Tight Cell-Probe Bounds for Online Hamming Distance Computation
我们显示了严格的界限,在线汉明距离计算的细胞探针模型与字大小w。任务是输出长度为n的固定字符串与流的最后n个符号之间的汉明距离。我们给出了每个输出平均Omega((d/w)*log n)时间的下界,其中d是表示输入符号所需的位数。我们认为,这个界限是紧的模型。下限在随机化和摊销下保持不变。
2012-10-15 cs.CC cs.DS
Streaming dictionary matching with mismatches
在$k$ -mismatch问题中,我们给定一个长度为$n$的模式和一个文本,并且必须找到模式和文本之间的汉明距离最多为$k$的所有位置。最近的一系列突破为这个问题带来了一种超高效的流算法,每个字母只需要$O(k \log \frac{n}{k})$空间和$O(\log \frac{n}{k} (\sqrt{k \log k} + \log^3 n))$时间[Clifford,Kociumaka,Porat,SODA 2019]。在这项工作中,我们考虑一个严格困难的问题称为字典匹配与$k$不匹配。在这个问题中,我们给出了一个$d$模式的字典,其中每个模式的长度最多为$n$,并且必须找到距离其中一个模式在汉明距离$k$内的文本的所有子串。我们开发了一个流算法,这个问题与$O(k d \log^k d \mathrm{polylog}(n))$空间和$O(k \log^{k} d \mathrm{polylog}(n) + |\mathrm{occ}|)$时间的文本的位置。该算法是随机的,并以高概率输出正确答案。在下限侧,我们表明,任何流式算法的字典匹配与$k$不匹配需要$Ω(k d)$位的空间。
2021-06-20 cs.DS
Error Tree: A Tree Structure for Hamming & Edit Distances & Wildcards Matching
错误树是一种新型的树结构,主要用于解决模式匹配、汉明距离和编辑距离以及通配符匹配等问题。输入是长度为$n$的文本,长度为$Σ$的固定字母表、长度为$m$的模式和$k$。输出是查找具有与$P$匹配的$\leq$ $k$汉明距离、编辑距离或通配符的所有位置。该算法提出了汉明距离和通配符匹配的树结构,需要$O(n\frac{log_Σ^{k}n}{k!})$字,并采取$O(\frac {m^k}{k!} + occ$)($O(m + \frac {log_Σ^kn}{k!} + occ$)的查询时间为任何在线/离线模式,其中$occ$是输出的数量。同样,$O(2^{k}n\frac{log_Σ^{k}n}{k!})$字和$O(\frac {m^k}{k!} + 3^{k}occ$(在平均情况下为$O(m + \frac {log_Σ^kn}{k!} + 3^{k}occ$)的树结构查询任何在线/离线模式的编辑距离的时间。
2015-06-15 cs.DS
Lightweight Fingerprints for Fast Approximate Keyword Matching Using Bitwise Operations
我们的目标是通过为每个字符串存储一个轻量级的、固定大小的数据块(称为指纹)来加速近似关键字匹配。它们的工作方式与哈希值类似;但是,它们也可以用于匹配错误。它们使用单个位存储关于符号出现的信息,并且可以通过恒定数量的逐位操作来相互比较。以这种方式,某些字符串可以被推断为彼此至少在距离$k$内(使用汉明或Levenshtein距离),而无需执行显式验证。我们的实验表明,对于预处理的字符串集合,指纹可以提供大量的加速$k = 1$,即超过$2.5$倍的汉明距离和超过$10$倍的Levenshtein距离。对合成和真实世界的英语和URL数据进行了测试。
2017-11-22 cs.DS
Approximate Circular Pattern Matching
该研究针对汉明与编辑距离下的近似环形模式匹配问题,改进了现有算法的时间复杂度,给出了条件下界并证明了编辑距离下强亚二次算法与SETH的矛盾关系。
2025-06-12 cs.DS
Approximating Text-to-Pattern Distance via Dimensionality Reduction
