Approximate minimum cuts and their enumeration
我们证明了连通图中的每个$α$ -近似最小割是唯一的最小$(S,T)$ -终端割,对于某些顶点子集$S$和$T$,每个顶点的大小至多为$\lfloor2α\rfloor+1$。这导致了另一种证明,$α$-顶点连通图中的$α$ -近似最小割的数目是$n^{O(α)}$,并且它们都可以在常数$α$的确定性多项式时间内被枚举。
2022-11-30 cs.DS
A near-linear time minimum Steiner cut algorithm for planar graphs
本文研究了具有非负边权的无向平面图的最小Steiner割问题。这个问题涉及到寻找图的最小割,该最小割将顶点(终端)的指定子集$X$分成两部分。这个问题是理论上的兴趣,因为它推广了两个经典的优化问题,最小$s$ - $t$削减和最小削减,并具有实际意义,因为它的应用程序计算Steiner(子集)TSP的下限。我们的算法具有运行时间$O(n\log{n}\log{k})$,其中$k$是终端的数量。
2019-12-31 cs.DS
Extending Karger's randomized min-cut Algorithm for a Synchronous Distributed setting
在网络中,分离顶点s和t的最小割是一个最小权的边集,去除它将断开s和t。这个问题是著名的s-t最大流问题的对偶。最小割问题的几种算法是基于最大流计算,虽然最快的已知最小割算法不是基于流的。著名的Karger的最小割随机算法是一种基于非流的方法,用于解决(全局)最小割问题,即在加权无向图中的所有顶点对s,t上找到最小s-t割。本文提出了一种适应Karger算法的同步分布式设置,每个节点只允许执行本地计算。本文主要解决的技术细节涉及规避的限制,由分布式设置的工作卡格的算法。虽然正确性证明直接遵循Karger算法,但复杂性分析有很大不同。该算法以O(mn^{2})的消息复杂度和O(n^{2})的时间复杂度实现了与原始算法相同的成功概率,其中n和m表示图中的顶点和边的数量。
2010-01-01 cs.DC cs.DS
A Simple Algorithm for Minimum Cuts in Near-Linear Time
我们考虑无向加权图的最小割问题。我们给出了一个简单的算法,以找到一个最小割,$2$ -尊重(削减两个边缘)的生成树$T$的图$G$。这个过程可以用来代替Karger的近似线性时间最小割算法(J. ACM,2000)中给出的复杂子程序。我们给出了一个自包含的版本的Karger的算法与新的程序,这是很容易的状态和相对简单的实现。它在$O(m \log^3 n)$时间内以高概率在$m$ -边,$n$ -顶点图上产生最小割,与Karger方法的复杂性相匹配。
2020-06-10 cs.DS
Computing exact minimum cuts without knowing the graph
我们给查询有效的算法的全球最小割和s-t割问题的无权,无向图。我们的预言机模型的灵感来自于次模函数最小化问题:在查询$S \subset V$上,预言机返回$S$和$V \setminus S$之间的切割的大小。我们提供的算法计算一个确切的最小$s$ - $t$削减$G$与$\tilde{O}(n^{5/3})$查询,并计算一个确切的全球最小削减$G$只有$\tilde{O}(n)$查询(而学习的图形需要$\tildeΘ(n^2)$查询)。
2019-08-05 cs.DS
Pseudodeterministic Algorithms for Minimum Cut Problems
Max-Planck-Institut für Informatik(马克斯·普朗克 informatics 研究所);Saarland Informatics Campus(萨尔兰 informatics 校园);University of Cologne(科隆大学)
本文提出了一种高效的伪确定性算法,用于解决全局最小割和最小s-t割问题,并在多种计算模型中实现了该算法。
2025-12-29 cs.CC cs.DS
Minimum Cuts in Near-Linear Time
我们显着改善已知的时间界限解决无向图的最小割问题。我们使用的“半对偶”之间的最小切割和最大生成树包装与我们以前开发的随机抽样技术相结合。我们给出了一个随机算法,它以高概率在O(mlog^3 n)时间内找到一个m-边,n-顶点图的最小割。我们还给出了一个更简单的随机算法,找到所有的最小切割高概率在O(n^2 log n)的时间。该变体具有最佳RNC并行化。时间复杂度为O(n^2 log^3 n)。树包装方法的其他应用是新的,几乎紧边界上的近最小割图可能有一个新的数据结构,用于表示它们在一个空间有效的方式。
1998-12-08 cs.DS
Minimum Cut of Directed Planar Graphs in O(nloglogn) Time
本文给出了一个计算加权有向平面图的最小割(或等价地,最短圈)的$O(n \log \log n)$时间算法。这改进了以前最快的$O(n\log^3 n)$解决方案。有趣的是,虽然在无向平面图中,最小割和最小$st$ -割都有$O(n \log \log n)$解,但在有向平面图中,我们的结果使最小割比最小$st$ -割更快,目前需要$O(n \log n)$。
2016-11-12 cs.DS
Minimum Cut in $O(m\log^2 n)$ Time
