Constant Factor Approximation for Capacitated k-Center with Outliers
$k$ -中心问题是一个经典的设施选址问题,在给定一个边加权图$G = (V,E)$的情况下,需要找到$k$顶点$S$的一个子集,使得$V$中的每个顶点都“接近”$S$中的某个顶点.这个基本问题的近似状态是很好理解的,因为已知简单的2-近似算法是紧的。因此,研究了不同的扩展。在容量限制版本的问题,每个顶点被分配一个能力,这是一个严格的上限的客户端的数量设施可以服务,当位于这个顶点。去年Cygan、Hajiaghayi和Khuller [FOCS'12]获得了容量限制的$k$ -中心的常数因子近似,最近An、Bhaskara和Svensson [arXiv'13]将其改进为9-近似。在问题的不同概括中,可以忽略一些客户端(表示为离群值)。在这里,我们另外给出了一个整数$p$,目标是准确地服务于$p$客户端,算法可以自由选择。2001年,Charikar等人[SODA'01]提出了一种3-近似法,用于解决具有离群值的$k$ -中心问题。在本文中,我们考虑一个共同的推广的两个扩展以前分别研究,即我们的工作与能力限制的$k$中心与离群值。我们提出了第一常数因子近似算法,即使在非均匀硬容量的情况下,近似比也为25。
2014-01-13 cs.DS
On Clustering with Discounts
我们研究的$k$ -中位数折扣问题,其中我们给予客户端的非负折扣,并寻求打开在最$k$设施。目标是最小化从每个客户端到其最近的开放设施的距离之和,该距离由其自己的折扣值折扣,最小贡献为零。$k$ -带折扣的中位数统一了许多经典的聚类问题,例如,$k$ -中心,$k$ -中位数,$k$ -设施$l$ -椎体等,我们得到一个双标准常数因子近似使用迭代LP舍入算法。我们的结果改进了先前的最佳近似保证$k$ -中位数折扣[Ganesh et al.,ICALP'21]。我们还设计了双标准常数因子近似算法的拟阵和背包版本的中值聚类折扣。
2021-11-18 cs.DS
Dynamic Windows Scheduling with Reallocation
我们考虑Windows调度问题。该问题是一个受限版本的单位分数装箱问题,在供应链环境中也被称为库存补充问题。简而言之,问题是为客户端调度通信信道的使用。每个客户端ci的特征在于活动周期和窗口wi。在任何给定客户端ci活动的时间段期间,必须存在在任何wi个连续时隙中调度的来自ci的至少一个传输,但是每个时隙在每个信道中最多可以执行一个传输。目标是尽量减少使用的通道数量。我们扩展了以前的在线模型,其中的决定是永久性的,假设客户端可能会以一定的成本重新分配。我们假设这种成本是每次重新分配所支付的恒定金额。也就是说,我们的目标是尽量减少重新分配的数量。我们提出了三个在线重新分配算法的Windows调度。我们评估这些协议的实验表明,在实践中,所有三个实现恒定的摊销重新分配接近最佳的信道使用。我们的模拟还揭示了有趣的重新分配和通道使用之间的权衡。我们引入了一个新的目标函数WS与重新分配,也可以适用于模型的重新分配是不可能的。我们分析这个指标的算法之一,据我们所知,是第一个在线WS协议的理论保证,适用于客户端可能会离开的情况下,分析是对当前的负载,而不是峰值负载。使用以前的结果,我们还观察到的算法之一的信道使用的界限。
2014-04-03 cs.DS
A Tree Structure For Dynamic Facility Location
研究了带有客户端插入和删除的度量设施选址问题。此设置与经典的动态设施定位问题不同,在经典的动态设施定位问题中,客户端集合保持不变,但度量空间可以随时间变化。我们展示了一个确定性的算法,保持一个恒定的因子近似的最佳解决方案在最坏情况下的时间$\tilde O(2^{O(κ^2)})$每个客户端插入或删除度量空间,同时回答查询的成本在$O(1)$时间,其中$κ$表示的双倍维度的度量。对于有界双维的度量空间,更新时间是关于问题参数的多对数。
2019-09-14 cs.DS
