Simple Distributed Weighted Matchings
Wattenhofer [WW04]提出了一种复杂的分布式算法来计算任意加权图的加权匹配，即距离该图的最大加权匹配至多5倍。我们表明，一个明显的顺序贪心算法[Pre99]的变体，计算加权匹配最多一个因素2远离最大值，很容易分布。这就产生了迄今为止最著名的分布式近似算法。
2004-10-19 cs.DC cs.DM
Constant round distributed domination on graph classes with bounded expansion
我们证明了在有界扩张的图类上的分布式计算模型中，支配集问题在常数轮数内允许常数因子近似。这推广了Czygrinow等人的一个结果。排除拓扑子图。
2021-06-28 cs.DC cs.DM cs.DS
A New Self-Stabilizing Maximal Matching Algorithm
最大匹配问题在自稳定领域受到了广泛的关注。以前的工作已经给出了不同的自稳定算法，解决了对抗和公平的分布式守护进程，顺序对抗守护进程，以及同步守护进程的问题。在下文中，我们为这个问题提出了一个单一的自稳定算法，该算法将所有这些算法结合在一起，因为它在与顺序对抗，分布式公平和同步守护进程的先前最佳算法相同的移动次数中稳定下来。此外，该算法将分布式对抗守护进程的最佳移动复杂度从O（n^2）和O（delta m）提高到O（m），其中n是进程数，m是边数，delta是图中的最大度。
2007-01-30 cs.DC cs.DS
A Distributed-Memory Algorithm for Computing a Heavy-Weight Perfect Matching on Bipartite Graphs
我们设计并实现了一个有效的并行算法，在加权二分图中找到一个完美的匹配，这样的匹配的边缘上的权重是大的。该问题不同于最大权重匹配问题，对于最大权重匹配问题，已知可缩放的近似算法。它的主要动机是在因式分解之前在可扩展的稀疏直接求解器中找到好的枢轴。由于缺乏可扩展的替代方案，分布式求解器使用最大权重完美匹配算法的顺序实现，例如MC64中可用的那些。为了克服这一限制，我们提出了一个完全并行的分布式内存算法，首先生成一个完美的匹配，然后迭代地提高完美匹配的权重，通过搜索长度为4的权重增加循环并行。对于大多数实际问题，我们的算法产生的完美匹配的权重非常接近最优。该算法的有效实现在Cray XC 40超级计算机上扩展到256个节点（17，408个核心），并且可以使用顺序算法解决单个节点无法处理的过大实例。
2020-09-04 cs.DC
Dynamic Approximate Maximum Matching in the Distributed Vertex Partition Model
Augusta University（奥古斯塔大学）；Aalto University（阿尔托大学）
研究在分布式顶点分区模型中提出了一种随机算法，以维持近似最大匹配，并在动态更新下保持高效性能。
2025-12-31 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
A Subquadratic-Time Distributed Algorithm for Exact Maximum Matching
对于图G=（V，E），寻找一组不相交且不共享任何顶点的边称为匹配问题，而寻找最大匹配是分布式图算法理论中的一个基本问题。虽然近似最大匹配问题的局部算法已经得到了广泛的研究，但精确算法的研究并不多。实际上，对于一般情况，没有比O（n^2）轮的平凡上限更快的精确最大匹配算法。本文在CONGEST模型下提出了一个O（s_{max} ^{3/2}+log n）轮的随机算法，其中s_{\max}是最大匹配的大小.这是第一个精确的最大匹配算法在o（n^2）轮一般情况下在CONGEST模型。我们的结果的关键技术成分是一个分布式算法，寻找一个增广路径在O（s_{\max}）轮，它是基于一种新的技术，构造一个稀疏证书的增广路径，这是一个子图的输入图保持至少一个增广路径.为了建立一个高度并行的构造稀疏证书，我们还提出了一个新的特征稀疏证书，这也可能是独立的利益。