我们给出了一个随机算法,在$O(m \log^2 n)$时间内以高概率找到无向加权$m$ -边$n$ -顶点图$G$的最小割。这是Karger自1996年以来对著名的$O(m \log^3 n)$时间算法的第一次改进。我们的主要技术贡献是一个确定性的$O(m \log n)$时间算法,给定一个生成树$T$的$G$,找到一个最小的切割$G$,2-尊重(削减两个边缘)$T$。
2020-08-03 cs.DS
Almost-Tight Distributed Minimum Cut Algorithms
研究了加权分布式消息传递网络(CONGEST模型)中最小割的计算问题。令$λ$为最小割,$n$为网络中的节点数,$D$为网络直径。我们的算法可以在$O((\sqrt{n} \log^{*} n+D)λ^4 \log^2 n)$时间内精确计算$λ$。据我们所知,这是第一篇论文,明确研究计算精确的最小切割的分布式设置。以前,这个问题的非平凡次线性时间算法是已知的,只有当$λ\leq 3$由于Pritchard和Thurimella的$O(D)$ -时间和$O(D+n^{1/2}\log^* n)$ -时间算法计算$2$ -边连接和$3$ -边连接组件的未加权图。利用Karger的边缘采样技术,我们可以将该算法转化为对任何$ε>0$的$(1+ε)$ -近似$O((\sqrt{n}\log^{*} n+D)ε^{-5}\log^3 n)$ -时间算法.这改进了Ghaffari和Kuhn先前的$(2+ε)$ -近似$O((\sqrt{n}\log^{*} n+D)ε^{-5}\log^2 n\log\log n)$ -时间算法和$O(ε^{-1})$ -近似$O(D+n^{\frac{1}{2}+ε} \mathrm{poly}\log n)$ -时间算法。由于Das Sarma等人给出的$Ω(D+n^{1/2}/\log n)$的下限适用于任何近似算法,因此该运行时间紧到$ \mathrm…
2014-08-04 cs.DC cs.DS
The Number of Minimum $k$-Cuts: Improving the Karger-Stein Bound
给定一个边赋权图,它能有多少个最小$k$ -割?这是算法、极值组合学和图论交叉领域的一个基本问题。特别有趣的是,最著名的边界是算法的:它们源于计算最小$k$ -cut的算法。1994年,Karger和Stein得到了一个随机收缩算法,该算法可以在$O(n^{(2-o(1))k})$时间内找到最小$k$ -cut。它还可以在同一运行时间内枚举所有这样的$k$ -割,建立$O(n^{(2-o(1))k})$的相应极值界。从那时起,算法方面的最小$k$ -削减问题已经看到了很大的进展,导致一个确定性的算法的基础上的树包装结果的Thorup,它列举了所有最小$k$ -削减在相同的渐近运行时间,并给出了另一种证明的$O(n^{(2-o(1))k})$界。然而,即使是为了计算一个最小的$k$ -cut,也仍然无法超越Karger-Stein界。本文给出了一个在$O(n^{(1.981+o(1))k})$时间内枚举所有最小$k$ -割的算法,打破了枚举最小$k$ -割的算法障碍和极值障碍.为了得到我们的结果,我们结合了Karger-Stein和Thorup结果的思想,并在最小$k$ -割和极值集理论之间建立了一个新的联系。特别是,我们给出并使用更严格的界限上的大小与有界的双VC维,这可能是独立的兴趣集系统。
2019-06-02 cs.DS
Fast Distributed Approximation for Max-Cut
在许多计算环境中,寻找最大切割是一项基本任务。令人惊讶的是,在经典的分布式环境中,它没有得到充分的研究,其中顶点根据底层图(称为$\mathcal{LOCAL}$或$\mathcal{CONGEST}$模型)通过向其邻居同步发送消息进行通信。我们修正这一点,在这些模型中获得几乎最佳的算法,最大切割的广泛的一类图。特别是,对于任何$ε> 0$,我们开发的随机近似算法实现的比例$(1-ε)$的最大切割的二分图中的$\mathcal{CONGEST}$模型,并在一般的图形中的$\mathcal{LOCAL}$模型。我们进一步提出了有效的确定性算法,包括$1/3$ -近似的最大-Dicut在我们的模型,从而提高了最好的已知(随机)比$1/4$。我们的算法利用Buchbinder等人的贪婪方法(SIAM Journal on Computing,2015)来最大化无约束(非单调)子模函数,这可能是独立的兴趣。
2017-07-26 cs.DC cs.DS
Fast and Deterministic Approximations for $k$-Cut
在无向图中,$k$ -割是一组边,其移除将图至少分解为$k$连通分量。最小权重$k$ -cut可以在$O(n^{O(k)})$时间内计算,但当$k$被视为输入的一部分时,计算最小权重$k$ -cut是NP困难的[Holdschmidt and Hochbaum 1994]。对于$\operatorname{poly}(m,n,k)$时间算法,在小集合扩展假设下,最佳可能近似因子基本上为2 [Manurangsi 2017]。Saran和Vazirani [1995]表明,$(2 - 2/k)$ -近似最小权重$k$ -割可以通过$O(k)$最小割来计算,这意味着通过Karger [2000]的近似线性时间随机最小割算法的$\tilde{O}(mk)$随机运行时间。Nagamochi和Kamidoi [2007]表明,可以在$O(mn + n^2 \log n)$时间内确定性地计算最小权重$k$ -cut。这些结果引发了两个基本问题。第一个是关于随机化的作用。是否有一个确定性算法的2近似$k$切割匹配随机运行时间的$\tilde{O}(mk)$?第二个问题定性地比较了最小切割与2-近似最小$k$ -切割。2-近似$k$ -切割的计算速度能否与随机时间内的(精确)最小切割$\tilde{O}(m)$一样快?我们在这些问题上取得了进展,与一个确定性的近似算法,计算$(2 + ε)$ -最…