Constant-Factor Approximation Algorithms for Parity-Constrained Facility Location Problems
设施选址问题是组合优化中一个重要的优化问题,在理论和实践上都得到了广泛的研究。虽然这个问题已经在各种设置下进行了研究,反映了实际感兴趣的优化问题中的典型结构,但很少有人知道这个问题如何与奇偶性约束相结合。当我们考虑奇偶性在组合学领域的核心作用时,这种理解的不足是相当令人不安的。本文提出了带奇偶约束的设施选址问题的第一常数因子近似算法。作为输入,我们给出了一组设施和客户端的度量,每个设施的开放成本,以及该问题中每个设施的奇偶性要求-奇数,偶数或无约束。目标是打开一个子集的设施,并分配每个客户端到一个开放的设施,以便最小化总的打开成本和分配距离的总和,但受条件是,分配给每个开放的设施的客户端的数量必须具有相同的奇偶性作为其要求。虽然无约束的设施选址问题作为一个放松,这个奇偶约束的推广有无界的差距,我们证明,它产生了一个结构化的解决方案,其奇偶违反可以纠正在很小的成本。这种校正是由算法构造的辅助图上的T-连接规定的。这个图不满足三角不等式,但我们表明,精心选择的一组捷径操作导致一个廉价和稀疏的T-连接。最后,我们展示了一个组合的多步建设的上限约束的校正成本。我们还提出了第一个常数因子近似算法的奇偶约束的k-中心问题,瓶颈优化的变种。
2019-07-06 cs.DS
An Improved Local Search Algorithm for k-Median
我们提出了一种新的局部搜索算法的$k$中值聚类问题。我们表明,该算法的局部最优值给出了一个$(2.836+ε)$近似;我们的结果改进了Arya等人的$(3+ε)$近似局部搜索算法[STOC 01]。此外,计算机辅助分析的自然扩展表明,这种方法可能会导致改善最知名的近似保证的问题。在我们的算法中的新成分是使用一个潜在的功能的基础上最接近和第二接近的设施,每个客户端。具体地说,潜在值是所有客户端上客户端到其最近设施点的距离之和,加上(一个小常数乘以)到其第二最近设施点的截断距离。我们从一个解转移到另一个解,只有当后者可以通过交换常数数量的设施来获得,并且比前者具有更小的潜力。这种细化的潜力,使我们能够避免坏的局部最优的Arya等人。局部搜索算法的基础上,只有解决方案的成本。
2021-11-08 cs.DS
Traffic-Redundancy Aware Network Design
我们考虑信息网络的网络设计问题,路由器可以复制数据,但不能改变它。这个功能允许网络消除数据冗余的流量,从而节省路由成本。我们考虑在这个框架内的两个问题,并设计近似算法。我们研究的第一个问题是流量冗余感知网络设计(RAND)问题。我们给出了一个单个服务器和多个客户端的加权图。服务器拥有许多不同的数据包,每个客户端都需要一个数据包的子集;客户端需求集形成了一个分层集系统。我们的目标是通过单一路径将每个客户端连接到源,从而最大限度地降低最终网络的总体成本。在这里,通过一条边的传输成本是它的权重乘以它携带的不同分组的数量。第二个问题是设施选址问题,我们称之为RAFL。这里的目标是找到从客户端到设施的分配,使得从设施到客户端(沿着非共享路径)路由分组的总成本加上在每个设施处“产生”每个期望分组的一个副本的总成本最小化。我们提出了一个常数因子近似的RAFL和O(log P)近似的RAND,其中P是不同的数据包的总数。我们注意到,P总是至多是所需的不同需求集的数量或客户端的数量,并且通常要小得多。
2011-10-19 cs.DS
Facility Location with Client Latencies: Linear-Programming based Techniques for Minimum-Latency Problems
