Group-level Fairness Maximization in Online Bipartite Matching
我们考虑分配有限的资源,以异构客户谁在网上到达的时尚。我们希望“公平”地分配资源,使任何客户群体在整体服务率方面都不会被边缘化。我们研究这是否有可能在网上这样做,如果是这样,什么是一个好的在线分配政策。我们模型这个问题使用在线二分匹配下固定到达,在文献中通常研究的目标下,最大限度地提高客户服务的总数的基本模型。相反,我们研究的目标是最大限度地提高所有群体的最低服务率,并提出两个公平的概念:长期和短期。对于这些公平的目标,我们分析如何竞争力的在线算法可以相比,离线算法知道的顺序的需求提前。为了长期的公平性,我们提出了两个在线算法(采样和池化),它们在不同的制度(没有专门的供应,没有罕见的需求类型,或不平衡的供应/需求)中建立渐近最优。相比之下,在所有这些制度之外,我们表明在线算法的竞争比在0.632和0.732之间。对于短期的公平性,我们证明了完整的二分图,在线算法的竞争比在0.863和0.942之间,我们还推导出一个概率拒绝算法,这是渐近最优的总需求。根据资源的总体稀缺性,我们的采样或池化算法可能是可取的。在线分配最困难的情况发生在总供给刚好满足总需求的时候。我们在公共乘车数据集上模拟了我们的算法,这既证明了我们的算法的有效性,也验证了我们的管理见解。
2021-05-21 cs.DS
Enumerating minimal dominating sets and variants in chordal bipartite graphs
针对弦二部图极小支配集枚举的公开问题,提出多项式延迟与空间的枚举算法,并解决其全支配、连通支配变体的枚举复杂度问题,同时证明相关技术无法直接推广到一般二部图。
2025-08-04 cs.DM cs.DS math.CO
Online Matching in Convex Bipartite Graphs
本文研究凸二分图上的在线匹配问题,针对均匀长度模型提出Flip随机算法,证明其竞争比为2/3且为紧值,同时给出该模型下随机算法竞争比的上界3/4。
2026-09-07 cs.DS
PTAS for Ordered Instances of Resource Allocation Problems with Restrictions on Inclusions
我们考虑的问题,分配一组$I$的$m$不可分割的资源(项目)的$n$客户(球员)竞争的资源的一组$P$。每个资源$j \in I$对于对$j$感兴趣的客户子集具有相同的值$v_j > 0$,而对于其余客户具有零值。每个客户得到的效用是分配给她的资源价值的总和。目标是找到一个可行的资源分配给感兴趣的客户,使得对于Max-Min分配问题(Min-Max分配问题),客户得到的效用的最小值(效用的最大值)最大化(最小化)。最大-最小分配问题也称为\textit{Fair Allocation problem}或\textit{Santa Claus problem}。Min-Max分配问题是不相关并行机上的排序问题,也称为$R \, | \, | C_{\max}$问题。在本文中,我们感兴趣的问题,承认一个多项式时间近似计划(PTAS)的情况下。我们表明,订购的资源和客户的属性是重要的,并铺平了道路的PTAS。对于最大-最小分配问题,我们从可以被视为\textit{convex bipartite graph}的问题的实例开始;存在资源排序的二分图,使得每个客户对一组\textit{consecutive}资源感兴趣(具有积极的评价)。我们证明了PTAS的包含自由的情况下。这类例子等价于二部置换图类。对于Min-Max分配问题,我们也得到了无包含实例的PTAS。这些实例不仅具有理论意义,而…
2016-10-11 cs.DM cs.DS
Online Assignment Algorithms for Dynamic Bipartite Graphs
本文分析了由生产者和消费者节点组成的动态完全二部图中边的增量权重分配问题。目标是在满足一定约束条件的情况下使总成本最小化。成本和约束是边、节点和在线服务请求的属性的函数。这项工作的新颖之处在于,它使用一种方法来解决这个理论问题,实时分布式资源分配模型。本文研究了这种分配问题的变种,其中边,生产者和消费者可以消失和重新出现,或者他们的属性可以随着时间的推移而改变。原始-对偶算法用于解决这些问题,并评估其竞争比。
2011-05-02 cs.DC cs.DS
Online Knapsack Problem and Budgeted Truthful Bipartite Matching