2018-11-18 cs.DS
Fully Sequential and Distributed Dynamic Algorithms for Minimum Spanning Trees
在本文中,我们提出了一个全动态的分布式算法,以保持一个最小生成树的一般图与正实边权重。动态MST算法的目标是在动态变化(如边权重变化)后有效地更新最小生成树,而不是每次都必须从scatch重新计算它。本文的第一部分调查了各种算法,今天在顺序和分布式环境中解决静态MST问题。我们还提出了一些有效的顺序算法计算动态MST像Frederickson的算法和Eppstein的稀疏化技术。最后,我们提出了我们的新的顺序和分布式算法的动态MST问题。据我们所知,这是第一个用于计算动态MST的分布式算法。
2000-02-08 cs.DC cs.DS
Deterministic enumeration of all minimum cut-sets and $k$-cut-sets in hypergraphs for fixed $k$
考虑了给定超图中任意固定$k$的最小$k$-割集的确定性计数问题。这里的输入是具有非负超边成本的超图$G = (V, E)$。超边的子集$F$是$k$-割集,如果$G - F$中连通分支的个数至少为$k$,如果它在所有$k$-割集中具有最小代价,则它是最小$k$-割集.对于固定的$k$,我们把寻找最小$k$-割集的问题称为Hypergraph-$k$-Cut,把枚举所有最小$k$-割集的问题称为Enum-Hypergraph-$k$-Cut。Hypergraph-$k$-Cut和Enum-Hypergraph-$k$-Cut限制于图输入的特殊情况是众所周知的,可以在(随机的和确定的)多项式时间内求解。相比之下,Hypergraph-$k$-Cut的多项式时间算法只是最近才被开发出来。Hypergraph-$k$-Cut的随机多项式时间算法于2018年设计(Xu和Yu,SODA 2018)表明超图中最小$k$-割集的数量是$O(n^{2k-2})$,其中$n$是输入超图中的顶点数量,并且它们都可以在随机多项式时间内枚举,从而在随机多项式时间内求解Enum-Hypergraph-$k$-Cut。Hypergraph-$k$-Cut的确定性多项式时间算法随后在2020年被设计出来(Anatrasekaran和Chekuri,FOCS 2020),但不能保证枚举所有最小$k$-割集。在这项…
2021-10-29 cs.DM cs.DS
Fixed-parameter tractability of counting small minimum $(S,T)$-cuts
计数最小割的参数化复杂性是一个自然的问题,因为Ball和Provan证明了它的#P-完备性。对于任意无向图$G=(V,E)$及其两个不相交的顶点集$S,T$,我们设计了一个计算最小边$(S,T)$ -割的固定参数的易处理算法,该算法以最小边的大小$p$为参数.我们的算法在变换后的图实例上操作。这种变换称为引流,它揭示了至多$n=\left| V \right|$连续最小$(S,T)$ -割集$Z_i$的集合。证明了任意最小$(S,T)$ -截$X$至少包含一个截$Z_i$的边.这一观察,与门格尔定理,使我们能够建立算法计数所有最小$(S,T)$ -切割与运行时间$2^{O(p^2)}n^{O(1)}$。最初专用于计数最小切割,它可以被修改以获得最小边缘$(S,T)$ -切割的FPT采样。
2019-07-05 cs.CC cs.DS
Near-Optimal Minimum Cuts in Hypergraphs at Scale
针对超图最小割问题,提出可扩展算法HeiCut,通过精确归约与启发式收缩缩减规模并求解松弛BIP,在500多个真实超图上实现近优解,速度最高快五个数量级。
2025-04-30 cs.DS
Distributed Minimum Cut Approximation
研究了用分布式算法计算近似最小边割的问题。我们使用标准的同步消息传递模型,其中在每一轮中,$O(\log n)$比特可以在每个边缘(也称为边缘)上传输。CONGEST模型)。我们提出了一个分布式算法,对于任何加权图和任何$ε\in (0, 1)$,以很高的概率找到一个切割的大小最多$O(ε^{-1}λ)$在$O(D) + \tilde{O}(n^{1/2 + ε})$轮,其中$λ$是最小切割的大小。该算法是基于一个简单的方法来分析随机边缘采样,我们称之为随机分层技术。此外,我们还提出了另一种分布式算法,这是基于一个集中式算法,由于Matula [SODA '93],具有高概率计算切割的大小在最多$(2+ε)λ$在$\tilde{O}((D+\sqrt{n})/ε^5)$轮的任何$ε>0$。这两种算法的时间复杂度几乎匹配Das Sarma等人的$\tildeΩ(D + \sqrt{n})$下限。[STOC '11],从而回答了Elkin [SIGACT-News'04]和Das Sarma等人提出的一个开放性问题。[STOC '11]。此外,我们还加强了Das Sarma等人的下界。通过将其扩展到无权图。我们表明,同样的下界也适用于未加权的多重图(或等价的加权图,其中$O(w\log n)$位可以在每一轮的重量$w$的边缘传输),即使直径是$D=O(\log n)$。对于未加权的简单…