我们介绍了一个问题,这是一个共同的概括的无容量的设施位置和最小延迟(ML)的问题,设施需要打开服务客户端,也需要被顺序激活之前,他们可以提供服务。形式上,我们给出了一个具有设施开放成本{f_i}的n个设施的集合\F,一个m个客户的集合,以及指定将客户j分配给设施i的成本的连接成本{ c_{ij} },表示仓库的根结点r,以及\F \cup{r}上的时间度量d。我们的目标是打开一个子集F的设施,找到一个路径P开始在r和跨越F,以激活开放的设施,并连接每个客户端j到一个设施\in F,以最小化\sum_{i\in F} f_i + \sum_{clients j}(c_{ϕ(j),j} +t_j),其中t_j是所采取的时间沿路径P到达c_{ϕ(j),j}(j)。我们称之为最小延迟无容量设施定位(MLUFL)问题。我们的主要结果是O(\log n \max{\log n,\log m})-近似MLUFL。我们还表明,在这种近似保证的任何改进,意味着改进组斯坦纳树的(当前最佳)近似因子。我们获得了两个自然的特殊情况下的问题的常数近似:(a)相关MLUFL(度量连接成本是时间度量的标量倍数);(b)度量均匀MLUFL(度量连接成本,不成形的时间度量)。我们的基于LP的方法是通用的,并且很容易适应于在各种更一般的设置中产生MLUFL的近似保证,例如(i)当客户端的延迟成本是其所连接的设施所面临…
2010-09-13 cs.DS
Dynamic Facility Location via Exponential Clocks
\emph{dynamic facility location problem}是Eisenstat、Mathieu和Schabanel提出的经典设施选址问题的推广,用于模拟不断发展的社会/基础设施网络的动态。概括在于客户端和设施之间的距离度量随时间变化。这导致了在优化经典目标函数和解决方案的“稳定性”之间的权衡:每当客户端改变其连接的设施时,都会收取切换成本。虽然经典问题的标准线性规划(LP)松弛自然延伸到这个问题,传统的LP舍入技术不,因为它们通常对导致频繁切换的度量的微小变化敏感。提出了一种新的设施选址问题的LP舍入算法,该算法给出了动态设施选址问题的第一常数近似算法。我们的算法在客户端和设施上安装竞争指数时钟,并通过重复遵循邻域中最小时钟的路径连接每个客户端。指数时钟的使用产生了几个属性,区分我们的方法从以前的LP-网络设施的位置问题。特别是,我们使用\emph{no clustering},并允许客户端通过\emph{arbitrary lengths}的路径进行连接。事实上,聚类自由的性质,我们的算法是至关重要的应用我们的LP舍入方法的动态问题。
2014-11-17 cs.DS
Consistent Hashing with Bounded Loads
由于各种原因,在动态设置中为客户端到服务器的平衡分配设计算法是一个具有挑战性的问题。服务器和客户端都可以周期性地从系统中添加和/或移除,并且分配算法的主要目标是:分配的一致性,以及添加或移除服务器或客户端后的移动次数。我们动态设置最流行的解决方案是一致性哈希。然而,一致性哈希的负载平衡并不比客户端到服务器的随机分配更好,因此使用每个$n$,我们预计许多服务器将因$Θ(\log n/ \log\log n)$客户端而过载。在本文中,与$n$客户端和$n$服务器,我们得到一个保证的最大负载为2,而每次更新只移动一个预期的常量客户端。我们采用任意用户指定的平衡参数$c=1+ε>1$。在系统中使用$m$球和$n$箱时,我们不希望负载高于$\lceil cm/n\rceil$。同时,我们希望绑定在添加或删除球或服务器时必须移动的球的预期数量。与一般的下界相比,没有容量限制,我们表明,在我们的算法中,当一个球或箱被插入或删除,球的预期数量,必须移动的增加只有一个乘法因子$O({1\over ε^2})$的$ε\le 1$(定理4)和一个因子$1+O(\frac{\log c}c)$的$ε\ge 1$(定理3)。从技术上讲,后一个界限最难证明。这意味着我们对于超常数$c$只需要付出微不足道的额外移动成本。我们也得到了相同的界限,为更简单的问题,而不是一个用户指定的平衡参数有一个固定的箱容量$C$…
2017-07-27 cs.DS
Dynamic clustering to minimize the sum of radii