文本到模式的距离是字符串匹配中的一个基本问题,给定一个长度为$m$的模式和一个长度为$n$的文本,在一个整数字母表上,我们被要求计算模式和文本之间的距离。距离函数可以是例如针对某个参数$p > 0$的汉明距离或$\ell_p$距离。在过去的$\sim 40$年中,几乎所有最先进的精确和近似算法都使用FFT作为黑盒。在这项工作中,我们提出了$\widetilde{O}(n/\varepsilon^2)$时间算法的$(1\pm\varepsilon)$ -近似的$\ell_2$距离,和$\widetilde{O}(n/\varepsilon^3)$算法近似的汉明和$\ell_1$距离,所有不使用FFT。这与Chan等人最近的发展无关。[STOC 2020],其中提出了不使用FFT的汉明距离的$O(n/\varepsilon^2)$算法-尽管他们的算法更具“组合性”,但我们的技术适用于汉明以外的其他范数。
2020-05-01 cs.DS
Faster Approximate Pattern Matching: A Unified Approach
近似模式匹配是字符串上一个自然且研究得很好的问题:给定一个文本$T$,一个模式$P$,和一个阈值$k$,找到$T$中距离$P$最多为$k$的所有子串(的起始位置)。我们考虑两个最基本的字符串度量:汉明距离和编辑距离。在汉明距离下,我们搜索$T$的子串,这些子串最多与$P$有$k$不匹配,而在编辑距离下,我们搜索$T$的子串,这些子串可以通过最多的$k$编辑转换为$P$。$P$在$T$中的精确出现有一个非常简单的结构:如果我们为了简单起见假设$|T| \le 3|P|/2$和修剪$T$,使得$P$既作为$T$的前缀又作为其后缀出现,那么$P$和$T$都是周期性的,具有共同的周期。然而,直到最近Bringmann等人[SODA'19]才证明了具有高达$k$错配的出现的结构的类似表征:或者在$T$中存在$P$的$O(k^2)$ $k$ -错配出现,或者$P$和$T$都在与具有共同周期$O(m/k)$的弦的汉明距离$O(k)$处。我们通过表明当模式不是(近似)周期性时存在$O(k)$ $k$ -失配发生来收紧该表征,并且我们将其提升到编辑距离设置,其中我们在非周期性情况下通过$O(k^2)$来紧密地约束$k$ -编辑发生的数量。我们的证明是建设性的,让我们得到一个统一的框架,为两个考虑的距离近似模式匹配。我们展示了我们的框架的一般性与结果的完全压缩设置(其中$T$和$P$作为一个直线程序)…
2020-11-16 cs.DS
Cell-Probe Bounds for Online Edit Distance and Other Pattern Matching Problems
给出了流中编辑距离、汉明距离、卷积和最长公共子序列计算的单元探测界。在该模型中,给定固定的$n$符号串,并且在流中一次一个$δ$比特符号到达。在每个符号到达之后,报告固定字符串与流的最近符号的后缀之间的距离。单元探测模型可能是显示数据结构下限的最强计算模型,特别是包括流行的字RAM模型。* 我们首先给出一个时间的$Ω((δ\log n)/(w+\log\log n))$下限,以给出在线汉明距离和卷积的每个输出,其中$w$是单词大小。这个界限依赖于一个新的编码方案,并首次举行,即使当$w$是一个单一的位小。* 然后,我们考虑在线编辑距离和最长公共子序列的位探测模型($w=1$)与一个恒定大小的输入字母表的问题。我们给出了适用于这两个问题的$Ω(\sqrt{\log n}/(\log\log n)^{3/2})$的下界。第二组结果依赖于我们的新编码方案以及精心构建的硬分布。* 最后,对于在线编辑距离问题,我们证明了在细胞探针模型中存在一个$O((\log n)^2/w)$上界。这个界限与我们的新下限形成了对比,并且在已知的细胞探针和RAM模型复杂性之间建立了指数差距。
2014-07-24 cs.DS
Breaking the Variance: Approximating the Hamming Distance in $\tilde O(1/ε)$ Time Per Alignment