2013-11-20 cs.DC cs.DS
Practical Fully Dynamic Minimum Cut Algorithms
我们提出了一个实用有效的算法,以保持在大型动态图的全局最小割下的边插入和删除。虽然这个问题已经有了理论上的工作,我们的算法是第一个实现的全动态算法。该算法使用的理论基础,并将其与高效和微调的实现相结合,给出了一个算法,可以保持快速更新时间的图的全局最小割。我们表明,我们的算法给出了多个数量级的加速比静态方法的边缘插入和删除。
2021-01-13 cs.DS
The Structure of Minimum Vertex Cuts
在本文中,我们将继续一长串的工作,表示图的切割结构。对最小割的类型进行了分类,并讨论了多个最小割之间可能存在的关系.作为这些调查的结果,我们表现出一个简单的$O(κn)$空间的数据结构,可以快速回答成对的$(κ+1)$连接查询的$κ$连接图。我们还展示了如何计算“最近的”$κ$ -切到每个顶点在近线性$\tilde{O}(m+poly(κ)n)$时间。
2021-02-12 cs.DS math.CO
On the Connectivity Preserving Minimum Cut Problem
本文研究了经典最小割问题的一个推广,称为连通性保持最小割(Connectivity Preserving Minimum Cut,CPMC)问题,它寻求一个最小割来分离一对(或多对)源节点和目的节点,同时保证源节点和它的伙伴节点之间的连通性。CPMC问题是一组问题的相当强大的公式化,并且在许多其他领域中找到应用,例如网络安全、图像处理、数据采掘、模式识别和机器学习。对于这一重要问题,我们考虑了两个变体:保持连通性的最小结点割(CPMNC)和保持连通性的最小边割(CPMEC)。对于CPMNC,除非P=NP,否则它不能在αlogn内逼近,除非NP有拟多项式时间算法,否则它不能在任何poly(logn)内逼近.硬度的结果,甚至持有单位重量的图和二部图。特别地,我们证明了平面图中的CPMEC和某些特殊平面图中的CPMNC存在多项式时间解。CPMEC算法在一般图中的困难性尚待解决,但平面图中的多项式时间算法仍有重要的实际应用。
2013-09-25 cs.DS
Fast Computation of Small Cuts via Cycle Space Sampling
我们描述了一种新的基于采样的方法来确定无向图中的割。对于一个图(V,E),它的圈空间是E的所有子集的族,这些子集在每个顶点都有偶数度。我们证明,以高概率,采样的循环空间确定的削减的图。这导致了简单的新的线性时间顺序算法,找到所有的切割边缘和切割对(一组2个边缘,形成一个切割)的图。在图G=(V,E)中的分布式计算模型中,我们的方法对几个问题产生了更快的算法。G的直径用Diam表示,最大度用Delta表示。我们得到简单的O(直径)时间分布算法,找到所有的切割边缘,2-边连接组件,并削减对,匹配或改进以前的时间界限。在自然条件下,这些新算法是普遍最优的-即一个欧米茄(直径)时间下界举行的每一个图。我们得到了一个O(直径+Delta/log V)-时间分布式算法寻找割顶点,这是快于最好的以前的算法时,三角洲,直径= O(sqrt(V))。一个简单的扩展,我们的工作产生的第一个分布式算法与3-边连接组件的次线性时间。基本的分布式算法是蒙特卡洛,但它们可以在不增加渐近复杂性的情况下被拉斯维加斯。在EREW PRAM上的并行计算模型中,我们的方法产生了一个简单的算法,具有最佳的时间复杂度O(log V),用于寻找割对和3-边连接组件。
2010-07-21 cs.DC cs.DS
Query Complexity of Global Minimum Cut
在这项工作中,我们解决了查询复杂性的全局最小割问题的一个图,通过设计一个随机算法来近似的最小割的大小在一个图中,该图可以通过本地查询访问,如{ \sc度},{ \sc邻居},和{ \sc邻接}查询。给定$ε\in (0,1)$,该算法以高概率输出满足以下$(1-ε) t \leq \hat{t} \leq (1+ε) t$的估计$\hat{t}$,其中$m$是图中的边的数目,$t$是图中的最小割的大小。我们的算法所使用的本地查询的预期数量是$\min\left\{m+n,\frac{m}{t}\right\}\mbox{poly}\left(\log n,\frac{1}ε\right)$,其中$n$是图中的顶点数。Eden和Rosenbaum证明了$Ω(m/t)$需要许多局部查询来近似图的最小割的大小。这两个结果共同解决了利用局部查询估计图的最小割的问题的查询复杂性。伊甸园和Rosenbaum的下界的基础上,我们表明,对于所有的$t \in \mathbb{N}$,$Ω(m)$本地查询需要决定是否在图中的最小切割的大小是$t$或$t-2$。此外,我们表明,对于任何$t \in \mathbb{N}$,$Ω(m)$本地查询需要找到所有的最小切割边缘,即使它是承诺的输入图有一个最小切割的大小$t$。我们的两个下界结果都是随机的,并且即使我们可以使{ \sc Random Edge}查…
2020-08-11 cs.DS
Deterministic and Exact Fully-dynamic Minimum Cut of Superpolylogarithmic Size in Subpolynomial Time
Institute of Science and Technology Austria(奥地利科学技术研究所);Carnegie Mellon University(卡内基梅隆大学)
