Virtual Network Embedding Approximations: Leveraging Randomized Rounding
虚拟网络嵌入问题(VNEP)抓住了当今基础设施提供商的许多资源分配问题的本质,这些基础设施提供商向客户提供其物理计算和网络资源。客户以虚拟网络的形式请求资源,即作为指定节点处的计算要求和边缘上的通信要求的有向图。虚拟网络在共享物理基础设施上的嵌入是(虚拟)节点到物理服务器的联合映射以及(虚拟)边缘到连接相应服务器的物理网络中的路径的映射。这项工作启动了VNEP的近似算法的研究。具体来说,我们研究了离线设置与准入控制:给定多个请求图的任务是嵌入最有利可图的子集,而不超过资源容量。我们的近似是基于线性规划(LP)解决方案的随机舍入。有趣的是,我们发现,在考虑一般虚拟网络拓扑时,VNEP的标准LP公式表现出固有的结构缺陷:其解决方案无法分解为有效的嵌入。反过来,专注于仙人掌请求图类,我们设计了一种新的LP配方,其解决方案可以分解成凸组合的有效嵌入。证明我们的舍入方案的性能保证,我们得到的第一个近似算法的VNEP的资源增加模型。我们提出了两种类型的舍入算法,并在广泛的计算研究中评估其性能。我们的研究结果表明,随机舍入可以产生良好的解决方案(即使没有增广)。具体而言,启发式舍入实现了基线利润的73.8%,同时没有超过容量。
2018-05-04 cs.DS cs.NI
Graph Pricing with Limited Supply
我们研究了具有顶点容量但没有传统无嫉妒约束的图定价的近似算法。具体来说,我们有一组项目$V$和一组客户$X$,其中每个客户$i \in X$都有一个预算$b_i$,并且对一组项目$S_i \subseteq V$和$|S_i| \leq 2$感兴趣。但是,每个项目的供应量有限:我们只有项目$v$的$μ_v$副本出售每个$v \in V$。我们应该为每个$v \in V$分配价格$p(v)$,并选择客户的子集$Y \subseteq X$,以便每个$i \in Y$都能负担得起其捆绑包($p(S_i) \leq b_i$),并且最多$μ_v$选择的客户在其捆绑包中对每个项目$v \in V$都有项目$v$。每个客户$i \in Y$都为他们购买的捆绑包支付$p(S_i)$:我们的目标是以最大化收入的方式做到这一点。这样的定价问题已经从无嫉妒的角度进行了研究,我们还必须确保每个$i \notin Y$的$p(S_i) \geq b_i$。然而,我们在设定价格后简单地将商品分配给客户并且不担心无嫉妒条件的版本受到的关注较少。我们的主要结果是一个8-近似的情况下,通过局部搜索和7.8096-近似的简单图与一致的顶点容量。后者是通过结合一个多交换的本地搜索算法的恒定容量和LP舍入算法更大的容量的分析。如果所有的能力是有界的一个常数$C$,我们进一步表明,多交换局部搜索算法产生一个$\left…
2019-12-10 cs.DS
Guruswami-Sinop Rounding without Higher Level Lasserre
Guruswami和Sinop通过求解$O(r)$级Lasserre半定约束,给出了非均匀稀疏割问题的$O(1/δ)$近似保证,条件是代价图和需求图的Laplacian的广义特征值满足一定的谱条件,即$λ_{r+1} \geq Φ^{*}/(1-δ)$ .他们的关键思想是一种舍入技术,首先使用适当缩放的投影将向量值解映射到$[0, 1]$到Lasserre向量。在本文中,我们表明,类似的预测和分析,可以得到只使用$\ell_{2}^{2}$三角不等式约束。这导致在$O(r/δ^{2})$近似保证非均匀稀疏割问题,只添加$\ell_{2}^{2}$三角不等式约束,以通常的半定规划,提供了相同的谱条件,$λ_{r+1} \geq Φ^{*}/(1-δ)$,持有。
2014-06-27 cs.DS
Faster exact and approximation algorithms for packing and covering matroids via push-relabel
拟阵是组合优化的一个基本研究对象。涉及拟阵的三个密切相关的重要问题是最大化$k$独立集的并(即$k$ -fold拟阵并),计算$k$不相交基(又称不相交基),以及如何计算不相交基。拟阵基包装),以及用$k$基覆盖元素(a.k.a.拟阵基覆盖)。这些问题自然地推广到元素上的积分和实值容量。这项工作开发更快的精确和/或近似问题,这些和其他一些密切相关的问题,如最佳加固和拟阵成员。我们得到改进的运行时间一般拟阵的独立预言模型和图形拟阵。我们改进的主要动力来自于为这些问题的整数容量版本开发一个更快和统一的push-relabel算法,建立在Frank和Miklós以前的工作基础上[FM 12]。然后,我们在两个方向上建立这个算法。首先,我们开发了一个更快的增广路径子程序$k$折叠拟阵联盟,当附加到一个近似版本的推重新标记算法,给出了一个更快的精确算法的一些参数的$k$。特别是,我们得到了一个子二次查询运行时间在无容量限制的设置为上面列出的三个基本问题。我们还获得了更快的近似算法,这些问题的实值容量减少到小的整数容量,通过随机舍入。为此,我们开发了一个新的随机舍入技术的基础覆盖问题拟阵,也可能是独立的利益。
2023-03-02 cs.DS
