A note on distance labeling in planar graphs
距离标记方案是将标签(即二进制字符串)分配给图的所有节点,使得任何两个节点之间的距离可以从它们的标签计算,并且标签尽可能短。一个主要的开放问题是确定距离标记的复杂性在无权和无向平面图。众所周知,在$n$节点上的这种图中,一些标签必须由$Ω(n^{1/3})$位组成,但是最著名的标签方案使用长度为$O(\sqrt{n}\log n)$的标签[Gavoille,Peleg,Pérennes,and Raz,J. Algorithms,2004]。我们表明,事实上,标签的长度$O(\sqrt{n})$是足够的。
2016-11-20 cs.DS
Almost-Optimal Sublinear-Time Edit Distance in the Low Distance Regime
我们重新考虑在次线性时间内计算编辑距离的任务。在$(k,K)$ -间隙编辑距离问题中,任务是区分两个字符串的编辑距离是至多为$k$还是至少为$K$。Goldenberg、Krauthgamer和Saha(FOCS '19)已经建立了$(k,k^2)$ -缺口问题可以在时间$\widetilde O(n/k+\operatorname{poly}(k))$中解决,Kociumaka和Saha(FOCS '20)对此进行了改进。在这方面的研究中,最自然的问题之一是$(k,k^2)$间隙是否是运行时间$\widetilde O(n/k+\operatorname{poly}(k))$的最佳可能。在这项工作中,我们通过显着改善差距来回答这个问题。具体而言,我们表明,在时间$O(n/k+\operatorname{poly}(k))$,我们甚至可以解决的$(k,k^{1+o(1)})$间隙问题。这是第一个在此运行时间内打破$(k,k^2)$间隙的算法。我们的算法在以下意义上几乎是最优的:在低距离制度($k\le n^{0.19}$),我们的运行时间成为$O(n/k)$,它匹配一个已知的$n/k^{1+o(1)}$下限的$(k,k^{1+o(1)})$间隙问题的低阶因素。我们的结果还揭示了汉明距离和编辑距离在低距离区域中的惊人相似性:对于两者,$(k,k^{1+o(1)})$ -间隙问题对于小…
2023-03-16 cs.DS
Faster Sublinear-Time Edit Distance
本文针对(k, k^{1+o(1)})-gap编辑距离问题提出改进的亚线性时间算法,将运行时间从O(n/k + k^{4+o(1)})优化至O(n/k + k^{2+o(1)}),在k≤n^{1/3}范围内实现几乎最优。
2023-12-04 cs.DS
Optimal Distance Labeling Schemes for Trees
标签方案试图为网络中的每个节点分配一个短标签,这样就可以通过单独检查它们的标签来计算两个节点上的函数。对于树的特定情况,最近获得了邻接标记[FOCS'15],最近共同祖先标记[SODA'14]和祖先标记[SICOMP'06]的最佳边界(直到低阶项)。在本文中,我们得到的距离标记的最佳界限。我们提出了大小为$1/4\log^2n+o(\log^2n)$的标签,匹配(直到低阶项)最近的$1/4\log^2n-O(\log n)$下限[ICALP'16]。在我们的工作之前,所有的树的距离标记方案都可以被重新解释为通用树。树$T$是通用的,如果$n$节点上的任何树都可以作为$T$的子树找到。具有$|T|$节点的通用树意味着具有标签大小$\log |T|$的距离标签方案。1981年,Chung等人证明了任何基于泛树的距离标记方案都需要大小为$1/2\log^2 n-\log n\cdot\log\log n+O(\log n)$的标记。我们的方案是第一个打破这一下限,距离标签和通用树之间的分离。$Θ(\log^2 n)$屏障使研究人员考虑以$k$为边界的距离。这种标记的大小从$\log n+O(k\sqrt{\log n})$ [WADS'01]改进为$\log n+O(k^2(\log(k\log n))$ [SODA'03],然后改进为$\log n+O(k\log(k\log(n/k)…
2017-05-14 cs.DS
Fault-Tolerant Distance Labeling for Planar Graphs
在容错距离标记中,我们希望为图$G$的顶点分配短标签,使得从任何三个顶点$u,v,f$的标签,我们可以推断图$G\setminus \{f\}$中的$u$到$v$的距离。我们表明,任何有向加权平面图(事实上,任何图形中的一个图的家庭与$O(\sqrt{n})$大小的分隔符,如未成年人的自由图)承认的容错距离标签的大小$O(n^{2/3})$。我们扩展了这些标签的方式,使我们也可以计算最短路径的数量,并提供额外的上限和下限的标签和神谕计算最短路径。
2021-02-14 cs.DS
Distance labeling schemes for trees
