Approximation Algorithms for Norm-Budgeted Packing Problems
Univ. Waterloo(滑铁卢大学);ETH Zurich(苏黎世联邦理工学院)
研究范数预算打包问题,通过涉及单调、对称范数的范数预算约束建模资源,将多种经典打包问题纳入框架,开发框架获得常数因子近似保证及相关问题的PTAS,并为子模版本开发常数因子近似算法。
2026-07-15 cs.DS
Improved Budgeted Connected Domination and Budgeted Edge-Vertex Domination
我们考虑经典\emph{Connected Dominating Set}问题(BCDS)的\emph{Budgeted}版本。给定一个图$G$和一个预算$k$,我们寻求一个连通子集,最多$k$顶点最大化$G$中的支配顶点数。我们改进了以前的$(1-1/e)/13$近似[Khuller,Purohit,Sarpatwar,\ \emph{SODA 2014} ]通过引入一种新的方法进行树分解的算法的最后一部分的分析。这种新方法提供了$(1-1/e)/12$近似保证。通过推广算法第一部分的分析,我们能够对其进行适当的修改,并获得对$(1-e^{-7/8})/11$的进一步改进。另一方面,我们证明了一个$(1-1/e+ε)$不可逼近界,任何$ε> 0$。我们还研究了\emph{edge-vertex domination}变体,其中一条边支配其端点和所有邻近端点的顶点。在\emph{Budgeted Edge-Vertex Domination}(BEVD)中,我们给出了一个图$G$和一个预算$k$,我们寻找一个不一定连通的$k$边的子集,使得$G$中的支配顶点数最大化。我们证明了存在一个$(1-1/e)$ -近似算法。此外,对于任何$ε> 0$,我们提出了一个$(1-1/e+ε)$ -不可逼近的结果,从\emph{maximum coverage}问题的间隙保持减少。最后,我们研究的…
2020-03-25 cs.DS
Analyzing the Optimal Neighborhood: Algorithms for Budgeted and Partial Connected Dominating Set Problems
我们研究了部分和预算版本的研究连通支配集问题。在部分连通支配集问题中,给定一个无向图G =(V,E)和一个整数n ',目标是找到一个最小顶点子集,使G导出一个连通子图,并且至少支配n'个顶点.我们得到了这个问题的第一个多项式时间算法,其近似因子为O(\ln Δ),从而显著地推广了Guha和Khuller关于连通支配集问题的结果.我们注意到,早期开发的方法都不能直接应用于解决这个问题。在预算连通支配集问题中,我们可以选择的顶点数量是有预算的,目标是支配尽可能多的顶点。得到了该问题的(1/13)(1 - 1/e)近似算法.最后,我们表明,我们的技术扩展到一个更一般的设置与顶点的子集的利润函数是一个单调的“特殊”的子模函数。这种推广捕捉连接支配集问题的能力和/或加权利润作为特殊情况。这意味着一个O(\ln q)的近似(其中q表示配额)和O(1)的近似算法的部分和预算版本的这些问题。虽然算法很简单,但结果令人惊讶地使用了贪婪集覆盖框架来定义有用的利润函数。
2013-11-10 cs.DS
Recoverable robust representatives selection problem under interval continuous budgeted uncertainty
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
本文针对区间连续预算不确定下的可恢复鲁棒代表选择问题,利用其结构特性设计了一般情况及重要特例的强多项式时间算法,改变了该问题的计算复杂性格局。
2026-08-18 cs.DS
The Complexity Landscape of Two-Stage Robust Selection Problems with Budgeted Uncertainty
University of Passau(帕绍大学);IT University of Copenhagen(哥本哈根信息技术大学)
本文研究了两阶段鲁棒选择问题在预算不确定性下的复杂性,证明了连续预算不确定性下的两阶段选择问题为NP难,而代表选择问题则可在多项式时间内解决。
2026-02-18 cs.DS math.OC
Efficient and Effective Local Search for the Set-Union Knapsack Problem and Budgeted Maximum Coverage Problem
集并背包问题(SUKP)和最大覆盖问题(BMCP)是背包问题的两个密切相关的变体问题。给定一组加权元素和一组具有非负值的项目,其中每个项目涵盖几个不同的元素,这两个问题的目标都是找到一个子集的项目,最大化的目标函数,同时满足背包容量(预算)约束。针对这两个问题,我们提出了一种高效的局部搜索算法E2LS。据我们所知,这是第一次,一个算法已经提出了这两个。E2LS通过应用所提出的新算子ADD $^*$来遍历细化的搜索区域,从而折衷了搜索区域和搜索效率。这种折衷机制允许E2LS广泛而快速地探索解决方案空间。在E2LS算法中还引入了禁忌搜索方法,以避免陷入局部最优。在168个不同规模的公共实例上进行的大量实验表明,该算法对SUKP和BMCP都具有良好的性能。
