Maximizing Diversity in (near-)Median String Selection
National University of Singapore(新加坡国立大学);Indian Statistical Institute Kolkata(印度统计学院加尔各答分部);Institute of Mathematical Sciences, Chennai, India(印度金奈数学研究所);Nanyang Technological University(南洋理工大学)
本文提出两种算法,通过最大化多样性生成多个近似最优的汉明中位字符串,提升决策灵活性和鲁棒性。
2026-02-10 cs.DS
The reverse greedy algorithm for the metric k-median problem
用于k中值问题的反向贪心算法(RGreedy)的工作原理如下。它首先在所有节点上放置设施。在每一步中,它都会删除一个设施,以最小化从客户到其余设施的总距离。当k设施剩余时,它停止。我们证明,如果距离函数是度量,那么RGreedy的逼近比之间?(log n/ log log n)和O(log n)。
2005-09-27 cs.DS
Approximating the Median under the Ulam Metric
我们研究近似算法的变体的\emph{median string}的问题,要求一个字符串,最大限度地减少编辑距离的总和从一组给定的$m$字符串的长度$n$。只有直接的$2$近似是已知的这个NP难问题。这个问题是有动机的,例如~通过计算生物学,属于中位数问题类(在不同的度量空间),这是数据分析中的基本任务。我们的主要结果是针对Ulam度量,其中所有字符串都是$[n]$上的置换,并且每个编辑操作移动一个符号(删除加插入)。我们为这个问题设计了一个算法,打破了$2$近似障碍,即,计算一个$(2-δ)$ -近似中位数置换为一些常数$δ>0$在时间$\tilde{O}(nm^2+n^3)$。我们进一步使用这些技术来实现一个$(2-δ)$近似的中位数字符串问题的特殊情况下,中位数被限制到长度$n$和最佳目标是大$Ω(mn)$。我们还设计了一个近似算法的概率模型的乌拉姆中位数:输入由$m$扰动的(未知)排列$x$,每个符号移动到一个随机位置的概率(一个参数)$ε>0$。我们的算法以高概率计算$(1+o(1/ε))$ -近似时间中值置换$O(mn^2+n^3)$。
2020-11-02 cs.DS
New Approximation Algorithms for Fair $k$-median Problem
公平$k$ -中值问题是聚类问题中的一个重要问题。对于Bercea等人提出的1-公平违规问题,当前最佳近似比为4.675 [APPROX-RANDOM'2019]。据我们所知,目前还没有一种近似算法能有效地解决这个问题。本文研究了有界加倍度量和一般度量下的公平$k$ -中值问题.我们提供了第一个QPTAS公平$k$中位数问题的两倍度量。基于倍增度量的分裂树分解,提出了一种动态规划的方法来寻找候选中心,并应用最小费用最大流方法来处理客户的分配问题。特别地,为了克服公平约束带来的困难,我们构造了一个辅助图,并使用最小加权完美匹配来获得部分代价。针对一般度量中的公平$k$ -中值问题,提出了一种基于树度量中嵌入给定空间的比率$O(\log k)$近似算法,并结合动态规划方法.我们的两个近似算法的公平$k$ -中位数问题是第一个结果,相应的问题没有任何公平违反,分别。
2022-02-13 cs.DS
Pivot Selection for Median String Problem
中值弦问题在Levenshtein距离下是W[1]-Hard的,因此,使用了近似算法.基于扰动的遗传算法在逼近精度/收敛速度的比值方面已被证明是非常有竞争力的。然而,计算负担随着集合的大小而增加。在本文中,我们探讨的想法,通过选择一个子集的代表性元素,即枢轴,用于计算近似中位数,而不是整个集合的大小的问题。我们的目标是减少计算时间,通过减少问题的大小,同时达到类似的近似精度。我们解释了如何找到这些支点,以及如何从它们计算中值串。常用的测试数据上的结果表明,我们的方法可以减少计算的要求(在计算的编辑距离测量)由$8$ \%的近似精度一样好的最先进的启发式。这项工作得到了CONICYT-PCHA/Doctorado Nacional/ $2014-63140074$的部分支持,奖学金;圣康塞普西翁天主教大学通过研究项目DIN-01/2016;欧盟的地平线2020根据玛丽Skeliodowska-Curie赠款协议$690941$ ;千年数据基础研究所(IMFD); FONDECYT-CONICYT赠款编号$1170497$ ;和O. Pedreira,Xunta de Galicia/FEDER-UE refs. CSI ED431G/01和GRC:ED431C 2017/58。
2020-03-04 cs.DS
FPT Approximation for Constrained Metric $k$-Median/Means
度量$k$-度量空间$(\mathcal{X}, d)$上的中值问题定义如下:给定设施位置的集合$L \subseteq \mathcal{X}$和客户端的集合$C \subseteq \mathcal{X}$,打开$k$设施的集合$F \subseteq L$,使得定义为$Φ(F, C) \equiv \sum_{x \in C} \min_{f \in F} d(x, f)$的总服务成本最小化。度量$k$-均值问题的定义类似于使用平方距离。在许多应用中,存在任何解决方案需要满足的附加约束。这就产生了不同的约束版本的问题,如$r$-收集,容错,离群$k$-手段/$k$-中位数问题。令人惊讶的是,对于许多这些约束问题,没有常数近似算法是已知的。我们给FPT算法与常数近似保证一系列约束$k$-中位数/均值问题。对于某些约束问题,我们是第一个常数因子近似算法,而对于其他人,我们改进或匹配以前的作品的近似保证。我们工作的统一框架内丁和徐,使我们能够同时获得算法的一系列约束问题。特别地,我们分别得到了FPT时间下约束形式的$k$-中值和$k$-均值问题的$(3+\varepsilon)$-近似和$(9+\varepsilon)$-近似.在$k$-中位数/均值问题的许多实际设置中,允许在任何客户端位置打开设施,即,PDMATHAMV。对于这种特殊情况,我们的算法在FPT时间内分别给出了约束形…