我们考虑树的距离标记方案:给定一棵带有$n$节点的树,用二进制字符串标记节点,这样,给定任何两个节点的标签,人们可以通过只看标签来确定树中两个节点之间的距离。一个下界由加沃耶等。等(J. Alg. 2004)和Peleg(J. Graph Theory 2000)的上限建立了标签必须使用$Θ(\log^2 n)$位\footnote{Throughout this paper we use $\log$ for $\log_2$.}。加沃耶等等人(ESA 2001)表明,对于非常小近似拉伸,标签使用$Θ(\log n \log \log n)$位。其他几篇论文研究了各种变体,例如树中的小距离(Alstrup et.例如,SODA'03)。我们改进了已知的精确距离标记的上限和下限,表明$\frac{1}{4} \log^2 n$位是必要的,$\frac{1}{2} \log^2 n$位是足够的。我们也给($1+ε$)拉伸标记计划使用$Θ(\log n)$位恒定的$ε>0$。($1+ε$)-拉伸标记计划与多对数标签的大小之前已经建立了由Talwar(STOC 2004)的双维图。此外,我们提出了匹配的上限和下限的距离标记毛虫,标签必须有大小$2\log n - Θ(\log\log n)$。对于$k$节点和边缘权重在$[1,n]$的简单路径,我们表明,标签必须有大小$\frac{k-1…
2015-07-14 cs.DS
Solving Distance-constrained Labeling Problems for Small Diameter Graphs via TSP
本文给出了小直径图上的{L(p)-标号}到{度量(路)TSP}的一个简单的多项式时间约简,这使我们能够使用关于{度量(路)TSP}的许多结果。在实践方面,我们可以利用各种高性能的TSP算法,如Concordo和LKH,来解决我们的问题。在理论上,我们可以看到,在这个框架下,任何p的问题都是1.5-近似的,并且可以用Held-Karp算法在O(2^n^2)时间内解决,其中n是顶点数,依此类推。
2023-03-02 cs.DS
Streaming and Sublinear Approximation of Entropy and Information Distances
在数据采掘和机器学习的许多问题中,需要聚类或分类的数据项不是高维空间中的点,而是分布(高维单纯形上的点)。对于分布,距离的自然度量不是$\ell_p$范数和变体,而是信息论度量,如Kullback-Leibler距离、Hellinger距离等。这些距离的有效估计是操纵分布算法的关键组成部分。因此,次线性资源约束,无论是在时间(属性测试)或空间(流)是至关重要的。我们首先解决两个悬而未决的问题,关于属性测试的分布。首先,我们展示了一个紧界估计有界的,对称的f-分布之间的分歧在一般属性测试(次线性时间)框架(所谓的组合预言模型)。这就产生了用于估计诸如詹森-香农发散和海林格距离等众所周知的距离的最佳算法。其次,我们关闭了一个$(\log n)/H$的上限和下限之间的差距估计熵$H$在这个模型。在一个流设置(次线性空间),我们给出了第一个算法估计的熵的分布。我们的算法运行在多对数空间,并产生一个渐近常数因子近似计划。我们还提供了沿空间/时间/近似权衡曲线的其他结果。
2005-08-29 cs.DS cs.IT math.IT
Distance Estimation Between Unknown Matrices Using Sublinear Projections on Hamming Cube
使用几何技术,如投影和降维,我们证明了存在一个随机次线性时间算法,可以估计两个矩阵之间的汉明距离。考虑大小为$n \times n$的两个矩阵${\bf A}$和${\bf B}$,其维度对于算法是已知的,但条目是未知的。矩阵的元素是实数。对任何矩阵的访问都是通过一个oracle来实现的,该oracle计算矩阵的行(或列)在$\{0,1\}^n$中的向量上的投影。我们将此查询oracle称为{ \sc内积} oracle(简称为{ \sc IP})。我们表明,我们的算法返回一个$(1\pm ε)$近似${\bf D}_{\bf M} ({\bf A},{\bf B})$的概率很高,通过${\cal O}\left(\frac{n}{\sqrt{{\bf D}_{\bf M} ({\bf A},{\bf B})}}\mbox{poly}\left(\log n, \frac{1}ε\right)\right)$ Oracle查询,其中${\bf D}_{\bf M} ({\bf A},{\bf B})$表示汉明距离(相应的条目中,${\bf A}$和${\bf B}$不同的数量)之间的两个矩阵${\bf A}$和${\bf B}$的大小$n \times n$。我们还显示了一个匹配的下限,这样的{ \sc IP}查询所需的数量。虽然我们的主要结果是估计${\bf D}_{\bf M}…
2021-07-06 cs.DS
Sublinear Algorithms for Gap Edit Distance
编辑距离是一种通过计算将一个字符串转换为另一个字符串所需的最小字符插入、删除和替换次数来量化两个字符串彼此相似程度的方法。一个简单的动态编程计算两个长度为$n$的字符串之间的编辑距离,时间为$O(n^2)$,而一个更复杂的算法在编辑距离为$t$时,时间为$O(n+t^2)$ [Landau,Myers和Schmidt,SICOMP 1998]。为了追求更快的运行时间,过去几十年来,人们对近似编辑距离进行了大量研究,包括近线性时间的多对数近似[Andoni,Krauthgamer和Onak,FOCS 2010],以及次二次时间的常数因子近似[Chakrabarty,Das,Goldenberg,Kouckelman和Saks,FOCS 2018]。我们研究了小编辑距离的次线性时间算法,由于其众多的应用而被广泛研究。我们的主要结果是一个算法,用于区分编辑距离是最多$t$或至少$t^2$(二次间隙问题)在时间$\tilde{O}(\frac{n}{t}+t^3)$。该时间界限对于$[ω(1), o(n^{1/3})]$中的所有$t$大致是次线性的,这在以前是未知的。先前最好的算法仅在$t=ω(n^{1/3})$的次线性时间内解决了该问题[Andoni和Onak,STOC 2009]。我们的算法是基于一种新的方法,自适应切换均匀采样和读取连续块的输入字符串。与此相反,所有以前的算法选择哪些…