在本文中,我们研究的问题,开放的中心集群的一组客户端在度量空间,以最小化的中心和集群半径的成本之和,在一个动态的环境中,客户端到达和离开,解决方案必须有效地更新,同时保持竞争力,相对于当前的最优解。我们称之为动态半径和聚类问题。我们提出了一个数据结构,保持一个解决方案,其成本是在一个恒定的因素内的最佳解决方案的成本在度量空间有界的双倍维数和最坏情况下的更新时间是对数的参数的问题。
2017-07-09 cs.DS
Universal Algorithms for Clustering Problems
本文提出了聚类问题的通用算法,包括广泛研究的$k$ -median,$k$ -means和$k$ -center目标。输入是包含所有潜在客户端位置的度量空间。该算法必须选择$k$集群中心,以便它们对于实际实现的任何客户端子集都是一个很好的解决方案。具体来说,我们的目标是低后悔,定义为算法的解决方案和最优解决方案的成本之间的差异的所有子集的最大值。如果对于所有客户端$C'$子集,它满足$SOL(C') \leq α\cdot OPT(C') + β\cdot MR$,则用于聚类问题的通用算法的解决方案$SOL$被称为$(α, β)$近似,其中$OPT(C')$是客户端$C'$的最优解决方案的成本,并且$MR$是任何解决方案可实现的最小遗憾。我们的主要结果是通用算法的标准聚类目标的$k$ -中位数,$k$ -手段,和$k$ -中心,实现$(O(1), O(1))$ -近似。这些结果是通过一个新的框架,通用算法使用线性规划(LP)松弛。这些结果推广到其他$\ell_p$ -目标和设置的一些子集的客户端是固定的。我们还给出了一些困难的结果,证明了即使对于广泛研究的欧氏度量空间的特殊情况,如果$α$或$β$至多为某个常数,则$(α, β)$ -逼近也是NP-困难的.这表明,在某种意义上,$(O(1), O(1))$ -近似是最强的类型的保证可获得的通用聚类。
2021-07-14 cs.DS
Approximating capacitated $k$-median with $(1+ε)k$ open facilities
在有能力约束的$k$ -中位数(\CKM)问题中,我们给出了一组设施$F$,每个设施$i \in F$具有一个能力$u_i$,一组客户端$C$,一个度量$d$在$F \cup C$和一个整数$k$ .目标是在$F$中打开$k$设施,并将客户端$C$连接到打开的设施,使得每个设施$i$最多由$u_i$客户端连接,从而最小化总连接成本。本文给出了\CKM的第一常数逼近,它只违反基数约束一个因子$1+ε$。这推广了[Li 15]的结果,该结果仅适用于均匀电容约束的情况。此外,我们得到的近似比是$O\big(\frac{1}{ε^2}\log\frac1ε\big)$,这是一个指数的改善比$\exp(O(1/ε^2))$在[Li 15]。该问题的自然LP松弛是\CKM算法的基础,即使$(2-ε)k$设施可以打开,也存在无界的完整性间隙。我们引入了一种新的配置LP的问题,克服了这种完整性差距。
2015-07-11 cs.DS
On Variants of Facility Location Problem with Outliers
在这项工作中,我们研究了两个变种的设施选址问题(FL)的扩展,使他们强大的几个遥远的客户端。首先,$k$ -设施选址问题($k$ FL)是FL和$k$中值问题的一个常见推广,是文献中研究得很好的问题。在第二种变体中,下界设施位置(LBFL),我们给出了一个开放设施必须服务的最小客户端数量的界限。在许多应用中,如商业中的盈利能力和运输问题中的负载均衡,都需要下界。在这两种情况下,解决方案的成本可能会因一些遥远的客户端(称为离群值)而大幅增加。因此,在这项工作中,我们扩展了$k$ FL和LBFL,使它们对离群值具有鲁棒性。对于具有离群值的$k$ FL($k$ FLO),我们给出了违反基数要求+1的第一(常数)因子近似。作为副产品,我们还获得了基于LP舍入的FLO的第一近似。对于LBFLO,我们提出了一个三准则的解决方案,在下界的违规和离群值的数量之间进行权衡。在下界违反$1/2$的情况下,我们得到离群值违反$2$的情况。
2021-07-01 cs.DS