Further Approximations for Demand Matching: Matroid Constraints and Minor-Closed Graphs
我们追求的广义需求匹配问题,一个共同的推广的$b$ -匹配和背包问题的研究。在这里,我们给出了一个图的顶点容量,边利润,和不对称的要求的边缘。我们的目标是找到一个最大利润的边缘子集,使所选择的边缘的需求不违反顶点容量。这个问题是APX困难的,并且已知常数因子近似。我们的结果分为两类。首先,使用迭代松弛和各种过滤策略,我们证明了一个有效的舍入算法,如果一个额外的拟阵结构$\mathcal M$,我们进一步只允许集$F \subseteq E$是独立的$\mathcal M$,自然LP松弛有一个完整性差距最多$\frac{25}{3} \approx 8.333$。这可以在各种特殊情况下进行改进,例如,我们通过给出$7$近似来改进先前研究的耦合放置问题[Korupolu et al. 2014]的15近似。使用类似的技术,我们证明了问题的计算最小成本基地在$\mathcal M$满足顶点容量承认一个$(1,3)$双准则近似。这改进了以前的$(1,4)$ -近似在特殊情况下,$\mathcal M$是给定图上的图形拟阵[Fukanaga和Nagamochi,2009]。第二,我们表明需求匹配承认一个多项式时间的近似计划,排除一个固定的未成年人的图形。如果所有的需求都是多项式有界整数,那么在有界树宽图中使用动态规划就比较容易了。我们的主要技术贡献是一个稀疏化引理,使我们能够在一个更复杂的动…
2017-05-29 cs.DS
Minsum $k$-Sink Problem on Path Networks
我们考虑的问题,定位一组$k$汇的路径网络上的一般边缘容量,最大限度地减少所有疏散时间的总和。本文首先给出了边容量不均匀时的$O(kn\log^4n)$时间算法,其中$n$为顶点数.然后,我们提出了一个$O(kn\log^3 n)$时间算法时,边缘容量是均匀的。我们还提出了一个$O(n\log n)$的时间算法的特殊情况下,$k=1$和边缘容量是不均匀的。
2018-10-24 cs.DS
An approximation algorithm for Uniform Capacitated k-Median problem with 1 + ε capacity violation
研究了有容量约束的k-中位数问题,对于该问题,所有已知的常数因子近似算法要么违反设施数,要么违反容量。虽然标准的LP-松弛只能用于以至少2的因子违反两者之一的算法,但Shi Li [SODA'15,SODA'16]给出了以1+ε的因子违反设施数的算法,探索了扩展松弛的性质。本文提出了一种常数因子近似算法,用于求解均匀容量约束的k-中值问题。该算法是基于配置LP。与违反设施数量的算法不同,我们不能简单地在选定的位置打开额外的设施。相反,我们的算法在精心设计的相关舍入过程中决定设施开放。
2015-11-23 cs.DS
Unrelated Machine Scheduling of Jobs with Uniform Smith Ratios
考虑了一类经典的排序问题,目标函数为极小化完工时间的加权和。最近,对于一个小常数$\varepsilon >0 $,Bansal等人给出了一个$(3/2-\varepsilon)$ -近似算法,改进了独立随机舍入的$3/2$的自然屏障。简单地说,他们的结果是通过增强独立随机舍入通过强负相关特性。在这项工作中,我们采取了不同的方法,并建议使用相同的优雅的舍入计划的加权完成时间的目标,由Shmoys和Tardos设计优化的线性函数的最大完工时间的限制。我们的主要结果是一个$1.21$ -近似算法的自然特殊情况下,一个工作的重量是成比例的处理时间(具体地说,所有的工作有相同的史密斯比),这表示的概念,每个单位的工作有相同的权重。此外,作为舍入的直接结果,我们的算法还实现了一个双标准$2$ -近似的最大完工时间目标。我们的技术贡献是一个严格的分析相比,由简化LP松弛的解决方案的预期成本-我们减少这项任务,以了解某些最坏的情况下,这是简单的分析。
2016-11-03 cs.DS
Bi-Factor Approximation Algorithms for Hard Capacitated $k$-Median Problems
$k$ -设施选址问题是经典问题$k$ -中位数和设施选址问题的推广。目标是选择最多$k$设施的子集,以最小化已打开设施以及客户端和已打开设施之间已建立连接的总成本。我们考虑的硬容量版本的问题,其中一个单一的设施可能只服务于有限数量的客户端和创建多个副本的设施是不允许的。我们构造近似算法略有违反的能力的基础上舍入的分数的解决方案的标准LP。众所周知,如果我们只允许以小于$2$的因子违反容量,或者如果我们只允许以小于$2$的因子违反设施数,则标准LP(即使在均匀容量和开放成本的情况下)具有无界完整性间隙。在本文中,我们提出了第一常数因子近似算法的硬容量限制的变种的问题。对于一致容量,我们得到了一个近似比为$O(1/\varepsilon^2)$的$(2+\varepsilon)$ -容量破坏算法,我们的结果没有得到改进.然后,对于非均匀容量,我们考虑的情况下,$k$ -中位数,这是等价的$k$ -设施位置与设施的均匀开放成本。在这里,我们得到了一个具有近似比$O(1/\varepsilon)$的$(3+\varepsilon)$ -容量破坏算法.