2019-10-02 cs.CC cs.DS
Sublinear Time Low-Rank Approximation of Distance Matrices
Carnegie Mellon University(卡内基梅隆大学)
本文研究了距离矩阵的低秩近似问题,证明在亚线性时间内可实现加法误差近似,并探讨了距离矩阵在亚线性时间内的相对误差近似限制。
2018-09-19 cs.DS cs.NA math.NA
Metric Sublinear Algorithms via Linear Sampling
在这项工作中,我们提供了一种新的技术来设计快速的近似算法的图形问题的点位于度量空间。具体来说,我们提出了一个采样方法,这样的度量图,使用一个次线性数量的边缘权重查询,提供了一个{ \em线性采样},其中每个边缘(粗略地说)采样成比例的重量。对于几个自然的问题,如densorable子图和最大割等,我们表明,通过稀疏化的图使用这种采样过程,我们可以运行一个合适的近似算法的稀疏化的图和结果仍然是一个很好的近似原问题。我们的结果有几个有趣的含义,如提供了一个度量空间中的denial子图的第一次次线性时间近似算法,并改善估计平均距离的运行时间。
2018-07-24 cs.DS
Tree Edit Distance: Near-Linear-Time Approximate, Sublinear, and Dynamic
University of California, San Diego(加州大学圣地亚哥分校);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);Massachusetts Institute of Technology(麻省理工学院)
针对树编辑距离,该研究通过新的分层树分解框架,在近线性时间近似、亚线性算法及动态算法领域缩小了其与字符串编辑距离的多项式差距,取得了优于前人的算法结果并建立了跨领域算法思想的迁移框架。
2026-10-16 cs.DS
Õptimal Dual Vertex Failure Connectivity Labels
在本文中,我们提出了简洁的标签计划,支持连接查询下的顶点故障。对于给定的$n$ -顶点图$G$,$f$ -VFT(分别,EFT)连通性标记方案是一种分布式数据结构,其为每个图边和顶点分配短标记,使得给定顶点对$u$和$v$的标记,以及至多$f$失败顶点(分别,边缘)$F$,可以确定在$G \setminus F$中$u$和$v$是否连接。主要的复杂性度量是单个标签的长度。由于他们的介绍[Courcelle,Twigg,STACS '07],FT标签计划已被设计成只为有限的收集图的家庭。最近的一项工作[Dory and Parter,PODC 2021]为边失效下的一般图提供了EFT标记方案,使得顶点失效的情况相当开放。我们给出了第一个对任意$n$ -顶点图的$f \geq 2$的次线性$f$ -VFT标号方案.我们的关键结果是$2$-VFT连接标签与$O(\log^3 n)$位。我们的结构是基于著名的重轻树分解技术[Sleator和Tarjan,STOC 1981]之上的双重故障替换路径的结构分析。我们还为任何$f=o(\log\log n)$提供了具有亚线性长度(以$|V|$计)的$f$-VFT标签,该标签基于对现有EFT标签的缩减。
2022-08-22 cs.DS
A Constant-Approximation Distance Labeling Scheme under Polynomially Many Edge Failures
ETH Zürich(苏黎世联邦理工学院);University of Michigan(密歇根大学)
本文提出了一种在多项式数量边故障下实现常数近似距离的标签方案,改进了距离敏感 oracle 的现状,解决了 Dory 和 Parter 提出的开放问题。
2026-04-02 cs.DS
Space-Efficient Path-Reporting Approximate Distance Oracles
我们考虑了一般无向图的近似{ \em路径报告}距离预言、距离标记和具有极低空间需求的标记路由。对于距离预言,我们将展示如何打破n \log n空间的Thorup和Zwick的约束,如果近似{ \em路径},而不是距离需要报告。对于近似距离标记和标记路由,我们打破了以前最好的已知空间的O(log n)字每个顶点的界限。这种空间效率的成本是增加的拉伸。
2014-10-03 cs.DS
Distance and routing labeling schemes for cube-free median graphs
距离标记方案是用短标记来标记图的顶点的方案,使得任何两个顶点$u$和$v$之间的距离可以仅通过检查$u$和$v$的标记来有效地确定,而不使用任何其他信息。类似地,路由标记方案以这样的方式标记图的顶点,即给定源节点和目的地节点的标签,可以有效地计算从源向目的地方向前进的边的端口号。其中一个重要的问题是寻找自然类的图承认距离和/或路由标签计划的标签的多对数大小。本文证明了$n$节点上的无立方中值图类具有$O(\log^3 n)$位的距离和路由标记方案。