该研究提出了一种在亚多项式时间内运行的确定性全动态最小割算法,实现了超对数级大小的精确最小割,结合图稀疏化技术,提供了高效的近似最小割算法。
2025-12-15 cs.DS
Deterministic Min-cut in Poly-logarithmic Max-flows
我们给出了一个确定性的算法,找到最小(重量)削减的$n$顶点和$m$边缘使用$\text{polylog}(n)$调用任何最大流子程序的无向图。使用目前最好的确定性最大流算法,这产生的总运行时间为$\tilde O(m \cdot \min(\sqrt{m}, n^{2/3}))$的加权图,和$m^{4/3+o(1)}$的非加权(多)图。这标志着第一次改善这个问题,因为运行时间界的$\tilde O(mn)$是由几篇论文在20世纪90年代初建立。我们的全球最小切割算法得到的最小施泰纳切割算法的推论,其中最小施泰纳切割是一个最小(重量)的边缘,其删除断开至少一对顶点之间的指定的一组终端顶点。我们的确定性最小Steiner切割算法的运行时间匹配的全局最小切割算法上述。使用随机化,运行时间提高到$m^{1+o(1)}$,因为一个更快的最大流子程序;这也提高了最小Steiner切割问题的最佳已知随机化算法。我们主要的技术贡献是一种新的工具,我们称之为“隔离切割”。给定一组顶点$R$,这需要找到将每个单独的顶点$v\in R$与其余顶点$R\setminus \{v\}$分开(或隔离)的最小权重的切割。简单地说,这可以使用$|R|$最大流调用,但我们表明,只要$O(\log |R|)$足以找到隔离切割的任何一组顶点$R$。我们称之为“孤立割引理”(isolating cut lemma)。
2022-05-28 cs.DS
Shared-memory Exact Minimum Cuts
无向边权图的最小割问题要求我们将其节点集分成两个块,同时最小化割边的权和。在本文中,我们工程师已知的最快的精确算法的问题。像Padberg和Rinaldi的算法或Nagamochi、Ono和Ibaraki的算法这样的最先进的算法识别可以收缩以减小图大小的边,使得在收缩的图中保持至少一个最小切割。我们的算法通过多种技术实现了对这些算法的运行时间的改进。首先,我们使用最近开发的快速和并行的\emph{inexact}最小割算法,以获得更好的界限的问题。然后,我们使用依赖于这个界限的约简,以比以前更快地减小图的大小。我们使用改进的数据结构,以进一步提高我们的算法的运行时间。此外,我们并行的收缩例程Nagamochi,小野和茨城。总的来说,我们到达一个系统,性能优于最快的国家的最先进的求解器的\emph{exact}最小切割问题显着。
2018-08-16 cs.DS
Faster Minimum k-cut of a Simple Graph
我们考虑(精确的,最小的)$k$ -割问题:给定一个图和一个整数$k$,删除一个最小权的边集,使得剩下的图至少有$k$连通分支.这个问题是全局最小割问题的自然推广,其目标是将图分解为$k=2$部分。我们的主要结果是一个简单图上的(组合)$k$ -割算法,对于任何常数$k$,该算法都在$n^{(1+o(1))k}$时间内运行,改进了Gupta等人以前的最佳$n^{(2ω/3+o(1))k}$时间算法。[FOCS'18]和Gupta等人的以前最好的$n^{(1.981+o(1))k}$时间组合算法~ [STOC'19]。对于组合算法,该算法是最佳的$o(1)$因素,假设最近的硬度atturtures:我们表明,一个简单的减少,$k$ -即使是一个简单的图上切割是硬$(k-1)$ -集团,建立一个下界的$n^{(1-o(1))k}$为$k$ -切割。这解决了,低阶的因素,复杂的$k$ -削减一个简单的图形组合算法。
2019-10-07 cs.DS
Polynomial-time Approximation Scheme for Minimum k-cut in Planar and Minor-free Graphs
$k$ -割问题要求,给定连通图$G$和正整数$k$,找到一个最小权重的边集,其移除将$G$分割成$k$连通分量。本文给出了平面无子图的$k$ -割问题的第一个带逼近因子$2-ε$(带常数$ε> 0$)的多项式时间算法.应用更复杂的技术,我们进一步改进了我们的方法,并给出了一个多项式时间的近似计划的$k$ -切割问题的平面和小的自由图。尽管坚持不懈的努力,据我们所知,这是第一次改进的$k$ -切问题的标准逼近因子的$2$在任何主要类别的图。
2018-11-09 cs.DS
Faster Global Minimum Cut with Predictions
本文研究如何利用先前实例的预测来热启动Karger和Karger-Stein等随机边收缩算法,以加速全局最小割问题的求解,在预测良好时实现近线性时间且对错误预测具有鲁棒性。
2025-03-06 cs.DS
Faster Pseudo-Deterministic Minimum Cut
Weizmann Institute of Science(魏茨曼科学研究所)
本文提出了一种更高效的伪确定性最小割算法,适用于加权图和动态环境,提高了算法效率并匹配现有最佳随机算法。
2026-02-22 cs.DS
Distributed Approximation of Minimum $k$-edge-connected Spanning Subgraphs