2021-04-25 cs.DC
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
Distributed Maximal Matching: Greedy is Optimal
我们研究分布式算法，找到一个最大的匹配在一个匿名的，边缘着色图。如果边缘用$k$颜色适当着色，则存在在$k-1$同步通信轮中找到最大匹配的平凡贪心算法。目前的工作表明，贪心算法在一般情况下是最佳的：任何算法，找到一个最大的匹配匿名，$k$ -边着色图需要$k-1$轮。如果我们专注于最大程度$Δ$的图，它是已知的，最大匹配可以在$O(Δ+ \log^* k)$轮，和以前的工作意味着一个下界的$Ω(\polylog(Δ) + \log^* k)$轮。我们的工作缩小了上界和下界之间的差距：复杂性是$Θ(Δ+ \log^* k)$轮。据我们所知，这是第一个线性的$Δ$下限的分布式复杂性的经典图的问题。
2011-10-03 cs.CC cs.DC
Almost stable matchings in constant time
我们表明，匹配个体与阻塞对的比例随着稳定婚姻问题的Gale-Shapley算法执行的提议-接受轮数线性增长。因此，即使没有关于问题实例的全部信息，参与者也可以达到几乎稳定的匹配;对于每个参与者来说，只知道其局部邻域就足够了。用分布式系统的话来说，这意味着如果每个人只有固定数量的可接受的合作伙伴，那么在固定数量的同步通信回合之后，几乎稳定的匹配就会出现。即使偏好列表中存在领带，也是如此。我们应用我们的研究结果给一个分布式的$(2+ε)$ -近似算法的最大权匹配在双色图和一个集中的随机常数时间近似计划估计的大小稳定的匹配。
2008-12-29 cs.DC cs.DS
Distributed Domination on Graph Classes of Bounded Expansion
对于有界扩张图类上的（连通）距离- $r$控制集问题，给出了一个新的常数因子逼近算法。有界扩展类包括许多常见的稀疏图类，如平面图和排除（拓扑）子图，值得注意的是，这些类形成最一般的子图封闭类的图形，其中距离- $r$支配集问题的顺序常数因子近似算法是目前已知的。我们的算法可以在分布式计算的\congestbc模型中实现，并使用$\mathcal{O}(r^2 \log n)$通信轮。我们的技术，这可能是独立的利益，是基于一个分布式计算的稀疏邻域覆盖的小半径有界扩展类。本文给出了如何计算某个函数$f$在$\mathcal{O}(r^2 \log n)$通信轮中的每类有界展开式上的半径$r$ -邻域覆盖和重叠$f(r)$.在$\mathcal{CONGEST}_{\mathrm{BC}}$模型中。最后，我们展示了如何使用更大的权力的$\mathcal{LOCAL}$模型，把任何距离$r$控制集到一个不断更大的连接距离$r$控制集在$3r+1$轮上的任何类的有界扩展。结合该算法，例如，利用Lenzen等人关于平面图控制集的常数因子近似算法给出了$\mathcal{LOCAL}$模型中平面图的连通控制集的常圈数因子近似算法，其近似比仅为Lenzen等人的近似比的$6$倍.的算法。
2018-06-06 cs.DC cs.DS
On Derandomizing Local Distributed Algorithms
已知的随机和确定性的局部分布式算法之间的差距，可以说是分布式图算法中最基本和最核心的开放问题的基础。在本文中，我们开发了一个通用的和干净的配方去随机化的递归算法。我们还展示了这个简单的配方如何导致一些问题的显着改善。两个主要结果是：- 一种改进的分布式超图最大匹配算法，改进了Fischer，Ghaffari和Kuhn [FOCS'17]，并给出了边着色，最大匹配近似和低出度边方向的改进算法。第一个给出了Barenboim和Elkin的书中公开问题11.4的改进算法，最后给出了他们的公开问题11.10的第一个正解。- Lovász局部引理的一个改进的分布式算法，它更接近Chang和Pettie的一个猜想[FOCS'17]，并进一步导致缺陷着色和$k$ -SAT等问题的改进的分布式算法.