2022-07-02 cs.DS
An FPTAS for Budgeted Laminar Matroid Independent Set
针对预算层状拟阵独立集问题,论文利用层状拟阵的树状结构设计简单动态规划,给出优于既有 EPTAS 的 FPTAS,并推广相关背包结果。
2023-04-27 cs.DS
On the Configuration LP for Maximum Budgeted Allocation
我们研究了最大分配问题,即,将一组$m$不可分割的商品出售给$n$玩家的问题,每个玩家具有单独的预算,使得我们最大化所收集的收入。由于自然分配LP已知具有$\frac{3}{4}$的完整性间隙,这与最知名的近似算法相匹配,因此我们的主要重点是提高我们对更强配置LP松弛的理解。在这个方向上,我们证明了配置LP的完整性间隙严格优于$\frac{3}{4}$,并提供相应的多项式时间,在以下限制的问题:(i)限制性分配问题,其中所有玩家具有相同的预算,并且每个物品对于它可以出售给的任何玩家具有相同的价值,以及(ii)图MBA问题,其中一个物品可以被分配给最多2个玩家。最后,我们将一般情况下的完整性间隙的最佳已知上界从$\frac{5}{6}$改进为$2\sqrt{2}-2\approx 0.828$,并证明了这两种情况下近似结果的困难性。
2014-03-28 cs.DS
Computational complexity of the recoverable robust shortest path problem in acyclic digraphs under interval budgeted uncertainty
Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
本文研究无环有向图中可恢复鲁棒最短路径问题的计算复杂性,证明其在分层无环有向图下仍为强NP难,并证明离散预算不确定性下该问题不可近似。
2026-09-28 cs.DS math.OC
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
Budgeted Matroid Maximization: a Parameterized Viewpoint
本文首次从参数化复杂性角度研究带预算的 $\ell$-matchoid 最大化问题,证明其关于解大小是 $W[1]$ 难的,并基于代表集概念给出 FPT 近似方案及代表集规模下界。
2023-07-09 cs.DS
Budgeted Dominating Sets in Uncertain Graphs
本文研究了不确定图上的{ \em支配集}(BDS)问题,即边的概率分布为$p$的图,使得边$e$以概率$p(e)$存在于图中.问题的输入由顶点加权不确定图$\G=(V, E, p, ω)$和整数{ \em预算}(或{ \em解大小})$k$组成,目标是计算大小为$k$的顶点集$S$,使$S$的闭邻域中顶点的期望总支配(或总权重)最大化.我们把这个问题称为{ \em概率支配支配集}~(PBDS)问题,并给出了以下结果. \begin{enumerate} \dnsitem We show that the PBDS problem is NP-complete even when restricted to uncertain {\em trees} of diameter at most four. This is in sharp contrast with the well-known fact that the BDS problem is solvable in polynomial time in trees. We further show that PBDS is \wone-hard for the budget parameter $k$, and under the {\em Exponential time hypothesis} it cannot be s…
2021-07-07 cs.DS
Online Vertex-Weighted Bipartite Matching and Single-bid Budgeted Allocations