2020-07-23 cs.DS
Metric 1-median selection with fewer queries
令$h\colon\mathbb{Z}^+\to\mathbb{Z}^+\setminus\{1\}$是任何函数,使得$h(n)$和$\lceil n^{1/h(n)}\rceil$可在$O(h(n)\cdot n^{1+1/h(n)})$时间内从$n$计算。我们发现,给定任何$n$ -点度量空间$(M,d)$,问题的发现$\mathop{\mathrm{argmin}}_{i\in M}\,\sum_{j\in M}\,d(i,j)$(打破领带任意)有一个确定性,$O(h(n)\cdot n^{1+1/h(n)})$ -时间,$O(n^{1+1/h(n)})$ -查询,$(2\,h(n))$ -近似和非自适应算法。我们对Chang~ \cite{Cha15, Cha15CMCT}的证明作了如下改进:(1)在其他条件相同的情况下,将Chang的~ \cite{Cha15}查询复杂度从$O(h(n)\cdot n^{1+1/h(n)})$改进为$O(n^{1+1/h(n)})$。(2)Chang的~ \cite{Cha15CMCT}未发表的工作仅在$n$是完全$(h(n))$次幂时才建立了我们的结果。
2018-07-30 cs.DS
Deterministic metric $1$-median selection with very few queries
给定$n$ -点度量空间$(M,d)$,{ \sc度量$1$ -median}要求点$p\in M$最小化$\sum_{x\in M}\,d(p,x)$。我们表明,对于每个可计算的功能$f\colon \mathbb{Z}^+\to\mathbb{Z}^+$满足$f(n)=ω(1)$,{ \sc度量$1$ -中位数}有一个确定性,$o(n)$ -查询,$o(f(n)\cdot\log n)$ -近似和非自适应算法。先前,对于{ \sc度量$1$ -中值},没有已知的确定性$o(n)$ -查询$o(n)$ -近似算法。在消极的一面,我们证明每个确定性$O(n)$查询算法{ \sc度量$1$ -中位数}是不是$(δ\log n)$ -近似一个足够小的常数$δ>0$。我们还驳斥了确定性$o(n)$ -查询$O(\log n)$ -近似算法的存在。
2022-01-05 cs.CC cs.DM cs.DS
New Approximability Results for the Robust k-Median Problem
我们认为一个强大的变种的经典$k$中位数问题,介绍了安东尼等人。\cite{AnthonyGGN10}。在\emph{Robust $k$-Median problem}中,我们给出了一个$n$ -顶点度量空间$(V,d)$和$m$客户集$\set{S_i \subseteq V}_{i=1}^m$ .目标是打开$k$设施的集合$F \subseteq V$,使得所有客户端集合上的最坏情况连接成本最小化;换句话说,最小化$\max_{i} \sum_{v \in S_i} d(F,v)$。安东尼等人给出了一个适用于任何度量和APX-硬度的$O(\log m)$近似算法,即使在均匀度量的情况下也是如此。在本文中,我们证明了他们的算法是近紧的,通过提供$Ω(\log m/ \log \log m)$逼近硬度,除非${\sf NP} \subseteq \bigcap_{δ>0} {\sf DTIME}(2^{n^δ})$。即使对于均匀和线性指标,这种硬度结果也成立。据我们所知,这是一个罕见的情况下,一个问题的线度量是很难近似的对数因子。我们补充的硬度结果不同的apricistics的实验评估表明,非常简单的apricistics实现良好的近似现实类的实例。
2013-09-18 cs.DS
Oblivious Median Slope Selection
研究了不经意RAM模型中的中值斜率选择问题。在这种模型中,存储器访问必须独立于所处理的数据,即,对手不能使用观察到的访问模式来导出关于输入的附加信息。我们展示了如何修改Matoušek(1991)的随机算法以获得$\mathbb{R}^2$中$n$点的具有$\mathcal{O}(n \log^2 n)$期望时间的不经意版本。这种复杂性与理论上的上限相匹配,该上限可以通过一般的不经意变换获得。此外,从概念验证的实施结果表明,我们的算法也是实际有效的。
2023-02-24 cs.CG cs.CR cs.DS
The Power of Uniform Sampling for $k$-Median
本文研究了$k$ -Median在不同度量空间中的均匀采样的幂。我们将近似$k$ -中位数的查询复杂度与数据集的一个关键参数(称为平衡度$β\in (0, 1]$(其中$1$是完全平衡的))相关联。我们表明,任何算法必须使$Ω(1 / β)$查询的点集,以实现$O(1)$ -近似$k$ -中位数。这特别意味着现有的coreset结构,一个流行的数据减少技术,不能查询效率。另一方面,我们证明了一个简单的均匀样本的$\mathrm{poly}(k ε^{-1} β^{-1})$点足够的$(1 + ε)$ -近似$k$ -中位数的各种度量空间,几乎匹配的下限。我们进行了实验,以验证在许多真实的数据集,平衡性参数通常是有界的,均匀采样表现一贯良好,即使在中等大的平衡性的情况下,这证明均匀采样确实是一个可行的方法来解决$k$ -中位数。
2023-02-22 cs.DS
Hypothesis Selection via Weighted Medians
Aarhus University(奥胡斯大学)
针对给定分布与目标样本,提出基于加权中位数的假设选择算法,样本复杂度最优,运行时间对失败概率的依赖从多项式优化为对数级,解决了相关研究的问题。
2026-10-19 cs.DS cs.LG
A numerical analysis of Quicksort: How many cases are bad cases?
