Efficient Two-Stage Group Testing Algorithms for Genetic Screening
高效的两阶段组测试算法,特别适合于快速和廉价的DNA文库筛选和其他大规模的生物组测试的努力,在本文中进行了研究。主要的重点是新的组合结构,以尽量减少在第二阶段的两阶段析取测试程序的个人测试的数量。在Levenshtein(2003)和Tonchev(2008)的最新工作的基础上,提出了几个新的无限类这样的组合设计。
2013-06-19 cs.DS math.CO q-bio.QM
Quantum Complexity of Testing Group Commutativity
我们考虑由k个生成元指定的黑盒群的交换性的检验问题。这个问题的复杂性(以k为单位)首先由Pak考虑,他给出了一个涉及O(k)组操作的随机算法。我们构造了一个非常优的量子算法,其复杂度为O(k^{2/3})。该算法使用并突出了Szegedy量化方法的强大功能。对于Omega(k^{2/3})的下界,我们给出了一个从元素清晰性的特殊情况到我们问题的约化.在此过程中,我们证明了Pak算法对于随机模型的最优性。
2007-05-08 cs.DS quant-ph
Group Testing with Non-identical Infection Probabilities
我们考虑一个零错误概率群体测试问题,其中个体是独立的,但不具有相同的概率有缺陷。我们提出了一个贪婪的集合形成方法来建立一套个人一起进行测试。我们开发了一个自适应组测试算法,使用建议的集合形成方法递归。我们证明了新的上界的测试次数为所提出的算法。通过数值计算,我们表明,我们的算法优于最先进的状态,并执行接近熵下界。
2021-08-27 cs.CY cs.DS cs.IT
Noisy Adaptive Group Testing via Noisy Binary Search
成组测试问题是基于大量可能存在噪声的测试,从一组较大的测试项目中确定一组较小的缺陷项目,具有许多实际应用。分组测试的定义特征之一是测试是否是自适应的(即,可以基于所有先前的结果来选择给定的测试)或非自适应的(即,所有测试必须提前选择)。在本文中,二进制分裂技术在无噪声组测试(黄,1972年)的成功的基础上,我们介绍了噪声组测试算法,应用噪声二进制搜索作为一个子程序。我们提供了这种方法的三种变体,其复杂性不断增加,最终形成了一种算法,该算法成功地使用了许多与以前最知名的测试相匹配的测试(Scarlett,2019),同时克服了现有方法的基本实际限制,并更精确地捕获了测试数量对错误概率的依赖性。我们提供的数值实验表明,基于噪声二进制搜索的自适应组测试策略在实践中是非常有效的,使用显着较少的测试相比,国家的最先进的非自适应策略。
2021-11-11 cs.DS cs.IT math.IT
A Fast Binary Splitting Approach to Non-Adaptive Group Testing
在本文中,我们考虑的问题,无噪声的非自适应组测试下的每一个恢复保证,也被称为概率组测试。在$n$项目和$k$缺陷的情况下,我们提供了一种算法,通过$O(k \log n)$在测试数量和运行时间方面进行缩放来实现高概率恢复,从而改进了以前仅使用$O(k \log n)$测试的任何算法的最佳已知$O(k^2 \log k \cdot \log n)$运行时间。我们的算法与Hwang的自适应广义二进制分裂算法(Hwang,1972)相似;我们递归地处理几何消失大小的项目组,同时保持一个“可能有缺陷”的组列表,并避免自适应性的需要。虽然我们算法的最基本形式需要$Ω(n)$存储,但我们也提供了一种基于哈希的低存储变体,具有类似的恢复保证。
2020-06-18 cs.DS cs.IT math.IT
Efficient Two-Stage Group Testing Algorithms for DNA Screening
群体测试算法是DNA文库筛选的重要工具。在Levenshtein(2003)和Tonchev(2008)最近工作的基础上,我们在本文中构造了新的无限组合结构类,它们的存在对于在两阶段析取测试算法的第二阶段获得最小个体测试数是必不可少的。
2011-06-18 cs.CE cs.DM cs.DS