我们研究了以下顶点加权在线二部匹配问题:$G(U, V, E)$是一个二部图。$U$中的顶点具有权重并且是提前已知的,而$V$中的顶点以任意顺序在线到达并且必须在到达时进行匹配。目标是最大化$U$中匹配顶点的权重之和。当所有的权重都相等时,这简化为经典的\emph{online bipartite matching}问题,Karp,Vazirani和Vazirani在他们的开创性工作~ \cite{KVV90}中给出了一个最优的$\left(1-\frac{1}{e}\right)$ -竞争算法。我们的主要结果是一般顶点权重的最优$\left(1-\frac{1}{e}\right)$ -竞争随机算法。我们使用适当选择的乘法因子的权重的\emph{random perturbations}。我们的解决方案构成了第一个已知的推广算法在~ \cite{KVV90}在这个模型中,并提供了新的见解随机化在线分配问题的作用。它还有效地解决了\emph{online budgeted allocations} \cite{MSVV05}的问题,当代理对任何期望的项目进行相同的出价时,即使出价与他的预算相当-补充了\cite{MSVV05, BJN07}的结果,当出价比预算小得多时,该结果适用。
2010-07-08 cs.DS
Effective Variable Depth Local Search for the Budgeted Maximum Coverage Problem
我们解决的最大覆盖问题(BMCP),这是一个自然的和更实际的标准0-1背包问题和集合覆盖问题的扩展。给定具有非负权重的m个元素、具有非负成本的n个元素子集和总预算,BMCP的目标是选择一些子集,使得所选子集的总成本不超过预算,并且关联元素的总权重最大化。在本文中,我们提出了一种可变深度的局部搜索算法(VDLS)的BMCP。VDLS首先通过贪心算法产生初始解,然后通过部分深度优先搜索方法迭代改进解,该方法通过同时改变多个子集的状态(选择或不选择)来改进解。这种方法允许VDLS广泛和深入地探索解空间,并产生高质量的解决方案。我们进一步提出了一个邻居结构,以提高算法的性能,即两个子集有一个邻居关系,如果它们有至少一个共同的关联元素。通过应用相邻结构,VDLS可以调整所选择的子集,同时丢失尽可能少的覆盖元素。针对现有BMCP基准测试程序结构简单、规模小的问题,设计了60个规模较大、结构复杂的新BMCP实例,以丰富BMCP实例的多样性。在30个公共实例和60个新实例上的实验结果表明,VDLS算法的性能明显优于现有的启发式算法和通用的CPLEX精确求解器。
2022-06-16 cs.DS
Budgeted Out-tree Maximization with Submodular Prizes
我们考虑一个变种的奖金收集斯坦纳树问题,在其中,我们给出了一个\emph{directed graph} $D=(V,A)$,一个单调的子模块奖金函数$p:2^V \rightarrow \mathbb{R}^+ \cup \{0\}$,成本函数$c:V \rightarrow \mathbb{Z}^{+}$,一个根顶点$r \in V$,和一个预算$B$。目的是找到一个外子树$T$的$D$植根于$r$,成本最多$B$和最大化的奖励功能。我们称这个问题为\emph{Directed Rooted Submodular Tree}(\textbf{DRSO})。最近,Ghugge和Nagarajan [SODA\ 2020]给出了一个最优准多项式时间$O\left(\frac{\log n'}{\log \log n'}\right)$ -近似算法,其中$n'$是最优解中的顶点数,用于成本与边相关联的情况。在本文中,我们给出了一个多项式时间算法\textbf{DRSO},保证了近似因子$O(\sqrt{B}/ε^3)$的成本的预算违反一个因素$1+ε$,任何$ε\in (0,1]$。同样的结果适用于边成本的情况下,据我们所知,这是第一个多项式时间近似算法这种情况下。我们进一步证明了\textbf{DRSO}的无根版本可以近似为$O(Δ\sqrt{B})$的一个因子而不违反预算,这是对…
2022-10-01 cs.DS
The Ratio Index for Budgeted Learning, with Applications
在预算学习问题中,我们可以在一组备选方案上进行实验(给定固定的实验预算),目标是选择一个具有最大可能预期收益的备选方案。这个问题的近似算法是由Guha和Munagala通过将各种备选方案结合在一起的线性规划四舍五入而开发的。在本文中,我们提出了这个问题的指数,我们称之为比率指数,这也保证了常数因子近似。基于索引的策略的优点是,可以为每个备选方案计算单个数字(即索引),而不管所有其他备选方案,并且对具有最高索引的备选方案进行实验。这类似于著名的Gittins指数的折扣多臂强盗问题。比率指数有几个有趣的结构特性。首先,我们证明了它可以在强多项式时间内计算。其次,我们证明了,适当的折扣因子,Gittins指数和我们的比率指数是常数因子近似对方,因此Gittins指数也给出了一个常数因子近似的预算学习问题。最后,我们证明了比率指数可以用来创建一个基于指数的策略,实现了O(1)-近似的有限时域版本的多臂强盗问题。此外,该政策不需要任何知识的地平线(而我们比较其性能与最优策略,是知道地平线)。这产生了以下令人惊讶的结果:有一个基于索引的策略,实现了多臂强盗问题的O(1)近似,忽略了潜在的折扣因子。
2016-04-11 cs.DS
Online Budgeted Repeated Matching
