Distributed Reconfiguration of Maximal Independent Sets
研究了一个分布式最大独立集(MIS)重构问题,其中存在两个最大独立集,每个节点都被赋予其成员身份,并且节点需要与它们的邻居进行通信以找到从第一个MIS切换到第二个MIS的重构调度.这样的调度是一个独立集的列表,通过禁止两个邻居在同一步骤中改变它们的成员状态来限制。此外,这些独立的集合应该提供一些覆盖担保。我们表明,获得一个实际的MIS(甚至3-支配集)在每个中间步骤是不可能的。然而,我们提供了有效的解决方案时,中间集只需要是独立的和4-支配,这几乎总是可能的,因为我们充分表征。因此,我们的目标是确定时间表的可能长度和通信轮数之间的权衡。我们证明了在$O(\texttt{MIS}+\texttt{R32})$轮中可以找到一个恒定长度的时间表,其中$\texttt{MIS}$是在最坏情况图中找到MIS的复杂度,$\texttt{R32}$是找到$(3,2)$ -规则集的复杂度。对于有界度图,这是$O(\log^*n)$轮,我们证明了这是必要的。在另一个极端,我们表明,与一个常数轮数,我们可以找到一个线性长度的时间表。
2019-02-20 cs.DC
Average Awake Complexity of MIS and Matching
提出简单随机分布式MIS算法及匹配和顶点覆盖近似算法,实现O(1)平均唤醒复杂度和O(log n)最坏情况轮复杂度。
2023-05-10 cs.DC cs.DS
Distributed Approximation of Maximum Independent Set and Maximum Matching
本文提出了一个简单的分布式$Δ$ -近似算法,用于$\mathsf{CONGEST}$模型中的最大权独立集(MaxIS),该算法在$O(\texttt{MIS}(G)\cdot \log W)$轮中完成,其中$Δ$是最大度,$\texttt{MIS}(G)$是在$G$上计算最大独立集(MIS)所需的轮数,$W$是节点的最大权.我们的算法是随机的还是确定性的取决于\texttt{MIS}算法被用作黑盒。插入MIS的最佳已知算法以$O(\log n \log W)$轮给出随机解,其中$n$是节点数。我们还提出了一个基于着色的确定性$O(Δ+\log^* n)$轮算法。然后,我们将展示如何使用我们的MaxIS近似算法来计算$2$近似的最大权重匹配,而不会产生任何额外的轮惩罚的$\mathsf{CONGEST}$模型。我们使用一个已知的减少模拟算法的线图,而招致拥塞,但我们表明我们的算法是一个广泛的家庭的\emph{local aggregation algorithms},我们描述了一种机制,允许模拟运行在$\mathsf{CONGEST}$模型,而没有额外的开销的一部分。接下来,我们表明,对于最大权重匹配,放宽近似因子($2+\varepsilon$),使我们能够设计一个分布式算法,需要$O(\frac{\log Δ}{\log\logΔ})$轮的任何常数$\varepsilon>0$…
2017-08-01 cs.DC cs.DS
Self-Stabilizing MIS Computation in the Beeping Model
本文在蜂鸣通信模型中提出自稳定的最大独立集计算算法,通过三种基于不同拓扑知识和信道数量的变体,分别实现了O(log n)或O(log n·log log n)轮的高概率稳定时间。
2024-09-02 cs.DC
Distributed MIS in $O(\log\log{n} )$ Awake Complexity
针对分布式MIS算法轮复杂度长期难以突破$O(\log n)$的问题,提出两种随机分布式算法,在CONGEST模型下分别实现$O(\log\log n)$和$O((\log\log n)\log^*n)$的唤醒复杂度,以指数级优于现有轮复杂度下界。
2023-12-19 cs.DC cs.DS
No Truly Sublogarithmic-Round Algorithm for Distributed MIS in the LOCAL Model
Cognifence;Google Research(谷歌研究院)
该研究证明LOCAL模型中分布式MIS不存在真正的次对数轮算法,改进了现有下界并缩小了相关差距,通过构造非树状困难实例与轮消除方法完成分析。
2026-10-13 cs.DC cs.DS
Near-Optimal Scheduling in the Congested Clique