2019-09-17 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
Consensus-based Distributed Discrete Optimal Transport for Decentralized Resource Matching
最优输运已被广泛用于资源匹配中，以通过将源匹配到目标来提高资源使用的效率。然而，对于大规模问题，它需要大量的计算和存储空间。在本文中，我们采取了基于共识的方法分散离散最优输运问题，并开发了完全分布式算法与乘子的交替方向法。我们表明，我们的算法保证一定程度的效率和隐私，除了分布式的性质。通过研究线性效用函数下离散最优输运的原问题和对偶问题，我们进一步导出了原算法和对偶算法，并证明了它们之间的等价性。通过数值实验，验证了原算法和对偶算法的收敛性、在线适应性和等价性。我们的算法反映了源和目标之间的讨价还价的数量和价格的转移资源，并揭示了一个平均原则，可用于调节资源市场，提高资源效率。
2019-04-08 cs.DC math.OC
Distributed Backup Placement in One Round and its Applications to Maximum Matching Approximation and Self-Stabilization
在分布式备份放置问题中，网络中的每个节点必须选择一个邻居，使得做出相同选择的节点的最大数量最小化。这是完美匹配问题的自然放松，其中每个节点仅由一个邻居选择。以前的（近似）解决方案的备份放置是不平凡的，即使是简单的图形拓扑结构，如密集图。在本文中，我们设计了一个算法稠密图的拓扑结构，包括单位盘图，单位球图，线图，有界多样性的图，等等。我们的算法只需要一轮，并且像下面的操作一样简单。考虑一个邻居ID的循环列表，按升序排序，并选择与选择顶点ID相邻的ID。令人惊讶的是，这种简单的一轮策略对于密集网络中的备份放置计算非常有效。它不仅提高了解的轮数，而且通过至少$2$的乘法因子提高了逼近比。我们的新算法有几个有趣的含义。特别是，它产生了一个$(2 + ε)$ -近似的最大匹配内的$O(\log^* n)$轮密集网络。由此产生的算法也非常简单，与以前在此运行时间内计算此类解决方案的算法形成鲜明对比。此外，这些算法适用于比我们的算法更窄的图族。对于同一个图族，最好的已知结果具有$O(\log Δ + \log^* n)$运行时间。另一个有趣的含义是执行我们的备份放置算法的可能性，因为是在自稳定设置。这使得有可能简化和改进其他算法的自稳定设置，通过采用备份放置的有用属性。
2019-08-15 cs.DC cs.DS
Distributed Distance-Bounded Network Design Through Distributed Convex Programming
在分布式环境中，求解线性规划通常是一项具有挑战性的任务。虽然有很好的算法来解决包装和覆盖线性规划在一个分布式的方式（库恩等人。2006），这基本上是唯一一类线性规划，这种算法是已知的。在这项工作中，我们提供了一个分布式算法来解决不同的一类凸规划，我们称之为“距离有界的网络设计凸规划”。这些可以被认为是网络设计问题的放松，其中连接要求包括距离约束（最值得注意的是，图空间）。我们的算法在$\mathcal{LOCAL}$模型中以$O( (D/ε) \log n)$轮运行，并找到任何$0 < ε\leq 1$的最优LP解的$(1+ε)$ -近似，其中$D$是最大距离约束。虽然在分布式环境中求解线性规划本身就很有趣，但这类凸规划特别重要，因为求解它们通常是设计近似算法时的关键步骤。因此，我们几乎立即获得新的和改进的分布式近似算法的各种网络设计问题，包括基本的$3$ -和$4$ -扳手，定向$k$ -扳手，最低程度的$k$ -扳手，和浅光斯坦纳网络设计与生成需求图。我们的算法不需要任何“沉重”的计算和基本上匹配的最知名的集中式近似算法，而以前的方法，不使用沉重的计算给出的近似比最知名的集中式界限。
2017-09-08 cs.DC cs.DS math.CO
Near-Optimal Distributed Dominating Set in Bounded Arboricity Graphs
本文描述了一个简单的确定性$O( \varepsilon^{-1} \log Δ)$轮分布式算法，用于树荫度至多为$α$的图的最小权支配集的$(2α+1)(1 + \varepsilon)$逼近。这里$Δ$表示最大程度。我们还展示了一个下界，证明即使在未加权的情况下，此轮复杂度也几乎是最优的，通过从分布式顶点覆盖近似的著名KMW下界[Kuhn，Moscibroda和Wattenhofer JACM'16]减少。我们的算法改进了以前的所有结果（仅适用于未加权图），包括$O(\log n)$轮中的随机$O(α^2)$近似[Lenzen和Wattenhofer DISC'10]，$O(\log Δ)$轮中的确定性$O(α\log Δ)$近似[Lenzen和Wattenhofer DISC'10]，$O(\log^2 Δ)$轮中的确定性$O(α)$近似[隐含在Bansal和Umboh IPL'17和Kuhn，Moscibroda和Wattenhofer SODA'06中]，以及$O(α\log n)$轮中的随机$O(α)$近似[Morgan，Solomon和Wein DISC'21]。我们还提供了一个随机的$O(α\logΔ)$轮分布式算法，锐化逼近因子$α(1+o(1))$。如果每个节点被限制为进行多项式时间计算，则我们的近似因子在一阶中是紧的，因为实现$α- 1 - \varepsil…