一个基本的组合在线资源分配问题被认为是,多个服务器有各自的能力限制,并在每个时隙,一组工作到达,有可能不同的权重不同的服务器。在每个时间段,必须以在线方式在作业和服务器之间找到一对一的匹配,但要受到个人能力的限制。其目标是最大化分配给服务器的作业的总权重,在时隙和服务器之间求和,受个人容量限制。这个问题概括了众所周知的adwords问题,并且也与各种其他现代应用程序相关。一个简单的贪心算法被证明是3-竞争,只要任何边缘的重量是最多的一半,相应的服务器容量。此外,一个随机版本的贪心算法被证明是6-竞争的无限制的边缘权重的情况下。对于并行服务器与小重量的工作,我们表明,负载平衡算法是接近最优的。
2015-12-01 cs.DS
Approximation Algorithms for the Connected Sensor Cover Problem
我们研究了最小连通传感器覆盖问题(MIN-CSC)和预算连通传感器覆盖问题(B-CSC),这两个问题都是由重要的应用(例如,降低传感器之间的通信成本)。在这两个问题中,我们给出了一组传感器和一组目标点在欧几里得平面。在MIN-CSC中,我们的目标是找到一组具有最小基数的传感器,使得所有目标点都被覆盖,并且所有传感器都可以相互通信(即,通信图被连接)。在假设传感器半径与通信半径之比有界的条件下,得到了一个常数因子的近似算法。该问题的目标是选择一组$B$传感器,使得所选传感器覆盖的目标数量最大化,并且通信图是连通的。在同样的假设下,我们也得到了一个常数近似。
2020-01-22 cs.DS
Single-item lot sizing problem under budgeted lead-time uncertainty
Université de Toulouse-IRIT(图卢兹大学);Wrocław University of Science and Technology(弗罗茨瓦夫科技大学)
研究允许延期交货的单物品批量问题,考虑预算不确定集下的交货时间偏差,应用R*准则生成从最乐观到最悲观的计划族,并提出多项式及伪多项式算法。
2026-06-16 cs.DS
Structural Parameterizations of Budgeted Graph Coloring
我们引入了图着色问题的一个变体,我们将其表示为{ \sc简化着色问题}(\bcp)。给定一个图$G$,一个整数$c$和一个整数有序表$\{b_1, b_2, \ldots, b_c\}$,\bcp询问是否存在$G$的适当着色,其中第$i$个颜色用于着色至多$b_i$许多顶点.这个问题推广了两个研究得很好的图着色问题,{ \sc有界着色问题}(\bocp)和{ \sc公平着色问题}(\ecp),并且与其他着色问题一样,即使对于$c$的常数值,它也是\nph。因此,我们在参数化复杂性范式下研究\bcp。\begin{itemize} \item We show that \bcp is \fpt (fixed-parameter tractable) parameterized by the vertex cover size. This generalizes a similar result for \ecp and immediately extends to the \bocp, which was earlier not known. \item We show that \bcp is polynomial time solvable for cluster graphs generalizing a similar result for \ecp. However, we…
2021-10-27 cs.DS
Online Budgeted Allocation with General Budgets
我们研究了在线预算分配(也称为ADWORDS)问题,其中一组到达网上的印象分配给一组不受约束的广告客户,以最大限度地提高收入。受互联网广告的影响,自Mehta,Saberi,Vazirani和Vazirani(FOCS 2005)的开创性工作以来,已经研究了这个问题的几个变体。然而,这整个身体的工作集中在一个单一的预算为每个广告活动,而为了充分代表广告客户的实际议程,广告预算应表示在多层次的用户属性粒度。一个简单的例子是一个广告活动,它受到总预算的限制,但也伴随着一组针对每个目标人群的子预算。在这样的合同方案中,广告商可以指定他们真正的用户定位目标,允许发布商通过相关分配来实现这些目标。在本文中,我们给出了一般广告预算的ADWORDS问题的一个完整的特征。在最一般的设置中,我们表明,与单预算ADWORDS问题,获得一个恒定的竞争比是不可能的,并给出渐近紧的上限和下限。然而,对于我们的主要结果,我们观察到在许多现实世界的场景中(如上面的例子),多层预算具有分层结构,因为大多数相关的消费者或产品分类是分层的。对于分层预算,我们得到了一个竞争力的比例e/(e-1)在小的出价的情况下,这与最知名的ADWORDS结果为单一的预算。我们的算法具有原始-对偶结构,并推广了Buchbinder,Jain和Naor(ESA 2007)首次给出的单预算ADWORDS的原始-对偶分析。
2016-03-24 cs.DS
Generalized budgeted submodular set function maximization