我们提出了数值结果的概率为快速排序坏的情况下,即输入数据的排序成本大大超过平均值的情况下。动态规划用于计算比较的频率分布的递归的解决方案。从这些解决方案中,提取了相对于平均值高于特定阈值的比较次数的概率。计算的数组大小为n = 500个元素和几种方法来选择分区元素,从一个简单的随机选择,我们称之为“递归中位数的三个中位数。“我们发现,概率在很大程度上取决于选择方法:对于n = 500和比平均比较次数高25%的阈值,它的范围从2.2*10^(-3)到3.0*10^(-23)。提出了一种基于递归中位数的快速排序方法,我们的数据表明,最坏情况下的时间复杂度为O(n^1.37)。
2015-07-15 cs.DS
A $(2+\varepsilon)$-Approximation Algorithm for Metric $k$-Median
Google Research, France(谷歌法国研究院);IDSIA, USI-SUPSI, Switzerland(瑞士IDSIA、USI-SUPSI);University of Michigan, Ann Arbor, MI, USA(美国密歇根大学安娜堡分校);Aarhus University, Denmark(丹麦奥胡斯大学);EPFL, Switzerland(瑞士洛桑联邦理工学院)
该研究提出了一种(2+ε)-近似算法,解决了metric k-中位问题,改进了之前最佳的近似因子2.613,通过结合两种算法,一种是改进的贪心算法,另一种是针对稳定实例的新型算法。
2026-05-19 cs.DS
Local search yields approximation schemes for k-means and k-median in Euclidean and minor-free metrics
本文对以下问题给出了第一多项式时间近似方案(PTAS):(1)边权平面图中的一致设施定位问题;(2)边权平面图中的$k$ -中值和$k$ -均值问题;(3)有界维数欧氏空间中的$k$ -均值问题.我们的第一个和第二个结果扩展到小闭图族。我们所有的结果扩展到成本函数是最短路径距离的$p$次幂。该算法是局部搜索,其中解$S$的局部邻域由通过去除和添加$1/ε^{O(1)}$中心从$S$获得的所有解组成。
2016-04-07 cs.CG cs.DS
$k$-Median Clustering via Metric Embedding: Towards Better Initialization with Differential Privacy
在设计聚类算法时,初始中心的选择对学习到的聚类质量至关重要。在本文中,我们发展了一个新的初始化方案,称为HST初始化,$k$-中位数问题在一般度量空间(例如,图诱导的离散空间),基于构造数据的度量嵌入树结构。从树,我们提出了一种新的和有效的搜索算法,为良好的初始中心,可用于随后的局部搜索算法。我们提出的HST初始化可以产生初始中心,实现较低的错误比从另一个流行的初始化方法,$k$-中位数++,具有可比的效率。HST初始化还可以扩展到设置差分隐私(DP)以生成私有初始中心。我们表明,从应用DP本地搜索,然后我们的私人HST初始化的误差提高了以前的结果的近似误差,并在一个小的因素接近下界。实验证明了理论的正确性,并证明了我们所提出的方法的有效性。我们的方法也可以扩展到$k$-均值问题。
2022-07-08 cs.DS stat.ML
Approximation Schemes for Capacitated Clustering in Doubling Metrics
受选区重划中的应用启发,我们考虑了有界加倍度量下的一致能力约束的k-中值和一致能力约束的k-均值问题。我们为这两个问题提供了第一个QPTAS,并为R^2中的点的一致容量限制k-中位数问题提供了第一个PTAS。这是对Arora,Raghavan,Rao [STOC 1998]的低维欧氏空间中容量限制k-中值的双准则QPTAS的第一次改进(1 + ε-近似,1 + ε-容量违反),并且可以说是非平凡度量的第一个多项式时间近似算法。
2019-11-06 cs.CG cs.DS
Better Guarantees for k-Means and Euclidean k-Median by Primal-Dual Algorithms
聚类是使用$k$进行优化的经典主题-意味着是最基本的此类问题之一。在对输入没有任何限制的情况下,具有可证明保证的用于$k$ -均值的最佳已知算法是产生$9+ε$的近似保证的简单局部搜索启发式,已知相对于这样的方法是紧的比率。我们克服了这个障碍,提出了一个新的原始-对偶方法,使我们能够(1)利用几何结构的$k$ -手段和(2)满足硬约束,最多$k$集群被选中,而不会恶化的近似保证。我们的主要结果是关于标准LP松弛的$6.357$ -近似算法。我们的技术是相当普遍的,我们也显示了改进的一般版本的$k$的保证-意味着其中的基本度量是不需要的欧几里德和$k$ -中位数在欧几里德度量。
2017-04-10 cs.DS
Improved randomized selection
我们发现,几个版本的Floyd和Rivest的改进算法选择寻找$k$次最小的$n$元素需要最多$n+\min\{k,n-k\}+O(n^{1/2}\ln^{1/2}n)$比较平均和高概率。这纠正了Floyd和Rivest的分析,并将其扩展到非独特元素的情况。令人鼓舞的计算结果大中位数发现问题的报告。
2004-02-02 cs.DS