在最小$k$ -边连通生成子图($k$-ECSS)问题中,目标是找到抵抗多达$k-1$边失效的最小权子图。这是网络设计中的核心问题,也是最小生成树(MST)问题的自然推广。虽然MST问题已被广泛研究的分布式计算社区,为$k \geq 2$较少是已知的分布式设置。在本文中,我们提出了快速随机分布逼近算法$k$ -ECSS在CONGEST模型。我们的第一个贡献是2-ECSS的$\widetilde{O}(D + \sqrt{n})$ -轮$O(\log{n})$ -近似,对于一个图,具有$n$顶点和直径$D$。我们的算法的时间复杂度几乎是紧的,几乎匹配的MST问题的时间复杂度。对于较大的$k$常数值,我们给出了一个$\widetilde{O}(n)$ -轮$O(\log{n})$ -近似。此外,在特殊的情况下,未加权的3-ECSS,我们展示了如何提高时间复杂度的$O(D \log^3{n})$轮。我们的所有结果显着改善了以前的算法的时间复杂度。
2018-05-20 cs.DC cs.DS
Distributed Weighted Min-Cut in Nearly-Optimal Time
最小权割(min-cut)是网络连通性强度的基本度量。虽然在顺序设置中可以有效地计算最小割[Karger STOC'96],但对于分布式网络来说,没有有效的方法来计算自己的最小割而不限制输入结构或降低输出质量:在标准的CONGEST模型中,具有接近最优时间的现有算法(例如[Ghaffari,Kuhn,DISC'13; Nanongkai,Su,DISC'14])可以保证最好是$(1+ε)$近似的解,而精确的$\tilde O(n^{0.8}D^{0.2} + n^{0.9})$时间算法[Ghaffari,Nowicki,Thorup,SODA'20]仅适用于 * 简单 * 网络(没有权重和平行边)。这里$n$和$D$分别表示网络的顶点数和跳数直径。对于加权情况,最佳界限是$\tilde O(n)$ [Daga,Henzinger,Nanongkai,Saranurak,STOC'19]。本文给出了一个计算加权网络最小割的 * 精确 * $\tilde O(\sqrt n + D)$ -时间算法。我们的结果甚至改进了以前只适用于简单网络的算法。它的时间复杂度与已知的下限匹配到多对数因子。在我们的算法的核心是一个聪明的路由技巧和两个结构引理的最小割图的结构。这两个结构引理大大加强和推广了Mukhopadhyay-Nanongkai [STOC'20]的框架,并且可以是独立的。
2020-11-16 cs.DC cs.DS
The Energy Complexity of Diameter and Minimum Cut Computation in Bounded-Genus Networks
本文研究多跳无线电网络中分布式图问题的能效复杂度,针对有界亏格图提出计算精确直径、精确全局最小割及近似 $s$-$t$ 最小割的算法,能耗降至 $\tilde{O}(\sqrt{n})$,核心方法是通过划分顶点度数并利用图结构特性控制连通分量数量。
2023-04-10 cs.DC cs.DS
Fully Dynamic Approximate Minimum Cut in Subpolynomial Time per Operation
本文提出首个每次操作亚多项式时间的全动态近似最小割算法,核心贡献是证明在适当收缩图中仅需考虑小体积割即可实现高效维护。
2025-01-06 cs.DS
Local algorithms for the maximum flow and minimum cut in bounded-degree networks
提出一种确定性常数时间局部算法,在有界度、有界容量的多源多汇网络中构造近似最大流与最小分数割,并推广至单模随机网络及最大流最小割定理。
2023-11-02 cs.DS
Distributed Algorithms for Minimum Degree Spanning Trees
最小度生成树(MDST)问题要求为具有$n$顶点的图$G=(V,E)$构造一棵生成树$T$,使得$T$的最大度$d$是$G$的所有生成树中最小的.在本文中,我们提出了两个新的分布式近似算法的MDST问题。我们的第一个结果是一个随机分布的算法,构造一个最大程度的生成树$\hat d = O(d\log{n})$。它需要$O((D + \sqrt{n}) \log^2 n)$轮(w.h.p.),其中$D$是图直径,其匹配(在对数因子内)相关最小生成树问题的最优轮复杂度。我们的第二个结果通过构建一个最大度为$\hat d = O(d + \log{n})$的树来改进这个近似因子,尽管代价是在轮复杂度中增加了额外的多对数因子。虽然有效的近似算法的MDST问题已经知道在顺序设置自20世纪90年代以来,我们的研究结果是第一个有效的分布式解决方案,这个问题。
2018-06-08 cs.DC cs.DS
Incremental Directed Minimum Cut by Dynamizing Gabow's Algorithm
University of Michigan(密歇根大学);University of Science and Technology of China(中国科学技术大学)
该研究提出首个有向全局最小割增量算法,为Gabow静态算法的严格增量扩展,在总更新时间O(km log n)内可维护全局最小割或证明其值至少为k,突破了现有研究对k≤2或图为无向的限制。
2026-08-18 cs.DS
Near-Optimal Distributed Computation of Small Vertex Cuts
本文提出在CONGEST模型中检测小顶点割的近似最优算法,通过线性图素描和重-轻树分解绕过最大度障碍,实现$\widetilde{O}(D)$轮计算所有割点和割对,改进现有结果。