Dynamical Dorfman Testing with Quarantine
考虑具有社团结构的动态群测试问题。利用离散时间SIR(易感、传染、恢复)模型,我们使用Dorfman的两步组检验方法来识别感染,并在必要时介入以抑制感染通过病毒传播。我们分析了检疫和测试成本以及疾病传播之间的权衡。对于特殊的动力i.i.d.模型,我们表明,最佳的第一阶段Dorfman组的大小不同,在动态和静态的情况下。我们比较了所提出的动态两阶段Dorfman测试与最先进的非自适应组测试方法在动态设置中的性能。
2022-01-18 cs.CY cs.DS cs.IT
Improved Adaptive Group Testing Algorithms with Applications to Multiple Access Channels and Dead Sensor Diagnosis
我们研究组测试算法,用于解决广播冲突的多址接入信道(MAC),并确定在移动自组织无线网络中的死传感器。在分组测试算法中,当我们可以测试任意子集的项目时,我们被要求识别一组项目中的所有缺陷项目。在标准的分组测试问题中,测试的结果是二元的--被测试的子集要么包含有缺陷的项目,要么不包含。在本文研究的更一般的版本中,每个测试的结果都是非二进制的。例如,它可以指示包含在测试子集中的缺陷物品的数量是零、一还是至少两个。我们给出了自适应算法,证明比以前的组测试算法更有效。我们还展示了我们的算法可以应用于解决冲突的MAC和死传感器诊断。与MAC解析相比,失效传感器诊断提出了一个有趣的挑战,因为失效传感器无法在本地检测到,它们本身也不是主动参与者。
2009-05-12 cs.DS cs.IT math.IT
Efficient Isomorphism Testing for a Class of Group Extensions
群同构问题询问两个给定的群是否同构。虽然两个群都是阿贝尔群的情况已经被很好地理解并且可以有效地解决,但是关于非阿贝尔群同构测试的复杂性却知之甚少。在本文中,我们研究这个问题的一类群体对应的一个最简单的方式建设nonabel群从阿贝尔群:群的扩展阿贝尔群A的一个循环群的顺序m。我们给出了一个有效的算法,解决了所有这类群的群同构问题,使得A的阶与m互质。更确切地说,我们的算法在时间上几乎是线性的输入组的顺序,并在一般的设置中,组作为黑盒。
2008-12-12 cs.CC cs.DS math.GR
Geometric group testing
分组测试涉及在一组$m$项目中识别$t$缺陷项目,其中每个测试报告项目的特定子集是否包含至少一个缺陷。在非自适应分组测试中,待测子集是预先确定的。通过一次测试多个项目,所需的测试次数可以比$m$少得多。事实上,对于$t \in \mathcal{O}(1)$,(非自适应)测试的最佳数量已知为$Θ(\log{m})$。本文研究了几何环境下的非自适应群体测试问题,其中测试项目是$d$维欧氏空间中的点,测试项目是轴平行的盒子(超矩形).我们提出的上限和下限所需的测试次数在此几何约束下。与一般的组合情况相比,我们的几何设置中的边界是$m$中的多项式。例如,我们的研究结果意味着,在一组$m$点在平面上识别一个有缺陷的对总是需要$Ω(m^{3/5})$测试,并存在配置的$m$点,其中$\mathcal{O}(m^{2/3})$测试是足够的,而要识别一个单一的缺陷点在平面上,$Θ(m^{1/2})$测试总是必要的,有时是足够的。
2020-12-02 cs.CG cs.DS math.CO
Property Testing for Cyclic Groups and Beyond
本文研究了输入(Gamma,*)是否接近于某类群的判定问题,其中Gamma是一个未知大小的有限集,* 是Gamma上的一个二元运算. Friedl等人[Efficient testing of groups,STOC'05]已经构建了一个使用poly(log |Gamma|)查询阿贝尔群类的有效测试器。我们专注于本文中的阿贝尔群的子类,并表明,这些问题要困难得多:欧米茄(|Gamma| ^{1/6})查询是必要的,以测试输入是否接近一个循环群,和欧米茄(|Gamma| ^c)查询一些常数c是必要的,以测试更一般的输入是否接近一个阿贝尔群所产生的k个元素,任何固定整数k>0。我们还表明,知识的地面集伽玛的大小有助于只为k=1,在这种情况下,我们构建一个有效的测试使用多(log |Gamma|)查询;对于任何其他值k>1的查询复杂性仍然是欧米茄(|Gamma| ^c)。我们所有的上限和下限都适用于编辑距离和汉明距离。这些是,据我们所知,第一个非平凡的下界,这样的群体理论问题的属性测试模型,特别是,他们意味着第一个指数分离之间的经典和量子查询复杂性的测试接近类的群体。