The Subset Assignment Problem for Data Placement in Caches
我们介绍了子集分配问题,其中不同大小的项目被放置在一组有限容量的箱子。物品可以复制并放置在箱子的任何子集中。每个(项目,子集)对都有一个相关的成本。一般来说,不将物品分配到任何垃圾箱都不是免费的,并且可能是最昂贵的选择。目标是在不超过箱子容量的情况下,最小化将项目分配给子集的总成本。这个问题的动机是由不同的成本/性能规格的内存银行组成的高速缓存系统的设计。在多于一个存储体中复制数据项的能力可以在存储器故障的情况下以更快的恢复时间有益于系统的整体性能。对于该设置,数据对象(项)的数量$n$非常大,并且存储体(箱)的数量$d$是小常数(大约为$3$或$4$)。因此,目标是确定最佳时间分配,使对$n$的依赖性最小化。这个问题的积分版本是NP难的,因为它是背包问题的推广。我们专注于一个有效的解决方案,LP松弛分数分配的项目的数量将最多$d$。如果数据对象相对于存储体的大小较小,则从高速缓存中排除部分分配的数据项的效果将较小。我们给出了一个算法,解决了LP松弛和运行在时间$O({3^d \choose d+1} \text{poly}(d) n \log(n) \log(nC) \log(Z))$,其中$Z$是最大的项目大小和$C$的最大存储成本。
2016-10-01 cs.DS
Algorithms for Optimal Replica Placement Under Correlated Failure in Hierarchical Failure Domains
在数据中心,数据复制是用于确保客户数据可用性的主要方法。为了避免相关故障,云存储基础设施提供商使用树来对分层故障域进行建模,并且避免将大量数据副本放置在同一故障域内(即,在树的同一分支上)。典型的最佳实践确保副本分布在故障域,但相对较少的是已知的关于分布数据副本的优化算法。使用一个层次模型,我们回答如何跨故障域的副本最佳分配。我们制定了一个新的优化问题,在数据中心的副本放置。作为我们的问题的一部分,我们正式和解释一个新的标准,优化副本的位置。我们的总体目标是选择相关故障禁用尽可能少的副本的位置。我们提供了两个优化算法的依赖模型表示的树。我们首先提出了一个$O(n + ρ\log ρ)$时间动态规划算法放置$ρ$副本的一个单一的文件上的叶子(代表服务器)的树与$n$顶点。接下来我们考虑放置$m$数据块的副本的问题,其中每个块可能具有不同的复制因子。对于这个问题,我们给出了一个精确的算法,它运行在多项式时间时的偏斜,最大和最小的数据块之间的副本数量的差异,是常数。
2017-04-20 cs.DC cs.DM cs.DS
A Constant-Factor Approximation for Directed Latency
Institute for Operations Research, ETH Zurich(苏黎世联邦理工学院运筹学研究所);IDSIA, USI-SUPSI(意大利瑞士应用信息科学研究院)
本文提出了一种新的分桶方法,在多项式时间内实现了有向延迟问题的常数因子近似,通过改进线性规划松弛并减少猜测的强度,得到可行解。
2026-06-20 cs.DM cs.DS
An O(loglog n)-Approximation for Submodular Facility Location
在次模块化设施选址问题(SFL)中,我们给出了度量空间中的$n$客户和$m$设施的集合。一个可行的解决方案包括将每个客户端分配给某个设施。对于每一个客户端,一个必须支付的距离相关的设施。此外,对于每个设施$f$,我们分配的客户端$S^f$的子集,一个必须支付的开放成本$g(S^f)$,其中$g(\cdot)$是一个单调的子模块功能与$g(\emptyset)=0$。SFL是APX困难的,因为它包括经典的(度量无容量限制)设施选址问题(具有统一的设施成本)作为特殊情况。Svitkina和Tardos [SODA '06]给出了SFL的当前最佳$O(\log n)$近似算法。同样的作者提出的开放问题是否SFL承认一个常数近似,并提供这样一个近似的一个非常有限的特殊情况下的问题。通过给出一个$O(\log\log n)$近似,我们对上述开放问题的解决取得了一些进展。我们的方法是相当灵活的,可以很容易地扩展到泛化和SFL的变种。更详细地说,我们实现了SFL的实际相关的推广,其中每个设施的开放成本$f$的形式为$p_f+g(S^f)$或$w_f\cdot g(S^f)$,其中$p_f,w_f \geq 0$是输入值相同的近似因子。我们还得到了一个改进的近似算法相关的通用随机设施选址问题。在这个问题中,给定一个经典的(度量)设施位置实例,并事先将每个客户端分配给某个设施。然后从某个给定的分布中…