计算长度为$m$的给定模式与长度为$n$的文本中的每个位置之间的汉明距离的算法任务是字符串算法中最基本的算法任务之一。不幸的是,有证据表明,对于大小为$n$的文本$T$和大小为$m$的模式$P$,人们不能计算在时间上小于$\tilde O(n\sqrt m)$的$T$中所有位置的精确汉明距离。然而,Karloff~ \cite{karloff}表明,如果一个人愿意遭受$1\pmε$近似,那么就有可能在$\tilde O(\frac n {ε^2})$时间内以高概率解决问题。由于在单向通信复杂度模型中计算两个字符串的汉明距离的相关下界,强烈认为获得用于求解近似版本的算法不能作为$\frac 1 ε$的函数更快地完成。我们在这里表明,这种信念是假的,通过引入一个新的$\tilde O(\frac{n}ε)$时间算法,成功的概率很高。我们的算法背后的主要思想,这是常见的稀疏恢复问题,是减少一个特定的随机化实验的方差(近似)分离重量级人物从非重量级人物。然而,虽然已知的稀疏恢复技术在向量上工作得很好,但它们似乎不适用于这里,这里我们处理的是字符对之间的失配。我们介绍两个主要的算法成分。第一种是一种新的稀疏恢复方法,适用于对输入(例如在我们的设置中)。第二个是一个新的哈希/投影函数的构造,它允许计算导致两个字符之间不匹配的投影的数量,其速度比蛮力更快。我们希望这些算法技术将是独立的利益。
2015-12-14 cs.DS
Faster Algorithms for Text-to-Pattern Hamming Distances
研究文本到模式汉明距离问题,提出打破数十年记录的随机与确定性精确算法及更快的近似算法,并证明其与3SUM计数版本的细粒度等价性。
2024-12-19 cs.DS
Approximate Inference in Structured Instances with Noisy Categorical Observations
University of Waterloo(滑铁卢大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
我们研究了在噪声观测存在的情况下,恢复具有分类随机变量的结构化实例的潜在地面真值标记的问题。我们提出了一个新的近似算法,实现低汉明误差的存在噪声的顶点和边的观察与分类变量的图。我们的主要结果表明,对数依赖的汉明误差的类别的随机变量的数量。我们的方法与具有固定数量的聚类的相关聚类相连接。我们的研究结果将Globerson et al.(2015)和Foster et al.(2018)的工作推广到了分类标签的情况,他们研究了二元标签下结构化预测的难度。
2019-07-06 cs.DS cs.LG stat.ML
CR-precis: A deterministic summary structure for update data streams
我们提出的\crprecis结构,这是一个通用的,确定性和次线性的数据结构,总结\emph{update}数据流。\crprecis结构产生用于回答各种基本流查询的\emph{first deterministic sub-linear space/time algorithms for update streams},诸如(a)点查询,(b)范围查询,(c)找到近似频繁项,(d)找到近似分位数,(e)找到近似分层重命中者,(f)估计内积,(g)接近最优的$B$桶直方图等。
2006-10-10 cs.DS
Simplified and Space-Optimal Semi-Streaming for $(2+ε)$-Approximate Matching
在最近的一项突破中,Paz和Schwartzman(SODA'17)提出了一种单遍($2+ε$)-近似算法,用于半流模型中的最大权重匹配问题。他们的算法使用$O(n\log^2 n)$位的空间,对于任何常数$ε>0$。我们提出了两个简化和更直观的分析,基本上相同的算法,这也提高了空间复杂度的最佳界的$O(n\log n)$位--这是最佳的输出匹配需要$Ω(n\log n)$位。我们的分析依赖于原始对偶方法和简单会计方法的简单使用。
2018-12-30 cs.DS
Small space and streaming pattern matching with k edits
