Almost Linear Time Algorithms for Minsum $k$-Sink Problems on Dynamic Flow Path Networks
研究了动态流路网络上的设施选址问题。动态流路网络由具有正边长、正边容量和正顶点权重的无向路径组成。路径可以被认为是一条道路,边的长度是沿着道路的距离,顶点的权重是站点上的人数。边缘容量限制了单位时间内可以进入边缘的人数。在动态流网络中,给定边或顶点上的特定点(称为汇点),所有的人都尽可能快地从顶点疏散到汇点。问题是以这样的方式在动态流路网络上找到汇的位置,即,所有人疏散到水池的时间的总和被最小化。我们考虑两种模型的问题:合流模型和非合流模型。在前一种模型中,对疏散方式进行了限制,使得在一个顶点上的所有人都必须疏散到同一个水槽,而在后一种模型中,没有这样的限制。在本文中,对于这两个模型,我们开发的算法,运行在几乎线性的时间,无论汇的数量。需要强调的是,对于汇流模型,我们的算法改进了Benkoczi等人[Theoretical计算机科学,2020]的先前结果,而对于非汇流模型,我们的算法是第一个多项式时间算法。
2020-10-12 cs.DS
Non-approximability and Polylogarithmic Approximations of the Single-Sink Unsplittable and Confluent Dynamic Flow Problems
1958年,Ford和Fulkerson引入了动态流,以模拟随时间变化的流动。它们将边缘容量定义为{ \em在一个时间单位}内可以进入边缘的流量总量。每条边也有一个长度,代表穿越它所需的时间。动态流已经被用来模拟许多问题,包括交通拥堵,跳路由的数据包和疏散协议的建筑物。虽然将最大量的供应从源移动到汇的基本问题是多项式时间可解的,但自然的微小修改可以使其成为NP难的。一种这样的修改是流是汇合的,即,离开顶点的所有流必须沿着相同的边离开。这对应于自然条件,例如,疏散规划和跳路由。本文研究了单汇汇流最快流问题。输入是一个具有边容量和边长度的图,源具有供给和汇。问题是要找到一个汇合流最大限度地减少所需的时间发送供应到水槽。我们的主要成果包括:a)对数非近似性:定向汇合最快血流不能用$O(\log n)$近似因子在多项式时间内近似,除非$P=NP$。b)多项式双准则近似:用于汇合最快流问题的多项式时间$(O(\log^8 n), O(\log^2 κ))$双准则近似算法,其中$κ$是有向图和无向图中的汇的数量。相应的结果也开发了合流最大流量随时间的问题。所开发的技术也改进了最近的静态汇流近似算法。
2017-09-29 cs.DS
Minimax Regret 1-Median Problem in Dynamic Path Networks
本文研究了动态路径网络中的极小极大后悔1-中值问题。在我们的模型中,我们给出了一个动态的路径网络组成的无向路径的正边长度,均匀的正边容量,和非负的顶点供应。这里,每个顶点供应是未知的,但只有供应的间隔是已知的。给每个顶点的一个特定的供给分配称为一个场景。给定一个场景s和一个动态路径网络中的汇点位置x,让我们考虑由s在一个顶点上给定的单位供应的疏散时间x。s下的x的成本定义为s给定的所有供应到x的疏散时间之和,s下的中位数定义为使该成本最小化的汇位置。s下的后悔定义为x在s下的成本减去中位数在s下的成本。然后,问题是找到一个水槽的位置,使所有可能的情况下最大的遗憾是最小化。本文提出了一个求解具有均匀容量的动态路径网络中的极小极大后悔1-中值问题的O(n^3)时间算法,其中n是网络中的顶点数.