本文提出了三种近似最优的算法调度$\mathsf{CLIQUE}$模型中的$t$作业。首先,我们提出了一个确定性的调度算法,运行在$O(\mathsf{GlobalCongestion} + \mathsf{dilation})$轮的工作,是足够有效的内存。$\mathsf{dilation}$是任何给定作业的最大轮复杂度,而$\mathsf{GlobalCongestion}$是所有作业中的消息总数除以$\mathsf{CLIQUE}$模型的$n^2$的每轮带宽。两者都是任何调度算法的固有下限。然后,我们提出了一种随机调度算法,该算法在$O(\mathsf{GlobalCongestion} + \mathsf{dilation}\cdot\log{n}+t)$轮中运行$t$作业,并且仅要求输入和输出不超过每个节点的$O(n\log n)$位,例如,几乎所有的图形问题。最后,我们从$\mathsf{CLIQUE}$模型调整\emph{random-delay-based}调度算法[Ghaffari,PODC'15],并获得在$O(t / n + \mathsf{LocalCongestion} + \mathsf{dilation}\cdot\log{n})$轮中调度任何$t$作业的算法,其中$\mathsf{LocalCongestion}$与$\mathsf{CLIQUE}$…
2021-02-14 cs.DC
Breaking Barriers for Distributed MIS by Faster Degree Reduction
本研究针对分布式LOCAL模型下的最大独立集求解难题,提出适用于无长度≤6的环的图的亚对数轮算法,将支持该类算法的图围长下限推至7,还反驳了树中MIS算法复杂度的相关猜想。
2025-05-21 cs.DC cs.DS
Faster Deterministic Distributed MIS and Approximate Matching
$ \renewcommand{\tilde}{\widetilde} $针对最大独立集问题提出了一个$\tilde{O}(\log^2 n)$轮确定性分布式算法。通过已知的简化,该轮复杂性还扩展到最大匹配、$Δ+1$顶点着色和$2Δ-1$边着色。这四个问题是分布式图算法中最核心的问题之一,在过去的四十年里得到了广泛的研究。这种改进的轮复杂度更接近最大独立集和最大匹配的$\tildeΩ(\log n)$下限[Balliu et al. FOCS '19]。以前最著名的确定性复杂度为所有这些问题是$Θ(\log^3 n)$。通过粉碎技术,改进也渗透到相应的随机复杂性,例如,$Δ+1$顶点着色的新随机化复杂度现在是$\tilde{O}(\log^2\log n)$轮。我们的方法是先前已知的两种方法的新颖组合,用于开发针对这些问题的确定性算法,即通过网络分解的全局去随机化(例如,[Rozhon,Ghaffari STOC '20; Ghaffari,Grunau,Rozhon SODA' 21; Ghaffari等人SODA '23])和分数解的局部舍入(参见例如,[Fischer DISC '17; Harris FOCS' 19; Fischer,Ghaffari,Kuhn FOCS '17; Ghaffari,Kuhn FOCS' 21; Faour等人SODA '23])。我们考…
2023-03-28 cs.DC cs.DS
Round Elimination via Self-Reduction: Closing Gaps for Distributed Maximal Matching
本研究提出Δ叉树中最大匹配针对随机算法的新下界,解答了开放问题,揭示了树结构中最大独立集与最大匹配的本质复杂度差异,推动了相关问题随机复杂度的研究进展。
2025-05-21 cs.DC cs.DS
Near-Optimal Deterministic Network Decomposition and Ruling Set, and Improved MIS
本文提出近最优确定性分布式网络分解与 O(log log n) 支配集算法,并将 MIS 确定性轮复杂度改进至约 O(log^(5/3) n)。
2024-10-25 cs.DC cs.DS
Distributed Maximal Matching and Maximal Independent Set on Hypergraphs
研究了超图的极大匹配和极大独立集的分布复杂性。超图$H=(V_H,E_H)$的最大匹配是超边的最大不交集$M\subseteq E_H$,MIS $S\subseteq V_H$是使得没有超边完全包含在$S$中的最大节点集。这两个问题都可以通过一个简单的顺序贪婪算法来解决,该算法可以在$O(Δr + \log^* n)$轮中简单地实现,其中$Δ$是最大度,$r$是秩,$n$是节点数。我们表明,对于最大匹配,这种天真的算法是最佳的,在以下意义上。任何解决问题的确定性算法都需要$Ω(\min\{Δr, \log_{Δr} n\})$轮,而任何随机化算法都需要$Ω(\min\{Δr, \log_{Δr} \log n\})$轮。因此,对于任何复杂度为$O(f(Δ, r) + g(n))$形式的算法,如果$g(n)$不太大,特别是如果$g(n) = \log^* n$(由于Linial的下界[FOCS'87],这是对$n$的最佳渐近依赖性),我们就有$f(Δ, r) \in Ω(Δr)$。我们的下界证明是基于轮消除框架,其结构的灵感来自于一个新的轮消除不动点,我们给超图的$Δ$ -顶点着色问题。对于超图的MIS问题,我们表明,$Δ\ll r$,有显着的改进,天真的$O(Δr + \log^* n)$轮算法。我们给出了两个确定性算法的问题。我们表明,超图MIS可以计算在$O(Δ^2\cdot…
