{2})$更新时间,和任何其他连接的四顶点子图,这不是一个集团在确定性摊销更新时间$\mathcal{O}(m^\frac{2}{3})$的数量。可以在恒定的时间内回答问题。我们还研究了查询时间的子图包含一个任意的边缘,只提供与查询,以及只包含一个顶点$s$,这是事先固定的子图的情况下被认为是。对于长度为3的路径,爪子,$4$ -周期,钻石我们的边界匹配或不远(条件)下界:基于OMv猜想,我们表明,任何动态算法,检测存在的爪子,钻石,或$4$ -周期或计数长度- $3$路径需要更新时间$Ω(m^{1/2-δ})$。此外,对于$4$ -团和所有连接的诱导子图,我们证明了$Ω(m^{1-δ})$的下限为任何小常数$δ> 0$的摊销更新时间,假设静态组合$4$ -团猜想成立。这表明Eppstein等人对这些子图的$\mathcal{O}(m)$算法不能通过多项式因子来改进。
2022-03-16 cs.DS
Efficiently Counting Vertex Orbits of All 5-vertex Subgraphs, by EVOKE
子图计数是网络分析中的一项基本任务。通常,算法工作是在总计数上,其中我们希望在大的输入数据集中计数(小)模式子图的总频率。但是许多应用需要局部计数(也称为顶点轨道计数),其中,对于输入图的每个顶点$v$,需要涉及$v$的模式子图的计数。这提供了一组丰富的顶点特征,可用于机器学习任务,特别是分类和聚类。但获得当地的数量是非常具有挑战性的。即使是更简单的问题,获得总计数已收到许多研究的关注。局部计数需要获得更细粒度信息的算法,并且纯粹的输出大小使得难以设计可扩展的算法。我们提出了EVOKE,一个可扩展的算法,可以确定所有5顶点模式子图的顶点轨道计数。换句话说,对于输入图的每个顶点$v$和每个5顶点子图$H$,EVOKE精确地确定$v$参与的$H$的副本的数量。EVOKE可以在一个小时内在一台商用机器上处理具有数千万条边的图形。EVOKE通常比以前最先进的算法快数百倍,并且在以前的方法无法达到的数据集上获得结果。理论上,我们推广了最近的“图切割”框架,以获得顶点轨道计数。该框架生成一组多项式方程,将较大子图的顶点轨道计数与较小子图的顶点轨道计数相关联。EVOKE仔细地利用这些方程之间的结构来快速计算。我们证明和经验验证,EVOKE只有一个小的常数因子开销超过最好的(总)5顶点子图计数器。
2019-12-12 cs.DS cs.SI
The Sketching Complexity of Graph and Hypergraph Counting
子图计数是图处理中的基本原语,其应用于社会网络分析(例如,估计图的聚类系数)、数据库处理等领域。子图计数的空间复杂度已经在文献中得到了广泛的研究,但许多自然设置仍然没有得到很好的理解。在本文中,我们重新审视子图(和超图)计数问题的草图模型,算法的状态,因为它处理流的更新图是一个线性函数的流。该模型最近在文献中得到了很多关注,并已成为解决动态图流问题的标准模型。在本文中,我们给出了一个严格的界限计数的出现次数的一个小子图$H$在有界度图$G$的边缘更新流的草图复杂度。具体来说,我们表明,问题的空间复杂度是由图$H$的分数顶点覆盖数。我们的子图计数算法实现了一个自然的顶点采样方法,采样概率由$H$的顶点覆盖。我们的主要技术贡献在于我们开发了一套新的傅立叶分析工具,用于分析同时通信模型中的多人通信协议,使我们能够证明一个严格的下限。我们相信,我们的技术很可能在其他环境中找到应用。除了给出所有图$H$的紧边界外,我们的算法和下界都扩展到超图设置,尽管在空间复杂度上有一些损失。
2018-08-15 cs.DS
Counting Cohesive Subgraphs with Hereditary Properties
本文研究具有遗传性质的内聚子图计数问题,提出 HCSList 枚举框架与可隐式组合计数的 HCSPivot 枢轴框架,并针对 s-defective clique 和 s-plex 剪枝优化,实验验证其高效有效。
2024-05-08 cs.DS
Subgraph Counting: Color Coding Beyond Trees
在大型数据图中对查询图的出现进行计数的问题,称为子图计数,是诸如基因组学和社会网络分析等多个领域的基础。许多重要的特殊情况(如三角形计数)受到了极大的关注。颜色编码是子图计数的一种非常通用和强大的算法技术。颜色编码已经被证明在几个应用中是有效的,但是可扩展的实现仅针对{ \em树查询}的特殊情况(即树宽为1的查询)是已知的。在本文中,我们提出了第一个有效的分布式实现颜色编码,超越树查询:我们的算法适用于任何查询图的树宽$2$。由于树查询可以解决的时间线性的数据图的大小,我们的贡献是第一步进入领域的颜色编码查询,需要超线性的运行时间在最坏的情况下。这种超线性的复杂性导致了严重的负载均衡问题的图重尾度分布。我们的算法结构化的计算工作在数据图中的高度节点,并实现了非常好的运行时间和可扩展性的数据和查询图对的不同集合的结果。我们还提供了我们的算法技术的理论分析,在随机图的幂律度分布,一个流行的模型为现实世界的图形,在运行时的渐近改善。