2017-04-24 cs.DS
Minmax-Regret $k$-Sink Location on a Dynamic Tree Network with Uniform Capacities
针对均匀容量动态树网络上流量区间不确定的 Minmax-Regret $k$-Sink Location 问题,本文给出一般 $k$ 的多项式时间算法,突破此前仅 $k=1$ 可解的限制。
2025-07-24 cs.DS
Constant Approximation Algorithm for Non-Uniform Capacitated Multi-Item Lot-Sizing via Strong Covering Inequalities
研究了非均匀容量约束下的多产品批量计划(\lotsizing)问题。在这个问题中,在$T$时间段的规划范围内有一组需求,并且所有需求都必须按时满足。我们可以在每个周期$s$开始时下订单,产生订购成本$K_s$。在时间$s$订购的所有产品的总数量不能超过给定的容量$C_s$。另一方面,不时持有存货会产生存货持有成本。该问题的目标是找到一个可行的解决方案,使订购和持有成本之和最小化。Levi等人(Levi,Lodi和Sviridenko,Mathmatics of Operations Research 33(2),2008)给出了当容量$C_s$相同时该问题的2-近似。在本文中,我们将他们的结果推广到非一致容量的情况。即对具有一般能力的多品种批量问题给出了一个常数近似算法。常数逼近是通过增加一个指数大的新的覆盖不等式的自然设施位置型线性规划松弛的问题。沿着我们的算法的方式,我们减少了\lotsizing问题的经典背包覆盖问题的两个概括。我们给LP为基础的常数近似算法的推广,通过迭代舍入技术。
2016-10-06 cs.DS
Uniform multicommodity flow in the hypercube with random edge capacities
本文给出了$d$维超立方体${Q}^d$中多商品流的两个结果,其中独立随机边容量分布类似于$C$,其中$\Pr[C>0]>1/2$ .首先,该网络很有可能像$d \rightarrow \infty$一样,能够支持所有对映顶点对之间同时发生的体积接近$E[C]$的多商品流。第二,以高概率,该网络可以支持同时多商品流的体积接近$2^{1-d} E[C]$之间的所有顶点对。这两种结果都是最好的。
2016-03-31 cs.DS math.CO math.OC
Improved linearly ordered colorings of hypergraphs via SDP rounding
针对2-LO可着色的3-均匀超图着色问题,本文提出基于SDP取整的方法,通过将问题归约为平衡超图并应用经典取整工具,将多项式时间内的颜色数界限从$\widetilde{O}(n^{1/3})$改进至$\widetilde{O}(n^{1/5})$。
2024-09-23 cs.DS
An EPTAS for Cardinality Constrained Multiple Knapsack via Iterative Randomized Rounding
本文针对均匀基数约束多重背包这一可分离分配问题变体,提出迭代随机舍入方法,将近似比从(1-1/e)提升为高效多项式时间近似方案(EPTAS),基本解决了该问题的复杂度状态。
2024-06-10 cs.DS
Energy Efficient Scheduling and Routing via Randomized Rounding
我们提出了一个统一的框架配置线性规划和随机舍入的基础上,不同的能量优化问题的动态速度缩放设置。我们将我们的框架应用于异构计算和网络环境中的各种调度和路由问题。我们首先考虑在完全异构的环境中,在一组并行速度可扩展的处理器上调度一组作业的能量最小化问题。对于抢占式非迁移和抢占式迁移的变体,我们的方法使我们能够获得几乎相同质量的同质环境的解决方案。通过利用结果的抢占式非迁移的变种,我们能够提高最好的已知的近似比的单处理器非抢占式的问题。此外,我们表明,我们的方法可以获得一个恒定的因素近似算法的功率感知抢占式车间调度问题。最后,我们考虑的最小功率路由问题,我们给出了一个网络建模的无向图和一组统一的需求,必须路由的积分路线从他们的源到目的地,使能源消耗最小化。我们改进了这个问题的最佳已知的近似比。
2014-03-19 cs.DS
Centrality of Trees for Capacitated k-Center
我们对网络选址问题的无容量限制和容量限制版本的理解存在很大的差异。这也许是最好的说明了经典的k-中心问题:有一个简单的紧2-近似算法的无容量的版本,而第一个常数因子近似算法的一般版本的能力,只是最近才获得通过使用一个复杂的舍入算法,实现了近似保证在数百。我们的论文旨在弥合这一差异。对于容量限制的k-中心问题,我们给出了一个简单的算法,一个干净的分析,使我们能够证明近似保证9。它使用标准的LP松弛,并接近解决完整性差距(在必要的预处理后),缩小到7,8或9。该算法首先减少到特殊的树的情况下,然后解决这些情况下最佳。我们的概念树的实例是非常通用的,并适用于自然变种的能力限制的k-中心问题,我们也得到了改进的算法。最后,我们给出的证据表明,更强大的预处理可能会导致更好的算法,通过给出一个近似算法,击败的完整性差距的情况下,所有的非零容量是均匀的。
2013-04-10 cs.DS
Minmax Regret for sink location on paths with general capacities
在动态流网络中,每个顶点都以需要运送到指定汇的物品(流)开始。所有边都有两个相关的量:长度,即粒子穿过边所需的时间,以及容量,即单位时间内可以进入边的流量单位数。我们的目标是将所有的流移到汇。这个问题的一个变体,模拟疏散协议,是找到最小化疏散时间的水槽位置,限制流量汇流。解决这个问题是NP-困难的一般图,因此,研究的最佳算法传统上被限制在特殊的图,如道路,和树。鲁棒优化的一个专门版本是minmax REGRET,其中顶点处的输入流仅部分由约束定义。我们的目标是找到一个汇的位置,有最小的{遗憾}的所有输入流,满足部分定义的约束。对于一个完全定义的输入流和一个汇的后悔被定义为该汇的疏散时间和最佳疏散时间之间的差异。最近的大量文献推导出多项式时间算法的最小最大遗憾$k$ -sink定位问题的路径和树的简化条件下,所有的边缘有相同的(均匀)的能力。针对一般(非均匀)容量路径上的极小极大遗憾$1$ -汇问题,提出了一个$O(n^4 \log n)$时间算法.据我们所知,这是第一个极大极小遗憾结果的动态流问题在任何类型的图一般能力。
2020-01-21 cs.DS
Approximating Non-Uniform Sparsest Cut via Generalized Spectra