Approximation Schemes for Clustering with Outliers
聚类问题在数据科学、运筹学和计算机科学等领域都得到了很好的研究。这些问题包括中心位置问题的变体,$k$ -中位数和$k$ -均值,仅举几例。在某些情况下,并非所有数据点都需要聚类;有些数据点可能会因各种原因而被丢弃。我们研究离群点的聚类问题。更具体地说,我们查看无容量限制设施点位置(UFL)、$k$ -中位数和$k$ -均值。在具有离群值的UFL中,我们必须开放一些中心,丢弃$\cal X$的$z$点,并将每隔一个点分配给最近的开放中心,使总分配成本加上中心开放成本最小化。在$k$ -中位数和$k$ -平均值中,我们必须向$k$中心开放,但没有开放成本。在$k$ -Means中,将$j$分配给$i$的开销为$δ^2(j,i)$。我们提出了几个结果。我们的主要重点是$δ$是一个加倍度量或最短路径度量的图从一个小的封闭的图形家庭的情况下。对于均匀成本UFL与离群值等指标,我们表明,一个简单的多窗口本地搜索启发式产生PTAS。随着更多的工作,我们扩展到双准则近似的$k$ -中位数和$k$ -意味着问题在相同的指标,对于任何恒定的$ε> 0$,我们可以找到一个解决方案,使用$(1+ε)k$中心的成本是最多的$(1+ε)$ -因素的最佳和使用最多$z$离群值。我们还表明,自然的本地搜索算法,不违反$k$ -中位数(或$k$ -手段)的集群和离群值的数量将有无界的差距,即使在欧几里德度量。此外…
2017-07-13 cs.DS
Assessing the best edit in perturbation-based iterative refinement algorithms to compute the median string
字符串是生物数据(如DNA、RNA和蛋白质序列)的自然表示。找到一个字符串,总结了一组序列的问题有直接的应用在相对压缩算法的基因组和蛋白质组分析,其中参考序列需要选择。中值字符串已经被用作不同域中的一组字符串的代表。然而,这些问题的一些公式是NP完全的。可替代地,已经提出了通过应用编辑操作来迭代地细化初始粗略解的启发式方法。最近,我们研究了最佳编辑操作的选择,以加快收敛,而不会破坏近似中值字符串的质量。我们提出了一种新的算法,优于最先进的启发式近似的中值字符串的收敛速度方面的估计的扰动的影响,在最小化的表达式,定义的中值字符串。我们提出了语料库的比较实验来验证这些结果。
2019-12-04 cs.DS
Accurate MapReduce Algorithms for $k$-median and $k$-means in General Metric Spaces
基于中心的聚类是数据分析的基础,对于大型数据集来说变得非常具有挑战性。在本文中,我们专注于流行的$k$ -中位数和$k$ -意味着变种,给定一组$P$的点从度量空间和一个参数$k<|P|$,需要确定一组$S$的$k$中心最小化,分别是距离和距离的平方和的总和,所有点在$P$从他们最近的中心。我们的具体重点是一般的度量空间,这是合理的,要求中心属于输入集(即,$S \subseteq P$)。我们提出了基于核心集的3轮分布式近似算法的上述问题使用MapReduce计算模型。该算法是相当简单的和obligantly适应的内在复杂性的数据集,捕获的双重维度$D$的度量空间。值得注意的是,该算法获得的近似比,可以任意接近那些可实现的最知名的多项式时间顺序近似,他们是非常小的空间效率为$D$,需要本地存储器的大小基本上是次线性的输入大小。据我们所知,没有以前的分布式方法能够在一般度量空间中获得类似的质量性能保证。
2019-09-29 cs.DC cs.DS
Interpolating between $k$-Median and $k$-Center: Approximation Algorithms for Ordered $k$-Median
我们考虑一个推广的$k$ -中位数和$k$ -中心,称为{ \em有序$k$ -中位数}问题。在这个问题中,我们给出了一个度量空间$(\mathcal{D},\{c_{ij}\})$与$n=|\mathcal{D}|$点,和一个非递增的权重向量$w\in\mathbb{R}_+^n$,目标是打开$k$中心,并分配每个点$j\in\mathcal{D}$到一个中心,以最小化$w_1\cdot\text{(largest assignment cost)}+w_2\cdot\text{(second-largest assignment cost)}+\ldots+w_n\cdot\text{($ n $-th largest assignment cost)}$。我们给出了这个问题的$(18+ε)$ -近似算法。我们的算法利用拉格朗日松弛和原始对偶模式,结合Aouad和Segev的枚举过程。对于$\{0,1\}$ -权值的特殊情况,它模拟了最小化$\ell$最大分配成本的问题,这是有趣的,我们提供了一个新的减少,(标准)$k$ -中位数问题,表明$k$ -中位数的LP相对保证转化为有序$k$ -中位数问题的保证;这产生了用于$\{0,1\}$权重的良好且干净的$(8.5+ε)$近似算法。
2017-11-23 cs.DS
QuickMergesort: Practically Efficient Constant-Factor Optimal Sorting