在这项工作中,我们重新审视编辑距离下的近似模式匹配的基本和充分研究的问题。给定一个整数$k$,一个长度为$m$的模式$P$,和一个长度为$n \ge m$的文本$T$,任务是找到$T$的子串,这些子串在$k$和$P$的编辑距离之内。我们的主要结果是一个流算法,解决了这个问题,在$\tilde{O}(k^5)$空间和$\tilde{O}(k^8)$摊销时间每个字符的文本,提供答案正确的概率很高。(此后,$\tilde{O}(\cdot)$隐藏了一个$\mathrm{poly}(\log n)$因子。)这回答了一个十年前的问题:自从Porat和Porat [FOCS 2009]在汉明距离下发现用于模式匹配的$\mathrm{poly}(k\log n)$空间流算法以来,编辑距离的类似结果的存在仍然是开放的。直到这项工作,没有$\mathrm{poly}(k\log n)$空间算法是已知的,即使在更简单的半流模型,其中$T$作为流,但$P$是只读访问。在这个模型中,我们给出了一个确定性算法,实现稍微好一点的复杂性。为了改进完全流算法,我们引入了一个新的编辑距离草图参数为整数$n\ge k$。对于长度最多为$n$的任何字符串,草图的大小为$\tilde{O}(k^2)$,并且可以使用$\tilde{O}(k^2)$空间流算法进行计算。给定两个字符串的草图,在$\tilde{O}(k^3)$…
2021-06-10 cs.DS
Tight Bounds for Linear Sketches of Approximate Matchings
我们解决了线性草图的空间复杂度,用于近似动态图流中的最大匹配问题,其中流可能包括边插入和删除。具体来说,我们表明,对于任何$ε> 0$,存在一个单程流算法,它只保持一个线性草图的大小$\tilde{O}(n^{2-3ε})$位和恢复$n^ε$ -近似最大匹配的动态图流,其中$n$是在图中的顶点数。与广泛研究的仅插入模型相反,据我们所知,以前没有已知的非平凡的单通流算法用于近似一般动态图流的最大匹配问题。此外,我们证明了我们的上界本质上是紧的。即,用于将最大匹配近似为$O(n^ε)$的因子内的任何线性草图必须具有$n^{2-3ε-o(1)}$位的大小。我们通过分析相应的同时数字在手通信模型,建立了这个下界,与Ruzsa-Szemerédi图的基础上的组合结构。
2015-05-06 cs.DS
Streaming $k$-edit approximate pattern matching via string decomposition
针对流式$k$-编辑近似模式匹配问题,提出一种基于字符串分解的算法,将空间和单符号处理时间复杂度从原有$\tilde{O}(k^5)$、$\tilde{O}(k^8)$大幅优化至$\tilde{O}(k^2)$。
2023-05-01 cs.DS
Matching Patterns with Variables under Hamming Distance
模式$α$是由变量和终止字母组成的字符串。我们说$α$匹配一个词$w$,它只由终端字母组成,如果$w$可以通过用终端词替换$α$的变量来获得。匹配问题,即,决定一个给定的模式是否匹配一个给定的词,被大量研究:它通常是NP完全的,但可以有效地解决具有限制结构的模式类。在本文中,我们接近这个问题在一个广义的设置,考虑近似模式匹配下的汉明距离。更确切地说,我们感兴趣的是$w$和通过用终端词替换$α$的变量而获得的任何词$u$之间的最小汉明距离是多少。首先,我们解决了一类规则模式(其中没有变量出现两次),并提出了有效的算法,这个问题,以及匹配的条件下界。我们表明,如果我们允许重复的变量,但限制的方式不同的变量可以交错根据局部参数的问题仍然可以有效地解决。然而,只要我们允许一个变量出现不止一次,并且它的出现可以与其他变量的出现任意交错,即使它们都没有出现不止一次,问题就变得棘手了。
2021-06-11 cs.CC cs.DS cs.FL
Approximate Maximum Matching in Random Streams
在本文中,我们研究的问题,找到一个最大匹配的半流模型时,边缘到达随机顺序。在半流模型中,算法接收边流,并且允许具有$\tilde{O}(n)$的存储器,其中$n$是图中的顶点数。Assadi等人最近的一项鼓舞人心的工作表明,存在一种使用$\tilde{O}(n^{1.5})$存储器的$\frac{2}{3}$近似比的流算法。然而,他们的算法的内存是远远大于半流算法的内存约束。在这项工作中,我们进一步研究这个问题的半流模型,我们提出了简单的算法近似最大匹配的半流模型。我们的主要结果如下。我们发现,存在一个单通确定性半流算法,发现一个$\frac{3}{5} (= 0.6)$近似的最大匹配的二分图使用$\tilde{O}(n)$内存。该结果显著优于Konrad的最新结果,Konrad使用$\tilde{O}(n)$存储器找到最大匹配的$0.539$近似。通过给出一个黑盒减少找到一个匹配的一般图中找到一个匹配的二分图,我们发现存在一个单通确定性半流算法,找到一个$\frac{6}{11} (\approx 0.545)$近似的最大匹配一般图,改进后的最先进的结果$0.506$近似Gamlath等。