我们给出了一个非均匀稀疏割的近似算法,保证了:对于任意的$ε,δ\in (0,1)$,给定代价图和需求图,边权分别为$C, D$,我们可以找到一个集合$T\subseteq V$,其中$\frac{C(T,V\setminus T)}{D(T,V\setminus T)}$至多是最优非均匀稀疏割值的$\frac{1+ε}δ$倍,在时间上$2^{r/(δε)}\poly(n)$提供了$λ_r \ge Φ^*/(1-δ)$ .这里,$λ_r$是成本和需求图的拉普拉斯矩阵的第$r$个最小广义特征值; $C(T,V\setminus T)$(分别为$D(T,V\setminus T)$)是穿过成本削减的$(T,V\setminus T)$的边的权重(分别为需求)图,$Φ^*$是最优切割的稀疏性。换句话说,我们表明,非均匀稀疏割问题是很容易的广义谱增长适度快。据我们所知,在这项工作之前,没有基于非均匀稀疏切割的高阶光谱的结果。即使对于均匀稀疏的切割,我们的结果的定量方面比以前的方法更强。类似的结果也适用于其他扩展措施,如边缘扩展,归一化切割,电导,与$r$的归一化拉普拉斯算子的最小本征值发挥作用的$λ_r$在后两种情况下。我们的证明是基于L1-嵌入向量从半定程序从拉塞尔层次。然后使用标准阈值舍入将嵌入的向量舍入为切割。我们希望将$\ell_1$ -嵌入与Lasserre SDP连接起来的想法…
2012-12-17 cs.DS
Approximation algorithms for Capacitated Facility Location Problem with Penalties
在本文中,我们解决的问题的能力限制设施选址问题的罚款(CapFLPP)支付每单位的未得到服务的需求。如果是无行为能力的FLP,客户的要求要么完全满足,要么完全拒绝,并支付罚款。在无能力的情况下,没有理由为客户提供部分服务。然而,在CapFLPP的情况下,为客户提供部分服务而不是完全不提供服务,并为未满足的需求支付罚款可能是有益的。Charikar et. \cite{charikar2001algorithms},Jain et. \cite{jain2003greedy}和Xu-Xu \cite{xu2009improved}分别给出了无能力情况下的$3$、$2$和$1.8526$近似。我们提出了$(5.83 + ε)$因子的情况下,均匀容量和$(8.532 + ε)$因子的非均匀容量。
2014-09-12 cs.DS
Non-uniform Geometric Set Cover and Scheduling on Multiple Machines
我们考虑下面的一般调度问题最近研究Moseley。存在$n$作业,全部在时间$0$释放,其中作业$j$具有大小$p_j$和其完成时间的相关联的任意非减成本函数$f_j$。目标是找到一个总成本最小的$m$机器的时间表。我们给出了一个$O(1)$近似的问题,改进了以前的$O(\log \log nP)$界($P$是最大最小尺寸比),并解决了莫斯利的公开问题。首先,我们注意到,调度问题可以减少到一个干净的几何集合覆盖问题,在任意需求的线上的点,必须覆盖的最小成本收集给定的时间间隔与非均匀的容量配置文件。不幸的是,目前的技术,这样的问题的基础上背包覆盖不等式和低联盟的复杂性,完全失去了几何结构中的非均匀容量分布,并招致至少一个$Ω(\log\log P)$损失。为此,我们考虑一般覆盖问题的非均匀容量,并给出了一个新的方法来处理能力的方式,完全保持其几何结构。这允许我们以黑盒的方式使用复杂的几何思想,以避免先前方法中的$Ω(\log \log P)$损失。除了上面的调度问题,我们使用这种方法来获得$O(1)$或逆阿克曼型界的几个基本的容量限制覆盖问题。
2020-07-17 cs.DS
The Entropy Rounding Method in Approximation Algorithms
设A是一个矩阵,c是任意线性目标函数,x是一个分数阶向量,比如某个离散优化问题的LP解。然后,在理论计算机科学中(特别是在近似算法中)一个反复出现的任务是获得一个积分向量y,使得Ax大致为Ay,并且c*y仅以适度的因子超过c*x。我们给这个任务一个新的随机舍入过程,提供了一个有界的Delta近似熵。该属性意味着对于在列的任何子集上的{-1,+1}中均匀选择的随机符号chi(j),可以使用期望的次线性比特数来近似地描述结果A*chi。为了实现这一结果,我们修改了著名的技术,从该领域的差异理论,特别是我们依靠贝克的熵方法,据我们所知,这从来没有被使用过的背景下,近似算法。我们的结果可以建设性的使用Bansal框架的基础上半定规划。我们证明了我们的程序的多功能性,四舍五入的分数解决方案,以列为基础的线性规划装箱的一些概括。例如,我们得到了多项式时间的OPT + O(log^2 OPT)近似装箱与拒绝和第一AFPTAS的训练交货问题。
2011-04-24 cs.DS math.CO
A Randomized Rounding Approach for DAG Edge Deletion
针对DAG边删除问题,提出基于顶点标签分布的随机舍入框架,分别获得0.585(k+1)、0.549(k+1)近似比,并证明独立分布下界0.542(k+1),对二分图等实例可达0.5(k+1)。
2025-07-10 cs.DS
The Heterogeneous Capacitated $k$-Center Problem
在本文中,我们开始研究异构容量限制$k$ -中心问题:给定一个度量空间$X = (F \cup C, d)$,和一个收集的容量。目标是在$F$中的唯一设施位置打开每个容量,并将客户端分配给设施,以便分配给任何设施的客户端数量最多为安装的容量;目标是最小化客户端与其分配的设施之间的最大距离。如果所有的能力$c_i$的是相同的,该问题成为研究充分的一致capacitated $k$ -中心问题的常数因子近似是已知的。额外的选择,确定哪些能力应该安装在哪个位置,使我们的问题大大不同于这个问题,以及非均匀的推广研究,迄今为止在文献中。事实上,我们的贡献之一是在有关的异质性问题的特殊情况下,经典的圣诞老人问题。利用这种联系,并通过设计新的算法,我们得到了以下结果:(a)一个准多项式时间的$O(\log n/ε)$ -近似,其中每个容量都被$1+\varepsilon$破坏,(b)一个多项式时间的$O(1)$ -近似,其中每个容量都被一个$O(\log n)$因子破坏.我们得到了{ \em soft-capacities}版本的改进结果,其中我们可以在同一位置放置多个设施。
2016-11-22 cs.DS
An Improved Approximation Algorithm for the Hard Uniform Capacitated k-median Problem
在$k$ -中位数问题中,给定一组位置,目标是选择至多$k$中心的子集,以使连接每个位置到其最近中心的总成本最小化。我们研究了均匀硬容量版本的$k$ -中位数问题,其中每个选定的中心只能服务于有限数量的位置。受Charikar,Guha,Tardos和Shmoys算法的启发,我们给出了一个$(6+10α)$ -近似算法,其容量增加了一个$2+\frac{2}α, α\geq 4$因子,改进了Byrka,Fleszar,Rybicki和Spoerhase提出的最佳$(32 l^2+28 l+7)$ -近似算法,其容量违反了$2+\frac{3}{l-1}, l\in \{2,3,4,\dots\}$因子.