我们认为内部排序的$n$元素序列的基本问题。在其最佳理论设置QuickMergesort中,QuickSort与Mergesort的组合以及$\sqrt{n}$的中位数枢轴选择,平均最多需要$n \log n - 1.3999n + o(n)$元素比较。本文解决的问题是如何使该算法实用。由于精细的枢轴选择通常会增加很多开销,我们发现QuickMergesort的中位数3枢轴选择导致平均最多$n \log n - 0{.}75n + o(n)$元素比较,同时在基本数据上运行速度很快。实验表明,QuickMergesort优于最先进的库实现,包括C++的Introsort和Java的Dual-Pivot Quicksort。进一步权衡低运行时间和低数量的比较进行了研究。此外,我们描述了一个实际有效的版本与$n \log n + O(n)$比较在最坏的情况下。
2018-04-26 cs.DS
On the k-Means/Median Cost Function
在这项工作中,我们研究了$k$ -平均成本函数。给定一个数据集$X \subseteq \mathbb{R}^d$和一个整数$k$,欧几里德$k$ -均值问题的目标是找到一组$k$中心$C \subseteq \mathbb{R}^d$,使得$Φ(C, X) \equiv \sum_{x \in X} \min_{c \in C} ||x - c||^2$最小化.令$Δ(X,k) \equiv \min_{C \subseteq \mathbb{R}^d} Φ(C, X)$表示最优$k$均值解的成本。对于任何数据集$X$,$Δ(X,k)$随着$k$的增加而减少。在这项工作中,我们试图更准确地理解这种行为。对于任何数据集$X \subseteq \mathbb{R}^d$、整数$k \geq 1$和精度参数$\varepsilon > 0$,令$L(X, k, \varepsilon)$表示使得$Δ(X, L(X, k, \varepsilon)) \leq \varepsilon \cdot Δ(X,k)$的最小整数。我们给出了这个量的上界和下界。我们的技术推广的度量$k$ -中位数问题在任意度量空间,我们给出的两倍的度量维度的界限。最后,我们观察到,对于任何数据集$X$,我们可以使用$D^2$ -采样来计算大小为$O \left(L(X, k, \varepsilon/c) \r…
2021-09-09 cs.DS
Optimally selecting the top $k$ values from $X+Y$ with layer-ordered heaps
笛卡尔和$X+Y$的选择与排序是经典而重要的问题。在这里,提出了一种新的算法,它生成形式为$X_i+Y_j$的顶部$k$值。该算法只依赖于中位数,是简单的实现。此外,它使用在存储器中连续的数据结构,并且在实践中是快速的。该算法被证明是理论上最优的。
2020-10-05 cs.DS
Hardness of Median and Center in the Ulam Metric
本文研究Ulam度量下排名聚合的中位数和中心点问题,证明连续设置下中位数计算为NP困难,并完全解决离散设置的细粒度复杂性,证明朴素算法条件最优。
2025-04-23 cs.CC cs.CG cs.DS
On the Fixed-Parameter Tractability of Capacitated Clustering
我们研究了由中心数k参数化的经典的有能力约束的k-中值和k-均值问题的复杂性。这些问题是出了名的困难,因为最有名的近似界为高维欧氏空间和一般度量空间是$Θ(\log k)$,它仍然是一个主要的开放问题是否存在一个常数因子。我们证明了在一般度量空间中,运行时间为$f(ε,k) n^{O(1)}$的有能力的k-中值问题存在一个$(3+ε)$-近似算法,有能力的k-均值问题存在一个$(9+ε)$ -近似算法.对于任意维数的欧氏输入,我们给出了一个$(1+ε)$ -近似算法。这是对Adamczyk等人的$(7+ε)$ -近似的显著改进。在一般度量空间中的k-中位数和Xu等人的$(69+ε)$ -近似的欧几里德k-均值。
2022-08-30 cs.DS
Parallel calculation of the median and order statistics on GPUs with application to robust regression
Deakin University(迪肯大学)
本文提出并比较了GPU上选择问题的多种方法,重点是基于凸函数最小化的新方法,用于高效计算大规模数组的顺序统计量,并应用于高破坏点鲁棒回归的参数估计。
2011-04-14 cs.DC cs.DS cs.NA
Near-Linear Time Approximation Schemes for Clustering in Doubling Metrics
本文研究了双维度量空间$d$中的经典设施选址、$k$ -Median和$k$ -Means问题。我们给每个问题的近线性时间近似方案。我们的算法的复杂性是$2^{(\log(1/\eps)/\eps)^{O(d^2)}} n \log^4 n + 2^{O(d)} n \log^9 n$,使一个显着的改进,在时间上运行的最先进的算法$n^{(d/\eps)^{O(d)}}$。此外,我们展示了如何扩展的技术,用于获得第一个有效的近似方案的问题,奖金收集$k$ -中位数和$k$ -手段,和有效的双准则近似方案$k$ -中位数与离群值,$k$ -均值与离群值和$k$ -中心。
2020-05-20 cs.CG cs.DS
A Fixed Parameter Sublinear Time Approximation Scheme for Metric Min-Sum Clustering