2019-12-22 cs.DS
Faster Approximate(d) Text-to-Pattern L1 Distance
在长度为$m$的\emph{pattern}和长度为$n$的\emph{text}之间找到\emph{distance}的问题是将模式匹配推广到结合相异性分数的典型方式。对于汉明距离和$L_1$距离,只有一个超线性上限$\widetilde{O}(n\sqrt{m})$是已知的,这提示了放松问题的问题:或者通过询问$(1 \pm \varepsilon)$近似距离(每个距离被报告为乘法因子),或者$k$近似距离(超过$k$的距离被报告为$\infty$)。我们专注于$L_1$距离,我们展示了新的算法实现的复杂性分别$\widetilde{O}(\varepsilon^{-1} n)$和$\widetilde{O}((m+k\sqrt{m}) \cdot n/m)$。这是对Lipsky和Porat的运行时$\widetilde{O}(\varepsilon^{-2} n)$的先前算法的显著改进[Amica 2011]以及Amir、Lipsky、Porat和Umanski的$\widetilde{O}(n\sqrt{k})$ [CPM 2005]。
2018-05-02 cs.DS
Approximating Approximate Pattern Matching
给定长度为$n$的文本$T$和长度为$m$的模式$P$,近似模式匹配问题要求计算$P$和$T$的每个$m$子串之间的特定\emph{distance}函数。我们考虑这个问题的一个$(1\pm\varepsilon)$乘性近似变量,对于$\ell_p$距离函数。在本文中,我们描述了两个$(1+\varepsilon)$近似算法的运行时间为$\widetilde{O}(\frac{n}{\varepsilon})$的所有(常数)非负值的$p$。对于常数$p \ge 1$,我们展示了一个确定性的$(1+\varepsilon)$近似算法。以前,Gawrychowski和Uznabrski [ICALP 2018]仅在$\ell_1$距离的情况下知道这种运行时间,并且仅使用随机算法。对于恒定的$0 \le p \le 1$,我们给出了$\ell_p$的随机算法,从而在汉明距离($p=0$的情况)的Kopelowitz和Porat [FOCS~2015,SOSA~2018]算法与$\ell_1$距离的Gawrychowski和Uznaprski算法之间提供了平滑的权衡。
2019-07-23 cs.DS
Beating O(nm) in approximate LZW-compressed pattern matching
给定一个LZW/LZ 78压缩文本,我们希望找到长度为m的给定模式的近似出现。我们的目标是实现时间复杂度,这取决于文本的压缩表示的大小n,而不是其长度。我们考虑近似匹配的两个具体定义,即汉明距离和编辑距离,并展示如何分别实现O(nm^0.5k^2)和O(nm^0.5k^3)的运行时间,其中k是距离的界限。这两种算法都只使用线性空间。即使对于非常小的k值,以前已知的最佳解决方案也需要O(nm)时间。我们的主要贡献是应用一个基于属性的参数的方式,是计算有效的,即使我们需要操作的压缩表示的字符串,而以前的解决方案是基于动态规划,或黑盒应用程序的工具开发的未压缩字符串。
2013-09-19 cs.DS
Online K-d tree for approximate neighborhood search in data streams
École de Technologie Supérieure(工程技术学院);LIVIA(LIVIA实验室)
提出一种在线K-d树算法,支持数据流上的动态更新,并适配Canberra距离以保持结构不变性,实现高效近似邻域搜索,在准确率损失较小的情况下显著提升处理速度。
2026-06-01 cs.DS
Deterministic $(1+\varepsilon)$-Approximate Maximum Matching with $\mathsf{poly}(1/\varepsilon)$ Passes in the Semi-Streaming Model and Beyond
本文提出半流模型中poly(1/ε)遍的确定性(1+ε)-近似最大匹配算法,首次打破对1/ε的指数依赖,并通过通用框架将改进扩展到CONGEST和MPC模型。