2016-04-02 cs.DC cs.DS
Largest chordal and interval subgraphs faster than 2^n
证明了在n-顶点图中,对于某些$λ<1$,可以在时间$O(2^{λn})$中找到顶点数最多的诱导弦子图和诱导区间子图.这些是第一个算法打破平凡的$2^n n^{O(1)}$约束的蛮力搜索这些问题。
2013-11-16 cs.DS
Finding a maximum induced degenerate subgraph faster than 2^n
本文从精确算法的角度研究了在给定的n-顶点图中寻找最大诱导d-退化子图的问题。我们证明了对于任意固定的d,对于某个常数eps_d>0,只要d是确定的,就可以在随机(2-eps_d)^nn ^O(1)时间内找到一个最大诱导d-退化子图.此外,我们的算法可以用来采样包含式极大诱导d-退化子图,使得每个这样的子图以至少(2-eps_d)^-n的概率输出;因此,我们证明了它们的数量是有界的(2-eps_d)^n。
2012-08-22 cs.DS
BEACON: A Benchmark for Efficient and Accurate Counting of Subgraphs
The University of Hong Kong(香港大学);The University of British Columbia(不列颠哥伦比亚大学)
针对子图计数领域缺乏统一评估框架的问题,本文提出BEACON基准,通过标准化数据集、集成环境和排行榜支持算法与机器学习方法的对比,揭示两类方法的优劣势并推动该领域研究发展。
2025-04-15 cs.AI cs.DB cs.DS
A color-avoiding approach to subgraph counting in bounded expansion classes
我们提出了一个算法来计算模式图$H$在宿主图$G$中作为导出子图的出现次数。如果$G$属于有界扩展类,则算法在线性时间内运行。我们的设计选择的动机是需要一种方法,可以工程到一个实际的实现稀疏主机图。具体来说,我们介绍了一个分解的模式$H$称为计数达格$\vec C(H)$编码的顺序感知,包括排除计数方法$H$。给定这样一个计数dag和$G$的一个合适的线性排序$\mathbb G$作为输入,我们的算法可以计数$H$在时间$O(\|\vec C\| \cdot h \text{wcol}_{h}(\mathbb G)^{h-1} |G|)$上作为一个导出子图出现在$G$中的次数,其中$\text{wcol}_h(\mathbb G)$表示$\mathbb G$中弱$h$ -可达集的最大大小.这意味着,结合以前的结果,一个算法的运行时间$O(4^{h^2}h (\text{wcol}_h(G)+1)^{h^3} |G|)$,它只需要$H$和$G$作为输入。我们注意到,通过一个小的修改,我们的算法可以改为使用强$h$ -可达集与运行时间$O(\|\vec C\| \cdot h \text{col}_{h}(\mathbb G)^{h-1} |G|)$,导致在$O(4^{h^2}h \text{col}_h(G)^{h^2} |G|)$的整体复杂性时,只有$H$和$G$。由于在实践中可以…
2020-01-15 cs.DS
The parameterized complexity of k-edge induced subgraphs
证明了寻找一个$k$ -边导出子图是固定参数易处理的,从而回答了蔡雷珍的一个公开问题。我们的算法是基于几个组合的观察,高斯著名的\emph{Eureka}定理[安德鲁斯,86],和一个推广的著名的FPT算法的模型检查问题的一阶逻辑图与局部有界树宽度由于弗里克和Grohe [弗里克和Grohe,01]。另一方面,我们表明,两个自然计数版本的问题是很难的。因此,$k$ -边导出子图问题是已知的参数复杂度中少有的易判定而难计数的例子之一。
2012-05-01 cs.DS
Counting Patterns in Degenerate Graphs in Constant Space
IIT Gandhinagar(印度理工学院 gandhinagar);Université Libre de Bruxelles(布鲁塞尔自由大学)
本文引入DAG树深度参数,在常数空间内高效计数退化宿主图中的同态、子图同构和诱导子图同构,并给出模式图的诱导子图刻画。
2026-07-01 cs.DS
Complexity of counting subgraphs: only the boundedness of the vertex-cover number counts