在本文中,我们考虑一个推广的著名的预算最大覆盖问题。我们给出了一组基本元素和一组bin。目标是找到元素的子集以及相关联的一组bin,使得总成本至多是给定的预算,并且利润最大化。每个bin都有自己的成本,每个元素的成本取决于其相关的bin。利润是衡量一个单调的子模函数的元素。首先,我们提出了一个算法,保证近似因子的$\frac{1}{2}\left(1-\frac{1}{e^α}\right)$,其中$α\leq 1$是一个子问题的算法的近似因子。我们给出了两个多项式时间算法来解决这个子问题。第一个给出了$α=1- ε$,如果成本满足一个特定的条件,这是满足在几个相关的情况下,包括酉成本的情况下,最大化一个单调的子模函数的背包约束下的问题。第二个保证一般情况下的$α=1-\frac{1}{e}-ε$。我们的近似保证和已知的不可近似性界限之间的差距是$\frac{1}{2}$。我们将我们的算法扩展到一个双标准近似算法,在该算法中,我们被允许花费额外的预算高达一个因素$β\geq 1$,以保证一个$\frac{1}{2}\left(1-\frac{1}{e^{αβ}}\right)$近似。如果我们设置$β=\frac{1}α\ln \left(\frac{1}{2ε}\right)$,则对于任意小的$ε>0$,算法实现$\frac{1}{2}-ε$的近似因子。
2018-08-09 cs.DS
A Constant-Approximation Algorithm for Budgeted Sweep Coverage with Mobile Sensors
本文提出了首个针对预算扫描覆盖问题(BSC)的常数近似算法,通过开发多定向问题(MOP)的常数近似算法并将其应用于BSC,为优化移动传感器部署及相关组合优化任务开辟了新可能。
2024-08-22 cs.DM cs.DS
An Improved Approximation for $k$-median, and Positive Correlation in Budgeted Optimization
相依舍入是解决硬预算约束优化问题的一种有效方法。这个框架自然会产生\emph{negative correlation}属性。但是,如果应用程序一方面自然地要求相关舍入,另一方面又需要\emph{positive}相关性,该怎么办?更一般地说,我们开发的算法,保证相关舍入的已知属性,但也有几乎最好的行为-接近独立性,这概括了正相关性-在“小”子集的变量。Li & Svensson最近对经典的$k$ -中位数问题的突破必须处理某些相关舍入设置中的正相关,并且是隐式地这样做的。我们改进后,李Svensson的近似比$k$ -中位数从$2.732 + ε$到$2.675 + ε$通过开发一种算法,提高了他们的工作的各个方面。我们的依赖舍入方法帮助我们改善了运行时对参数$ε$的依赖性,从Li-Svensson的$N^{O(1/ε^2)}$到$N^{O((1/ε) \log(1/ε))}$。
2016-04-23 cs.DS
Robust Permutation Flowshops Under Budgeted Uncertainty
本文研究预算不确定性模型下的鲁棒排列流水车间问题,通过将问题简化为多项式个名义问题实例,证明了该问题在双机时可多项式时间求解,在固定机器数时可多项式时间近似,并改进了运行时间对数因子。
2026-05-24 cs.DM cs.DS math.OC
Online Budgeted Truthful Matching
研究了二部图的在线真实预算匹配问题,其中右顶点提前到达,左顶点顺序到达。当一个左顶点到达时,它对所有右顶点的边效用(或权重)和相应的成本(或出价)被揭示出来。如果一个左顶点匹配到任何一个右顶点,那么它至少需要支付与它的成本一样多的费用。问题是在支付预算约束下,将每个左顶点即时且可重复地匹配到任何一个右顶点,如果有的话,以找到真实的最大权重匹配。真实性条件要求没有左顶点有误报成本的动机。假设顶点到达的均匀随机顺序(秘书模型)与任意的效用,提出了一个真实的算法,是$24β$ -竞争(其中$β$是最大和最小效用的比率),并满足支付预算约束。该问题的直接应用包括众包拍卖,以及在支持设备到设备的蜂窝网络中将无线用户匹配到协作中继。
2016-06-02 cs.DS cs.GT
A Greedy Approach for Budgeted Maximum Inner Product Search
The University of Texas at Austin(德克萨斯大学奥斯汀分校);The University of California, Davis(加利福尼亚大学戴维斯分校)
最大内积搜索(MIPS)是许多机器学习应用中的重要任务,例如推荐系统的低秩矩阵分解模型的预测阶段。近年来,人们对如何在次线性时间内实现MIPS进行了一些研究。然而,他们中的大多数没有灵活性,以控制搜索效率和搜索质量之间的权衡。在本文中,我们研究的MIPS问题的计算预算。通过对MIPS问题结构的深入研究,提出了一种新的Greedy-MIPS算法,该算法能够处理预算MIPS问题。虽然简单直观,但与最先进的方法相比,Greedy-MIPS产生了令人惊讶的卓越性能。作为一个具体的例子,在一个包含50万个维度为200的向量的候选集上,Greedy-MIPS的运行速度比朴素方法快200倍,同时产生的搜索结果的前5个精度大于75%。