2024-04-02 cs.DS
Achieving Approximate Soft Clustering in Data Streams
AT&T Labs - Research(AT&T实验室 - 研究)
近年来,数据流由于技术的进步而变得突出,这些技术使许多应用程序能够生成连续的数据流。这增加了开发能够有效处理数据流的算法的需求。此外,数据流的实时性要求和不断变化的性质使得流挖掘问题,包括聚类,具有挑战性的研究问题。在本文中,我们提出了一个单通道流软聚类(一个点在集群中的成员是由分布描述)算法,它近似于“软”版本的k-均值目标函数。软聚类在数据库和机器学习的各个方面都有应用,包括密度估计和学习混合模型。我们首先实现一个简单的伪近似的“硬”k均值算法,该算法允许输出多个$k$中心。我们将此批处理算法转换为流处理算法(使用最近提出的k-means++算法的扩展)的“收银机”模型。我们还扩展了该算法的聚类时,在数据流中的移动窗口。
2012-07-26 cs.AI cs.DS
Tiered Sampling: An Efficient Method for Approximate Counting Sparse Motifs in Massive Graph Streams
我们介绍了分层采样,一种新的技术,用于近似计数稀疏图案在大规模的图形,其边缘观察到的流。我们的技术只需要一个单一的数据通过,并使用固定大小的内存$M$,这可以是幅度小于边缘的数量。我们的方法解决了具有挑战性的任务,计数稀疏图案-子图模式,有低概率出现在一个样本的$M$边缘的图形,这是最大量的数据可用于算法在每一步。为了获得计数的无偏和低方差估计,我们将可用存储器划分为储层样本的层(层)。虽然基础层是边缘的标准储集层样本,但其他层是所需基序的子结构的储集层样本。通过存储主题的更频繁的子结构,我们增加了检测到我们正在计数的稀疏主题的出现的概率,从而降低了估计的方差和误差。我们证明了我们的方法的优势,在具体的应用程序中计数稀疏4和5团在大量的图形。我们提出了一个完整的分析和广泛的实验结果,使用合成和真实世界的数据。我们的研究结果表明,我们的方法在获得高质量的近似的4和5团的大型图形使用非常有限的内存量,显着优于单边样本方法计数稀疏图案在大规模的图形。
2017-10-05 cs.DS
Deterministic Streaming Lower Bounds for Approximate Maximum Clique and Maximum Independent Set
University of Cambridge(剑桥大学);University of Bristol(布里斯托大学)
本研究针对单遍边到达流中的最大团和最大独立集问题,证明了任何确定性算法需 Ω(n^2/(β log n)) 位空间,填补了与随机算法的差距,凸显随机性的优势。
2026-10-30 cs.DS
Approximate Cartesian Tree Matching with Substitutions
King’s College London(伦敦国王学院);DIENS, École normale supérieure de Paris, PSL Research University(巴黎高等师范学院,PSL研究大学)
本文提出了一种近似Cartesian树匹配算法,通过汉明距离度量在时间序列分析中提升鲁棒性。
2026-02-09 cs.DS
Optimal Quantile Approximation in Streams
本文解决了流计算模型中一个长期存在的基本问题。即分位数草图的优化构造。$\varepsilon$近似分位数草图接收项目流$x_1,\ldots,x_n$,并允许以至少$1-δ$的概率近似任何查询的等级,直到加性误差$\varepsilon n$。查询$x$的秩是使得$x_i \le x$.此任务所需的最小草图大小至少为$1/\varepsilon$。Felber和Ostrovsky获得了一个固定$δ$的$O((1/\varepsilon)\log(1/\varepsilon))$空间草图。迄今为止,甚至对于随机排列的流或对于近似特定分位数(例如,\中位数。本文得到了一个$O((1/\varepsilon)\log \log (1/δ))$空间简图和一个匹配下界。这解决了开放的问题,并证明了随机和确定性分位数草图之间的定性差距。我们的贡献之一是广泛使用的合并和减少建设的一种新的表示和修改。这种微妙的修改使得分析既紧凑又非常简单。类似的技术应该是有用的,以改善其他素描目标和几何核心建设。