2020-07-06 cs.DM cs.DS
Updating Dynamic Random Hyperbolic Graphs in Sublinear Time
生成网络模型在算法开发、缩放研究、网络分析和图数据集的真实系统基准测试中发挥着重要作用。一个越来越流行的复杂网络模型构建随机双曲图,通过在双曲平面上的圆盘内分布点,然后根据点之间的双曲距离以一定的概率添加点之间的边来生成。我们提出了一个动态扩展模型逐渐网络变化,同时保持在每一步的点位置概率。为了有效地处理动态变化,我们形式化的概率邻域的概念:让$P$是一组$n$点在欧几里德或双曲空间,$q$查询点,$\operatorname{dist}$距离度量,和$f : \mathbb{R}^+ \rightarrow [0,1]$单调递减函数。然后,$q$关于$f$的概率邻域$N(q, f)$是$P$的随机子集,并且每个点$p \in P$以概率$f(\operatorname{dist}(p,q))$属于$N(q,f)$。我们提出了一个快速的,次线性时间查询算法采样概率邻域从平面点集。对于一定的平面$P$分布,我们证明了我们的算法回答查询在$O((|N(q,f)| + \sqrt{n})\log n)$时间具有很高的概率。这使我们能够在次线性时间内处理随机双曲图中的节点移动,与以前最快的方法相比,实际上加速了大约一个数量级。除此之外,我们的查询算法也适用于欧几里德几何,使其独立的兴趣,为其他采样或概率传播的情况。
2018-02-08 cs.DS
Down the Rabbit Hole: Robust Proximity Search and Density Estimation in Sublinear Space
对于$\Re^d$中的一组$n$点,以及参数$k$和$\eps$,我们提出了一种数据结构,可以在对数时间内回答$(1+\eps,k)$ - \ANN查询。令人惊讶的是,数据结构使用的空间是$\Otilde (n /k)$ ;也就是说,如果$k$足够大,则所使用的空间在输入大小上是次线性的。我们的方法提供了一种新的方式来总结几何数据,这样有意义的接近查询的数据可以使用这个草图。使用这一点,我们提供了一个次线性空间数据结构,可以估计密度的点集下的各种措施,包括:\begin{inparaenum}[(i)] \item sum of distances of $k$ closest points to the query point, and \item sum of squared distances of $k$ closest points to the query point. \end{inparaenum}我们的方法推广到其他距离为基础的估计密度相似的味道。我们还研究了使用采样时近似这些数量的问题。特别是,我们表明,一个样本的大小$\Otilde (n /k)$是足够的,在某些限制的情况下,估计上述数量。值得注意的是,样本量与维度只有线性关系。
2013-04-09 cs.CG cs.DS
Optimal Hub Labeling is NP-complete
距离标记是Peleg [Journal of Graph Theory,33(3)]引入的一种预处理技术,用于加速大型网络中的距离查询。在此,每个顶点接收(短)标签,并且可以从它们的两个标签推断两个顶点之间的距离。一个这样的预处理问题发生在枢纽标记算法中[Abraham等人,SODA'10]:顶点v的标号是顶点x(“枢纽”)的集合,其距离为d(x,v)到v,并且任意两个顶点u和v之间的距离是它们到公共枢纽的距离之和。分配尽可能少的这样的枢纽的问题被证明是NP难的,但迄今为止还没有证据。我们从著名的顶点覆盖问题的图证明,找到一个最佳的枢纽标记确实是NP-难的。
2014-07-31 cs.CC cs.DS
Customizable Hub Labeling: Properties and Algorithms
枢纽标记是一种基于预处理的道路网路径规划方法。它是距离标注的一种特殊体现,在理论和实践上都得到了很好的研究。HL的核心概念是将标签与每个顶点相关联,该标签由所有顶点的子集和各自的最短路径信息组成,使得任何两个顶点之间的最短路径距离可以通过考虑它们的标签的交集来导出。HL提供了出色的查询时间,但需要一个耗时的预处理阶段。因此,在边缘成本改变的情况下,重新运行整个预处理是不可行的。受可定制路线规划概念的启发,我们在本文中提出了一种可定制的枢纽标签变体,其网络中的边成本不需要在构建时已知。然后,在进行所谓的定制阶段之后,这些标签可以以任何边缘成本使用。研究了可定制集线器标签的理论性质,给出了平均标签大小的$\mathcal{O}(\log^2 n)$ -近似算法,并提出了有效的定制算法。
2022-08-18 cs.DS
Vertex-Failure Distance Oracles and Labeling Schemes: Compact and Constant-Approximate
University of Michigan(密歇根大学)
本文提出顶点故障距离预言机和标记方案的新算法,实现常数近似、近线性空间和高效查询,并首次给出非平凡标记方案。
2026-10-02 cs.DS