2023-06-20 cs.DC cs.DS
Near-Optimal Distributed Approximation of Minimum-Weight Connected Dominating Set
针对最小权连通支配集(MCDS)问题,提出了一种近优分布式近似算法。该算法在$\tilde{O}(D+\sqrt{n})$轮中找到一个$O(\log n)$近似,其中$D$是网络直径,$n$是节点数。MCDS是一个经典的NP难问题,并且已知所实现的近似因子$O(\log n)$直到常数因子为止是最优的,除非P=NP。此外,已知$\tilde{O}(D+\sqrt{n})$轮复杂度是最佳模对数因子(对于任何近似),遵循[Das Sarma等人,STOC'11]。
2014-04-30 cs.DC cs.DS
Finding Diverse Minimum s-t Cuts
本研究首次开展k-多样化最小s-t割的算法研究,针对三种多样性度量分析问题复杂度,证明前两种度量下可通过子模函数最小化在强多项式时间求解,第三种在k=3时即为NP难,部分解答了长期开放问题。
2024-09-18 cs.DS
New algorithms for the Minimum Coloring Cut Problem
最小着色割问题的定义如下:给定一个连通图G,G有着色边,找到G的一个边割E'(一个最小的边集,去除这些边会使图不连通),使得E'中的边使用的颜色数最小。在这项工作中,我们提出了两种基于可变邻域搜索的方法来解决这个问题。我们的算法能够找到文献中描述的所有最优解。
2017-04-04 cs.DM cs.DS math.OC
Almost-Optimal Approximation Algorithms for Global Minimum Cut in Directed Graphs
Toyota Technological Institute at Chicago(芝加哥丰田技术学院)
本文提出了一种接近最优的全局最小割近似算法,适用于有向图中的边和顶点割问题。
2026-07-22 cs.DS
Faster Algorithms for Parametric Global Minimum Cut Problems
参数全局最小割问题涉及一个图$G = (V,E)$,其中每条边的代价是某个固定维数$d$的参数$μ\in \mathbb{R}^d$的仿射函数。我们考虑在给定方向上寻找下一个断点的问题,以及寻找具有最大最小割值的参数值的问题。我们为这些问题开发了强多项式算法,比Megiddo参数搜索技术的简单应用更快。我们的结果表明,下一个断点问题比最大值问题更容易。
2019-11-26 cs.DM cs.DS
Note on distributed certification of minimum spanning trees
分布式证明(也称为本地证明或证明标记方案)是一种证明图问题的解决方案是正确的机制。它采取的形式是将标签分配给节点,可以在本地进行检查。对于最小生成树问题存在这样的证明,使用$O(\log n \log W)$位标签(其中$n$是图中的节点的数量,并且$W$是边的最大权重)。这是由于Korman和Kutten在[Korman和Kutten 07]中以简洁和正式的方式描述了它。在这篇文章中,我们提出了一个更直观的描述结果,以及一个温和的介绍问题。
2020-01-02 cs.DC cs.DS
Computing minimum cuts in hypergraphs
我们研究超图连通性的算法和结构方面。给定一个超图$H=(V,E)$,其中有$n = |V|$,$m = |E|$和$p = \sum_{e \in E} |e|$,计算$H$中全局最小割的最佳算法对于无能力约束的情况在时间$O(np)$中运行,对于有能力约束的情况在$O(np + n^2 \log n)$时间中运行.我们展示了以下新结果。1.给定一个无容量限制的超图$H$和一个整数$k$,我们描述了一个算法,在$O(p)$时间运行,找到一个子超图$H'$的程度之和$O(kn)$,保持所有的边连通性$k$($k$ -稀疏)。这将Nagamochi和Ibaraki的相应结果从图推广到超图。使用这种稀疏化,我们得到一个$O(p + λn^2)$时间算法计算的$H$的全球最小切割$λ$是最小的切割值。2.我们将Matula关于图的论证推广到超图,并得到了在$O(\frac{1}ε (p \log n + n \log^2 n))$时间内有容量限制的超图的全局最小割的$(2+ε)$ -逼近. 3.证明了在$O(np + n^2 \log n)$时间和$O(p)$空间中可以计算出一个有能力超图的所有全局最小割的超仙人掌表示。我们利用顶点排序的想法,以获得我们的结果。与图不同,我们观察到超图有几种不同的排序,它们产生不同的见解。
2017-05-14 cs.DS
Directed Global Minimum Cut in Almost-Linear Time
Carnegie Mellon University(卡内基梅隆大学);University of Michigan(密歇根大学)
该研究提出一种随机归约方法,通过新颖的迭代树形图采样过程,得到首个近线性时间的有向全局最小割算法,改进了此前的时间复杂度界。
2026-10-12 cs.DS
Work-Optimal Parallel Minimum Cuts for Non-Sparse Graphs