Rutgers University(罗格斯大学);University of Michigan(密歇根大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Aarhus University(奥胡斯大学);Texas A&M University(德克萨斯农工大学)
本文针对k适度增大时的度量k-最小和聚类问题,提出了固定参数可处理的子线性时间近似方案,还证明了k-中位数等相关问题不存在类似算法,首次将分布式PCP框架应用于聚类问题。
2026-10-14 cs.CC cs.DS
Connected k-Median with Disjoint and Non-disjoint Clusters
本文研究连通k-中位问题中允许簇重叠的变体,证明其近似难度为Ω(log n),并给出O(k^2 log n)近似算法,同时补充了不相交簇情形的Ω(n^{1-ε})下界及树图上的精确算法。
2025-07-03 cs.DS
Fully Dynamic $k$-Median with Near-Optimal Update Time and Recourse
针对动态度量k-中位数问题,提出首个在近似比、重配置代价和更新时间上均达近最优(O(1)近似、Õ(1)重配置、Õ(k)更新)的算法,综合鲁棒中心与随机局部搜索实现。
2024-11-05 cs.DS
Johnson Coverage Hypothesis: Inapproximability of k-means and k-median in L_p metrics
Google Research(谷歌研究院);Rutgers University(罗格斯大学);University of Michigan(密歇根大学)
K-median和k-means是聚类算法中最常用的两个目标。尽管密集的努力,很好地理解这些目标的近似性,特别是在$\ell_p$ -指标,仍然是一个主要的开放问题。在本文中,我们显着改善后,在文献中已知的这些目标在$\ell_p$度量的近似因子的硬度。我们引入了一个新的假设称为约翰逊覆盖假设(JCH),它大致断言,充分研究的最大k-覆盖问题的集合系统是很难接近的一个因子大于1-1/e,即使当集合系统的隶属度图是一个子图的约翰逊图。然后,我们表明,与推广的嵌入技术介绍的Cohen-Addad和Karthik(FOCS '19),JCH意味着硬度的近似结果的k-中位数和k-均值在$\ell_p$ -度量的因素,接近一般度量。特别地,假设JCH,我们表明很难近似k均值目标:$\bullet$离散情况:在$\ell_1$度量中为3.94的因子,在$\ell_2$度量中为1.73的因子;这分别改进了UGC下获得的先前因子1.56和1.17。$\bullet$连续病例:在$\ell_1$度量中为2.10倍,在$\ell_2$度量中为1.36倍;这改进了在UGC下获得的$\ell_2$度量中的先前1.07倍。我们还获得了类似的改进JCH下的k-中位数的目标。此外,我们使用Dinur等人的工作证明了JCH的一个弱版本。(SICOMP '05)超图顶点覆盖,并恢复Cohen-Addad和Karth…
2021-11-21 cs.CC cs.CG cs.DS
Hardness of Approximation of Rank Aggregation on Ulam Metric
Pennsylvania State University(宾夕法尼亚州立大学);National University of Singapore(新加坡国立大学)
该研究针对Ulam度量下的Ulam中位数与Ulam中心两类秩聚合问题,证明了其51/50−ε因子的近似NP难度及无多项式时间加性近似方案的结论,并给出了相应的归约证明。
2026-09-01 cs.CC 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
Deterministic $k$-Median Clustering in Near-Optimal Time
University of Warwick(华威大学)
本文提出一种确定性k-中位数聚类算法,在近最优时间内实现O(log(n/k))的近似比,并证明确定性算法的下界。
2026-03-29 cs.DS
Clustering What Matters in Constrained Settings
本文提出一个通用框架,将约束k-中位数和k-均值问题的离群点版本归约到无离群点版本,仅损失(1+ε)近似比,并首次给出容量约束和Ulam度量下的FPT近似算法。
2025-04-21 cs.DS
A Configuration-LP Framework for Connected $k$-Median Clustering
Indian Statistical Institute(印度统计研究所);National University of Singapore(新加坡国立大学);Virginia Tech(弗吉尼亚理工大学)
针对允许顶点共享的连通k-中位数聚类问题,提出结合配置-LP、覆盖LP和有根密度预言机的框架,分别得到分配版本O(log²n)近似比和一般版本O(k log n)中心数下的O(log²n)代价近似比。
2026-08-31 cs.DS
Locating Depots for Capacitated Vehicle Routing