Approximation schemes for bounded distance problems on fractionally treewidth-fragile graphs
我们给出了多项式时间的近似方案的单调最大化问题表达的距离(到一个固定的上限),并有效地解决有界树宽的图形。这些计划适用于所有分数树宽脆弱的图形类,属性是真实的许多自然图类与次线性分离器。我们还为所有具有次线性分离器的类中的这些问题提供了准多项式时间逼近方案。
2021-05-04 cs.DM cs.DS math.CO
Distance Labeling for Families of Cycles
研究无向环族$\bcal{C}_n$的距离标记问题,设计出标记数约为此前方案一半的新方案,并通过计算机搜索验证小n下结果接近最优。
2023-08-29 cs.DS math.CO
Optimal Distance Labeling for Permutation Graphs
本文针对排列图距离标签问题,将上界从9log n+O(1)比特改进至3log n+O(log log n)比特,与已知下界3log n-O(log log n)匹配,从而闭合了该问题的上下界差距。
2024-07-16 cs.DS
Hardness of Exact Distance Queries in Sparse Graphs Through Hub Labeling
距离标记方案是将位标记分配给无向、无权图的顶点,使得任何顶点对之间的距离可以仅从它们的标记解码。一类重要的距离标记方案是枢纽标记方案,其中节点$v \in G$存储其到所谓的枢纽$S_v \subseteq V$的距离,选择该距离使得对于任何$u,v \in V$,存在属于某个最短$uv$路径的$w \in S_u \cap S_v$。注意,对于大多数现有的图类,现有的最佳距离标记构造在某点至少使用枢纽标记方案作为关键构建块。我们的兴趣在于稀疏图的中心标记,即,具有$|E(G)| = O(n)$的那些,对于这些,我们示出了轮毂组的平均尺寸的$\frac{n}{2^{O(\sqrt{\log n})}}$的下限。此外,我们展示了一个枢纽标记的建设稀疏图的平均大小$O(\frac{n}{RS(n)^{c}})$的一些$0 < c < 1$,其中$RS(n)$是所谓的Ruzsa-Szemer{é}di函数,连接到结构的诱导匹配稠密图。这意味着进一步将管座标记尺寸的下限提高到$\frac{n}{2^{(\log n)^{o(1)}}}$将需要在$RS(n)$下限研究中取得突破,在过去70年中,$RS(n)$的下限一直抵制实质性改进。对于一般的距离标记的稀疏图,我们证明了一个下界的$\frac{1}{2^{O(\sqrt{\log n})}} SumIndex(n)$,其中$SumIndex…
2019-06-21 cs.CC cs.DC cs.DS
Sublinear Algorithms for Wasserstein and Total Variation Distances: Applications to Fairness and Privacy Auditing
Équipe Scool, Univ. Lille, Inria, CNRS, Centrale Lille, UMR 9189- CRIStAL(Lille大学、Inria、CNRS、Centrale Lille、UMR 9189-CRIStAL);Indian Statistical Institute Kolkata, India(印度统计研究所(加尔各答))
提出次线性空间算法,从流式样本估计次韦布尔分布的Wasserstein与全变差距离,并用于公平性与隐私审计,显著优于现有方法。
2026-10-14 cs.CY cs.DS cs.LG
Õptimal Fault-Tolerant Labeling for Reachability and Approximate Distances in Directed Planar Graphs
本研究提出一种针对有向加权平面图的$\tilde O(1)$大小容错标记方案,可仅通过三个顶点的标记在$\tilde O(1)$时间内求解单故障下的$(1+\u03b5)$近似距离查询,填补了该领域此前无高效方案的空白,且优于可达性问题原有的集中式预言机结果。
2025-03-24 cs.DC cs.DS
The L(2, 1)-Labeling Problem on Oriented Regular Grids
有向图G的L(2,1)-标号是从$G$的节点集到所有非负整数的集合使得$|f(x)-f(y)| \geq 2$的函数f,如果$x$和$y$的距离为1,以及如果$x$和$y$处于距离2,则为$f(x)=f(y)$,其中从顶点$x$到顶点$y$的距离是从$x$开始的最短二径的长度ABMO至$y$。$G$的所有$L(2, 1)$ -标签中最大使用标签的最小值称为$λ(G)$。本文研究了正方形、三角形和六边形网格上的L(2,1)-标号问题,并计算了它们的$λ$的精确值。
2009-10-01 cs.DM cs.DS
Sublinear Algorithms for Estimating Single-Linkage Clustering Costs
University of Science and Technology of China(中国科学技术大学);University of Cologne(科隆大学)