对于一类图$\mathcal{H}$,#Sub $(\mathcal{H})$是给定图$H\in \mathcal{H}$和任意图$G$,求$G$与$H$同构的子图的个数的计数问题.众所周知,如果$\mathcal{H}$具有有界的顶点覆盖数(相当于$\mathcal{H}$中最大匹配的大小是有界的),那么#Sub $(\mathcal{H})$是多项式时间可解的。我们用一个相应的下界来补充这个结果:如果$\mathcal{H}$是顶点覆盖数无界的任何递归可重数图类,那么#Sub $(\mathcal{H})$是由$H$的大小参数化的#W[1]-hard,因此不是多项式时间可解的,甚至不是固定参数可处理的,除非FPT = #W[1]。作为证明的第一步,我们证明了在二部图中计数$k$ -匹配是#W[1]-困难的。最近,Curticapean [ICALP 2013]证明了在一般图中计数$k$ -匹配的#W[1]-硬度;我们的结果用相当简单的证明将这一陈述加强到二分图,甚至表明,假设指数时间假设(ETH),对于任何可计算函数$f(k)$,没有$f(k)n^{o(k/\log k)}$时间算法来计数二分图中的$k$ -匹配。因此,我们获得了Flum和Grohe [SICOMP 2004]的经典结果的独立且稍微简单的证明,该结果指出长度为$k$的计数路径是#W[1]-hard的,以及类似的…
2014-07-10 cs.CC cs.DS
Counting Subgraphs in Degenerate Graphs
我们考虑的问题的数量的副本的固定图$H$内的输入图$G$。这是一个最好的研究算法图的问题,有许多理论和实际应用。当输入$G$具有有界退化时,我们着重解决这个问题。这是一个丰富的图族,包含所有没有固定子图的图(例如平面图),以及由各种随机过程生成的图(例如偏好连接图)。我们说,$H$是容易的,如果有一个线性时间算法计数的副本数$H$在输入$G$的有界退化。Chiba和Nishizeki在1985年的一个开创性的结果表明,最多4个顶点上的每个$H$都是容易的。Bera,Pashanasangi和Seshadhri最近将其推广到5个顶点上的所有$H$,并进一步证明了对于每个$k > 5$,都存在一个$k$ -顶点$H$,这并不容易。他们没有解决刻画所有易图$H$的自然问题。Bressan最近提出了一个计算退化图中子图的框架,从这个框架中可以得到图$H$容易的充分条件.在这里,我们表明,这个充分条件也是必要的,从而完全回答Bera-Pashanasangi-Seshadhri问题。我们进一步解决两个密切相关的问题,即表征的图形,很容易计数诱导副本,并计数同态。
2021-12-09 cs.CC cs.DS math.CO
Subgraph Counting with Local Node Differential Privacy
Boston University(波士顿大学)
该研究针对局部节点差分隐私下的子图计数问题,设计了误差最优的非交互式算法,还证明了中心与局部节点差分隐私间的poly(n)差距,拓展了LNDP下可近似的网络统计类型。
2026-10-16 cs.CR cs.DS
Local Fragments, Global Gains: Subgraph Counting using Graph Neural Networks
Indian Institute of Technology Gandhinagar(印度理工学院冈德辛加尔)
本文提出局部k-WL算法和碎片技术,利用图神经网络提高子图计数的表达能力和效率,并展示其在复杂模式计数中的应用。
2025-11-30 cs.DS cs.LG
Faster network motif discovery by counting isomorphic subtrees
American University of Beirut(贝鲁特美国大学);University of Colorado Boulder(科罗拉多大学博尔德分校)
提出利用k-核分解和子树计数技术加速网络模体发现中同构子图计数的算法,证明关键子程序为#P完全,并在11个真实网络上验证了性能提升。
2026-10-01 cs.DS
Exact and Approximate Pattern Counting in Degenerate Graphs: New Algorithms, Hardness Results, and Complexity Dichotomies
研究了$d$ -退化$n$-顶点图$G$中的$k$ -顶点图$H$的同态计数、副本计数和诱导副本计数问题.我们的主要结果建立了详尽和明确的复杂性分类计数子图和诱导子图。我们发现,$G$中的$H$(不一定是诱导的)拷贝可以在时间$f(k,d)\cdot n^{\max(\mathsf{imn}(H),1)}\cdot \log n$中计数,其中$f$是一些可计算的函数,$\mathsf{imn}(H)$是$H$的最大诱导匹配的大小。只要允许模式类具有无界的诱导匹配数,该算法本质上是最优的:除非指数时间假设(ETH)失败,否则对于任何函数$f$,没有算法在时间上运行$f(k,d)\cdot n^{o(\mathsf{imn}(H)/\log \mathsf{imn}(H))}$。在计数诱导子图的情况下,我们得到了一个类似的分类:我们可以在时间$f(k,d)\cdot n^{α(H)}\cdot \log n$上计数$G$中的诱导子图$H$的拷贝数,如果允许模式类具有无界的独立数,则在时间$f(k,d)\cdot n^{o(α(H)/\log α(H))}$上运行的算法是不可能的,除非ETH失败.在语言的参数化的复杂性,我们的结果产生二分法在固定参数易处理和$\#\mathsf{W}[1]$ -硬的情况下,如果我们参数化的模式和退化的主机图的大小。我们的结果意味着,除非ETH失败,否则几…