我们提出了第一个工作最优的多线程深度并行算法的最小割问题的非稀疏图。对于$m\geq n^{1+ε}$,对于任何恒定的$ε>0$,我们的算法需要$O(m \log n)$工作和$O(\log^3 n)$深度,并以高概率成功。其工作与顺序算法的最佳$O(m \log n)$运行时匹配[MN STOC 2020,GMW SOSA 2021]。这通过$O(\log^3 n)$因子改进了Geissmann和Gianinazzi [SPAA 2018]之前的最佳工作,同时匹配其算法的深度。为此,我们设计了一种高效的近似算法,并将最近的顺序算法[MN STOC 2020; GMW SOSA 2021]并行化,这些算法利用了2-尊重最小割和2维正交范围搜索之间的联系。
2021-02-18 cs.DS
Faster All-Pairs Minimum Cut: Bypassing Exact Max-Flow
Weizmann Institute of Science(魏茨曼科学研究所)
本文提出一种新的无向图最小s,t-割算法,通过构造保最小s,t-割的稀疏化方法,在多种计算模型下实现了更高效的全部对最小割算法。
2026-04-06 cs.DS
On DDoS Attack Related Minimum Cut Problems
本文研究了经典最小割问题的两个重要扩展,即{ \em连通性保持最小割(CPMC)}问题和{ \em阈值最小割(TMC)}问题,这两个问题在大规模DDoS攻击中有重要的应用。在CPMC问题中,寻找一个最小割来分离源节点和目的节点,同时保持源节点和伙伴节点之间的连通性。CPMC问题在许多其他领域也有重要的应用,例如应急响应、图像处理、模式识别和医学科学。在TMC问题中,寻求最小割以将目标节点与阈值数量的伙伴节点隔离。TMC问题是网络抑制问题的一个重要特例,在网络安全中有着重要的应用。我们表明,一般的CPMC问题不能近似内$logn$,除非$NP=P$有准多项式算法。我们还证明了平面图中两群CPMC问题的一种特殊情况可以在多项式时间内求解。这个结果的推论是,平面图中的网络分流问题是在$P$,以前公开的问题。我们表明,阈值最小节点切割(TMNC)的问题可以近似的比例$O(\sqrt{n})$和阈值最小边缘切割问题(TMEC)可以近似的比例$O(\log^2{n})$。\emph {我们还回答了另一个长期悬而未决的问题:网络抑制问题和网络阻断问题的困难性。我们表明,它们都不能近似在任何恒定的比例。除非是$NP \nsubseteq \cap_{δ>0} BPTIME(2^{n^δ})$。
2015-04-17 cs.CC cs.DS
Minimum Cuts in Directed Graphs via Partial Sparsification
本文给出了一个在$\tilde O(n\cdot \max(m^{2/3}, n))$时间内求具有$n$顶点和$m$边的边加权有向图的最小割的算法。这提高了30岁的界限$\tilde O(nm)$郝和Orlin获得这个问题。我们的主要技术是减少定向mincut问题的$\tilde O(\min(n/m^{1/3}, \sqrt{n}))$调用{ \em任何} maxflow子程序。使用最先进的maxflow算法,这将产生上述运行时间。我们的技术也产生快速{ \em近似}算法寻找最小切割有向图。对于边和顶点加权图,我们给出了$(1+ε)$ -近似算法,运行在$\tilde O(n^2 / ε^2)$时间。
2021-11-17 cs.DS
An FPT Algorithm for Diverse Minimum s-t Cuts
University of Bergen(卑尔根大学)
研究在有向加权图中寻找多样最小边s-t割的问题,给定整数k和d,判断图中是否存在k个最小s-t割满足特定条件。证明该问题以k + d为参数时是固定参数可解的,基于多样最小s-t割的新结构特性和流增强技术。
2026-07-07 cs.DS
Approximating Directed Minimum Cut and Arborescence Packing via Directed Expander Hierarchies
MPI-INF and Saarland University(马克斯·普朗克计算机科学研究所与萨尔兰大学);University of Michigan(密歇根大学)
通过有向展开层次结构,提出近线性时间算法近似有向图中的根最小割和arborescence打包问题,实现高效的近似解。
2025-12-17 cs.DS
Faster Minimum k-Cut II: Improved Randomized and Deterministic Algorithms for Weighted Graphs
Carnegie Mellon University(卡内基梅隆大学)
本文提出加权图 Minimum k-Cut 的随机化和确定性算法,时间复杂度为 k^{O(k^2)} n^{k-1},匹配条件下界,其中 k=3 时达到 O(n^2 log^2 n) 随机时间和 O~(n^2) 确定时间。
2026-09-24 cs.DS
Minimum Cuts in Directed Graphs via $\sqrt{n}$ Max-Flows
我们给出了一个在$n$ -顶点,$m$ -边加权有向图中使用$\tilde O(\sqrt{n})$调用任何maxflow子程序来寻找mincut的算法。使用最先进的maxflow算法,这产生了在$\tilde O(m\sqrt{n} + n^2)$时间内运行的定向mincut算法。这改善了30岁的界限$\tilde O(mn)$郝和Orlin获得这个问题。
2021-04-16 cs.DS