2015-09-25 cs.DS
Sink Location Problems in Dynamic Flow Grid Networks
本文研究动态流网格网络中的汇点选址问题,证明在均匀边容量和通行时间的网格中,1-汇点选址问题可在多项式时间内求解,以最小化疏散完成时间。
2023-08-29 cs.DS
On Routing Disjoint Paths in Bounded Treewidth Graphs
研究了边容量和结点容量同时存在的有界树宽图中不相交路径上的路由问题。输入由容量受限图$G$和$k$源-目的地对$\mathcal{M} = \{(s_1, t_1), \dots, (s_k, t_k)\}$的集合组成。我们的目标是最大限度地提高数量的对,可以路由的能力在图中。对的子集$\mathcal{M}'$的路由选择是路径的集合$\mathcal{P}$,使得对于每个对$(s_i, t_i) \in \mathcal{M}'$,在$\mathcal{P}$中存在将$s_i$连接到$t_i$的路径。在最大边不相交路径(MaxEDP)问题中,图$G$在边上具有容量$\mathrm{cap}(e)$,并且如果每个边$e$在$\mathcal{P}$的至多$\mathrm{cap}(e)$的路径中,则路由$\mathcal{P}$是可行的。最大节点不相交路径(MaxNDP)问题是MaxEDP的节点容量限制问题。本文给出了树宽至多为$r$的图上MaxEDP的$O(r^3)$逼近和路宽至多为$r$的图上MaxNDP的匹配逼近.我们的结果建立在Chekuri等人[ICALP 2013]的工作基础上,并显着改进了Chekuri等人的工作,他们获得了MaxEDP的$O(r \cdot 3^r)$近似值。
2015-12-06 cs.DS
Some Extensions of the All Pairs Bottleneck Paths Problem
我们扩展了著名的瓶颈路径问题在两个方向上的有向未加权(单位边成本)图与正实边容量。首先,我们缩小问题域和计算整个网络的瓶颈在$O(n^ω\log{n})$时间,其中$O(n^ω)$是所花费的时间乘以两个$n$ -由- $n$矩阵环。其次,我们扩大域,并计算所有可能的流量的最短路径。我们提出了一个组合算法来解决单源最短路径的所有流(SSSP-AF)问题在$O(mn)$最坏情况下的时间,其次是一个算法来解决所有对最短路径的所有流(APSP-AF)问题在$O(\sqrt{d}n^{(ω+9)/4})$时间,其中$d$是不同的边缘容量的数量。我们还讨论了这些新问题的实际应用。
2013-06-25 cs.DS
Vantage Point Selection Algorithms for Bottleneck Capacity Estimation
本文研究图中的视点选择问题以估计网络瓶颈容量,分别在非自适应和自适应设置下提出了近似算法,并给出了实例最优近似算法的下界及针对树和平面图的上界。
2025-06-26 cs.DS
Maximum Integer Flows in Directed Planar Graphs with Multiple Sources and Sinks and Vertex Capacities
我们考虑在顶点和边都有容量的平面图中寻找最大流的问题,并考虑多个源和汇。当容量为整数时,我们提出了三种算法。第一个算法运行在$O(n \log^3 n + kn)$时间时,所有的能力是有界的,其中$n$是在图中的顶点的数量和$k$是终端的数量。该算法首次解决了当$k$有界但大于2时的近线性时间内的顶点不相交路径问题。第二种算法在$O(k^2(k^3 + Δ) n \text{ polylog} (nU))$时间内运行,其中$U$是单个顶点的最大有限容量,$Δ$是顶点的最大度。最后,当$k=3$,我们提出了一个算法,运行在$O(n \log n)$时间,该算法的工作,即使当容量是任意实数。我们的算法提高了最快的以前已知的算法时,$k$和$Δ$是小的$U$是有界的多项式在$n$。在此结果之前,最快的算法在$O(n^2 / \log n)$时间内运行的实际容量和$O(n^{3/2} \log n \log U)$的整数容量。
2021-05-24 cs.DS
Combining All Pairs Shortest Paths and All Pairs Bottleneck Paths Problems
我们引入了一个新的问题,结合了著名的所有对最短路径(APSP)问题和所有对瓶颈路径(APBP)的问题,计算所有可能的流量的所有对顶点的最短路径。我们称这个新问题为所有流的所有对最短路径(APSP-AF)问题。我们首先在$\tilde{O}(\sqrt{t}n^{(ω+9)/4}) = \tilde{O}(\sqrt{t}n^{2.843})$时间内解决了具有单位边费用和实边容量的有向图上的APSP-AF问题,其中$n$是顶点数,$t$是不同边容量(流量)的个数,$O(n^ω) < O(n^{2.373})$是环上两个$n$乘$n$矩阵所需的时间.其次,将该问题推广到具有正整数边代价的图,并给出了一个具有$\tilde{O}(\sqrt{t}c^{(ω+5)/4}n^{(ω+9)/4}) = \tilde{O}(\sqrt{t}c^{1.843}n^{2.843})$最坏情况时间复杂度的算法,其中$c$是边代价的上界.