2016-04-05 cs.DS
On string matching with k mismatches
在本文中,我们考虑几个变种的模式匹配问题。特别地,我们研究了以下问题:1)具有k个失配的模式匹配; 2)失配的近似计数;以及3)具有失配的模式匹配。使用的距离度量是汉明距离。我们提出了一些新的算法和技术来解决这些问题。提供了确定性算法和随机算法。这些问题的变体,其中可能有通配符的文本或模式或两者都被认为是。这些算法的实验评估。源代码可在http://www.engr.uconn.edu/~man09004/kmis.zip上获得。
2013-07-04 cs.DS
$(1+ε)$-Approximate Shortest Paths in Dynamic Streams
在动态流环境中计算近似最短路径是一个基本的挑战,在过去的十年中一直在深入研究。现有的解决方案要么建立一个稀疏的乘法图的输入图和计算最短路径的图离线,或计算一个确切的单源BFS树。对于整数参数$κ$,第一种类型的解注定要引起$2κ-1$与$n^{1+1/κ}$的拉伸空间折衷。(In事实上,现有的解决方案还在加权图的拉伸中产生额外的因子$1+ε$,并且在空间中产生额外的因子$\log^{O(1)}n$。第二种类型的唯一现有解决方案使用$n^{1/2 - O(1/κ)}$通过流(对于空间$O(n^{1+1/κ})$),并且仅适用于未加权图。在本文中,我们表明,$(1+ε)$ -近似单源最短路径可以计算在这种设置与$\tilde{O}(n^{1+1/κ})$空间使用\emph{constantly}许多通行证在未加权的图形,和polymerically许多通行证在加权图(假设$ε$和$κ$是常数)。此外,事实上,相同的结果适用于多源最短路径,只要源的数量是$O(n^{1/κ})$。我们通过设计高效的动态流结构的$(1 + ε, β)$ -sparket和hopset来实现这些结果。我们认为,这些结构具有独立的利益。
2022-07-11 cs.DC cs.DS
Settling the Pass Complexity of Approximate Matchings in Dynamic Graph Streams
本文通过提出基于sketching的 $O(\log\log{n})$ 遍历半流式 $O(1)$-近似最大匹配算法,并证明匹配的 $Ω(\log\log{n})$ 遍历下界,确定了动态图流中近似匹配的最优遍历复杂度。
2024-07-30 cs.CC cs.DS
Tight Space Lower Bound for Pseudo-Deterministic Approximate Counting
该研究针对流算法中的近似计数问题,分析其伪确定性复杂度,证明了紧的Ω(log N)空间下界,解决了Goldwasser等人提出的相关问题,补充了伪确定性流算法的空间复杂度理论。
2024-10-05 cs.CC cs.DS
Approximate nearest neighbors search without false negatives for $l_2$ for $c>\sqrt{\log\log{n}}$
Pagh [14]提出了一个关于Hamming距离的最近邻搜索的公开问题,本文给出了该问题的解决进展。我们提出了新的数据结构,用于解决欧几里德高维空间$\mathcal{R}^d$的$c$ -近似最近邻问题,而不会出现误报。这些数据结构适用于任何$c = ω(\sqrt{\log{\log{n}}})$,其中$n$是输入集中的点数,具有多对数查询时间和多项式预处理时间。这改进了要求$c$是$Ω(\sqrt{d})$的已知算法。这种改进是通过应用一系列的减少,这是有趣的。首先,我们把问题归结为$n$中维数对数的$d$实例。接下来,这些实例被减少到多个$c$ -配备有度量$m(x,y) = \max_{1 \le i \le L}(\lVert x_i - y_i\rVert_2)$的$\big(\mathbb{R}^k\big)^L$空间中的近似最近邻搜索实例。
2017-09-13 cs.CG cs.DS
Efficient Sampling Algorithms for Approximate Motif Counting in Temporal Graph Streams