2022-11-03 cs.DC cs.DS
The Complexity of Symmetry Breaking in Massive Graphs
本文的目标是了解对称性破缺问题的复杂性,特别是最大独立集(MIS)和密切相关的$β$ -规则集问题,在两个计算模型适合于大规模的图形处理,即$k$ -机模型和图形流模型。我们提出了一些结果。对于$k$ -机器模型中的MIS,我们通过提出$\tilde{O}(m/k^2)$ -轮算法来改进Klauck等人(SODA 2015)的$\tilde{O}(m/k^2 + Δ/k)$ -轮上限。我们还提出了一个$\tildeΩ(n/k^2)$轮下限MIS,第一个下界的对称性破缺问题的$k$机模型。对于$β$ -规则集,我们使用分层抽样,以获得更有效的算法在$k$ -机模型,也在图流模型。更具体地说,我们获得了一个$k$ -机算法,运行在$\tilde{O}(βnΔ^{1/β}/k^2)$轮,并通过使用类似的分层采样技术,我们获得了一遍算法,只插入和插入删除流,使用$O(β\cdot n^{1+1/2^{β-1}})$空间。后一个结果建立了MIS之间的明确分离,已知MIS需要$Ω(n^2)$空间(Cormode等人,ICALP 2019)和$β$ -规则集,甚至适用于$β= 2$。最后,我们提出了一个更快的2-规则集算法的$k$机模型,一个运行在$\tilde{O}(n/k^{2-ε} + k^{1-ε})$轮的任何$ε$,$0 \le ε\le 1$。
2021-05-05 cs.DC cs.DS
Faster Distributed $Δ$-Coloring via a Reduction to MIS
CISPA Helmholtz Center for Information Security(CISPA 亥姆霍兹信息安全中心)
本文通过将$\Delta$-着色问题归约到MIS问题,在LOCAL模型中实现了与$(\Delta+1)$-着色相同的$\tilde{O}(\log^{5/3} n)$轮确定性复杂度,并改进了随机化及有界度图上的复杂度界。
2025-10-18 cs.DC cs.DS
Improved MPC Algorithms for MIS, Matching, and Coloring on Trees and Beyond
我们提出了$O(\log\log n)$轮可扩展的大规模并行计算算法的最大独立集和最大匹配,在树和更一般的图形有界荫度,以及为常数着色树。遵循标准,通过可扩展MPC算法,我们意味着这些算法可以在对于任何正常数$δ<1$具有与$n^δ$一样小的容量/存储器的机器上工作。我们的结果改进了Behnezhad等人[PODC'19]的$O(\log^2\log n)$轮算法。此外,我们的匹配算法可能是最佳的,因为其边界匹配Ghaffari,Kuhn和Uitto [FOCS'19]的$Ω(\log\log n)$条件下限。
2020-08-10 cs.DC cs.DS
Distributed MIS with Low Energy and Time Complexities
本文提出了两种在CONGEST模型下解决极大独立集问题(MIS)的随机分布式算法,在时间复杂度接近最优的同时大幅降低了节点的能量复杂度。
2023-05-23 cs.DC cs.DS
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
Massively Parallel Symmetry Breaking on Sparse Graphs: MIS and Maximal Matching
在过去的几年里,MapReduce、Hadoop或Spark等现代并行范式的成功吸引了人们对大规模并行计算(MPC)模型的极大关注,特别是在图问题上。在这项工作中,我们认为对称性破缺问题的最大独立集(MIS)和最大匹配(MM),这是最深入研究的问题,在分布式/并行计算,在MPC。这些问题是已知的承认有效的MPC算法,如果每台机器的空间是近线性的$n$,在图中的顶点数。然而,正如在文献中所观察到的,这种空间需求通常比我们所能承受的要大得多;特别是当输入图稀疏时。与此形成鲜明对比的是,在每台机器的$n^{1-Ω(1)}$空间的真正次线性区域中,所有已知的算法都采用被认为是低效的$\log^{Ω(1)} n$轮。出于这个缺点,我们参数化我们的算法的荫度$α$的输入图,这是一个广受好评的措施,其稀疏性。我们表明,MIS和MM都承认$O(\sqrt{\log α}\cdot\log\log α+ \log^2\log n)$轮算法使用$O(n^ε)$空间每台机器的任何常数$ε\in (0, 1)$和使用$\widetilde{O}(m)$总空间。因此,对于稀疏图的荫度较小的情况-如无次图、有界亏格图或有界树宽图-,我们得到了一个$O(\log^2 \log n)$轮算法,该算法指数地改进了现有的算法。通过已知的约简,我们的结果也意味着一个$(1+ε)$ -近似的最大基数匹配,一个$(2+ε)…
2019-05-06 cs.DC cs.DS