两个相关的在线问题:背包和真实的二分匹配被认为是。对于这两个问题,共同的主题是如何“匹配”到达的左顶点在一个在线的方式与任何可用的右顶点,如果有的话,以便最大化的值的总和匹配的边缘,满足对匹配的左顶点的总重量约束。假设左顶点按均匀随机顺序到达(秘书模型),分别给出了两个几乎相似的算法:$2e$竞争算法和$24$竞争算法.建议的在线二分匹配算法也被证明是真实的:没有任何左顶点误报其出价/权重的动机。这些问题的直接应用包括具有负载均衡的作业分配、广义广告词、众包拍卖以及使能设备到设备通信的蜂窝网络中的无线用户与协作中继的匹配。
2016-11-28 cs.DS
A Faster Algorithm for Cuckoo Insertion and Bipartite Matching in Large Graphs
哈希表在计算机科学中无处不在,用于有效地访问大型数据集。然而,总是需要提供紧凑的存储器利用率而不显著降低查找性能的方法。Cuckoo hashing是一种创建哈希表的有效技术,具有高空间利用率,并提供有保证的恒定访问时间。我们将获得$n$位置和$m$项。每个项目必须放置在由$k$随机哈希函数选择的$k\ge2$位置之一。通过允许单个项目有多个选择,布谷鸟哈希类似于多选择分配方案。此外,它还支持在可能的位置中动态更改项目的位置。我们提出并分析了一种在\emph{linear time}中以高概率和期望运行的布谷鸟哈希插入算法。以前的工作总分配时间分析广度优先搜索,它被证明是线性的,只有在\emph{expectation}。我们的算法发现一个分配(概率为1),只要它存在。相比之下,另一种已知的插入方法,称为\emph{random walk insertion},即使对于可解实例也可以无限地运行。我们还提出了实验结果比较我们的算法与随机游走方法的性能,也为情况下,每个位置可以容纳一个以上的项目。作为推论,我们得到了在一类特殊的稀疏随机二部图中寻找完美匹配的线性时间算法(具有高概率和期望)。我们支持这一点,通过在现实世界的大型数据集上进行实验,在一般的大型二分图中找到最大匹配。我们报告了一个数量级的改善,在运行时间相比,\emph{Hopkraft-Karp}匹配算法。
2019-07-16 cs.DS
Improved Algorithmic Results for Unsplittable Stable Allocation Problems
稳定分配问题是著名的稳定婚姻问题的多对多推广,在那里我们寻求一个二分分配,比如说,工作(不同大小)和机器(不同容量)之间的“稳定”的基础上提交的一组潜在的偏好列表的工作和机器。我们研究了这个问题的一个自然的“不可分割”的变体,每个分配的工作必须完全分配给一台机器。这种不可分割的二部分配问题通常倾向于NP-难,包括以前提出的不可分割的稳定分配问题的变体。我们的主要结果是表明,在另一种稳定性模型下,不可分裂的稳定分配问题在多项式时间内是可解的;虽然这个模型是不太可能承认可行的解决方案比提出的模型ibby McDermid和Manlove,我们表明,在没有可行的解决方案的情况下,我们的方法计算出最小的总拥塞的解决方案(过度填充的所有机器集体超过其能力)。我们还描述了一种技术,四舍五入的解决方案的一个稳定的分配问题,以产生“宽松”的不分裂的解决方案,只有轻度不可行的,每台机器是过度拥挤的最多一个单一的工作。
2014-11-25 cs.DM cs.DS
Online Dominating Set
本文主要研究在线支配集问题及其变形。我们相信这篇论文代表了对在线算法两个局限性的影响的首次系统研究:在不知道未来的情况下做出不可撤销的决定,以及增量,即,必须维护输入的所有前缀的解决方案。这是通过在线算法对两个最佳算法的竞争分析来量化的,这两个算法都知道整个输入,但只有一个必须是增量的。我们还考虑了两个最优算法中较弱的一个对另一个的竞争比。我们考虑重要的图类,区分连通图和不一定连通图。对于经典的图类的树,二部,平面,和一般的图形,我们得到了紧的结果,在几乎所有的情况下。我们还推导出了有界度图类的上界和下界。从这些分析中,我们得到详细的信息,在线算法是增量的必要要求的意义。在某些情况下,必须是增量的完全占在线算法的缺点。
2018-09-13 cs.DS
Generating All Minimal Edge Dominating Sets with Incremental-Polynomial Delay