从通信网络中的用户交互到金融市场中的交易,各种各样的复杂系统都可以建模为由一组顶点和一系列带时间戳的有向边组成的时态图。时态基序是从静态图中的子图模式中概括出来的,除了拓扑结构外,静态图还考虑了边的排序和持续时间。时间模体出现次数的计算是时间网络分析的一个基本问题。然而,现有的方法要么不能支持时间图案或遭受性能问题。此外,它们不能在流模型中工作,其中边缘随着时间的推移而逐渐观察。在本文中,我们专注于通过随机抽样近似时间模体计数。首先,我们提出了两个采样算法的时间模体计数在离线设置。第一种是边缘采样(ES)算法,用于估计任何时间主题的实例数。第二种是一种改进的边缘-楔形采样(EWS)算法,该算法将边缘采样和楔形采样相结合,用于计算具有$3$顶点和$3$边缘的时间模体。此外,我们提出了两个算法来计算时间图案增量时间图流扩展ES和EWS算法称为SES和SEWS。我们提供了全面的分析,我们提出的算法的理论界限和复杂性。最后,我们对我们提出的算法在几个真实世界的时间图进行了广泛的实验评估。结果表明,ES和EWS具有更高的效率,更好的准确性,和更大的可扩展性比国家的最先进的采样方法在离线设置的时间模体计数。此外,SES和SEWS实现了三个数量级的加速ES和EWS,同时具有可比的估计误差的时间基序计数在流设置。
2022-11-22 cs.DS cs.SI
A $(3+\varepsilon)$-Approximate Correlation Clustering Algorithm in Dynamic Streams
本文提出了一种适用于动态流的单次遍历半流式相关聚类算法,通过稀疏化输入图实现了 $(3+\varepsilon)$-近似比,改进了现有算法的近似比和遍历次数,且是首个使用多项式后处理时间的单次遍历算法。
2025-02-27 cs.DC cs.DS
Simple Quantum Algorithm for Approximate $k$-Mismatch Problem
BRAC University(布拉格大学)
本文提出一个简单的量子算法,用于近似解决k-不匹配问题,通过参数ε控制匹配精度,时间复杂度为~O(ε⁻¹√(mn/k))。
2026-01-11 cs.DS quant-ph
Hidden Permutations to the Rescue: Multi-Pass Semi-Streaming Lower Bounds for Approximate Matchings
针对半流式模型中最大二分匹配的近似问题,我们证明了在β=Ω(1)假设下,任何(1-ε)近似算法需要Ω(log(1/ε)/log(1/β))遍的下界,通过拼接排列的硬度放大技术,首次解决了小常数近似的长期开放问题。
2023-10-11 cs.CC cs.DS
Proportional Representation in Vote Streams
Tata Institute of Fundamental Research(塔塔基础研究所);Weizmann Institute of Science(魏茨曼科学研究学院)
我们认为选举的选民来一次,在一个流的方式,并设计空间有效的算法,确定一个近似的获胜委员会与常见的多赢家比例代表制投票规则,具体来说,我们认为基于批准和Borda的变种Chamberlin-ourant规则和门罗规则。我们补充我们的算法与下限。有些令人惊讶的是,我们的研究结果意味着,使用空间,不依赖于选民的数量,它是可能有效地确定一个近似的代表委员会的固定大小的投票流与大量的选民。
2017-02-28 cs.AI cs.CC cs.DS
Sampling for Approximate Bipartite Network Projection
二分网络表现为表示事务的边流,例如,零售客户的购买。许多机器学习应用采用基于邻域的度量来表征节点之间的相似性,例如共同邻居(CN)的成对数量和相关度量。虽然共享邻居的节点对的数量可能是巨大的,但它们中只有相对较小的比例具有许多共同的邻居。这促使找到加权采样方法来优先对这些节点对进行采样。本文提出了一种新的抽样算法,提供了一个固定大小的无偏估计的相似性矩阵产生的二分图流投影。该算法有两个组成部分。首先,它保持了一个水库的采样二分边缘的采样权重,有利于选择高相似性节点。第二,到达边缘基于它们与当前样本的相邻性生成\textsl{similarity updates}流。这些更新在第二个基于储层样本的流聚合器中聚合,以产生最终的无偏估计。在真实世界图上的实验表明,在每个阶段的10%的样本产生的估计高相似性边缘的加权相对误差约为1%。
2018-05-08 cs.DS cs.IR cs.SI