2011-08-04 cs.CC cs.DS quant-ph
A General Framework for Low Soundness Homomorphism Testing
Stanford University(斯坦福大学);The University of Iowa(爱荷华大学)
研究低健全性下有限群间同态测试问题,提出通用框架并给出常数查询测试,涵盖多种群族,此前非阿贝尔群无此类测试,还改进了循环群组合列表解码界。
2026-07-28 cs.CC cs.DS math.CO
Group Testing with a Graph Infection Spread Model
我们提出了一种新的传染病传播模型的基础上的随机连接图表示$n$个人之间的连接。感染通过个体之间的连接传播,这导致概率聚类形成结构以及非独立同分布。(相关)个人感染状况。我们提出了一类两步抽样组测试算法,我们利用已知的概率感染传播模型。我们调查的指标与两步抽样组测试算法。为了证明我们的结果,分析听话的指数分裂集群形成树,我们计算所需的测试次数和预期的错误分类的系统参数,并确定它们之间的权衡。对于这种指数分裂的集群形成树,零错误的建设,我们证明了所需的测试次数是$O(\log_2n)$。因此,对于这样的集群形成树,我们的算法优于任何零误差非自适应组测试,二进制分裂算法,和黄氏广义二进制分裂算法。我们的研究结果意味着,通过利用概率信息的连接的个人,组测试可以用来减少所需的测试显着的数量,即使当感染率很高,对比流行的信念,组测试是有用的,只有当感染率低。
2022-03-29 cs.CY cs.DS cs.IT
Nearly Optimal Sparse Group Testing
分组测试是从一组$n$项目中汇集任意子集的过程,以便用最少的测试次数识别$d$缺陷项目的“小”子集。在“经典”非自适应组测试中,已知当$d$显著小于$n$时,$Θ(d\log(n))$测试是信息理论上必要的并且足以保证以高概率恢复。文献中满足此界限的组测试方案要求大多数项目进行$Ω(\log(n))$次测试,并且大多数测试包含$Ω(n/d)$项目。出于物理上的考虑,我们研究组测试模型,其中的测试程序被限制为“稀疏”。具体来说,我们考虑(单独)的情况下,(a)项目是不可分割的,因此可能会参与最多$γ\in o(\log(n))$测试;或(b)测试的大小限制池不超过$ρ\in o(n/d)$项目每个测试。对于这两种情况下,我们提供了信息理论的下限,以保证高概率恢复所需的测试数量。在这两种情况下,我们提供了随机结构(在$ε$ -错误和零错误重建保证下)和显式结构的设计与计算效率高的重建算法,需要一些测试,这些测试在$n, d, γ,$和$ρ$的某些制度中是最佳的常数或小多项式因子。$ρ$大小的测试场景中的随机设计/重建算法是通用的--与$d$的值无关,只要$ρ\in o(n/d)$。我们还研究了不可靠性/噪声对测试结果的影响。有关完整的摘要,请参阅全文PDF。
2018-09-20 cs.DS cs.IT math.IT
Dynamic SAFFRON: Disease Control Over Time Via Group Testing
我们考虑的动态感染传播模型是基于离散SIR模型,假设感染随着时间的推移通过感染和非隔离的个人传播。在我们的系统中,主要目标不是最小化识别每个感染所需的测试数量,而是在每个时间实例利用可用的给定测试容量$T$来有效地控制感染传播。我们引入并研究了一种新型性能指标,我们将其命名为$ε$ -疾病控制时间。这个指标可以用来衡量给定算法控制疾病传播的速度。本文分析了动态个体测试算法的性能,并提出了一种新的基于动态SAFFRON的群体测试算法。我们提出的理论结果和实现所提出的算法,以比较其性能。
2022-05-18 cs.DS cs.IT cs.SY