对于任意m边无向简单图G,给出了一个运行时间为O(m^4 |L| ^2)的生成G的所有极小边控制集的集合L的算法.对于二部图,我们得到了一个更好的结果,我们证明了它们的最小边控制集可以在O(m^4 |L|)的时间内计数。事实上,我们的结果更强;当L是已经生成的最小边控制集的集合时,这两个算法分别以增量多项式延迟O(m^5 |L|)和O(m^4 |L|)生成下一个最小边控制集。我们的算法是量身定制的,并解决了等价的问题,枚举最小(顶点)控制集的线图和线图的二分图,递增多项式延迟,因此在输出多项式时间。图的最小控制集的计数最近被证明是等价于超图的最小断面的计数。超图的最小断面是否能在输出多项式时间内计数是输出敏感计数中一个基本而又具有挑战性的问题,它已经公开了几十年,并引发了该领域的广泛研究。
2012-10-23 cs.DM cs.DS math.CO
Batching and Optimal Multi-stage Bipartite Allocations
在在线市场中的需求与供应的实时匹配的几个应用中,平台允许一些延迟来批量处理需求并提高效率。受这些应用的启发,我们研究了对抗性到达下的最佳权衡。作为我们的基础模型,我们考虑了对抗环境中顶点加权b匹配的K阶段变体,其中在线顶点按阶段和K批到达-与在线到达相反。我们对这个问题的主要结果是一个最优的(1-(1-1/K)^K)-竞争(分数)匹配算法,改进了经典的(1-1/e)竞争比界已知其在线变体(Mehta等人,2007; Aggarwal等人,2011年)。我们还将该结果扩展到具有自由分散的多阶段配置分配的丰富模型(Devanur等人,2016年),这是由视频流媒体平台中的显示广告激励的。我们的主要技术是开发工具来改变算法的“贪婪”和“对冲”之间的权衡跨越阶段。我们依赖于一个特定的基于凸规划的匹配家族,该家族以特定的平衡方式在不同阶段的供应之间分配需求,同时仔细修改跨阶段匹配的平衡性。更准确地说,我们确定了一个序列的多项式与减少的程度被用来作为严格凹正则化的最大权匹配线性规划,以形成这些凸计划。在每个阶段,我们的算法返回相应的正则化最优解作为这一阶段的匹配(通过求解凸规划)。利用这些凸规划的结构性质,并递归地将正则化子连接在一起,我们开发了一个新的多阶段原始-对偶框架来分析竞争比。我们进一步证明了该算法是最优竞争的。
2022-11-29 cs.DS cs.GT
A New Approximation Technique for Resource-Allocation Problems
我们开发了一个舍入方法的基础上随机游走的多面体,这导致了改进的近似算法和完整性差距的分配问题,出现在资源分配和调度。特别是,它将Shmoys和Tardos关于广义指派问题的工作推广到某些工作可以被丢弃的情况。随机二部匹配的新的浓度范围的发展。
2017-12-17 cs.DC cs.DS
Online Multi-Coloring with Advice
本文研究了带建议的在线图的多重着色问题。在蜂窝网络中,经常使用多色来建模频率分配。我们给出了几个几乎紧的上限和下限的最标准的蜂窝网络,道路和六边形图的拓扑结构。对于路,负结果平凡地延续到二部图,并且我们的正结果也对二部图有效。所提供的建议代表了可能获得的信息,例如研究了早期类似时期的数据。
2014-09-05 cs.DS
From Incremental Transitive Cover to Strongly Polynomial Maximum Flow
Centrum Wiskunde & Informatica(数学与计算机科学中心);Utrecht University(乌得勒支大学);Massachusetts Institute of Technology(麻省理工学院);Stanford University(斯坦福大学);University of Bonn(波恩大学)
本文提出更快的强多项式最大流算法,通过增量传递覆盖框架,实现最大二分b-匹配和树宽图上的高效求解。
2025-10-23 cs.DS
Envy-free Matchings in Bipartite Graphs and their Applications to Fair Division
一个具有部分X和部分Y的二部图的匹配称为无嫉妒,如果X中没有不匹配的顶点与Y中的匹配的顶点相邻。每一个完美的配对都是没有嫉妒的,但即使完美的配对不存在,也存在没有嫉妒的配对。我们证明了每个二部图都有唯一的划分,使得所有的无嫉妒匹配都包含在其中一个划分集中。利用这个结构定理,我们提供了一个多项式时间算法,找到一个最大基数的嫉妒自由匹配。对于边加权二部图,我们提供了一个多项式时间算法来寻找一个最大基数的最小总重量的无嫉妒匹配。我们展示了如何嫉妒免费匹配可以用于各种公平的划分问题,无论是连续的资源(“蛋糕”)或离散的。特别地,我们提出了一个对称算法的比例切蛋糕,一个算法的1-out-of-(2n-2)的最小份额分配的离散货物,和一个算法的1-out-of-floor(2n/3)的最小份额分配的离散bads之间的n代理。
