Approximating Sparse Covering Integer Programs Online
覆盖整数规划(CIP)是一种数学规划,其形式为:min {c^T x:Ax >= 1,0 <= x <= u,x integer},其中A是一个m × n矩阵,c和u是n维向量,都有非负项。在在线设置中,约束(即,约束矩阵A)的行随时间到达,并且算法只能增加向量x的坐标以保持可行性。作为中间步骤,我们考虑在线求解覆盖线性规划(CLP),其中x上的完整性要求被丢弃。我们的主要结果是(a)O(log k)-竞争在线算法求解CLP,和(b)O(log k log L)-竞争随机在线算法求解CIP。这里,k<=n和L<=m分别表示约束矩阵A的任意行和列中的非零条目的最大数量。根据Feige和Korman的结果,这是多项式时间在线算法的最佳可能,即使在集合覆盖的特殊情况下也是如此。
2012-05-01 cs.DS
Randomized Rounding without Solving the Linear Program
随机舍入是一种基于概率方法的标准方法,用于设计组合近似算法。在Raghavan的开创性论文介绍了该方法(1988年),他写道:“解决整数规划的线性规划松弛所花费的时间在理论上占主导地位的净运行时间(而且,很可能在实践中也是如此)。本文探讨了如何避免包装和覆盖问题(线性规划或混合整数线性规划,没有负系数)的随机舍入算法的瓶颈。所得到的算法是贪心算法,并且比标准的随机舍入算法更快、更简单地实现。这种方法也可以用来理解包装/覆盖线性规划的拉格朗日松弛算法:这种算法可以被视为(去随机化)随机舍入方案。
2002-05-18 cs.DM cs.DS
Online Mixed Packing and Covering
在许多问题中,输入随着时间的推移而到达,并且必须在它们到达时进行处理。这些问题都是网上的问题。在线求解问题的常用方法是先求解相应的线性规划,然后在线对分式解进行四舍五入,得到整数解。我们给出了在线求解具有混合填充和覆盖约束的线性规划的算法。我们首先考虑混合包装和覆盖线性规划,包装约束离线给出,覆盖约束在线接收。目标是在满足覆盖约束的同时,最小化任何填充约束被违反的最大乘法因子。没有以前的次线性竞争算法是已知的这个问题。我们给出了第一个这样的-一个求解混合包装和覆盖线性规划的多变量竞争算法。我们还显示了一个几乎紧的下界。我们的技术上限使用指数罚函数结合乘法更新。以往的线性规划离线近似求解都是使用指数罚函数,而离线算法则事先知道约束条件,可以进行全局优化。相比之下,当约束在线到达时,更新需要更复杂。我们应用我们的技术来解决两个在线的固定收费的拥塞问题。这些问题的动机在机器调度和设施定位的应用。这些问题的线性规划比混合填充和覆盖更复杂,并提出了独特的挑战。我们表明,我们的技术与随机舍入过程相结合,给出了多变量竞争积分的解决方案。这些问题推广了在线集合覆盖问题,它存在一个多对数下界。因此,我们的结果接近于严格。
2012-04-02 cs.DS
An Approximation Algorithm for Covering Linear Programs and its Application to Bin-Packing
我们给出了一个求解覆盖LP的$α(1+ε)$ -近似算法,假设对某个优化问题存在一个$(1/α)$ -近似算法.我们的算法是基于Plotkin-Shmoys-Tardos算法(MOR 1995)的一个简单的修改。然后,我们将我们的算法$α(1+ε)$ -近似解决的配置LP为一大类装箱问题,假设存在一个$(1/α)$ -近似算法为相应的背包问题(KS)。之前的结果为我们提供了使用KS的PTAS的配置LP的PTAS。这些结果并不延伸到KS是很差的近似的情况下。然而,我们的算法,即使是多项式大的$α$。
2020-12-17 cs.DS
On Polynomial Kernels for Integer Linear Programs: Covering, Packing and Feasibility
本文研究了整数线性规划的可行性判定问题,以及寻找覆盖和填充整数线性规划的好解问题的多项式核的存在性。我们的主要结果如下:首先,我们表明,ILP可行性问题承认没有多项式核化时,参数化的变量和约束的数量,除非NP \subseteq coNP/聚。这扩展到有限的情况下,有界变量的程度和有限数量的变量,每个约束,并覆盖和包装的ILP。其次,我们给出了覆盖ILP问题的多项式核化,当A是行稀疏的时,要求解Ax >= b,c^Tx <= k,由k参数化;这推广了具有0/1-变量和系数的特殊情况(d-命中集)的已知多项式核化。