2021-06-01 cs.CC 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
A Fast Counting Method for 6-motifs with Low Connectivity
$k$ -基元(或小图)是图或网络中$k$节点上的子图。复杂网络中模体的计数是社交网络和生物信息学研究中出现的各种实字图的网络分析中的一个深入研究的问题。特别是三角形计数问题,由于其在理解社交网络行为方面的重要性而受到广泛关注。类似地,具有多于3个节点的子图最近受到了很多关注。虽然在这个问题上已经开发了成功的方法,但大多数现有算法都不能扩展到具有数百万节点和边缘的大型网络。本文的主要贡献是一项初步研究,将Pinar、Seshadhri和Vishal提供的精确计数算法通用化到6个基序的集合。该方法利用小尺寸模体的计数来获得低连通度的6-模体的计数,即包含割点或割边的6-模体的计数。因此,它避免了在计算大型网络中的子图时自然出现的组合爆炸。
2020-02-17 cs.DS cs.SI
Detecting and Counting Small Subgraphs, and Evaluating a Parameterized Tutte Polynomial: Lower Bounds via Toroidal Grids and Cayley Graph Expanders
给定一个图的性质$Φ$,我们考虑问题$\mathtt{EdgeSub}(Φ)$,其中输入是一对图$G$和一个正整数$k$,任务是判定$G$是否包含一个满足$Φ$的$k$ -边子图.具体来说,我们研究了参数化的复杂性$\mathtt{EdgeSub}(Φ)$和它的计数问题$\#\mathtt{EdgeSub}(Φ)$方面的近似和精确计数。我们得到一个完整的图片小封闭属性$Φ$:决策问题$\mathtt{EdgeSub}(Φ)$总是承认一个FPT算法和计数问题$\#\mathtt{EdgeSub}(Φ)$总是承认一个FPTRAS。对于精确计数,我们提出了一个详尽的和明确的标准上的属性$Φ$,如果满足,产生固定参数的易处理性,否则$\#\mathsf{W[1]}$ -硬度。此外,我们的大多数硬度结果在所谓的指数时间假设下都有一个几乎严格的条件下限,排除了$\#\mathtt{EdgeSub}(Φ)$的算法,这些算法在任何可计算函数$f$的时间$f(k)\cdot|G|^{o(k/\log k)}$中运行。作为一个主要的技术成果,我们获得了一个完整的了解的系数的环形网格和选择凯莱图展开$\#\mathtt{EdgeSub}(Φ)$的同态基础。这使我们能够使用Curticapean,Dell和Marx(STOC'17)的复杂性单调性框架来建立精确计数的难度。我们的方法也可以应用到一个参数化的…
2021-04-29 cs.CC cs.DS
Sampling Arbitrary Subgraphs Exactly Uniformly in Sublinear Time
我们提出了一个简单的次线性时间算法,用于从具有$m$边的图$G$中采样任意子图$H$ \emph{exactly uniformly},该算法通过执行以下类型的查询来访问:(1)度查询,(2)邻居查询,(3)对查询和(4)边采样查询。该算法的查询复杂度和运行时间分别为$\tilde{O}(\min\{m, \frac{m^{ρ(H)}}{\# H}\})$和$\tilde{O}(\frac{m^{ρ(H)}}{\# H})$,其中$ρ(H)$是$H$的分数边覆盖,$\# H$是$G$中$H$的拷贝数.对于$r$顶点上的任何团,即,$H=K_r$,我们的算法几乎是最佳的,因为任何算法,样本的$H$从任何分布,具有$Ω(1)$总概率质量的集合上的所有副本的$H$必须执行$Ω(\min\{m, \frac{m^{ρ(H)}}{\# H\cdot (cr)^r}\})$查询。结合Assadi,Kapralov和Khanna [ITCS 2018]的子图$H$数量的$(1\pm \varepsilon)$近似算法的查询和时间复杂度以及Eden和Rosenbaum [APPROX 2018]的近似计数集团的下限,我们的结果表明,在我们的查询模型中,近似计数集团“等同于”完全均匀采样集团,在这个意义上,精确均匀采样和随机近似计数的查询和时间复杂度在彼此的多对数因子内。这与Jerrum,Valia…
2021-03-25 cs.DS
Faster Randomized Worst-Case Update Time for Dynamic Subgraph Connectivity