2022-04-14 cs.DS cs.GT math.CO
Work-efficient Batch-incremental Minimum Spanning Trees with Applications to the Sliding Window Model
动态维护最小生成树(MST)的算法在并行和串行环境中都受到了广泛的关注。虽然以前的工作已经给出了密集图的最佳算法,所有现有的并行批动态算法执行多项式的工作,每次更新在最坏的情况下,稀疏图。在本文中,我们提出了第一个工作效率的并行批量动态算法的增量MST,它可以插入$\ell$边在$O(\ell \log(1+n/\ell))$工作的期望和$O(\text{polylog}(n))$跨度w.h. p。我们的算法的关键成分是一个算法,用于构建一个压缩路径树的边加权树,这是一个较小的树,包含所有成对最重的边之间的一组给定的标记顶点。使用我们的批量增量MST算法,我们证明了一系列的应用程序,成为有效地解决并行的滑动窗口模型,如图连接,近似MST,测试二分性,$k$ -证书,周期自由,并保持稀疏。
2020-02-13 cs.DC cs.DS
Faster MPC Algorithms for Approximate Allocation in Uniformly Sparse Graphs
本文针对低树荫度图中的分配问题,在MPC模型中提出$(1+ε)$近似算法,通过重新分析已有LOCAL算法将轮复杂度从$O(\log n)$改进为$O(\log λ)$,并实现亚线性单机空间和$\tilde{O}(λn)$总空间。
2025-06-05 cs.DS
Fair allocation of indivisible items with conflict graphs
我们考虑公平分配的不可分割的项目,几个代理商,并添加一个图论的角度来看,这个经典的问题。也就是说,我们引入了以冲突图描述的项对之间的不兼容关系。分配给一个代理的每个项目子集必须在该图中形成一个独立集。因此,将项目分配给代理对应于冲突图的部分着色。每个代理人对每一个项目都有自己的利润估值。针对公平分配,我们的目标是最大化的最低总利润的项目分配给任何一个代理。作为特殊情况,由此产生的优化问题包含分区和独立集。在我们的贡献,我们得出的复杂性和算法的结果取决于给定的图形的属性。我们证明了这个问题对于二部图和它们的线图是强NP-难的,对于弦图、余可比图、双凸二部图和有界树宽图类是伪多项式时间可解的.每个伪多项式算法也可以变成一个完全多项式近似方案(FPTAS)。
2022-11-26 cs.CC cs.DM cs.DS
On the Hardness of Partially Dynamic Graph Problems and Connections to Diameter
近年来,动态图问题的条件下界得到了广泛的关注。虽然许多结果是现在已知的全动态的情况下,这样的界限往往意味着最坏情况下的部分动态设置的界限,它似乎更难以证明摊销的增量和减量算法的界限。在本文中,我们考虑部分动态版本的三个经典问题的图论。基于流行的apturtures,我们表明:--没有算法与摊销更新时间$O(n^{1-\varepsilon})$存在递增或递减的最大基数二分匹配。这显著地改进了Henzinger等人[STOC'15]的稀疏图的$O(m^{1/2-\varepsilon})$界和Kopelowitz、Pettie和Porat的$O(n^{1/3-\varepsilon})$界。我们的线性边界也显得更自然。此外,我们提出的结果将节点添加模型与边插入模型分开,因为Bosek等人[FOCS'14]针对前者存在具有总更新时间的算法$O(m\sqrt{n})$。--对于有向和加权稀疏图中的增量或减量最大流,不存在具有摊销更新时间的算法$O(m^{1-\varepsilon})$。对于部分动态最大流,以前没有这样的下限。此外,对于有向图和无权图或无向图和有权图,不存在具有摊销更新时间的算法$O(n^{1-\varepsilon})$。--对于增量或减量$(4/3-\varepsilon')$,不存在具有摊销更新时间$O(n^{1/2 - \varepsilon})$的算法-近似于未…
2016-05-03 cs.DS
The Online Submodular Assignment Problem
本文提出了广义分配问题的推广——次模分配问题(SAP),通过构造多面体模“水位”向量推广经典注水范式,为在线 SAP 及其积分特例设计了具有 (1-1/e) 或近似竞争比的算法。