针对单链接聚类成本轮廓,提出基于采样的次线性算法,以O~(d√W/ε^3)时间输出草图,实现ℓ1误差ε·cost(G)的近似,并证明近乎匹配的查询下界。
2026-10-30 cs.DS
Labelings vs. Embeddings: On Distributed Representations of Distances
本文系统比较了度量空间中距离标签与 $\ell_\infty$-嵌入在经典和优先级设置下的性能差异,揭示了二者在最坏情况下时而相似、时而差距巨大,而在优先级设置下通常严格分离,并发现最坏情况标签大小界限向优先级转化时存在意外例外。
2023-09-20 cs.CG cs.DS
Fast Exact Shortest-Path Distance Queries on Large Networks by Pruned Landmark Labeling
我们提出了一个新的精确的方法,在大规模网络上的最短路径距离查询。我们的方法通过从每个顶点执行广度优先搜索来预先计算顶点的距离标签。乍一看似乎太明显和太低效,这里介绍的关键成分是在广度优先搜索期间进行修剪。虽然我们仍然可以回答任何一对顶点到标签的正确距离,但它令人惊讶地减少了标签的搜索空间和大小。此外,我们表明,我们可以执行32或64宽度优先搜索同时利用按位操作。我们的实验表明,这两种技术的结合是有效的,在各种大规模的现实世界的网络是强大的。特别是,我们的方法可以处理社交网络和网络图与数以亿计的边缘,这是两个数量级大于以前的精确方法的限制,与以前的方法的查询时间。
2013-04-17 cs.DB cs.DS
Algorithmic and Hardness Results for the Hub Labeling Problem
近年来,在设计用于距离和最短路径查询的高效算法方面取得了显著的成功;许多最先进的算法使用中心标记框架。本文研究了Hub标号问题的可逼近性。我们证明了集线器标签的硬度为$Ω(\log n)$,与已知的近似保证相匹配。硬度结果适用于在某些顶点对之间具有多个最短路径的图。没有硬度的近似结果是已知的。然后,我们专注于每对顶点之间具有唯一最短路径的图。这是一个非常自然的图族,许多关于枢纽标记问题的研究都研究了这类图。给出了直径为$D$且最短路唯一的图的一个$O(\log D)$近似算法.特别是,我们得到了一个$O(\log \log n)$近似图的多对数直径,而以前已知的算法给出了一个$O(\log n)$近似。最后,我们提出了一个多项式时间近似计划(PTAS)和准多项式时间算法的枢纽标记的树,此外,我们分析了一个简单的组合启发式枢纽标记的树,Peleg在2000年提出的。我们表明,这种启发式给出了近似因子为2。
2016-11-20 cs.DS
A Sublinear Algorithm for Approximate Shortest Paths in Large Networks
本文提出 WormHole 算法与数据结构,利用社交网络核心—边缘结构构建次线性索引,在低预处理成本下快速返回近似最短路径,并给出实验与理论保证。
2024-06-12 cs.DM cs.DS cs.SI
A linear time algorithm for L(2,1)-labeling of trees
图$G$的L(2,1)-标号是从顶点集$V(G)$到非负整数集的一个赋值$f$,使得对于$V(G)$中的所有$x$和$y$,如果$x$和$y$相邻,则为$|f(x)-f(y)|\ge 2$,如果$x$和$y$的距离为2,则为$|f(x)-f(y)|\ge 1$.一个$k$ -L(2,1)-标号是一个赋值$f:V(G)\to\{0,..., k\}$,L(2,1)-标号问题要求在所有可能的赋值中最小的$k$,我们用$λ(G)$表示.众所周知,这个问题是NP-困难的,即使图的树宽为2,树是一个非常少的类,其中的问题是多项式可解的。最著名的树算法的运行时间是$\mO(Δ^{4.5} n)$,然而,$\mO(n^{1.75})$ -时间算法已经提出了十多年,它大大改善了以前的一个,其中$Δ$是$T$和$n=|V(T)|$的最大程度。本文最后建立了树的L(2,1)-标号的线性时间算法。
2010-11-24 cs.DS
Computing $L(p,1)$-Labeling with Combined Parameters
给定一个图,图的$L(p,1)$ -标号是从顶点集到非负整数集的赋值$f$,使得对于任何一对顶点,如果$u$和$v$相邻,则为$(u,v),|f (u) - f (v)| \ge p$,如果$u$和$v$相距$2$,则为$f(u) \neq f(v)$。$L(p,1)$标记问题是最小化$f$的跨度(即,$\max_{u\in V}(f(u)) - \min_{u\in V}(f(u))+1$)。已知它是NP-困难的,即使是最大度$3$或树宽为2的图,而它是固定参数易于处理的顶点覆盖数。由于顶点覆盖数是一种最强的参数,从参数化的角度来看,易处理性和难处理性之间存在很大的差距。为了填补这一空白,在本文中,我们提出了新的固定参数算法$L(p,1)$ -标记的孪生覆盖数加上最大团的大小和树的宽度加上最大程度。这些算法在参数的几种组合方面减小了差距。
2020-10-18 cs.DS
Separating Hierarchical and General Hub Labelings