2014-06-17 cs.DS math.OC
Maximum Coverage with Cluster Constraints: An LP-Based Approximation Technique
布局问题是一类重要的优化问题,因为它们具有很高的实用性和理论吸引力。然而,尽管在文献中已经研究了大量的变体,大多数包装问题只包括一个单一的层的容量限制。例如,在多背包问题中,我们将物品分配给多个背包,以使其容量不被超过。但是,如果这些背包被划分为集群,每个集群对集群中包含的背包施加额外的容量限制,那会怎么样呢?本文研究了簇约束的最大覆盖问题(MCPC),它通过引入簇约束推广了背包约束的最大覆盖问题(MCPK)。我们的主要贡献是一个一般的LP为基础的技术,以获得集群容量限制问题的近似算法。我们的技术使我们能够减少集群容量限制的问题,各自的原始包装问题。通过使用基于LP的近似算法的原始问题,我们可以得到一个有效的舍入方案的问题,它只失去了一小部分的近似保证。我们应用我们的技术来获得近似算法MCPC。为此,我们开发了一个基于LP的$\frac12(1-\frac1e)$ -近似算法的MCPK通过调整的pipage舍入技术。结合我们的约简技术,我们得到了MCPC的一个$\frac13(1-\frac1e)$ -近似算法.我们还得到了改进的结果,MCPC的一个特殊情况下,集群约束的多背包问题(MKPC)。基于一个简单的贪心算法,我们的方法产生一个$\frac13$ -近似算法。通过结合我们的技术与一个更复杂的迭代舍入方法,我们得到了$\frac12$ -近似算法的某些特殊情况下的MKPC。
2020-12-08 cs.DS math.OC
Improved Local Search Based Approximation Algorithm for Hard Uniform Capacitated k-Median Problem
本文利用局部搜索启发式算法研究了硬一致容量约束$k$ -中值问题。获得\ckm问题的常数因子近似是开放的。所有现有的解决方案给出常数因子近似,违反至少一个基数和容量约束。除Koruplou等人外,所有人都是基于LP松弛。对于基数破坏因子为$8/3 \approx 2.67$的问题,给出了$(3+ε)$因子近似算法.在我们的工作和现有的工作之间的近似因子和基数违反之间有一个权衡。Koruplou等人使用局部搜索范式给出了在基数中损失$(5 + 5/α)$因子的$(1 + α)$近似因子。虽然近似因子可以任意小,但基数损失至少为$5$。另一方面,我们在因子损失方面改进了[capkmGijswijtL 2013],[capkmshili 2014],[Lisoda 2016]中的结果,尽管在我们的情况下基数损失更多。此外,这些结果是使用LP四舍五入,其中一些被加强,而本地搜索技术是简单的应用,并已被证明在实践中表现良好,通过实证研究。我们将结果推广到硬均匀容量限制的$k$ -中位数与处罚。据我们所知,我们的是这个问题的第一个结果。
2018-04-24 cs.DS
Better Unrelated Machine Scheduling for Weighted Completion Time via Random Offsets from Non-Uniform Distributions
本文考虑工件有释放时间时,不相关机器上最小化加权完工时间之和的经典排序问题,即采用三域表示法的$R | r_{ij} | \sum_j w_j C_j$。对于这个问题,已知基于新的凸规划的2-近似(J. ACM 2001,Skutella)。它一直是一个长期存在的开放问题,如果可以改善后,这2-近似(开放问题8日在J。Schuurman和Woeginger的1999)。我们通过给出1.8786的近似值来肯定地回答这个问题。我们通过一个令人惊讶的简单的线性规划,但一个新的舍入算法和分析。我们的算法的一个关键组成部分是使用从非均匀分布采样的随机偏移。我们还考虑了问题的抢先版本,即$R | r_{ij},pmtn | \sum_j w_j C_j$。我们再次使用非均匀分布的采样偏移的想法,给出这个问题的第一个优于2的近似。这种改进还需要使用配置LP,其中包含每个作业的完整调度的变量以及更仔细的分析。对于非抢占式和抢占式版本,我们第一次打破了近似障碍2。
2016-06-28 cs.DS
Truthful Unsplittable Flow for Large Capacity Networks
在本文中,我们将注意力集中在对策论环境中的大容量不可分割流问题。在这种情况下,存在自私的代理,它们控制着一些请求特征,并且可能对它们不诚实。值得注意的是,在博弈论中,许多标准技术,如随机舍入,违反了某些单调性属性,这是真实性的必要条件,因此不能使用。鉴于这种情况,我们设计了一个单调确定性算法,它是基于一个原始-对偶机制,它达到了$\frac{e}{e-1}$的近似比,直到$ε$的差距。这意味着对当前最佳真实机制的改进,以及对当前最佳组合算法的改进。令人惊讶的是,我们证明了在合理的迭代路径最小化算法的家庭中的任何算法,不能产生更好的近似比。因此,为了实现单调的PTAS,如果存在的话,将必须运用不同的技术。我们还考虑了大容量的\textit{single-minded multi-unit combinatorial auction problem}。这个问题与不可分割流问题密切相关,因为可以将其表示为不可分割流问题的整数线性规划的特殊情况。因此,我们通过改进不可分割流问题的算法获得了可比的性能保证。
2008-04-14 cs.DS cs.GT
Downgrading to Minimize Connectivity