2022-06-10 cs.DC cs.DS
Fast distributed almost stable marriages
在他们关于稳定婚姻问题的开创性工作中，Gale和Shapley描述了一种在$O(n^2)$通信回合中找到稳定匹配的算法。他们的算法有一个自然的解释，作为一个分布式算法，其中每个球员是由一个单一的处理器表示。在这个分布式模型中，Floreen，Kaski，Polishchuk和Suomela最近表明，对于有界偏好列表，在恒定轮数后终止Gale-Shapley算法会导致几乎稳定的匹配。在本文中，我们描述了一个新的确定性分布式算法，发现一个几乎稳定的匹配在$O(\log^5 n)$通信轮的任意偏好。我们还提出了一个更快的随机化的变种，需要$O(\log^2 n)$轮。这个运行时可以改进为$O(1)$轮，用于“几乎规则”（特别是完整）的首选项。据我们所知，这些是第一次多项式轮分布式算法的任何变种的稳定的婚姻问题与无限的偏好。
2015-04-02 cs.DC cs.DS cs.GT
Distributed Ride-Matching for Shared Ridehailing Service with Intelligent City Infrastructure
高计算时间是集中式动态共享乘车服务中最重要的运营问题之一。为了解决这个问题，我们提出了一个分布式的乘车匹配系统，是基于车辆到基础设施（V2I）和基础设施到基础设施（I2I）的通信。在多伦多市中心道路网络上的应用表明，该分布式系统的计算速度提高了125倍，并显示出良好的可扩展性。此外，与集中式系统相比，拟议系统的服务率提高了7%。然而，集中式系统在等待时间和绕行时间方面分别改善了29%和17%。
2022-08-24 cs.DC math.OC
A self-stabilizing algorithm for maximal matching in link-register model in $O(nΔ^3)$ moves
在匹配问题中，每个节点都有一个指向它的一个邻居或$null$的指针，当每个节点指向一个自己指向它的邻居时（它们被称为已婚），或者指向$null$时，计算最大匹配，在这种情况下，没有邻居也可以指向$null$。本文提出了一种自稳定的分布式算法来计算在读/写原子下的链路寄存器模型中的最大匹配，其复杂性为{ $O(nΔ^3)$ }在对抗分布式守护进程下移动，其中$Δ$是图的最大度。
2017-09-14 cs.DC
On Distributed Model Checking of MSO on Graphs
我们认为分布式模型检查的一元二阶逻辑（MSO）的图构成的通信网络的拓扑结构。因此，图既是被检查的结构，也是执行分布式计算的系统。我们证明了MSO可以分布式模型检查，只有一个常数的消息发送到每个链接的平面网络有界直径，以及网络有界度和有界树长。分布式算法依赖于非平凡变换的线性时间顺序算法有界树宽图的树分解。
2009-04-13 cs.DC cs.LO
Distributed Estimation and Detection with Bounded Transmissions over Gaussian Multiple Access Channels
分布式推理计划，它使用有界传输函数在高斯多址信道被认为是。当传感器测量作为传感器指数的函数可靠性递减时，表征了在其下一致估计和可靠检测是可能的传输函数上的条件。对于分布估计问题，在噪声样本方差有界且传递函数为一对一的条件下，证明了使用有界传递函数的估计方案是强相合的.所提出的估计方案相比，放大和转发技术和其鲁棒性的脉冲传感噪声分布突出。放大和转发方案相比，它也表明，有界传输遭受不一致的估计，如果感测噪声方差趋于无穷大。对于分布式检测问题，通过研究偏转系数也得到了类似的结果。模拟证实了我们的分析结果。
2013-06-26 cs.DC cs.IT math.IT
Gradient Energy Matching for Distributed Asynchronous Gradient Descent
University of Liège（列日大学）
