arXiv 1503.024162015-03-09cs.DS

小空间中LZ77的逼近

Approximating LZ77 in Small Space

Travis Gagie

摘要：

给定一个肯定的$ε\leq 1$和只读访问一个字符串$S [1..n]$，其LZ 77解析由$z$短语组成，我们很有可能使用$\Oh{n^{1 + ε}}$时间、$\Oh{n^{1 + ε} / B}$ I/O（其中$B$是磁盘块的大小）和$\Oh{z / ε}$空间来构建一个类似于LZ 77的$S$解析，它由$\Oh{z / ε}$短语组成。

英文摘要：

Given a positive $ε\leq 1$ and read-only access to a string $S [1..n]$ whose LZ77 parse consists of $z$ phrases, with high probability we can build an LZ77-like parse of $S$ that consists of $\Oh{z / ε}$ phrases using $\Oh{n^{1 + ε}}$ time, $\Oh{n^{1 + ε} / B}$ I/Os (where $B$ is the size of a disk block) and $\Oh{z / ε}$ space.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

小空间多模式匹配逼近LZ77

Approximating LZ77 via Small-Space Multiple-Pattern Matching

我们将Karp-Rabin字符串匹配推广到处理$\mathcal{O}(n \log n + m)$时间和$\mathcal{O}(s)$空间中的多个模式，其中$n$是文本的长度，$m$是$s$模式的总长度，以高概率返回正确答案。作为我们的算法的一个主要应用，我们展示了如何近似LZ 77解析长度为$n$的字符串。如果最佳解析由$z$短语组成，则对于任何$\varepsilon\in (0,1]$，仅使用$\mathcal{O}(z)$工作空间，我们可以在$\mathcal{O}(\varepsilon^{-1}n\log n)$时间内返回最多由$(1+\varepsilon)z$短语组成的解析。由于先前的LZ 77的准线性时间算法使用$Ω(n/\textrm{polylog }n)$空间，但是$z$在$n$中可以是指数小的，所以这些空间上的改进是实质性的。

2015-09-10cs.DS

近似平面图上的自旋系统

Approximating spin systems on planar graphs

University of Edinburgh（爱丁堡大学）；Nanjing University（南京大学）

该研究针对平面图上的自旋系统，证明硬核配分函数在小活动值下存在FPRAS，q≥4时q-着色计数近似为NP困难，还明确了2-自旋系统小外场下FPRAS的存在条件，证明思路来自GPT-5.6 Sol Ultra。

2026-08-10cs.DS

用小宽度椭球逼近遗传离散

Approximating Hereditary Discrepancy via Small Width Ellipsoids

一个超图的离散度是其顶点的两种着色上，任何超边的最大绝对不平衡度的可达到的最小值。超图的遗传离散度是超图复杂性的一个度量，它定义为超图对顶点子集的约束的最大离散度。Lovasz，Spencer和Vesztergombi（1986）将这个量自然地扩展到矩阵与线性规划的舍入算法联系起来，并给出了一个基于行列式的遗传差异下界。Matousek（2011）表明，这个界限紧到一个多对数因子，留下了实际计算这个界限的问题。Nikolov，Talwar和Zhang（2013）最近的工作显示了多项式时间$\tilde{O}(\log^3 n)$ -近似遗传差异，作为他们差分隐私工作的副产品。本文给出了该问题的一个直接简单的$O(\log^{3/2} n)$ -近似算法。我们表明，到这个近似因子，遗传差异的矩阵$A$的特点是简单的几何凸规划，旨在最大限度地减少最大$\ell_{\infty}$规范的任何一点在椭圆包含列的$A$的最优值。这一特征有望成为差异理论的一个有用工具。

2014-07-23cs.DS

用小距离加权平均拉伸的树型逼近树

Approximating Metrics by Tree Metrics of Small Distance-Weighted Average Stretch

我们研究的问题，以及如何树度量是能够保持任意度量的两两距离之和。这个问题与低拉伸度量嵌入密切相关，并且从文献中提出的研究路线来看，它自己的味道很有趣。由于树的结构对成对距离施加了很大的约束，已知将度量嵌入到树度量中具有$Ω(\log n)$的最大成对拉伸。然而，我们表明，从平均性能的角度来看，存在树度量保持给定度量的成对距离的总和到一个小的常数因子，我们也表明，不差于两倍，我们可能期望。我们用来解决这个问题的方法比[4]以前的结果更直接，也导致了可证明的更好的保证。其次，当给定的度量是从有限维的欧氏点集$d$，我们证明了存在的生成树的给定的点集，使得两两距离的总和被保存到一个常数，这只取决于$d$。我们的两个证明都是有建设性的。在我们的结果的主要成分是一个特殊的点集分解，它涉及两个完全无关的量。

2013-01-15cs.DS

流中近似回文的严格权衡

Tight tradeoffs for approximating palindromes in streams

我们考虑在流模型中计算长度为$n$的文本中的最长回文，其中字符一个接一个地到达，并且我们没有随机访问输入。虽然在这样的设置中不可能使用次线性记忆精确地计算答案，但仍然可以希望有一个良好的近似保证。我们专注于两个最自然的变体，我们的目标是最长回文长度的加法或乘法近似。我们首先表明，有没有考虑拉斯维加斯算法在这样的设置点，因为他们不能实现次线性空间复杂度。对于蒙特卡罗算法，我们提供了一个下界的$Ω(\frac{n}{E})$位近似的答案与添加剂错误$E$，和$Ω(\frac{\log n}{\log(1+\varepsilon)})$位近似的答案与乘法错误$(1+\varepsilon)$的二进制字母表。然后，我们构建了一个通用的蒙特卡罗算法，通过适当地选择参数，实现空间复杂度匹配的对数因子的两个变量。这大大改进了Berenbrink等人（STACS 2014）的先前结果，并基本解决了空间复杂度。