现实世界的网络很容易崩溃。通常,在基础图$G$中,除了插入或删除边之外,活动顶点集也会随时间变化。一个顶点可能会积极工作,也可能会失败,并暂时被隔离。活动顶点被分组为一个集合$S$。对$S$进行更新,即,失败的顶点重新启动,或者活动顶点失败,并从$S$中删除。动态子图连通性回答由$S$导出的$G$的子图中任意两个活动顶点之间的连通性查询。该问题通过动态数据结构来解决,该结构支持更新并回答连接性查询。在一般无向图中,它的最佳结果包括$\widetilde{O}(m^{2/3})$确定性分摊更新时间、$\widetilde{O}(m^{4/5})$和$\widetilde{O}(\sqrt{mn})$确定性最坏情况更新时间。在本文中,我们提出了一种随机数据结构,它具有$\widetilde{O}(m^{3/4})$最坏情况下的更新时间。
2017-02-28 cs.DS
Accelerating Clique Counting in Sparse Real-World Graphs via Communication-Reducing Optimizations
图挖掘中的一个重要问题是计算大图中特定子图的实例数。寻找大小为k的团(k-cliques)是这个NP难问题的一个例子。不同的团计数算法通过旋转或排序图来避免多次计数相同的团。基于排序的算法包括一个排序步骤,以指导输入图中的边,和一个计数步骤,这是由建立节点或边诱导的子图为主。在基于排序的算法中,kClist是设计用于稀疏真实世界图的最先进算法。尽管kClist的顶点并行实现具有领先的整体性能,但在具有几百万个顶点的图上的实际扩展性并不好。我们提出了CITRON(团计数与流量减少优化),以提高并行可扩展性,从而整体性能的团计数。我们通过放弃kClist的顺序核心排序并使用并行化的度排序来加速排序阶段。我们使用重组的子图数据结构加快了计数阶段,减少了内存流量,改善了扩展瓶颈。我们的排序,紧凑的邻居列表提高了局部性和通信效率,从而导致近线性的并行缩放。CITRON在计数中等大小的团时显著优于kClist,从而增加了用于团计数的实用图形的大小。我们最近意识到ArbCount(arXiv:2002.10047),它的性能往往优于我们。然而,我们相信本文中的分析将有助于任何希望了解k团计数性能特征的人。
2021-12-29 cs.DC cs.DS cs.PF
Asymptotically Optimal Bounds for Estimating H-Index in Sublinear Time with Applications to Subgraph Counting
$h$指数是一种用于衡量用户在出版物环境中的影响力的指标,例如具有许多高度喜欢的帖子的社交网络成员或具有许多高引用出版物的学术领域的研究人员。具体地,用户的$h$索引是最大整数$h$,使得用户的至少$h$发布具有至少$h$单位的正反馈。我们设计了一个算法,给定查询访问用户的$n$出版物和每个出版物的相应的正反馈数,输出一个$(1\pm \varepsilon)$近似的$h$ -索引的这个用户的概率至少$1-δ$在时间\[ O(\frac{n \cdot \ln{(1/δ)}}{\varepsilon^2 \cdot h}), \],其中$h$是实际的$h$ -索引,这是未知的算法先验。然后,我们设计了一个新的下界技术,使我们能够证明,这个界限实际上是渐近最优的这个问题的所有参数$n,h,\varepsilon,$和$δ$。我们的工作是第一次在次线性时间算法,解决获得渐近最优的界限,特别是在误差和置信参数。因此,我们专注于为这项任务设计新的技术。特别是,我们的下界技术似乎相当普遍-为了展示这一点,我们还使用我们的方法来证明一个渐近最佳下界的问题,估计在一个图中的三角形的数量在次线性时间,现在也是最佳的误差和置信度参数。这个结果改进了Eden,Levi,Ron和Seshadhri(FOCS'15)对这个问题的下界,以及将这个下界扩展到其他子图计数问题的多个后续行动。
2022-09-16 cs.DS
From Graph Properties to Graph Parameters: Tight Bounds for Counting on Small Subgraphs
本研究将#IndSub(Φ)问题从图性质推广到图参数,证明了有限陪域非平凡边单调图参数下该问题的紧下界,且适用于模计数与多色版本,同时刻画了陪域规模对问题复杂度的影响。
2024-07-09 cs.CC cs.DS
Approximate Counting via Correlation Decay on Planar Graphs
我们发现了广泛的一类计数问题,相关衰减(强空间混合)意味着平面图上的FPTAS。我们考虑的计数问题的框架是具有任意恒定大小的区域和对称约束函数的Holant问题。我们定义了约束函数的正则性概念,它涵盖了广泛的自然和重要的计数问题,包括所有的多态自旋系统,计数图同态,计数加权匹配或完美匹配,从铁磁伊辛模型转换的子图世界问题,以及所有的计数CSP和Holant问题的对称约束函数的常数。我们的算法的核心是一个固定参数的易处理的算法,计算的精确值的Holant问题的有界树宽的图与定期约束函数。通过利用局部树型属性的顶点小自由图的家庭,参数化的精确算法意味着一个FPTAS的Holant问题在这些图的家庭,每当吉布斯测量定义的问题表现出强的空间混合。我们进一步将递归耦合技术推广到Holant问题,并建立了铁磁Potts模型和子图世界问题的强空间混合。作为结果,我们有新的确定性近似算法的平面图和所有顶点-小-自由图的几个计数问题。