分布式异步SGD已被广泛用于大型系统中的深度学习，但在增加工人数量时仍然因其不稳定而臭名昭着。在这项工作中，我们研究了拉格朗日力学的镜头下的分布式异步SGD的动力学。使用这种描述，我们引入能量的概念来描述优化过程，并推导出一个充分条件，确保其稳定性，只要集体引起的积极的工人的能量仍然低于目标同步过程的能量。利用这一标准，我们得到一个稳定的分布式异步优化程序，GEM，估计和保持的异步系统的能量低于或等于能量的顺序SGD与动量。实验结果突出的稳定性和加速的GEM相比，现有的计划，即使扩展到100个异步工人。结果还表明，更好的推广相比，有针对性的SGD动量。
2018-05-22 cs.DC cs.LG stat.ML
Forgetting Alternation and Blossoms: A New Framework for Fast Matching Augmentation and Its Applications to Sequential/Distributed/Streaming Computation
Osaka University（大阪大学）
针对图最大基数匹配问题，提出一种基于遗忘交替性的新结构定理（不依赖花结构），改进交替基树性质并给出新算法，还在分布式/流计算中提出高效近似算法，基于独立价值的近似因子放大框架。
2025-11-11 cs.DC cs.DS math.CO
Non-Linear Distributed Average Consensus using Bounded Transmissions
提出了一种分布式平均共识算法，每个传感器发送有界峰值功率。在通信噪声的存在下，它表明，节点达成共识渐近一个有限的随机变量，其期望值是所需的样本平均值的初始观测值的方差，取决于算法的步长和通信噪声的方差。渐近性能的特点是推导出的渐近协方差矩阵使用随机逼近理论的结果。结果表明，使用有界传输的结果在收敛速度较慢的线性共识算法的基础上的拉普拉斯启发式。模拟证实了我们的分析结果。
2013-02-21 cs.DC cs.IT math.IT
Parallel and Distributed Algorithms for the housing allocation Problem
我们给出了住房分配问题的并行和分布式算法。在这个问题中，有一组代理和一组房屋。每个代理都有一个严格的偏好列表，用于房屋的子集。我们需要找到一个匹配，使得某个标准得到优化。其中一个标准是帕累托最优。一个匹配是帕累托最优的，如果没有联盟的代理人可以严格更好地通过交换房屋之间。我们还研究了住房市场问题，住房分配问题的一个变种，每个代理人最初拥有一所房子。除了帕累托最优，我们也有兴趣找到住房市场的核心。匹配是核心，如果没有代理人的联盟，可以更好地脱离其他代理人和交换房屋只在他们自己之间。在这项工作的第一部分，我们表明，计算帕累托最优匹配的房子分配是在{ \bf CC}和计算的核心住房市场是{ \bf CC}-硬。给定一个匹配，我们还表明，验证它是否在核心可以在{ \bf NC}。然后，我们给出一个算法，证明计算住房分配问题的最大帕累托最优匹配是在{ \bf RNC}^2和拟{ \bf NC}^2中。在这项工作的第二部分中，我们提出了一个分布式版本的顶部交易周期算法，以找到住房市场的核心。为此，我们首先提出了两种算法，找到所有的不相交的循环在一个功能图：拉斯维加斯算法，终止于$O(\log l)$轮具有很高的概率，其中$l$是最长的周期的长度，和一个确定性的算法，终止于$O(\log^* n \log l)$轮，其中$n$是在图中的节点数。这两种算法都在同步分布式模型中工作，并使用大小为$O…
2019-05-08 cs.DC
Fast Distributed Algorithms for LP-Type Problems of Bounded Dimension
在本文中，我们提出了各种分布式算法的LP型问题在著名的八卦模型。LP型问题包括许多重要的问题，如（整数）线性规划，几何问题，如最小封闭球和多面体距离，以及集合问题，如击中集合和集合覆盖。在流言模型中，一个节点只能将信息推送到随机选择的节点，或者从随机选择的节点拉取信息。流言模型的协议通常非常实用，因为它们的收敛速度快，简单，在压力和中断下稳定。我们的算法是非常有效的（对数轮或更好的，每轮每个节点的多对数通信工作）每当给定的LP型问题的组合维度是恒定的，即使给定的LP型问题的大小是多项式大的节点数。
2019-04-24 cs.DC
Linear-in-$Δ$ Lower Bounds in the LOCAL Model
通过先前的工作，有一个分布式算法，找到一个最大的分数匹配（最大边包装）在$O(Δ)$轮，其中$Δ$是图的最大程度。我们表明，这是最佳的：有没有分布式算法，发现一个最大的分数匹配$o(Δ)$轮。我们的工作给出了第一个线性的$Δ$下界的一个自然图问题的标准模型的分布式计算-事先下界的范围广泛的图形问题已在最好的对数$Δ$。
2013-04-03 cs.CC cs.DC cs.DS
The Computational Power of Distributed Shared-Memory Models with Bounded-Size Registers