我们研究了通过删除节点来阻断有向图的问题,目标是最小化从给定的源到汇的剩余图的局部边连通性。我们证明了这个基本的顶点封锁问题的严格的单精度近似的难度。我们还介绍和研究了一般的降级变种的阻断问题的能力弧是一个功能的子集,其端点被降级,目标是最小化降级的能力的最小源-汇削减受节点降级预算。例如,当弧的两端都必须降级以移除它时,这将对这种情况进行建模。对于这种推广,我们提供了一个双准则$(4,4)$ -近似,降级节点的总重量最多4倍的预算,并提供了一个解决方案,其中降级的连接从源到汇是最多4倍,在一个最佳的解决方案。我们通过LP松弛和基于LP值的球增长算法来实现这一点。我们进一步推广的降级问题,其中每个顶点可以降级到$k$水平之一,和弧的能力是其两端降级到的水平对的函数。我们推广我们的LP舍入得到这种情况下的$(4k,4k)$ -近似。
2019-11-25 cs.DS
A LP-rounding based algorithm for soft capacitated facility location problem with submodular penalties
针对带次模惩罚且需求整数可分的软容量设施选址问题,提出基于 LP-rounding 的 $(λR+4)$-近似算法,并在统一开放成本下达到近似比 6。
2025-02-17 cs.DS math.CO
Partial Degree Bounded Edge Packing Problem with Arbitrary Bounds
本文研究了文献[5]中提出的偏度有界边装箱问题。他们已经证明,即使是一致度约束,这个问题也是NP难的。对于顶点的度约束分别为1和2,逼近比分别为2和32=11的情况,给出了近似算法。在这项工作中,我们研究了一般的度约束的情况下(任意度约束的每个顶点),并提出了两个组合近似算法的近似因子为4和2。我们还研究了整数规划的求解问题,并给出了一个迭代舍入算法,对于任意正的ε,逼近因子为3/(1 - ε)^2。接下来,我们研究加权边的相同问题。在这种情况下,我们提出了一个O(log n)的近似算法。Zhang在一致度约束下给出了一个精确的O(n^2)复杂度的树算法。我们改进了他们的结果,给出了一般度约束下树的O(nlog n)复杂性的精确算法.
2012-12-17 cs.DS
Improved Approximation Algorithms for Matroid and Knapsack Median Problems and Applications
我们考虑{ \em拟阵中位数}问题\cite{KrishnaswamyKNSS11},其中我们给出了一组设施的开放成本和拟阵上的设施集,和客户端的需求和连接成本,我们试图打开一个独立集的设施和客户端分配到开放设施,以尽量减少设施开放和客户端连接成本的总和。我们给出了一个简单的基于LP-舍入的8-近似算法,它改进了\cite{KrishnaswamyKNSS11}中的16-近似。我们的技术表明,在\cite{KrishnaswamyKNSS11}的舍入算法中所涉及的大部分工作可以通过首先将LP解转换为半积分解来避免,然后可以使用简单的无容量设施位置(UFL)风格的聚类步骤将其舍入为整数解。我们说明了这些想法的力量,得出:(a)一个24-近似算法的拟阵中位数与处罚,这是一个巨大的改进,在\cite{KrishnaswamyKNSS11}中获得的360-近似;和(b)一个8-近似{ \em两个拟阵中位数}的问题,一个推广的拟阵中位数,我们介绍涉及两个拟阵。我们表明,各种看似不同的设施位置的问题,在文献中考虑-数据放置问题,移动设施的位置,$k$ -中值森林,度量统一的最小延迟UFL-实际上减少到拟阵中位数或两个拟阵中位数的问题,从而获得改进的近似保证所有这些问题。我们的技术也产生了改进的背包中位数问题。
2016-09-29 cs.DS
Online $b$-Matching with Stochastic Rewards
针对带随机奖励的$b$-匹配问题,开发了确定性和随机在线算法竞争比的紧上下界,证明随机算法竞争比不超$1-1/e$,且确定性\textsc{StochasticBalance}算法在非消失概率下可达该竞争比。
2024-11-25 cs.DS
A Mazing 2+eps Approximation for Unsplittable Flow on a Path
我们研究了不可分割流的路径问题(UFP),其中我们给出了一个路径与非负边的能力和任务,其特征在于由一个子路径,需求,和利润。我们的目标是找到最有利可图的任务子集,其总需求不违反边缘能力。这个问题自然出现在许多设置,如带宽分配,资源约束调度,和间隔包装。自然任务分类将任务i的大小定义为i的需求与i使用的任何边的最小容量之间的比率delta。如果所有任务都有足够小的delta,那么问题已经很好地理解了,并且存在1+eps近似值。对于互补的设置--实例的任务都有大的delta-很多仍然是未知的,和最有名的多项式时间程序只给出(任何常数delta>0)的近似比6+eps。在本文中,我们提出了一个多项式时间1+eps的近似后者设置。这一结果的关键是一个复杂的几何启发的动态程序。在这里,每个任务都表示为容量曲线下面的一段,我们确定了一个适当的迷宫式结构,以便在计算的解决方案中,迷宫的每个通道只被O(1)个任务穿过。结合已知的三角洲小任务的PTAS,我们的结果意味着UFP的2+eps近似,改进了以前的最佳7+eps近似[Bonsma等人,FOCS 2011]。我们注意到,我们改进的近似因子匹配的最佳已知的近似比相当容易的特殊情况下,均匀的边缘容量。
2012-11-12 cs.DS
Non-Uniform Robust Network Design in Planar Graphs
鲁棒优化关注的是构造解决方案,当从解决方案中移除有限数量的资源时仍然可行。迄今为止,大多数鲁棒组合优化的研究都假设每种资源都是同样脆弱的,并且场景集隐含地由单个预算约束给出。本文研究了一种不同类型的鲁棒性模型。我们专注于\textbf{bulk-robustness},一个模型最近推出的~ \cite{bulk}为解决需要建模系统中的非均匀故障模式。我们显着地扩展了在~ \cite{bulk}中使用的技术,设计近似算法的块鲁棒网络设计问题的可平面图。我们的技术使用增强框架,结合线性规划(LP)舍入,取决于输入图的平面嵌入。将割覆盖问题与圈图的控制集问题联系起来。我们的方法很少使用批量鲁棒优化的细节,因此可以想象,它们可以适用于解决其他鲁棒网络设计问题。