在距离预言机的上下文中,标记算法在预处理期间计算顶点标记。$s,t$查询仅计算与$s$和$t$标签的对应距离,而不查看输入图。枢纽标签是一类已被广泛研究的标签。中心标签查询的性能取决于标签大小。层次标签是一种自然的特殊类型的枢纽标签。这些标签与其他问题有关,可以更有效地计算。这就自然地提出了层次标签的质量问题。我们发现,有一个差距:最佳层次标签可以多项式大于一般枢纽标签。为了证明这一结果,我们给出了严格的上界和下界的超立方体的层次和一般标签的大小。
2013-06-23 cs.DS math.CO
Embeddings and labeling schemes for A*
Boston University(波士顿大学);MIT(麻省理工学院);Tsinghua University(清华大学)
A* 是一种经典而流行的图搜索和路径查找方法。它假设存在一个启发式函数$h(u,t)$,该函数估计从任何输入节点$u$到目的地$t$的最短距离。传统上,电子邮件是由领域专家手工制作的。然而,在过去的几年里,人们对学习启发式函数的兴趣越来越大。这样的学习算法基于这些节点的“特征”来估计给定节点之间的距离。在本文中,我们形式化,并开始研究这种基于特征的算法。特别是,我们考虑由范数嵌入和距离标记方案引起的算法,并提供用于表示每个图节点的维度或位数与A* 算法的运行时间之间的权衡的下界。我们还表明,在自然的假设下,我们的下限几乎是最优的。
2021-11-19 cs.CG cs.DS cs.LG
Sublinear Edge Fault-Tolerant Hyperspanners for Hypergraphs
Colby College(科尔比学院);Duke University(杜克大学);Old Dominion University(老道明大学)
本文提出了一种基于聚类的算法,用于构造超图的亚线性边故障容忍跨度结构,改进了现有结果并建立了理论下界。
2026-09-01 cs.DS
Sublinear-Time Approximation for Graph Frequency Vectors in Hyperfinite Graphs
本文在超有限图假设下提出一种亚线性时间算法,通过采样顶点并查询局部划分预言机构造摘要图,以$\varepsilon$的$\ell_1$误差近似原图的$k$-圆盘频率向量,并明确分析了切割误差与采样误差对运行时间和摘要规模的影响。
2025-08-21 cs.CC cs.DS
Finding Cycles and Trees in Sublinear Time
我们提出了次线性时间(随机)算法,找到简单的周期长度至少$k\geq 3$和树未成年人在有界度图。这些算法的复杂度与图距无$C_k$ -次要者的距离有关(分别地,不具有相应的树子)。特别地,如果图是远的(即,$Ω(1)$(远){from}是无环的,即,如果必须删除边的恒定部分以使其无环,则该算法找到时间上的多对数长度的循环$\tildeO(\sqrt{N})$,其中$N$表示顶点的数量。这个时间复杂度对于多对数因子来说是最优的。上述结果是我们在有界度图模型中研究{ \em单侧误差}属性测试算法复杂性的结果。例如,我们证明了$N$顶点图的无圈性可以在时间复杂度$\tildeO(\poly(1/\e)\cdot\sqrt{N})$内用单侧误差进行测试。这与已知的$Ω(\sqrt{N})$查询下限相匹配,并且与以下事实形成对比:任何无次项属性都允许查询复杂性的{ \em双侧误差}测试器仅取决于邻近参数$\e$。对于任何常数$k\geq3$,我们将这个结果扩展到测试输入图是否具有长度至少为$k$的简单循环。另一方面,对于任何固定的树$T$,我们表明,$T$ -未成年人的自由度有一个单侧错误测试的查询复杂性,只依赖于接近参数$\e$。我们的算法在有界度图中找到循环扩展到一般的图形,距离测量相对于实际的边缘数。这样的扩展对于在$o(\sqrt{N})$复杂度中寻找树-子式是不可能的。
2012-04-03 cs.DM cs.DS
Sublinear Time Spectral Density Estimation
我们提出了一个新的次线性时间算法来近似的谱密度(特征值分布)的$n\times n$规范化图邻接或拉普拉斯矩阵。该算法在给定样本访问图的情况下,在$O(n\cdot \text{poly}(1/ε))$时间内以Wasserstein-1距离恢复高达$ε$精度的频谱。这一结果对David Cohen-Steiner,Weihao Kong,Christian Sohler和Gregory Valiant(2018)最近的工作表示赞赏,该工作获得了一个与$n$无关的运行时间的解决方案,但在$1/ε$中呈指数增长。我们推测,尺寸依赖性和精度之间的权衡是固有的。我们的方法是简单的,实验效果很好。它是基于Chebyshev多项式矩匹配方法,雇员随机估计矩阵迹。我们证明,对于任何厄米的$A$,这矩匹配方法返回一个$ε$近似的谱密度,只使用$O({1}/ε)$矩阵矢量产品与$A$。通过利用切比雪夫多项式三项递归的稳定性,我们证明了该方法是适合使用粗糙的近似矩阵向量乘积。我们的次线性时间算法如下结合这一结果与一种新的采样算法近似矩阵向量产品与归一化图形邻接矩阵。独立的利益,我们表现出类似的结果,广泛使用的\emph{kernel polynomial method}(KPM),证明这种实用的算法几乎匹配我们的矩匹配方法的理论保证。我们的分析使用的工具,从杰克逊的开创性工作的近似与积极的多项式内核。
2022-04-14 cs.DS cs.NA math.NA