2016-10-11 cs.DS cs.LG
Streaming algorithms for Budgeted $k$-Submodular Maximization problem
通过病毒式营销产生的实际应用刺激。本文研究了一个新的简化的$k$ -次模极大化问题,定义如下:给定一个有限集$V$,一个预算$B$和一个$k$ -次模函数$f: (k+1)^V \mapsto \mathbb{R}_+$,该问题要求找到一个解$\s=(S_1, S_2, \ldots, S_k)$,每个元素$e \in V$有一个代价$c_i(e)$放入第$i$集$S_i$中,且$s$的总代价不超过$B$,使得$f(\s)$最大化.为了解决这个问题,我们提出了两个流算法,提供近似保证的问题。特别是,在每个元素$e$具有相同的成本为所有$i$ -th集的情况下,我们提出了一个确定性的流算法,它提供了一个近似比$\frac{1}{4}-ε$当$f$是单调的和$\frac{1}{5}-ε$当$f$是非单调的。对于一般情况下,我们提出了一个随机流算法,提供了一个近似比$\min\{\fracα{2}, \frac{(1-α)k}{(1+β)k-β} \}-ε$时,$f$是单调和$\min\{\fracα{2}, \frac{(1-α)k}{(1+2β)k-2β} \}-ε$时,$f$是非单调的期望,其中$β=\max_{e\in V, i , j \in [k], i\neq j} \frac{c_i(e)}{c_j(e)}$和$ε, α$是固定的输入。
2021-10-22 cs.DS cs.GT
Improved Approximation Algorithms for (Budgeted) Node-weighted Steiner Problems
Moss和Rabani[12]研究约束节点加权Steiner树问题,每个节点有两个独立的权重值,即成本和奖励(或惩罚)。给出了奖金收集节点加权Steiner树问题(PCST)的O(log n)-近似算法.他们使用PCST的算法,以获得一个双准则(2,O(log n))-近似算法的简化节点加权Steiner树问题。他们的解决方案可能会花费两倍的预算,但收集了一个最佳奖励的因子Omega(1/log n)。我们至少从两个方面改进了这些结果。我们的第一个主要结果是一个原始-对偶O(log h)-近似算法的一个更一般的问题,奖金收集节点加权Steiner森林,其中我们有(h)的要求,每个要求一对顶点的连接。我们的算法可以被看作是一个贪心算法,它通过选择一个具有最小成本减少比的结构来减少需求的数量。这种自然的论证风格(也被Klein和Ravi[10]和Guha et al. [8])导致了一个比Moss和Rabani[12]的PCST算法简单得多的算法。我们的第二个主要贡献是改进的节点加权Steiner树问题,这也是对[12]和[8]的改进。在无根情况下,我们改进了[8]的O(log^2(n))-近似,并给出了一个O(logn)-近似算法,且没有任何预算冲突.对于有根的情况,其中指定的顶点必须出现在解树中,我们将[12]的双准则结果改进为对于任何正(可能是次常数)(eps)的双准则近似比(1…
2013-04-28 cs.DM cs.DS
On Recoverable and Two-Stage Robust Selection Problems with Budgeted Uncertainty
本文讨论了从$n$中选择$p$的问题,使它们的总费用最小。我们假设成本并不确切知道,而是源于一系列可能的结果。鲁棒恢复和两阶段模型的选择问题进行了分析。在两阶段问题中,在第一阶段选择最多$p$项,一旦在第二阶段发现场景,解决方案就完成了。在可恢复问题中,在第一阶段中选择一组$p$项,并且在场景揭示之后,可以在第二阶段中通过交换多达$k$项来修改。我们假设不确定成本是通过有界不确定集建模的,即,区间不确定性集合在其离散和连续变量中具有附加的线性(预算)约束。构造了连续有界不确定性的可恢复选择问题和两阶段选择问题的多项式算法,以及离散有界不确定性情况下的紧致混合整数公式。
2017-02-16 cs.CC cs.DS math.OC
Near-Optimal Budgeted Data Exchange for Distributed Loop Closure Detection
Massachusetts Institute of Technology(麻省理工学院);University of Toronto Institute for Aerospace Studies(多伦多大学航空航天研究所)
机器人间环路闭合检测是协同SLAM(CLAM)的核心问题。建立机器人间环路闭合是一个需要资源的过程,在此过程中,机器人必须消耗大量的关键任务资源(例如,电池和带宽)来交换传感数据。然而,即使使用最具资源效率的技术,机载可用的资源也可能不足以验证每个潜在的环路闭合。这项工作解决了这个关键的挑战,提出了一个资源自适应的分布式循环闭合检测框架。我们寻求最大限度地提高以任务为导向的目标受到预算约束的总数据传输。这个问题一般是NP难的。我们从不同的角度来处理这个问题,并利用现有的结果单调子模最大化提供有效的近似算法的性能保证。所提出的方法进行了广泛的评估,使用KITTI里程计基准数据集和合成曼哈顿样数据集。