2016-04-07cs.DS

逼近小稀疏割

Approximating Small Sparse Cuts

本文针对稀疏割和小集扩张问题，提出基于样本集扩展与割匹配博弈的多项式时间近似算法，达到 polylog k 近似，并改进相关推论。

2024-03-13cs.DS

更多相关论文收起更多论文

逼近对称正定矩阵对数行列式的随机算法

A Randomized Algorithm for Approximating the Log Determinant of a Symmetric Positive Definite Matrix

本文提出了一种新的对称正定（SPD）矩阵行列式对数的近似算法。该算法是随机化的，并利用Avron和Toledo~ \cite{AT11}的方法逼近一个特殊构造的矩阵的少量矩阵幂的迹。从理论的角度来看，我们提出了我们的算法的添加剂和相对误差界。我们的加性误差界适用于任何SPD矩阵，而我们的相对误差界适用于特征值位于区间$(θ_1,1)$中的SPD矩阵，其中$0<θ_1<1$ ;后一种设置在~ \cite{icml2015_hana15}中提出。从实证的角度来看，我们证明了我们的算法的C++实现可以近似的对数的行列式大矩阵非常准确地在几秒钟内。

2016-08-31cs.DS

在 $\widetilde{O}(\log n + \log^2 \kappa)$ 空间中近似 $\kappa$-条件图的随机游走

Approximating Random Walks in $\widetilde{O}(\log n + \log^2 κ)$ Space for $κ$-Conditioned Graphs

Carnegie Mellon University（卡内基梅隆大学）

针对 $\kappa$-条件有向图，提出确定性算法，在 $O((\log n + \log^2 \kappa) \log \log n)$ 空间内近似平稳分布，改进了现有随机游走空间界。

2026-10-06cs.DS

用草图近似张量网络收缩

Approximating Tensor Network Contraction with Sketches

University of California, Irvine（加州大学尔湾分校）

本文提出了一种能够近似任意张量网络收缩的方法，解决了环状张量网络的计算问题，并改进了现有草图方法的复杂度

2026-03-08cs.DS

多维欧氏空间中机器学习数据集直径近似的贪心算法

Greedy Algorithms for Approximating the Diameter of Machine Learning Datasets in Multidimensional Euclidean Space

Mutah University（穆塔大学）

在多维欧氏空间中找到数据集的直径是一个公认的问题，具有众所周知的算法。然而，文献中的大多数算法不能很好地适应大的数据维数，因此在大多数情况下时间复杂度呈指数增长，这使得这些算法不实用。因此，我们实现了4种简单的贪心算法，用于近似多维数据集的直径;这些算法分别基于最小/最大l2范数、爬山搜索、禁忌搜索和束搜索方法。所实现的算法的时间复杂度接近线性，因为它们随着数据大小及其维度而接近线性地扩展。实验的结果（在不同的机器学习数据集上进行）证明了所实现的算法的效率，并且因此可以被推荐用于在需要时找到要由不同的机器学习应用使用的直径。

2018-08-10cs.DScs.LGstat.ML

流式设置中近似Max-$k$SAT的指数级量子空间优势

Exponential Quantum Space Advantage for Approximating Max-$k$SAT in the Streaming Setting

Penn State University（宾夕法尼亚州立大学）；University of Southern California（南加州大学）

本文提出了一种单次量子流算法，使用polylog(n)空间在Max-kSAT问题上达到0.7172近似比，相比经典算法需要Ω(√n)空间，展示了指数级量子空间优势。

2026-10-05cs.CCcs.DS

用多项式小均值近似随机矩阵的永久性：零点与普遍性

Approximating the Permanent of a Random Matrix with Polynomially Small Mean: Zeros and Universality

University of Chicago（芝加哥大学）

研究在矩阵条目略微偏离零时近似随机矩阵永久性的算法，通过零点区域分析揭示复杂性理论中的核心问题与贡献。

2026-04-01cs.DSmath-phmath.MP

用浅回路逼近良态矩阵的行列式

Approximating the Determinant of Well-Conditioned Matrices by Shallow Circuits

行列式可以由深度为$O(\log^2 n)$的经典回路计算，因此它也可以在经典空间$O(\log^2 n)$中计算。Ta-Shma [Ta 13]的最新进展暗示了在量子空间$O(\log n + \log κ)$中逼近条件数为$κ$的厄米特矩阵的行列式的方法。然而，不知道如何仅使用经典资源在小于$O(\log^2 n)$的空间中执行任务。在这项工作中，我们表明，一个矩阵的条件数意味着一个上界的深度复杂性（因此也取决于空间复杂度）：具有条件数$κ$的厄米特矩阵的行列式可以用深度为$\tilde O(\log n \cdot \log κ)$的经典电路近似为逆多项式相对误差，并且特别地，可以在深度$\tilde{O}(\log n)$中近似充分条件良好的矩阵的行列式。我们的算法结合了Barvinok最近用于近似组合计数问题的复分析方法[Bar 16]和用于低度数算术电路的Valiant-Berkowitz-Skyum-Rackoff深度缩减定理[Val 83]。

2019-12-09cs.CCcs.DCcs.DS

流式模型中近似最大有向割的指数级量子空间优势

Exponential Quantum Space Advantage for Approximating Maximum Directed Cut in the Streaming Model

针对最大有向割问题，提出一种使用 polylog(n) 空间的量子流式算法，实现 0.4844 近似比，首次在自然流式问题中取得指数级量子空间优势。

2023-11-23cs.DSquant-ph