本文研究有界大小寄存器是否足以替代无界寄存器实现分布式共享内存模型的普适性，并回答在最多 t 个进程崩溃时该模型是否仍具有普适性。
2023-09-25 cs.DC
Consistent Bounded-Asynchronous Parameter Servers for Distributed ML
Carnegie Mellon University（卡内基梅隆大学）
在分布式ML应用程序中，共享参数通常在计算节点之间复制，以最大限度地减少网络开销。因此，必须仔细选择合适的一致性模型，以确保算法的正确性和提供高吞吐量。通用数据库和现代分布式ML系统中使用的现有一致性模型要么过于宽松，无法保证ML算法的正确性，要么过于严格，因此无法充分利用底层分布式系统的计算能力。许多ML算法属于\emph{iterative convergent algorithms}的范畴，它从随机选择的初始点开始，通过迭代地重复一组过程来收敛到最优值。我们已经发现，许多这样的算法是有限数量的不一致性，仍然正确收敛。这个属性允许分布式ML放松严格的一致性模型，以提高系统性能，同时从理论上保证算法的正确性。本文提出了几种异步并行计算的松弛一致性模型，并从理论上证明了它们的算法正确性。所提出的一致性模型在分布式参数服务器中实现，并在流行的ML应用程序：主题建模的上下文中进行评估。
2013-12-31 cs.DC cs.LG stat.ML
Fast Learning from Distributed Datasets without Entity Matching
The Australian National University（澳大利亚国立大学）；Nicta（澳大利亚国家信息与通信技术研究院）；Ambiata（Ambiata公司）；The University of New South Wales（新南威尔士大学）
考虑以下数据融合场景：两个数据集/对等体包含使用部分共享特征描述的相同真实世界实体，例如相同客户群的银行和保险公司记录。我们的目标是在两个域的叉积空间中学习一个分类器，在没有共享ID的困难情况下-例如由于匿名化。传统上，通过首先解决实体匹配并随后以标准方式学习分类器来解决该问题。我们提出了一个端到端的解决方案，绕过匹配的实体，最近推出的Rademacher观测（rados）的概念的基础上。非正式地，我们取代了损失的最小化的例子，这需要解决实体的决议，由相当于最小化的（不同的）损失的rados。除其他外，我们显示的关键属性是（i）这些rado的一个潜在的巨大的子集不需要执行实体匹配，以及（ii）的算法，可证明最大限度地减少这些rado的rado损失的时间和空间复杂度小于算法最小化等效的例子损失。最后，我们放松了模型的一个关键假设，即数据在对等点之间垂直分区-在这种情况下，我们甚至不知道实体解析的解决方案的存在。在这种更普遍的情况下，实验验证了事后看来甚至可以大大击败最佳同伴的可能性。
2016-03-13 cs.DC cs.LG
Bounded Verification of Doubly-Unbounded Distributed Agreement-Based Systems
分布式协议（如共识）的普遍存在激发了人们对验证此类协议以及构建在其上的应用程序的兴趣。然而，这类系统的复杂性和不受约束性使得它们的核查一般来说是繁重的，特别是对于完全自动化来说是令人望而却步的。一个令人兴奋的，最近的突破表明，通过仔细的建模，它成为可能的验证有趣的分布式协议为基础的（DAB）系统，这是无限的进程数量，减少到模型检验的小，有限状态系统。这是一个悬而未决的问题，如果这样的减少也是可能的DAB系统是双重无界的，特别是DAB系统，另外有无界的数据域。我们肯定地回答这个问题，在这项工作中的DAB系统的模型，从而扩大了类DAB系统，可以自动验证。我们提出了一种新的基于简化的方法，并开发了一种工具，金星，可以有效地验证复杂的DAB系统模型。
2022-05-12 cs.DC cs.PL
Erasure coding for distributed matrix multiplication for matrices with bounded entries
Iowa State University（爱荷华州立大学）
分布式矩阵乘法广泛应用于多个科学领域。众所周知，分布式集群上的计算时间通常由最慢的工人（称为掉队者）控制。最近的工作表明，可以被看作是一个问题的设计纠删码的掉队缓解。对于矩阵$\mathbf A$和$\mathbf B$，该技术实质上将$\mathbf A^T \mathbf B$的计算映射到较小（编码）子矩阵的乘法。在这个过程中，掉队者被视为擦除。只要有一定数量的工作者（称为恢复阈值）完成分配给他们的任务，计算就可以完成。我们提出了一种新的编码策略，这个问题时，矩阵项的绝对值是足够小的。我们证明了假设的绝对值边界的矩阵条目和恢复阈值之间的权衡。在一个极端，我们相对于恢复阈值是最优的，在另一个极端，我们匹配先前工作的阈值。基于云的集群上的实验结果验证了我们的方法的好处。
2018-11-07 cs.DC cs.IT cs.LG