2013-02-15 cs.CC cs.DS
Covering and packing mixed-integer linear programs with a fixed number of constraints: Approximation and convex hull
Research Center for Operations Research & Statistics, KU Leuven(鲁汶大学运筹学与统计学研究中心)
本文提出了一种针对固定数量约束的覆盖混合整数线性规划问题的近似算法,并改进了背包覆盖问题的近似算法。
2026-02-11 cs.DS
Solving Packing and Covering LPs in $\tilde{O}(\frac{1}{ε^2})$ Distributed Iterations with a Single Algorithm and Simpler Analysis
包装和覆盖线性规划属于线性规划的狭义类别,在并行和分布式计算模型中可有效求解,但在理论计算机科学,运筹学和许多其他领域中,它是一个强大的建模工具。在获得更快的分布式和并行算法包装和覆盖线性规划的最新进展,我们提出了一个简单的算法,其迭代计数匹配最知名的$\tilde{O}(\frac{1}{ε^2})$这类问题。该算法类似于[Allen-Zhu和Orecchia,2015]的算法,它可以被解释为Nesterov的对偶平均,并且它构造了原始(填充)和对偶(覆盖)问题的近似解。然而,分析依赖于一个近似的最优性差距和原始对偶视图的建设,导致更直观的解释。此外,我们的分析表明,所有现有的算法解决包装和覆盖线性程序的并行/分布式计算模型,事实上,unaccelerated,并提出了这类问题的加速算法设计的问题。
2017-10-24 cs.DS
Analysis of the Min-Sum Algorithm for Packing and Covering Problems via Linear Programming
基于置信传播(BP)的消息传递算法在纠错码译码、约束满足和推理等问题中有着广泛的应用。基于BP的算法在用于对输入进行建模的图表示(称为因子图)上操作。虽然在许多情况下,基于BP的算法表现出令人印象深刻的经验结果,没有太多的被证明时,因子图有循环。本文研究了约束矩阵为0 - 1,约束向量为整数,变量受盒约束的整数规划问题。我们研究了最小和算法的性能时,适用于相应的因子图模型的包装和覆盖LP。我们比较的解决方案计算的最小和算法包装和覆盖问题的最优解相应的线性规划(LP)松弛。特别是,我们证明了,如果LP有一个最佳的分数的解决方案,然后对于每个分数的组成部分,最小和算法计算多个解决方案或解决方案振荡低于和高于分数。这意味着最小和算法仅在LP具有唯一的最优解时才计算最优积分解。一般来说,反过来并不正确。对于包装和覆盖问题的一个特殊情况,我们证明了如果线性规划有唯一的最优解,且该最优解是整数且在盒约束的边界上,那么最小和算法在伪多项式时间内计算最优解.我们的结果统一和扩展了最近的最大权重匹配问题的结果[Sanghavi等人,’2011]和[Bayati等人,2011]和最大权重独立集问题[Sanghavi et al. '2009]。
2013-07-14 cs.DM cs.DS cs.IT
Online Weighted Degree-Bounded Steiner Networks via Novel Online Mixed Packing/Covering
针对边加权度有界Steiner森林问题及其推广问题,设计了第一个具有多对数竞争比的在线算法。我们得到我们的结果,演示了一个新的通用的方法来解决混合包装/覆盖整数规划的在线范例。在EW-DB-SF中,我们给出了一个边赋权图,每个顶点都有一个度界。预先给定一个根顶点,我们以在线方式接收一个终端顶点序列。在终端到达时,我们需要扩大我们的解子图,以将新终端连接到根。我们的目标是最小化解决方案的总权重,同时尊重顶点的度界限。在离线设置边加权度有界Steiner树(EW-DB-ST)和它的许多变种已被广泛研究,因为八十年代初。不幸的是,在线网络设计问题的最新进展本质上很难适应度有限的问题。与此相反,本文利用最优解的结构性质,将EW-DB-SF问题归结为一个指数规模的混合填充/覆盖整数规划,其中每个变量在覆盖约束中只出现一次,从而得到了我们的结果.然后,我们设计了一个通用的积分算法来解决这个限制家庭的IP。我们展示了一种新的技术解决混合包装/覆盖整数规划。定义一个程序的覆盖频率k为一个变量可以参与的覆盖约束的最大数目。令m表示包装约束的数量。针对混合填充/覆盖整数规划问题,设计了一个竞争比为O(klogm)的在线确定性积分算法.我们相信这种技术可以作为一个有趣的替代标准的原始对偶技术在解决在线问题。