Universal Communication, Universal Graphs, and Graph Labeling
我们介绍了一种称为通用SMP的通信模型,其中Alice和Bob接收属于家族$\mathcal{F}$的函数$f$,并输入$x$和$y$。Alice和Bob使用共享随机性向第三方发送消息,该第三方无法看到$f, x, y$或共享随机性,并且必须决定$f(x,y)$。我们的通用SMP的主要应用是将通信复杂性与图标记联系起来,目标是给图中的每个顶点一个短标签,以便可以从标签$\ell(x),\ell(y)$确定两个顶点$x$和$y$的邻接或其他功能。给出了一个利用$O(k^2)$通信比特来判定分配格上两个顶点之间的距离是否最大为$k$的通用SMP协议(在通信复杂度中推广$k$-Hamming距离问题),并解释这如何暗示用于在具有大小$n$的分配格上确定$\mathrm{dist}(x,y) \leq k$的$O(k^2\log n)$标记方案;相反,我们证明了用于确定模格(分配格超集)中$\mathrm{dist}(x,y) \leq 2$的通用SMP协议具有超常数$Ω(n^{1/4})$通信成本。另一方面,我们证明了许多图形家庭已知有高效的邻接标签计划,如树,低荫度图,平面图,承认恒定成本的通信协议的邻接。树也有一个$O(k)$协议,用于决定$\mathrm{dist}(x,y) \leq k$和平面图有一个$O(1)$协议,用于$\mathrm{dist}(x,y) \leq 2$,…
2019-11-09 cs.CC cs.DM cs.DS
Analysis of a Canonical Labeling Algorithm for the Alignment of Correlated Erdős-Rényi Graphs
两个相关随机图的图对齐是指确定图的顶点集之间的对应关系的任务。最近的研究结果表明,在相关的Erdens-Rényi图中,图对齐的信息论阈值是精确的。然而,很少有人知道存在有效的算法来实现图对齐没有种子。在这项工作中,我们确定了一个区域,在该区域中,一个简单的$O(n^{11/5} \log n )$ -时间规范标记算法,最初介绍了图同构的背景下,成功地对齐相关的Erdens-Rényi图。该算法有两个步骤。在第一步中,所有顶点都由它们的度和平凡的最小距离对准(即,根据顶点的度对顶点排序)匹配两个图中的固定数量的最高度顶点。在确定了这个顶点子集之后,使用二分图的对齐算法来匹配剩余的顶点。
2019-09-01 cs.DS stat.ML
Near-Optimal Resilient Labeling Schemes
本文研究标记擦除下的一般弹性标记方案,提出可容忍 F 次擦除的标记变换与分布式重建方法,在 Congest 模型中取得近最优运行时间。
2024-12-02 cs.DC cs.DS
Fault-Tolerant Labeling and Compact Routing Schemes
本文提出了一般图的容错(FT)标记计划,以及改进的FT路由计划。对于给定的$n$ -顶点图$G$和关于故障数量的约束$f$,$f$-FT连通性标记方案是一种分布式数据结构,它为每个图边和顶点分配短标记,使得给定顶点$s$和$t$的标记,以及至多$f$失败边$F$,可以确定$s$和$t$在$G \setminus F$中是否连通.主要的复杂性度量是单个标签的长度。由于他们的介绍[Courcelle,Twigg,STACS '07],紧凑的FT标签计划已被设计成只为有限的集合的图形家庭。在这项工作中,我们填补了这一空白,提出了两个(独立的)FT连接标记计划的一般图形,具有接近最佳的标签长度。这也是提供FT近似距离标记方案以及最终路由方案的基础。我们的主要结果为$n$ -顶点图和故障绑定$f$是:--有一个随机FT连接标签计划的标签长度为$O(f+\log n)$位,因此最佳的$f=O(\log n)$。该方案基于循环空间采样的概念[Pritchard,Thurimella,TALG '11]。--存在具有$O(\log^3 n)$比特的标签长度的随机FT连通性标签方案(与故障的数量$f$无关)。该方案基于[Ahn等人,SODA '12]。--对于$k\geq 1$,有一种随机路由选择方案,它在存在一组故障边$F$的情况下,将消息从$s$路由到$t$,具有伸展$O(|F|^2 k)$和大…
2021-06-01 cs.DC cs.DS
Deterministic Fault-Tolerant Connectivity Labeling Scheme
本文提出确定性容错连通性标记方案,通过纠错码和图稀疏化技术,实现O(f² polylog(n))标签大小,解决开放问题并改进距离标记与路由。
2023-11-16 cs.DC cs.DS
Determining L(2,1)-Span in Polynomial Space
图的$k$(2,1)-标号是从其顶点集到集合$\{0,...,k\}$的函数,使得分配给相邻顶点的标号至少相差2,并且分配给距离为2的顶点的标号是不同的。已知寻找任何给定图的最小$k$且允许存在$k$ -L(2,1)-标号是NP-完全的。在本文中,我们提出了一个算法,它工作在时间$O(\complexity ^n)$和多项式记忆,其中$\eps$是一个任意小的正常数。这是求解L(2,1)-标号问题的第一个精确算法,其时间复杂度为$O(c^n)$(对于某个常数$c$),空间复杂度为多项式空间复杂度.
2011-04-22 cs.DM cs.DS math.CO