2022-11-10 cs.DS math.OC
Approximation Algorithms for Hard Capacitated $k$-facility Location Problems
研究了有容量限制的$k$ -设施选址问题,其中给定一组有需求的客户,一组有容量的设施,以及一个常数$k$ .打开设施$i$需要$f_i$,打开设施$i$需要$c_{ij}$,服务于客户端$j$的一个需求单位。目标是在最大限度地开放$k$设施以满足所有需求并满足容量限制的同时,使服务和开放成本之和最小化。在本文中,我们给出了第一个完全多项式时间近似计划(FPTAS)的单汇(单客户端)容量限制的$k$设施选址问题。然后,我们证明了容量限制的$k$设施选址问题的统一能力是可解的多项式时间,如果客户端的数量是固定的,通过减少它的运输问题的集合。第三,我们分析了结构的极值点解决方案,并检查这种结构的效率在设计近似算法的容量限制$k$设施选址问题。最后,我们推广了已有的结果,得到了一个改进的近似算法。
2014-09-12 cs.DS math.OC
Local-Search based Approximation Algorithms for Mobile Facility Location Problems
我们考虑{ \em移动设施定位}(\mfl)问题。我们得到一组位于公共度量空间中的设施和客户端。其目标是将每个设施从其初始位置移动到目的地,并将每个客户端分配到某个设施的目的地,以便使设施的移动成本和客户端分配成本之和最小化。这抽象的设施位置设置,其中一个有移动设施从其当前位置到其他目的地的灵活性,以便更有效地为客户提供服务,减少他们的分配成本。我们给出了该问题的第一个{ \em local-search based}近似算法,并获得了最佳近似保证。我们的主要结果是$(3+ε)$ -近似为这个问题的任何常数$ε>0$使用本地搜索。以前的最佳保证是基于LP舍入的8-近似算法。我们的保证{ \em matches}是$k$ -中位数问题的最佳近似保证。由于存在从$k$ -中值问题到\mfl的近似保持约简,因此我们的结果的任何改进将意味着$k$ -中值问题的类似改进。此外,{ \em我们的分析是紧密的}(直到$o(1)$因子),因为用于$k$ -中值的基于局部搜索的3-近似算法的紧密示例可以容易地适于示出我们的局部搜索算法具有3的紧密近似比。分析的主要新奇之一是,为了生成一个合适的本地搜索移动的集合,其产生的不平等产生所需的本地最优成本的约束,我们定义了一个树状结构,(松散地说)功能作为一个“递归树”,使用它,我们产卵本地搜索移动探索这棵树的一个恒定的深度。
2013-01-18 cs.DM cs.DS
Catch Me if You Can: Effective Honeypot Placement in Dynamic AD Attack Graphs
University of Adelaide(阿德莱德大学)
本研究针对动态大型AD攻击图,提出基于混合整数规划和聚类的蜜罐部署策略(dyMIP(m)),在Stackelberg博弈框架下实现近似最优阻断,并证明其有效性。
2023-12-28 cs.AI cs.CR cs.DS
QoS Constrained Optimal Sink and Relay Placement in Planned Wireless Sensor Networks