2017-04-19 cs.DS
On Approximating (Sparse) Covering Integer Programs
我们考虑覆盖整数规划的形式min $\langle c, x \rangle $在$x \in \mathbb{N}^n $受到$A x \geq b $和$x \leq d$的近似算法,其中$A \in \mathbb{R}_{\geq 0}^{m \times n}$,$b \in \mathbb{R}_{\geq 0}^m$,和$c, d \in \mathbb{R}_{\geq 0}^n$都有非负的条目。我们把这个问题称为$\operatorname{CIP}$,没有多重性约束的特殊情况称为$x \le d$,称为$\operatorname{CIP}_{\infty}$。这些问题是集覆盖问题的推广。我们做了两个算法上的贡献。首先,我们表明,一个简单的算法的基础上随机四舍五入与改变改善或匹配的最佳已知的近似算法$\operatorname{CIP}$和$\operatorname{CIP}_{\infty}$在广泛的参数设置,这些界限基本上是最佳的。作为变更算法和分析的简单性的副产品,我们可以去随机化算法,而不会在近似保证或效率方面有任何损失。Chen,Harris和Srinivasan [12]先前的工作获得了近紧边界,该工作基于基于分析复杂的基于重采样的随机算法。$\operatorname{CIP}$的非平凡近似算法基于求解用背包覆盖(KC)不等式加强的自然LP松弛[…
2018-11-18 cs.DS
Approximability of Sparse Integer Programs
本文主要研究一类整数规划的一对新的近似算法。首先,对于覆盖整数规划{mincx:Ax >= b,0 <= x <= d},其中A每行至多有k个非零值,我们给出了一个k-近似算法. (We假设A,b,c,d都是非负的。对于任意k >= 2且eps>0,如果P!= NP这个比率不能提高到k-1-eps,并且在唯一博弈猜想下这个比率不能提高到k-eps。一个关键的想法是用其他具有更好的舍入特性但具有相同的非负积分解的约束来替换单个约束;另一个关键因素是背包覆盖不等式。其次,对于填充整数规划{max cx:Ax <= b,0 <= x <= d},其中A每列至多有k个非零值,我们给出了一个(2k^2+2)-近似算法.我们的方法建立在迭代LP松弛框架。此外,我们得到了改进的近似的第二个问题时,k=2,并为这两个问题时,每一个A_{ij}是小的相比,b_i。最后,我们证明了一个17/16-不可逼近覆盖整数规划,每列最多有两个非零。
2010-02-09 cs.DM cs.DS
Distributed algorithms for covering, packing and maximum weighted matching
本文给出了具有次模代价和单调覆盖约束的复盖问题的多对数轮分布D-近似算法。近似比D是任何约束中的最大变量数。特殊情况包括覆盖混合线性规划(CMIP)和加权顶点覆盖(D=2)。通过对偶性,本文还给出了分数包装线性规划(其中D是变量出现的最大约束数)和超图中的最大加权c-匹配(其中D是任意超边的最大尺寸,对于图D=2)的多对数轮分布D-近似算法。本文还给出了每个约束两个变量和加权顶点覆盖的CMIP的并行(RNC)2-近似算法。算法是随机的。所有的近似比完全匹配可比的集中式算法。
2020-05-27 cs.DC cs.DS
Nearly Linear-Time Packing and Covering LP Solvers
包装和覆盖线性规划(PC-LP)是计算机科学、运筹学和优化领域中一类重要的线性规划。在1993年,Luby和Nisan构造了一个迭代算法,用于在近似线性时间内近似求解PC-LP,其中时间复杂度在$N$(矩阵的非零元素的数量)中近似线性地缩放,并且在$\varepsilon$(乘法)近似误差中近似多项式地缩放。不幸的是,所有现有的近似线性时间算法解决PC-LP需要的时间至少成正比于$\varepsilon^{-2}$。在本文中,我们打破了这个长期存在的障碍,设计一个包装求解器,运行在时间$\tilde{O}(N \varepsilon^{-1})$和覆盖LP求解器,运行在时间$\tilde{O}(N \varepsilon^{-1.5})$。我们的包装求解器可以扩展到运行在时间$\tilde{O}(N \varepsilon^{-1})$一类行为良好的覆盖程序。在后续的工作中,Wang等人表明,所有覆盖LP都可以通过简化转换为行为良好的LP,该简化仅在数学上扩大问题大小。在高层次上,这两个算法可以被描述为几个一阶下降步骤的线性耦合。这是我们的线性耦合技术的问题,不服从黑盒应用已知的凸优化迭代算法的应用。