2024-12-22 cs.DS
Maintaining Matroid Intersections Online
本文研究在线维护任意拟阵与划分拟阵交的最大独立集问题,通过建立与子模效用分配市场均衡及价格的联系,提出一个 $O(n \log^2 n)$-竞争算法,匹配了二分匹配特例的当前最优界。
2023-09-18 cs.DS
The Online Submodular Assignment Problem
本文提出广义分配问题的推广——次模分配问题(SAP),通过构建多拟阵的“水位”向量推广经典注水范式,为其设计了竞争比为 $(1-\ rac{1}{e})$ 的分数算法,并在小出价等特例下给出了相应的整数算法。
2024-12-25 cs.DS
On Interim Envy-Free Allocation Lotteries
本文研究分配彩票的临时无嫉妒(iEF)概念,提出多项式时间算法在完美匹配实例中计算iEF分配并最大化效率目标,同时将经典租金分配问题推广到随机分配场景。
2024-11-26 cs.DS cs.GT
Approximating Optimum Online for Capacitated Resource Allocation
本文研究容量资源分配问题,提出多项式时间在线算法,相对最优在线算法达到(1/2+0.0115)近似比,并揭示了在线舍入中正相关性对突破1/2界限的关键作用。
2024-06-11 cs.DS
Online Bipartite Matching with Advice: Tight Robustness-Consistency Tradeoffs for the Two-Stage Model
针对两阶段二分匹配问题,提出基于ALPS框架的插值方法,刻画一致性与鲁棒性的紧致权衡,并在合成与真实数据上达到最优性能。
2024-11-04 cs.DS math.OC
Robust Budget Allocation via Continuous Submodular Functions
Massachusetts Institute of Technology(麻省理工学院)
在过去的几年里,资源的最佳分配以最大限度地提高影响力、信息传播或覆盖范围,特别是在机器学习和数据采掘中,已经引起了人们的关注。但在实际应用中,问题的参数很少被精确地知道,使用错误的参数可能会导致不期望的结果。因此,我们从鲁棒优化的角度重新审视了Alon等人(2012)引入的预算分配或二分影响力最大化问题的连续版本。在这种情况下,对手可能会选择置信集内最不利的参数。由此产生的问题是一个非凹凸鞍点问题(或对策)。我们表明,这个非凸问题可以完全解决利用连接到连续的次模函数,并通过解决一个约束次模最小化问题。虽然有约束的子模最小化是很难在一般情况下,在这里,我们建立的条件下,这样的问题可以解决到任意精度$ε$。
2017-06-13 cs.AI cs.DS cs.LG
Stationary Online Contention Resolution Schemes: Theory and Applications to Bayesian Online Resource Allocation
The University of Chicago, Booth School of Business(芝加哥大学布斯商学院)
本文提出静态在线冲突解决方案(S-OCRS),通过最大熵方法构建并分析,改进了匹配和Matroid的在线策略,提供透明算法。
2026-10-08 cs.DM cs.DS cs.GT
Learning-Augmented Online Bipartite Fractional Matching
Harvard John A. Paulson School Of Engineering And Applied Sciences(哈佛大学约翰·A·保罗森工程与应用科学学院);Harvard University(哈佛大学);Daniels School of Business(丹尼尔斯商学院);Purdue University(普渡大学);Institute of Computer Science(计算机科学研究所);University of Wrocław(沃里克大学);National University of Singapore(新加坡国立大学);University of Chicago Booth School of Business(芝加哥大学博世商学院);Yonsei University(延世大学)