我们在给定的位置给出一组传感器,一组潜在的位置放置基站(BS,或汇),和另一组潜在的位置放置无线中继节点。存在用于放置BS的成本和用于放置中继的成本。我们考虑的问题是选择一组BS位置,一组中继位置,以及传感器节点与所选BS位置的关联,使得从每个传感器到其BS的路径中的跳数由hmax限制,并且在所有这样的可行网络中,所选网络的成本是最小的。跳数界限足以确保在轻业务模型下在给定的最大延迟内将数据递送到BS的特定概率。我们观察到这个问题是NP难的,甚至很难在一个常数因子内近似。对于这个问题,我们提出了一个多项式时间的近似算法(SmartSelect)的基础上提出的中继放置算法在我们早期的工作,随着修改的贪心算法加权集覆盖。我们分析了该算法的最坏情况下的近似保证。我们还提出了一个多项式时间启发式,以改善SmartSelect提供的解决方案。我们的数值结果表明,该算法提供了良好的质量解决方案,在各种随机生成的网络场景中使用非常少的计算时间。
2014-01-11 cs.DM cs.DS cs.NI
Minimizing Uncertainty through Sensor Placement with Angle Constraints
University of Maryland(马里兰大学);University of Minnesota(明尼苏达大学)
我们研究的问题,在环境中,定位是必要的,如ad-hoc无线传感器网络,允许放置几个锚,知道自己的位置或传感器阵列,跟踪目标的传感器位置。在大多数情况下,定位的质量取决于目标和观察它的传感器对之间的相对角度。在本文中,我们考虑放置少量的传感器,以确保良好的角度$α$-覆盖:给定$[0,π/2]$中的$α$,对于每个目标位置$t$,必须有至少两个传感器$s_1$和$s_2$,使得$\angle(s_1 t s_2)$在间隔$[α, π-α]$中。在这样的问题中遇到的主要困难之一是,由于约束依赖于至少两个传感器,建立一个解决方案必须考虑所选择的传感器之间的固有依赖性,一个通用的集覆盖技术不考虑的功能。我们介绍了一个一般的框架,保证了任意接近$α$的任何$α<= π/3$的角度覆盖,并将其应用到各种问题,以获得双标准近似。当角覆盖被要求是至少一个恒定的分数$α$,我们得到的结果是严格优于标准的几何集覆盖方法。当角覆盖要求至少为$(1-1/δ)\cdotα$时,我们获得了平面上具有$α$-覆盖的传感器布置的$\mathcal{O}(\log δ)$-近似。在存在额外的距离或可见性约束的情况下,该框架给出了$\mathcal{O}(\logδ\cdot\log k_{OPT})$-近似,其中$k_{OPT}$是最优解的大小。我们还使用我们的框架来给出$\mathcal{O}(\log δ)$-…
2016-07-20 cs.CG cs.DS cs.RO
First Approximation for Uniform Lower and Upper Bounded Facility Location Problem avoiding violation in Lower Bounds
随着人们越来越重视电子商务市场平台,我们在卖家和买家之间建立了一个中央平台,因此检查中央商店的可用性和盈利能力变得非常重要。一个商店服务太少的客户可能是无利可图的,一个商店得到太多的订单可能会导致不良服务的客户,这可能是不利的业务。在本文中,我们研究的设施选址问题(FL)的上,下界的客户数量的开放设施服务。常数因子近似是已知的限制变量的问题,只有上限或只有下限。唯一处理两边边界的工作违反了两个边界[8]。在本文中,我们提出了第一(常数因子)近似的问题违反上限的一个因素(5/2),而不违反下限时,下,上界是一致的。我们首先给出了一个三准则(常数因子)近似违反的上限和下限,然后摆脱违反下限通过转换的问题实例的容量限制的设施选址问题的一个实例。
2021-06-25 cs.CC cs.DS
BinomialHash: A Constant Time, Minimal Memory Consistent Hash Algorithm
本文提出 BinomialHash 一致性哈希算法,实现常数时间查找与最小内存占用,并通过伪代码、理论证明及对比实验验证其性能与边界。
2025-03-17 cs.DC cs.DS