本文研究了一种在车辆路径容量限制下的定位-路径问题。输入是度量空间中的一组需求位置和k辆车的车队,每辆车的容量为Q。目标是找到k个站点,每辆车一个,并计算车辆的路线,使所有的需求得到满足,总成本最小化。我们的主要结果是这个问题的常数因子近似算法。为了实现这一结果,我们减少到k-中位数森林问题,它概括了k-中位数和最小生成树,这可能是独立的利益。我们给出了k-中值森林的一个(3+c)-近似算法,从而对任意常数c>0,得到了上述选址-路由问题的一个(12+c)-近似算法. k-median-forest的算法是t-swap局部搜索,并证明了它的局部间隙为3+2/t,推广了k-median的相应结果。最后,我们考虑了“非均匀”k-中值森林问题,它具有不同的成本函数的MST和k-中值部分。我们发现,这个问题的地方差距是无界的,即使在多交换,这与统一的情况下。然而,我们得到一个常数因子的近似算法,使用LP为基础的方法。
2011-03-04 cs.DS
Clustering Permutations under the Ulam Metric: A Parameterized Complexity Study
University of Bergen(卑尔根大学);TU Wien(维也纳工业大学)
本文研究了在Ulam度量下排列聚类的参数化复杂性,分析了中心问题、中位问题及其扩展,证明了Ulam k-中心问题在参数k+d下固定参数可解,而Ulam k-中位问题在参数d下为W[1]-难,提供XP算法和多项式核。
2026-04-28 cs.CC cs.DS
Median and Small Parsimony Problems on RNA trees
本文针对RNA二级结构树,提出中位数和小简约问题,采用RF距离、IL距离及通用编辑距离,并给出多项式时间算法,应用于RFAM数据库验证实用性。
2024-02-05 cs.DS
Towards Optimal Lower Bounds for k-median and k-means Coresets
Google Research(谷歌研究院);Aarhus University(奥胡斯大学);Sorbonne Université(索邦大学)
给定度量空间中的一组点,$(k,z)$聚类问题包括找到一组称为中心的$k$点,使得每个数据点到其最近中心的距离之和最小化为$z$的幂。特殊情况包括著名的k-中位数问题($z = 1$)和k-均值问题($z = 2$)。$k$ -中位数和$k$ -均值问题是现代数据分析的核心,海量数据应用已经提出了coreset的概念:输入点集的一个小(加权)子集,保留问题的任何解决方案的成本,直到乘法$(1 \pm \varepsilon)$因子,从而从大到小减少问题的输入。在本文中,我们提出了各种度量空间中的coreset的改进的下界。在有限度量组成的$n$点和加倍度量与加倍常数$D$,我们表明,任何coreset的$(k,z)$聚类必须至少包括$Ω(k \varepsilon^{-2} \log n)$和$Ω(k \varepsilon^{-2} D)$点,分别。这两个边界都与先前的上限匹配,直到polylog因子。在欧氏空间中,我们证明了$(k,z)$聚类的任何核心集必须至少由$Ω(k\varepsilon^{-2})$点组成。我们补充这些下限与coreset建设组成的最多$\tilde{O}(k\varepsilon^{-2}\cdot \min(\varepsilon^{-z},k))$点。
2022-02-25 cs.CG cs.DS cs.LG
Consistent $k$-Median: Simpler, Better and Robust
University at Buffalo(纽约州立大学布法罗分校);Microsoft Research(微软研究院)
在本文中,我们介绍和研究在线一致的$k$ -聚类离群值问题,推广的非离群值版本的问题研究[Lattanzi-Vassilvitskii,ICML 17]。我们发现,一个简单的本地搜索为基础的在线算法可以给一个双准则常数近似的问题与$O(k^2 \log^2 (nD))$交换中位数(追索权)的总,其中$D$是直径的度量。当被限制到没有离群值的问题时,我们的算法是简单的,确定性的,并提供更好的近似比和追索权,与[Lattanzi-Vassilvitskii,ICML 17]相比。
2020-08-13 cs.DS cs.LG
Consistent k-Clustering for General Metrics
给定度量空间中的点流,在算法的整个执行过程中,是否可以通过仅少量改变聚类中心来保持恒定的近似聚类?这个问题近年来在机器学习文献中受到关注,并且在我们的工作之前,最知名的算法执行$\widetilde{O}(k^2)$中心交换($\widetilde{O}(\cdot)$符号隐藏输入实例的点数$n$和纵横比$Δ$中的多对数因子)。与离线情况相比,这是一个二次增长--整个流是预先已知的,人们对在任何时间点保持恒定的近似值感兴趣--对于离线情况,已知$\widetilde{O}(k)$交换是足够的,简单的例子表明$Ω(k \log(n Δ))$交换是必要的。我们通过开发一种算法来缩小这一差距,该算法可能令人惊讶地匹配离线设置中的保证。具体来说,我们将展示如何保持一个恒定的因素近似的$k$中位数的问题,通过执行一个最佳的(最多polymimic因素)的中心交换数$\widetilde{O}(k)$。为了获得我们的结果,我们利用新的结构特性的$k$ -中值聚类,可能是独立的利益。
2020-11-13 cs.DS