2015-04-20 cs.DS math.OC
The Inapproximability of Maximum Single-Sink Unsplittable, Priority and Confluent Flow Problems
我们考虑单汇网络流问题。一个实例由一个有容量限制的图(有向或无向)、一个汇聚节点$t$和一组我们要发送到汇聚节点的请求组成。这里,需求$i$位于节点$s_i$,并且请求流容量的量$d_i$以便成功地路由。两个标准目标是最大化(i)需求数量(基数)和(ii)总需求(吞吐量),可以路由的能力约束。此外,我们研究这些最大化问题的三种专门类型的网络流:不可分割的,合流和优先流。在{ \em不可分割流}问题(UFP)中,我们有边容量,对$s_i$的需求必须在单一路径上路由;在{ \em汇合流}问题中,我们有节点容量,最终流必须诱导出一棵树。这两个问题已经得到了广泛的研究,主要是在单水槽设置。然而,大多数工作都强加了{ \em无瓶颈假设}(即最大需求$d_{max}$至多是最小容量$u_{min}$)。给定无瓶颈假设(NBA),Dinitz等人提出了一种求解不可分裂流问题的因子$4.43$ -近似算法。在更强的均匀容量假设下,Chen等人提出了一种用于合流流问题的因子$3$ -近似算法。然而,不同于UFP,我们表明,一个常数因子的近似算法不能得到单汇汇流甚至{ \bf与} NBA。没有NBA,我们表明,最大的基数单汇UFP是很难近似到一个因素$n^{.5-ε}$内,即使所有的需求在于一个小的间隔$[1,1+Δ]$,其中$Δ>0$(但多项式输入大小)。这是非常尖锐的,因为当$Δ=0$,这成为一个…
2015-05-15 cs.DS
Breaking the Barrier of 2 for the Storage Allocation Problem
布局问题是一类重要的优化问题。如果这种类型的问题可能是最有名的背包和它的许多推广已经在文献中研究,如二维几何背包(2DKP)和不可分割的路径流(UFP)。对于后两个问题,最近提出了具有比2更好的近似比的第一多项式时间近似算法[Gálvez等人,FOCS 2017][Grandoni等人,STOC 2018]。在本文中,我们打破了障碍2的存储分配问题(SAP),这是一个自然的2DKP和UFP之间的中间问题。我们给出了一条有能力限制边的路径和一组任务,其中每个任务都有一个开始顶点,一个结束顶点,一个大小和一个利润。我们试图选择最有利可图的一组任务,我们可以画成不重叠的矩形下的能力曲线的边缘,其中每个矩形的高度等于相应的任务的大小。这个问题是由内存、带宽等分配资源的设置引起的,其中每个请求都需要资源的连续部分。SAP的最佳已知多项式时间近似算法的近似比为2 + 1/4 $[Mömke and Wiese,ICALP 2015],并且没有已知更好的准多项式时间算法。对于一致边容量的情形,我们给出了一个多项式时间(63/32)<1.969-近似算法;对于非一致拟多项式有界边容量的情形,我们给出了一个拟多项式时间(1.997)-近似算法.最后,我们表明,在轻微的资源增加,我们可以得到3/2+的近似比在多项式时间和1+的准多项式时间,无论是对任意的边缘容量。
2019-11-25 cs.DM cs.DS
Cluster Before You Hallucinate: Approximating Node-Capacitated Network Design and Energy Efficient Routing
本文研究节点容量受限的单/多商品网络设计问题,提出结合聚类等技术的多对数近似算法,并将其应用于节点速率可调的节能虚拟电路路由,给出首个多对数近似解。
2024-03-10 cs.DS
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
Robust Scheduling on Uniform Machines -- New Results Using a Relaxed Approximation Guarantee
研究同型机在线调度中最小化最大完工时间和最大化最小完成时间问题,提出具有常数摊还迁移因子和附加负载误差的EPTASs,首次实现该领域多项式时间近似方案。
2025-08-12 cs.DS
On the Computational Complexity of Linear Discrepancy
计算机科学和应用数学中的许多问题需要将位于区间$[0,1]$中的分数值的向量$\mathbf{w}$舍入为二进制向量$\mathbf{x}$,使得对于给定的矩阵$\mathbf{A}$,$\mathbf{A}\mathbf{x}$尽可能接近$\mathbf{A}\mathbf{w}$。例如,这个问题出现在LP舍入算法用于近似$\mathsf{NP}$ -硬优化问题,并在数值积分的均匀分布的点集的设计。对于一个给定的矩阵$\mathbf{A}$,由最佳可能舍入引起的所有$\mathbf{w}$选择的最坏情况误差由$\mathbf{A}$的线性差异来衡量,这是差异理论中研究的一个量,由Lovasz、Spencer和Vesztergombi(EJC,1986)引入。我们首先研究了线性偏差的计算复杂性。我们的研究在两个方向进行:(1)证明硬度结果和(2)找到精确和近似算法来评估某些矩阵的线性差异。对于(1),我们证明了线性偏差是$\mathsf{NP}$ -困难的。因此,我们不期望找到一个有效的精确算法的一般情况下。限制我们的注意力与一个恒定的行数的矩阵,我们提出了一个多时间精确算法的矩阵组成的一个单一的行和矩阵与一个恒定的行数和有界幅度的条目。我们还提出了一般矩阵的指数时间近似算法,和一个算法,近似的线性偏差内的指数因子。