该研究针对带建议提示的在线二分图分数匹配问题,提出优于朴素抛硬币策略的加权与无权算法,可扩展至小出价AdWords问题并实现显著提升,同时给出鲁棒性-一致性权衡难度下界,经实验验证有效。
2025-10-29 cs.AI cs.DS cs.LG
Second Price Matching with Complete Allocation and Degree Constraints
本文研究正则度数约束下第二价格匹配问题的可近似性,将 $(3,2)$-正则图近似比改进为 $9/10$,对 $d\geq 4$ 的 $(d,2)$-正则图给出精确算法,并针对商品必须全部匹配的变体证明其近似紧界为 $(1-1/e)$。
2025-05-09 cs.CC cs.DM cs.DS
Private Matchings and Allocations
我们考虑一个私人变量的经典分配问题:给定k个商品和n个代理人与个人,私人的价值函数的捆绑的商品,我们如何分配的代理人之间的货物,以最大限度地提高社会福利?一个重要的特殊情况是当每个代理人最多只需要一种商品,并为每种商品指定她的(私人)价值:在这种情况下,问题就是二分图中的最大权重匹配问题。私人匹配和分配问题在差分隐私文献中没有被考虑,并且有很好的理由:它们显然不可能在差分隐私下解决。非正式地说,分配必须使代理人与他们偏好的商品相匹配,以使社会福利最大化,但这种偏好正是代理人希望隐藏的。因此,我们考虑联合差分隐私的放松约束下的问题:对于任何代理i,没有联盟的代理,除了i应该能够了解代理i的估值函数。在这种设置下,不再发布全部分配-相反,每个代理都被告知要获得什么好处。我们首先表明,每个好的相同的副本的数量很少,它是可以有效地和准确地解决最大权重匹配问题,同时保证联合差分隐私。然后,我们考虑更一般的分配问题,当投标人的估值满足总替代品的条件。最后,我们证明了在联合差分隐私下,如果不需要每种类型的好的多个副本,分配问题不能解决到非平凡的精度。
2016-08-19 cs.CR cs.DS cs.GT
On (Random-order) Online Contention Resolution Schemes for the Matching Polytope of (Bipartite) Graphs
本文研究图匹配约束下的在线竞争解决机制,在对抗/随机顺序及二分/一般图四种变体上同时改进了算法保证与不可能性结果,并统一提升了在线接受/拒绝、探测和定价问题的竞争比。
2024-04-01 cs.DM cs.DS math.CO
A Fast Distributed Stateless Algorithm for $α$-Fair Packing Problems
在过去的二十年里,公平的资源分配问题在各种应用领域都得到了相当大的关注。然而,很少有进展已经取得了一般和常用的$α$ -公平分配的收敛保证分布式算法的设计。本文研究了加权$α$ -公平装箱问题,即在线性约束$Ax \leq b$,$x\geq 0$上最大化目标函数(i)当$α> 0$,$α\neq 1$时的$\sum_j w_j x_j^{1-α}/(1-α)$和(ii)当$α= 1$时的$\sum_j w_j \ln x_j$的问题,其中$w_j$是正权,$A$和$b$是非负的.我们考虑的分布式计算模型,用于包装线性规划和网络效用最大化问题。在此模型下,我们提供了一个分布式算法一般$α$收敛到一个$\varepsilon-$近似解的时间(分布式迭代次数),具有逆多项式依赖的近似参数$\varepsilon$和多对数依赖的问题大小。这是第一个分布式算法加权$α-$公平包装与多对数收敛的输入大小。该算法使用简单的本地更新规则,并且是无状态的(即,它允许异步更新,自稳定,并允许增量和本地调整)。我们还得到了一些结构性的结果,表征$α-$公平分配的$α$的值是不同的。这些结果加深了我们对$α-$公平包装分配中公平性保证的理解,并且还提供了对$α-$公平分配在渐近情况下$α\rightarrow 0$、$α\rightarrow 1$和$α\rightarrow \infty$的行为的深入…
2016-02-16 cs.DC cs.DS
Optimality of Random Regular Graphs in Sparse Network Designs
Tsinghua University(清华大学);Fuqua School of Business, Duke University(杜克大学富卡商学院)
本文证明随机正则图在二分和单分网络设计中达到平均度的渐近下界,实现稀疏网络的最优性能,并通过数值实验验证。
2026-09-02 cs.DS math.CO