2018-06-01 cs.DS cs.RO
A Unified Approach to Online Allocation Algorithms via Randomized Dual Fitting
我们提出了一个统一的框架,设计和分析在线预算分配问题(包括在线匹配)及其推广,在线广义分配问题(OnGAP)的算法。这些问题已被深入研究的模型如何分配的印象在线广告。与以前在线预算分配算法的分析相反,(所谓的“平衡”或“注水”算法族)我们的分析基于随机对偶拟合的方法,类似于最近的分析的排名算法在线匹配由于Devanur等人。我们的主要贡献是提供一个统一的证明方法,同时推导出最佳的竞争比界限,在线匹配和在线部分预算分配。相同的证明方法也提供了$(1-1/e)$竞争比界的贪心算法的两个问题,在随机顺序到达模型,这简化了贪婪的在线分配算法与随机顺序到达的现有分析,同时也加强他们适用于一个更大的家庭的贪心算法。最后,对于更一般的OnGAP问题,我们表明,没有算法可以是恒定的竞争力,而是我们提出了一个算法,其竞争力的比例取决于数学上的某个参数的问题的实例,我们表明,这种依赖不能得到改善。
2013-08-25 cs.DS
Iterative Budgeted Exponential Search
University of Basel(巴塞尔大学);DeepMind(深度思维);Universidade Federal de Viçosa(维索萨联邦大学);University of Alberta(阿尔伯塔大学)
我们解决了两个长期存在的问题有关的重新展开的启发式搜索算法。对于图搜索,A* 可能需要$Ω(2^{n})$展开,其中$n$是最终$f$界限内的状态数。解决该问题的现有算法(如B和B')将该界限改进为$Ω(n^2)$。对于树搜索,IDA* 还可能需要$Ω(n^2)$扩展。我们描述了一个新的算法框架,迭代控制的扩展预算和解决方案的成本限制,从而产生新的图形和树搜索算法的扩展的数量是$O(n \log C)$,其中$C$是最佳的解决方案的成本。我们的实验表明,新的算法是强大的,在现有的算法失败的情况下。在树搜索的情况下,我们的新算法在IDA* 非常适合的情况下没有IDA* 的开销,因此可以推荐作为IDA* 的一般替代品。
2019-07-30 cs.AI cs.DS
Data-dependent Evaluations for Budgeted Submodular Maximization
College of Computing and Data Science, Nanyang Technological University, Singapore(新加坡南洋理工大学计算与数据科学学院);Data Science and Analytics Thrust, The Hong Kong University of Science and Technology (Guangzhou), China(香港理工大学(广州)数据科学与分析方向)
针对带背包约束的次模最大化问题,开发新的数据依赖上界,理论证明其优于最优解,通过真实数据集实验验证其在评估解与最优解接近程度上的优势。
2026-07-08 cs.AI cs.DM cs.DS
Improved Hardness Results for Nash Social Welfare, Budgeted Allocation and GAP via the Unique Games Conjecture
University of Massachusetts, Amherst(马萨诸塞大学阿默斯特分校)
本文通过唯一游戏猜想,针对不可分割商品分配问题,改进了纳什社会福利、预算分配和广义分配问题的近似硬度下界。
2026-07-28 cs.DS cs.GT
Sudoku as a special transportation problem
数独是一种流行的组合谜题。提出了一种求解数独问题的新方法,该方法将数独问题转化为一类特殊的运输问题。该模型允许人们使用多个解决方案来解决难题,保持问题的约束固定,并简单地改变解决方案之间的成本矩阵。
2012-10-09 cs.DS
Unit Perturbations in Budgeted Spanning Tree Problems