2020-07-31 cs.CC cs.CG cs.DS
An Almost Optimal Approximation Algorithm for Monotone Submodular Multiple Knapsack
研究了多背包约束下单调次模函数的极大化问题。输入是一组项目$I$,每个项目具有非负权重,以及一组任意容量的箱。此外,我们给出了一个子模,单调和非负的功能$f$的子集的项目。目标是找到箱子中的项目子集$A \subseteq I$的包装,使得$f(A)$最大化。我们的主要结果是一个几乎最优的多项式时间$(1-e^{-1}-\varepsilon)$ -近似算法的问题,任何$\varepsilon>0$。该算法依赖于一种结构化技术,该技术将一般的多背包约束转换为一个约束,在该约束中,箱被划分成指数增加的基数组,每个组由均匀容量的箱组成。我们得出的结果,结合结构的子模块优化技术的背包约束的精细分析。
2021-04-16 cs.DS
Scheduling to Approximate Minimization Objectives on Identical Machines
本文考虑同类机器上的排序问题。本文所考虑的调度目标一般大多数调度最小化问题。在该问题中,有$n$作业,并且每个作业$j$与单调递增函数$g_j$相关联。目标是设计一个最小化$\sum_{j \in [n]} g_{j}(C_j)$的进度表,其中$C_j$是进度表中作业$j$的完成时间。一个$O(1)$ -近似是已知的单机情况。在多台机器上,本文表明,如果调度程序需要是非迁移或非抢占,那么任何算法都有一个无界的近似比。利用抢占和迁移,本文给出了多机上的$O(\log \log nP)$ -近似,这是多机上的第一个结果。这些结果意味着第一个非平凡的积极的结果考虑的问题,如吞吐量最小化和拖期的几种特殊情况下。自然的线性规划已知的问题有一个差的完整性差距。结果是通过加强一个自然的线性规划的问题与一组覆盖不等式,我们称之为工作覆盖不等式。这个线性规划是四舍五入到一个完整的解决方案,通过建立准均匀采样和舍入技术。
2019-04-21 cs.DS
Sampling and Integration of Logconcave Functions by Algorithmic Diffusion
Georgia Tech(佐治亚理工学院)
本文提出算法扩散新方法,首次在近二十年来同时改进一般对数凹函数的采样、舍入和积分复杂度,并在均匀分布情形下达到已知最优,且显著强化了采样输出保证。
2024-11-20 cs.DS cs.LG math.ST
Directed Capacity-Preserving Subgraphs: Hardness and Exact Polynomial Algorithms
针对计算机网络功耗降低需求,提出最小容量保持子图(MCPS)问题,证明其在受限DAG上NP难,同时为有向串并联图及推广的层状串并联图设计最优多项式时间算法。
2025-02-12 cs.DM cs.DS
A 2-Approximation for the Bounded Treewidth Sparsest Cut Problem in FPT Time
在非均匀稀疏割问题中,我们给出一个供应图G和一个需求图D,两者都具有相同的节点集V。目标是找到V的一个割,该割使G的边上的总容量与D的交叉边的总需求之比最小化。本文研究了树宽有界的供给图的非均匀稀疏割问题。对于这种情况,Gupta、Talwar和Witmer [STOC 2013]获得了固定k的多项式运行时间的2-近似,并且是否存在与k无关的常数c的c-近似算法(在FPT时间内运行)的问题仍然悬而未决。我们对这个问题的回答是肯定的。我们设计了一个2-近似算法的非均匀稀疏割与有界树宽供应图,运行在FPT时间,当参数的树宽。我们的算法是基于四舍五入的线性规划放松的启发Sherali-Adams层次结构的最优解。与经典的Sherali-Adams方法相比,我们构建了一个松弛驱动的树分解的供应图,包括一组精心选择的提升变量和约束,以编码信息的子集的节点具有超恒定的大小,并在同一时间,我们有一个足够小的线性规划,可以解决FPT时间。
2021-11-11 cs.DM cs.DS
FPT Constant-Approximations for Capacitated Clustering to Minimize the Sum of Cluster Radii
针对一般度量空间下满足非均匀硬容量约束的最小化簇半径和聚类问题,提出了首个FPT常数因子近似算法,并在均匀容量下显著改进了近似界限。
2024-02-20 cs.CG cs.DS
Submodular Cost Allocation Problem and Applications
研究了最小子模块费用分配问题(MSCA)。在这个问题中我们给出了有限基集$V$和$V$上的$k$非负次模集函数$f_1 ,..., f_k$.目标是将$V$划分为$k$(可能为空)集合$A_1 ,..., A_k$,使得总和$\sum_{i=1}^k f_i(A_i)$最小化。几个研究得很好的问题,如非度量设施选址问题,多路切割图和超图,统一度量标记及其推广可以被证明是特殊情况下的MSCA。在本文中,我们考虑了凸规划松弛通过次模函数的Lovász扩张。这使我们能够理解以前的几个松弛和舍入程序在一个统一的方式,也开发新的配方和近似算法的几个问题。特别地,我们给出了超图多路划分问题的一个$(1.5 - 1/k)$ -近似。当$Δ$是最大超边长度时,我们给出了超图多路割问题的一个$\min\{2(1-1/k), H_Δ\}$ -近似.这两个问题推广了图的多路割问题,并且超图割问题与图的结点加权多路割问题是等价的。
2011-05-10 cs.DM cs.DS