2018-02-26 cs.DS cs.NA math.NA
A Tight Approximation for Submodular Maximization with Mixed Packing and Covering Constraints
受机器学习中子集选择和数据汇总等应用的启发,我们考虑了混合填充和覆盖约束下的单调子模函数最大化问题。我们提出了一个紧密的近似算法,对于任何常数$ε>0$实现了$1-\frac{1}{\mathrm{e}}-ε$的保证,同时违反覆盖约束的乘法因子$1-ε$。我们的算法是基于一种新的枚举方法,它不同于以前已知的枚举技术,可以处理包装和覆盖约束。我们扩展了上述主要结果,另外处理拟阵的独立性约束,以及寻找(近似)帕累托集最优解时,多个子模块化的目标。最后,我们提出了一种新的和纯粹的组合动态规划方法,可以应用到几个特殊情况下的问题产生不仅{ \em确定性},但也相当快的算法。例如,对于仅填充约束的充分研究的特殊情况(Kulik { \em et. al.} [数学。Res. `13]和Chekuri { \em et. al.} [FOCS 10]),我们能够提出第一个确定性的非平凡的近似算法。我们相信我们的新组合方法可能是独立的利益。
2018-12-19 cs.DM cs.DS
An Extension of the Lovasz Local Lemma, and its Applications to Integer Programming
由Erdos和Lovasz提出的Lovasz局部引理是证明稀有事件存在性的有力工具。我们提出了这个引理的一个扩展,当要证明存在的事件是单个事件的结合时,它工作得很好,每个事件都断言随机变量不会偏离其均值太多。作为应用,我们考虑了两类NP-难整数规划:极大极小和覆盖整数规划。Raghavan和Thompson发展了一种关键技术,即线性松弛的随机舍入,以获得此类问题的良好近似算法。我们使用我们的局部引理的扩展来证明随机舍入产生,具有非零概率,比以前已知的更好的可行解,如果这些整数规划的约束矩阵是列稀疏的(例如,使用短路径的路由,具有小维度/度的超图上的问题)。这补充了差异理论的某些众所周知的结果。我们还推广了由于Raghavan的悲观估计的方法,以获得建设性的(算法)版本,我们的结果覆盖整数规划。
2003-07-18 cs.DS
The Complexity of Distributed Approximation of Packing and Covering Integer Linear Programs
本研究提出LOCAL模型下的低直径分解算法,进一步发展出近似求解一般装箱与覆盖整数线性规划的分布式算法,改进了已有结果,且对多种基础组合图优化问题近似最优。
2023-07-24 cs.DC cs.DS
Solving Positive Linear Programs with Differential Privacy
Boston University(波士顿大学);Khoury College of Computer Sciences, Northeastern University(东北大学科赫里计算机科学学院);CNRS & IRIF, Université Paris Cité(法国国家科学研究中心与IRIF,巴黎西岱大学)
针对正线性规划(系数和变量非负的线性规划),研究差分隐私近似算法,通过正则化对偶视角的密集乘法权重更新方法,在满足隐私约束的同时仅违反有限数量的约束,改进了实例相关保证并得到仅依赖于维度的数据无关界。
2026-05-27 cs.DS
Exploiting variable associations to configure efficient local search algorithms in large-scale binary integer programs
Osaka University(大阪大学)
针对一类二进制整数规划的集合覆盖和划分问题,提出了一种减少局部搜索算法的搜索空间的数据采掘方法。如果使用更大的邻域,局部最优解的质量通常会提高,而搜索邻域的计算时间会呈指数级增加。为了克服这一点,我们提取变量关联的实例来解决,以确定有前途的翻转变量对邻域搜索。在此基础上,我们开发了一个4翻转邻域局部搜索算法,它结合了一个有效的增量评估的解决方案和惩罚权重的自适应控制。计算结果表明,该方法提高了局部搜索算法对大规模集合覆盖和划分问题的性能。