2012-07-16 cs.DS
Optimal Graph Reconstruction by Counting Connected Components in Induced Subgraphs
UC San Diego(圣迭戈大学)
本文提出基于连通分量计数的预言机查询模型,证明自适应重构图需Θ(m log n/log m)次查询,非自适应需Ω(n²)次,并给出两轮自适应的O(m log n+n log² n)算法。
2025-06-10 cs.DS cs.IT cs.LG
Path Sampling: A Fast and Provable Method for Estimating 4-Vertex Subgraph Counts
计算小的子图的频率是跨各个领域的网络分析中的基本技术,特别是在生物信息学和社交网络中。三角形计数的特殊情况受到了广泛的关注。获得4顶点模式的结果是非常具有挑战性的,并且很少有已知的实际结果可以扩展到大规模。事实上,即使是高度优化的枚举代码,在具有数百万条边的图上也需要一天以上的时间。大多数以前的工作,真正的大规模图运行采用集群和大规模并行化。我们提供了一个采样算法,可证明和准确地近似所有4顶点模式子图的频率。我们的算法是基于一种新的技术,3-路径采样和一个特殊的修剪计划,以减少估计的方差。我们提供了我们的算法的准确性的理论证明,并给出了我们的估计的误差和信心的正式界。我们进行了详细的实证研究,并表明,我们的算法提供的估计在1%的相对误差为所有子模式(在一个大类的测试图),而数量级的速度比枚举和其他基于采样的算法。我们的算法需要不到一分钟的时间(在一台商品机器上)来处理一个拥有3亿条边的Orkut社交网络。
2014-11-18 cs.DM cs.DS cs.SI
Asymptotically faster algorithm for counting self-avoiding walks and self-avoiding polygons
我们给出了一个计算自回避行走或自回避多边形的算法,该算法在二维格上运行于时间$\exp(C\sqrt{n\log n})$,在$d$ -维格上运行于时间$\exp(C_dn^{(d-1)/d}\log n)$,对于$d>2$。
2019-11-26 cond-mat.stat-mech cs.DS
Faster estimation of the correlation fractal dimension using box-counting
分形维数被广泛应用于空间数据库和数据采掘等领域,作为数据集偏斜度的度量。用于估计分形维数的最新算法无论是基于盒计数还是近似方案,都表现出线性运行时复杂度。在本文中,我们重新审视了一个相关分形维数估计算法,冗余地重新扫描数据集,并延长这项工作,我们提出了另一种线性的,但更快,更准确的方法,它在一个单一的通道完成。
2009-05-26 cs.DB cs.DS
Vectorized Character Counting for Faster Pattern Matching
许多现代序列比对工具使用称为FM索引的空间有效的数据结构来实现快速字符串匹配。这种数据结构的简洁性给算法设计者带来了独特的挑战。在本文中,我们探讨的机会,并行化的精确和不精确的匹配,并提出了一个有效的SIMD解决方案的OCC部分的算法。我们的实现在一个过程中计算不精确匹配算法步骤所需的所有八个Occ值。我们展示了算法的性能在多核基因组比对,并讨论了内存预取的影响。
2019-09-03 cs.DS
Counting Small Induced Subgraphs: Scorpions Are Easy but Not Trivial
本文反驳了非贫乏图性质计数问题均为 $\#$W[1]-hard 的猜想,证明蝎子图可在 $O(n^4)$ 时间内计数,并基于 ETH 提出能正确捕捉其复杂度的更新猜想。
2025-05-28 cs.CC cs.DS
Parallel Clique Counting and Peeling Algorithms
我们提出了一个新的并行算法$k$ -团计数/上市,具有多对数跨度(并行时间),是工作效率(匹配的工作最好的顺序算法)稀疏图。我们的算法是基于计算低出度的方向,我们提出了新的线性工作和多学科的并行计算算法。我们还提出了新的并行算法产生无偏估计的团计数使用图稀疏化。最后,我们设计了两个新的并行算法来逼近$k$ -团的可扩展子图,其中第一个是$1/k$ -逼近,第二个是$1/(k(1+ε))$ -逼近,并具有多对数跨度。我们的第一个算法不具有多对数跨度,但我们证明了它解决了一个P-完全问题。除了理论结果,我们还实现了算法,并提出了各种优化,以提高其实际性能。在一个30核的双向超线程机器上,我们的算法对$k$ -团计数和$k$ -团分布子图分别获得了13.23- 38.99倍和1.19- 13.76倍的自相关并行加速比.与最先进的并行$k$ -团计数算法相比,我们实现了高达9.88倍的加速比,与现有的$k$ -团分布子图的实现相比,我们实现了高达11.83倍的加速比。我们能够计算的$4$ -团计数的最大的公开可用的图超过两千亿边的第一次。