Fully Dynamic $k$-Clustering in $\tilde O(k)$ Update Time
提出一种针对度量空间 $k$-median 和 $k$-means 问题的 $O(1)$-近似完全动态算法,摊销更新时间为 $\tilde O(k)$,并通过实验对比和下界证明其理论最优性。
2023-10-26 cs.DS
Improved Approximations for Euclidean $k$-means and $k$-median, via Nested Quasi-Independent Sets
Google Research(谷歌研究院);Massachusetts Institute of Technology(麻省理工学院)
受数据分析和机器学习应用的启发,我们考虑了流行的高维欧氏$k$ -中位数和$k$ -均值问题。我们提出了一个新的原始-对偶算法,灵感来自经典算法的Jain和Vazirani和最近的算法的Ahmadian,Norouzi-Fard,Svensson,和沃德。我们的算法实现了$2.406$和$5.912$的近似比为欧几里德$k$ -中位数和$k$ -均值,分别提高了Ahmadian等人的2.633近似比和Grandoni,Ostrovsky,Rabani,Schulman和Venkat的6.1291近似比。我们的技术涉及更强的利用欧几里德度量比以前的工作欧几里德聚类。此外,我们引入了一个新的方法,去除多余的中心使用的一个变种的独立集的图,我们称之为“嵌套的准独立集“。反过来,这种技术可能是在欧几里德和$\ell_p$度量空间的其他优化问题的兴趣。
2022-04-12 cs.CG cs.DS cs.LG
Parameterized Approximation Schemes for Clustering with General Norm Objectives
University of Wrocław(弗罗茨瓦夫大学);Aalto University(阿尔托大学);University of British Columbia(不列颠哥伦比亚大学);CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);The University of Sheffield(谢菲尔德大学)
本文提出了一种简洁的高效参数化近似方案(EPAS),通过引入bounded ε-scatter dimension这一新概念,统一解决了十多种聚类问题和度量空间下的近似算法设计。
2023-04-06 cs.DS cs.LG
Faster and Simpler Greedy Algorithm for $k$-Median and $k$-Means
Max Dupré la Tour(独立研究者);David Saulpic(独立研究者)
研究k-中位数和k-均值聚类问题,对Mettu和Plaxton的递归贪心算法进行简化,使其实现更快,在图度量或欧几里得空间中达到或改进现有技术水平。
2026-07-09 cs.AI cs.DS
K-Medians, Facility Location, and the Chernoff-Wald Bound
本文给出了求解k-中位数和设施选址问题的近似算法。对于k中位数,该算法返回一个最多使用ln(n+n/n)k中位数的解,其成本最多为使用最多k中位数的最佳解的成本的(1+ n)倍。在这里,n> 0是算法的输入。相比之下,以前最好的算法(Jyh-Han Lin和Jeff Vitter,1992)在性能保证中具有(1+1/n)ln(n)项,而不是ln(n+n/n)项。对于设施选址,如果存在成本d+k的解,则该算法返回至多d+ln(n)k的成本解,其中d是分配成本,k是设施成本。相比之下,以前最好的算法(Dorit Hochbaum,1982)返回的解决方案的成本最多为ln(n)(d+k)。对于这两个问题,算法目前提供了最好的性能保证已知的一般(非度量)的问题。本文还介绍了一个新的概率界(称为“Boff-Wald界”)的期望的最大值的随机变量的集合的总和,当每个总和包含一个随机数的条款。的界限是用来分析的随机舍入方案的基础算法。
2005-04-08 cs.DM cs.DS
Towards Tight Robust Coresets for $k$-Medians Clustering
Nanjing University(南京大学);Nanyang Technological University(南洋理工大学)
针对含离群点的鲁棒 $k$-中位数问题,提出在VC/倍增维度量空间和欧氏空间中大小接近最优的核心集构造,并推广到鲁棒 $(k,z)$-聚类。
2026-06-12 cs.CG cs.DM cs.DS
Multiparty Selection
给定$n$数的序列$A$和整数(目标)参数$1\leq i\leq n$,(精确)选择问题要求找到$A$中的第$i$个最小元素。如果一个元素既不在$S$的顶部$i$中,也不在底部$j$中,则称该元素为$(i,j)$ -平庸。近似选择问题要求为某个给定的$i,j$找到一个$(i,j)$ -平庸元素;因此,这个变体允许算法返回指定范围内的任何元素。在第一部分中,我们回顾了Andrew Yao(1979)提出的两方模型中的选择问题,然后将我们对精确选择的研究扩展到多方模型。在第二部分中,我们推导出近似选择中出现的一些通信复杂性好处。特别是,我们提出了一个确定性的协议,找到一个近似的中位数之间的$k$球员。
2020-04-21 cs.CC cs.DM cs.DS