2017-05-12 cs.AI cs.DS math.OC
A Primal-Dual Extension of the Goemans--Williamson Algorithm for the Weighted Fractional Cut-Covering Problem
本文通过反阻塞器和规范对偶将加权分数割覆盖问题与最大割问题关联,提出基于半定规划松弛的1/α_GW近似算法,并引入组合证书及随机多项式时间算法,同时证明算法在多个方面最优。
2025-02-25 cs.DM cs.DS math.OC
Distributed Santa Claus via Global Rounding
TU Graz(格拉茨工业大学);University of Southern Denmark(南丹麦大学)
本文在CONGEST模型下研究了NP难的圣诞老人问题,提出首个分布式设定下的近似算法,证明计算O(logn/loglogn)近似解的复杂度为Θ(√n+D)轮,且给出更严格的下界。
2026-09-15 cs.DC cs.DS
On the Number of Iterations for Dantzig-Wolfe Optimization and Packing-Covering Approximation Algorithms
给出了一类自然的近似求解填充/覆盖线性规划的拉格朗日松弛算法的迭代复杂度的下界。我们表明,给定一个输入与$m$随机0/1约束$n$变量,具有很高的概率,任何这样的算法需要$Ω(ρ\log(m)/ε^2)$迭代计算$(1+ε)$近似解,其中$ρ$是输入的宽度。对于参数$(m,n,ρ,ε)$的范围,界限是紧的。该类中的算法包括Dantzig-Wolfe分解,Benders分解,Held和Karp [1971]为下界TSP开发的拉格朗日松弛,以及许多其他算法(例如Plotkin,Shmoys和Tardos [1988]以及Grigoriadis和Khachiyan [1996])。为了证明这个界,我们使用了一个差异参数来证明随机两人零和0/1矩阵博弈的$(1+ε)$ -近似混合策略的支持大小的一个类似的下界。
2015-11-19 cs.CC cs.DS
Constant Approximation Algorithm for Non-Uniform Capacitated Multi-Item Lot-Sizing via Strong Covering Inequalities
研究了非均匀容量约束下的多产品批量计划(\lotsizing)问题。在这个问题中,在$T$时间段的规划范围内有一组需求,并且所有需求都必须按时满足。我们可以在每个周期$s$开始时下订单,产生订购成本$K_s$。在时间$s$订购的所有产品的总数量不能超过给定的容量$C_s$。另一方面,不时持有存货会产生存货持有成本。该问题的目标是找到一个可行的解决方案,使订购和持有成本之和最小化。Levi等人(Levi,Lodi和Sviridenko,Mathmatics of Operations Research 33(2),2008)给出了当容量$C_s$相同时该问题的2-近似。在本文中,我们将他们的结果推广到非一致容量的情况。即对具有一般能力的多品种批量问题给出了一个常数近似算法。常数逼近是通过增加一个指数大的新的覆盖不等式的自然设施位置型线性规划松弛的问题。沿着我们的算法的方式,我们减少了\lotsizing问题的经典背包覆盖问题的两个概括。我们给LP为基础的常数近似算法的推广,通过迭代舍入技术。
2016-10-06 cs.DS
Approximating $δ$-Covering
本文研究无向图上连续设施选址问题 $δ$-覆盖的可近似性,针对不同覆盖范围给出对数或常数因子近似算法,并结合唯一博弈猜想下界缩小了近似比范围。
2024-08-08 cs.DS
Learning-augmented smooth integer programs with PAC-learnable oracles
National Key Laboratory for Novel Software Technology(新型软件技术国家重点实验室);Nanjing University School of Artificial Intelligence(南京大学人工智能学院)
本文提出了一种基于PAC可学习预言机的强化平滑整数规划框架,通过线性规划和取整处理,将传统密集领域中的可计算近似扩展到近密集领域。
2026-11-13 cs.AI cs.DS cs.LG