2021-07-16 cs.DC cs.DS
Faster Exponential-time Algorithms for Approximately Counting Independent Sets
计算图的独立集是一个经典的P-完全问题,即使在二分图的情况下也是如此。我们给出了一个指数时间近似计划,这是比最好的已知算法的确切问题。我们的算法在具有容错$\varepsilon$的一般图上的运行时间至多是$O(2^{0.2680n})$乘以$1/\varepsilon$中的多项式。在二部图上,运行时间中的指数项被改进为$O(2^{0.2372n})$。我们的方法结合了精确指数算法的技术与近似计数的技术。一路上,我们概括(多变量的情况下)的FPTAS辛克莱,Srivastava,Štefankovi和尹近似的硬核配分函数与有界连接常数的图形。此外,我们得到了一个FPTAS计数独立集的图没有顶点的度至少为6,其邻居的度总和为27或更多。根据Sly的结果,不存在适用于最大度为6的所有图的FPTAS,除非$\mbox{P}=\mbox{NP}$。
2021-09-09 cs.DS
Counting large patterns in degenerate graphs
Birkbeck College, University of London(伦敦大学伯贝克学院)
研究在退化图中统计子图的问题,提出了一种改进算法,适用于特定类别的模式图,并展示了其多项式依赖于模式图大小的复杂性。
2026-10-01 cs.DS
Sublinear-Time Algorithms for Counting Star Subgraphs with Applications to Join Selectivity Estimation
我们研究的问题估计值的形式$S_p \triangleq \sum \binom{x_i}{p}$的总和时,一个有能力的样本$x_i \geq 0$与概率成比例的幅度。当$p=2$,这个问题相当于估计选择性的数据库系统中的自连接查询时,可以随机抽样行。我们还研究了$\{x_i\}$是图的度序列时的特殊情况,这对应于当一个图有能力随机采样边缘时,计算图中$p$ -星的数量。我们的算法的$(1 \pm \varepsilon)$ -乘近似的$S_p$查询和时间复杂度$Ø(\frac{m \log \log n}{ε^2 S_p^{1/p}})$。这里,$m=\sum x_i/2$是图中的边数,或者等价地,是数据库表中记录数的一半。类似地,$n$是图中的顶点数和数据库表中唯一值的数量。我们还提供了严格的下限(多对数因子)在几乎所有情况下,即使$\{x_i\}$是一个度序列,并允许使用图的结构,试图得到一个更好的估计。我们不知道任何先前的下限问题的连接选择性估计。对于图的问题,以前的工作,假设采样能力只有\emph{vertices}一致给出了算法与匹配的下限[戈恩,罗恩,和沙维特。\textit{SIAM J. Comput.},25(2011),pp. 1365-1411]。与随机采样边缘的能力,我们表明,可以实现更快的算法近似的星星子图的数量,绕过在此之前的工作的下限。例如,在$S_…
2016-01-17 cs.DS
International Competition on Graph Counting Algorithms 2023
本文介绍了2023年图计数算法国际竞赛(ICGCA),参赛者需在长度约束下计算图路径数,获胜求解器TLDC结合回溯搜索、动态规划与#SAT三种方法,分析表明各方法各有优势。
2023-09-14 cs.DS
Improved 3-pass Algorithm for Counting 4-cycles in Arbitrary Order Streaming
在过去几年中,在流模型中计算小的子图,特别是圈的问题受到了很多关注。在本文中,我们考虑任意顺序的插入只流,提高了国家的最先进的结果计数4个周期。我们的算法计算$(1+ε)$ -近似采取三个通过流和使用空间$O(\frac{m \log n}{ε^2 T^{1/3}})$,其中$m$是在图中的边的数量和$T$是4-循环的数量。
2020-07-27 cs.DS
Improved mixing time for k-subgraph sampling
理解图的局部结构提供了关于图起源的潜在现象的有价值的见解。采样和检查k-子图是理解图的局部结构的广泛使用的方法。本文研究了给定图的k-子图的一致抽样问题。我们分析了几种不同的马尔可夫链蒙特卡罗(MCMC)方法,并获得其混合时间的分析结果,这显着提高了最先进的状态。特别是,我们提高了标准MCMC方法的混合时间上的界限,和最先进的MCMC抽样方法PSRW,使用典型路径参数。此外,我们提出了一种新的采样方法,我们称之为递归子图采样,RSS,其优化的变体RSS+。所提出的方法,RSS和RSS+,明显快于现有的方法。