图的最小生成树是一个研究得很好的结构,它是无数图论和优化问题的基础。我们研究的最小生成树(MST)扰动问题的目标是花费固定的预算,以增加边的权重,以增加尽可能多的MST的重量。两种流行的扰动模型是体积扰动和连续扰动。在体模型中,任何边的权重都可以精确地增加一次,达到某个预定的权重。在连续模型中,人们可以支付一小部分成本来按比例增加任何边的权重。Frederickson和Solis-Oba \cite{FS96}研究了这两个模型,并表明MST的整体扰动与$k$ -切割问题一样困难,而连续扰动模型在多时间内是可解的。在本文中,我们研究了这个问题的一个中间单位扰动变化,其中每个边的权重可以增加很多倍,但在一个整数单位的量每一次。我们提供了一个$(opt/2 -1)$ -近似多项式时间,其中$opt$是最佳的增加的重量。我们还研究了相关的双目标版本的问题,其中的目标是增加MST的重量的目标量,同时最大限度地减少扰动的成本。我们提供了一个$2$ -近似这种变化。此外,我们表明,假设小集扩展假设,这两个问题是很难近似。我们还指出了一个错误的证明中提供的Frederickson和Solis-Oba在\cite{FS96}关于他们的解决方案的连续扰动模型。虽然他们的算法是正确的,但他们的分析是有缺陷的。我们在这里提供了一个正确的证明。
2022-03-07 cs.DS cs.SI
Approximation algorithms for the Transportation Problem with Market Choice and related models
给定设施的能力和客户的处罚和需求,市场选择的运输问题在于找到最低成本的方式来划分客户为未服务的客户,支付罚款,并成为服务的客户,支付运输成本为他们服务。我们给多项式时间减少这个问题和变种的(联合国)容量限制设施选址问题,直接产生近似算法,两个常数因子的度量的情况下,一个对数因子在一般情况下。
2014-09-25 cs.DS
Fast Budgeted Influence Maximization over Multi-Action Event Logs
在社交网络中,影响力最大化是识别在整个网络中拥有最大{ \it影响力}的一组用户的问题。在本文中,一种新的信用分布(CD)为基础的模型,被称为多动作CD(mCD)模型,被引入到量化的影响力,每个用户,它与实际的数据集,其中一种类型的动作可以记录多次。基于该模型,将影响力最大化问题转化为一般背包约束下的子模块最大化问题,该问题是NP-难的。一个有效的流媒体算法与一轮扫描的用户集,以找到一个次优的解决方案。具体来说,我们首先解决背包约束的特殊情况,即,的基数约束,并表明开发的流算法可以实现($\frac{1}{2}-ε$)-近似的最优性。此外,对于一般的背包的情况下,我们表明,修改后的流算法可以实现($\frac{1}{3}-ε$)-近似的最优性。最后,在真实的Twitter数据集上进行了实验,结果表明,与传统的CD模型相比,mCD模型在估计社交网络中受影响的总人数方面具有较高的准确性.此外,通过与传统的CD模型、非CD模型以及基于贪心算法的mCD模型在影响力最大化问题上的性能比较,验证了基于流算法的mCD模型的有效性和效率。
2018-01-26 cs.DS cs.SI
An Algorithm-to-Contract Framework without Demand Queries
MIT(麻省理工学院);Technion(以色列理工学院);Tel Aviv University(特拉维夫大学)
本文提出一种无需需求查询的算法-合同框架,通过局部到全局的方法将算法转化为合同设计问题,解决了预算最大化问题的近似最优合同设计。
2026-09-15 cs.DS cs.GT
Half-quadratic transportation problems
我们提出了一个原始-对偶记忆有效的算法来解决一个放松版本的一般运输问题。我们的方法近似的原始费用函数与一个可微的解决加权二次运输问题的序列。新的提法使我们能够解决可微,非凸运输问题。
2017-05-27 cs.DS math.OC
On a Cardinality-Constrained Transportation Problem With Market Choice
众所周知,匹配多面体与基数约束的交集是整数[8]。当需求在集合$\{1,2\}$中时,我们证明了[4]中引入的带市场选择的运输问题(TPMC)对应的多面体的类似结果.这个结果推广了关于匹配多面体的结果,也意味着一些特殊类的最小重量完美匹配问题的基数约束的一个子集的边缘可以在多项式时间内解决。
2014-12-30 cs.DS math.OC
A Nearly Optimal Deterministic Algorithm for Online Transportation Problem
针对在线运输问题,提出Subtree-Decomposition确定性算法,实现$O(m)$竞争比(至多$8m-5$),接近下界$2m-1$,解决了长期未决的猜想。
2025-04-23 cs.DM cs.DS
Algorithmic Solutions to Some Transportation Optimization Problems with Applications in the Metallurgical Industry
在本文中,我们解决几个约束运输优化问题(如车辆路径,最短的哈密尔顿路径),我们提出了新的算法解决方案和扩展,考虑到几个优化目标,如最小化成本和资源使用。所有考虑的问题都是由实际情况引起的,例如,在采矿和冶金工业中或在数据通信中。我们限制我们的注意力与路径,树或几何结构的运输网络,其中开发的多项式时间算法是最优或接近最优的。
2009-03-20 cs.CG cs.DM cs.DS