2020-01-26 cs.DM cs.DS
$(1-ε)$-approximate fully dynamic densest subgraph: linear space and faster update time
我们考虑的问题,保持$(1-ε)$ -近似的denatrium子图(DSG)的无向多重图,因为它经历了边插入和删除(全动态设置)。Sawlani和Wang [SW 20]开发了一种数据结构,对于任何给定的$ε> 0$,该数据结构保持$(1-ε)$近似,其中边缘操作的$O(\log^4 n/ε^6)$最差情况更新时间和报告密度值的$O(1)$查询时间。他们的数据结构是第一个实现接近最佳近似的,并改进了以前的工作,在摊销多对数更新时间[BHNT 15]中保持了$(1/4 - ε)$近似。在本文中,我们开发了一个数据结构的$(1-ε)$ -近似DSG,从两个方面改进了[SW 20]。首先,该数据结构使用线性空间,通过对数因子改善[SW 20]中的空间界限。第二,数据结构在每次更新的分摊$O(\log^2 n/ε^4)$时间中保持$(1-ε)$近似,同时保证最坏情况更新时间是$O(\log^3 n \log \log n/ε^6)$。我们相信,空间和更新时间的改善是有价值的,目前大规模的图形数据集。该数据结构以自然的方式扩展到超图,并在空间和更新时间方面优于建立在[SW 20]基础上的最近工作[BBCG 22]。
2022-10-06 cs.DS
Faster Algorithms for Generalized Mean Densest Subgraph Problem
Baidu Research(百度研究院)
本文针对广义平均稠密子图问题,首次证明标准剥离算法在0<p<1时具有2^{1/p}近似比,并提出更快算法GENPEEL++,在p≥1时达到(2(p+1))^{1/p}近似比,时间复杂度降至O(m log n)。
2023-10-17 cs.DS cs.LG stat.ML
Counting Small Induced Subgraphs: Hardness via Fourier Analysis
通过傅里叶分析,研究了诱导子图计数问题的计算难度,证明了在ETH假设下,某些图性质下的计数问题在时间复杂度上的下界。
2025-12-10 cs.CC cs.DS
Faster Algorithms for Computing Maximal 2-Connected Subgraphs in Sparse Directed Graphs
连通性相关的概念是图论中的基本兴趣。这一领域在过去的四十年里得到了广泛的关注,但仍有许多问题没有得到解决,特别是有向图。一个有向图是2-边连通的(分别是,2-顶点连接的)如果去除任何边(分别,顶点)使图强连通。本文提出了一种计算给定有向图的极大2-边连通子图和极大2-点连通子图的改进算法。这些问题在35年前被首次研究,自20世纪80年代后期以来,具有m条边和n个顶点的图的$\widetilde{O}(mn)$时间算法被称为。相比之下,无向图的相同问题已知在线性时间内可解。Henzinger等人[ICALP 2015]最近为有向情况引入了$O(n^2)$时间算法,从而改善了密集图的运行时间。我们的新算法在时间上运行$O(m^{3/2})$,这进一步提高了稀疏图的运行时间。2-连通性的概念自然地推广到$k>2$的k-连通性。对于k的常数值,我们扩展了我们的一个算法来计算时间上最大的k-边连接$O(m^{3/2} \log{n})$,再次改进了Henzinger等人[ICALP 2015]在$O(n^2 \log n)$时间上运行的最知名算法。
2017-05-30 cs.DS
Faster Streaming and Scalable Algorithms for Finding Directed Dense Subgraphs in Large Graphs
研究大规模有向图中寻找稠密子图的流式与并行算法,提出单次遍历半流式算法及MPC模型改进算法,在保证输出质量的同时显著提升计算效率。
2023-11-18 cs.DS
Counting Stars is Constant-Degree Optimal For Detecting Any Planted Subgraph
本文研究任意植入子图检测问题的计算极限,证明在 p=Ω(1) 时,数星是最优的常数度多项式检测方法,且该类多项式仅能感知植入图的度分布。
2024-03-26 cs.CC cs.DS math.ST
Computing Permanents and Counting Hamiltonian Cycles Faster
本文通过支持快速 r 阶求值的数据结构并结合多变量多点评估方法,将积和式计算与哈密顿回路计数的时间复杂度改进至 2^{n-Ω(√n)}。
2023-09-27 cs.DS