2013-09-23 cs.DS
A Constant Factor Approximation Algorithm for Unsplittable Flow on Paths
在路径上的不可拆分流问题中,我们给出了一条容量受限的路径$P$和$n$任务,每个任务都有一个需求,一个利润,以及起点和终点。目标是计算任务的最大利润集合,使得对于$P$的每个边缘$e$,使用$e$的所选任务的总需求不超过$e$的容量。这是一个研究得很好的问题,已经研究了替代名称,如资源分配,带宽分配,资源约束调度,时间背包和间隔包装。我们提出了一个多项式时间常数因子近似算法。这改进了以前最好的已知近似比的$O(\log n)$。对于任意的$ε>0$,我们的算法的逼近比为$7+ε$.我们介绍了几种新的算法技术,这可能是独立的兴趣:一个框架,减少了问题的实例与有界范围的能力,和一个新的几何启发的动态程序,解决了一个特殊情况下的最大重量独立的矩形问题的最优性。在资源增加的情况下,在容量可以轻微违反的情况下,我们给出了一个$(2+ε)$ -近似算法。此外,我们表明,该问题是强NP-困难的,即使所有的边缘容量是相等的,所有的需求是~1,~2,或~3。
2012-03-19 cs.DS
Online Multi-Commodity Flow with High Demands
本文讨论了在网络中以在线方式计算最大效益多商品流(\ONMCF)的问题,其中流的需求可能大于网络的边容量。我们提出了一个在线的,确定性的,集中的,全有或全无,双标准算法。该算法的竞争比是常数,并且该算法的容量最多增加一个对数因子。该算法可以处理两种类型的流请求:(i)必须沿着路径路由的低需求请求,以及(ii)可以使用多路径流路由的高需求请求。两个扩展进行了讨论:请求与已知的持续时间和机器调度。
2012-04-22 cs.DS
Approximations for Generalized Unsplittable Flow on Paths with Application to Power Systems Optimization
不可分割路径流(Unsplittable Flow on a Path,UFP)问题作为一个具有挑战性的组合优化问题,具有重要的实际意义,已经引起了人们的广泛关注。由其在电力工程中的关键应用转向,目前的工作制定了一个新的推广的UFP,其中的需求和能力在输入实例是单调阶跃函数的边缘集。作为解决这一泛化的第一步,我们借鉴和扩展的想法,从以前的研究设计一个准多项式时间近似计划(QPTAS)的前提下,要求和能力在于准多项式范围。其次,保留相同的假设,一个有效的对数近似引入的单源变量的问题。最后,我们四舍五入的贡献,通过设计一个(种)黑箱减少,在一些温和的条件下,允许翻译LP为基础的近似算法的研究问题到他们的同行交流最优潮流(AC OPF)问题-在电力系统的运行和控制的基本工作流程。
2022-10-26 cs.DS
A Mazing 2+eps Approximation for Unsplittable Flow on a Path
我们研究了不可分割流的路径问题(UFP),其中我们给出了一个路径与非负边的能力和任务,其特征在于由一个子路径,需求,和利润。我们的目标是找到最有利可图的任务子集,其总需求不违反边缘能力。这个问题自然出现在许多设置,如带宽分配,资源约束调度,和间隔包装。自然任务分类将任务i的大小定义为i的需求与i使用的任何边的最小容量之间的比率delta。如果所有任务都有足够小的delta,那么问题已经很好地理解了,并且存在1+eps近似值。对于互补的设置--实例的任务都有大的delta-很多仍然是未知的,和最有名的多项式时间程序只给出(任何常数delta>0)的近似比6+eps。在本文中,我们提出了一个多项式时间1+eps的近似后者设置。这一结果的关键是一个复杂的几何启发的动态程序。在这里,每个任务都表示为容量曲线下面的一段,我们确定了一个适当的迷宫式结构,以便在计算的解决方案中,迷宫的每个通道只被O(1)个任务穿过。结合已知的三角洲小任务的PTAS,我们的结果意味着UFP的2+eps近似,改进了以前的最佳7+eps近似[Bonsma等人,FOCS 2011]。我们注意到,我们改进的近似因子匹配的最佳已知的近似比相当容易的特殊情况下,均匀的边缘容量。
2012-11-12 cs.DS
Improved Algorithms for Scheduling Unsplittable Flows on Paths
在本文中,我们研究离线和在线算法rufpp,最小化的轮数所需的调度一组不可分割的流量的非均匀大小的非均匀边缘容量的给定路径上的问题。rufpp是NP难的,并且在无瓶颈假设(NBA)下已知常数因子近似算法,该假设规定流的最大大小至多是最小边缘容量。我们研究rufpp没有NBA,并提出改进的在线和离线算法。我们首先研究离线rufpp的限制类的实例称为$α$ -小,其中每个流的大小是在最多$α$倍的能力,其瓶颈边缘,并提出了一个$O(\log(1/(1-α)))$ -近似算法。我们的主要结果是一个在线的$O(\log\log c_{\max})$ -竞争算法rufpp的一般情况下,其中$c_{\max}$是最大的边缘容量,提高了以前的最佳界的$O(\log c_{\max})$由于爱泼斯坦等人。我们的结果导致离线的$O(\min(\log n, \log m, \log\log c_{\max}))$ -近似算法和在线的$O(\min(\log m, \log\log c_{\max}))$ -竞争算法rufpp,其中$n$是流的数量和$m$是边缘的数量。
2017-08-01 cs.DS
Edge- and Node-Disjoint Paths in P Systems
在本文中,我们继续我们的发展算法用于拓扑网络发现。我们提出了本机P系统版本的两个基本问题,在图论中:找到最大数量的边缘和节点不相交的路径之间的源节点和目标节点。我们从标准的深度优先搜索最大流算法开始,但我们的方法是完全分布式的,当最初没有结构信息可用时,每个P系统单元甚至必须学习它的近邻。对于节点不相交的版本,我们的P系统规则的目的是执行节点的权重能力(一),除了边缘的能力(一),这是不容易在标准的网络流算法。
2010-11-02 cs.DC cs.DS
Single-Source Unsplittable Flows in Planar Graphs
本文针对平面图中的单源不可分割流问题,通过将其与结构化差异问题建立联系并反复求解,证明了Goemans成本猜想的弱化版本(违反量至多两倍)成立,并推广到同时具有上下界约束的情形,从而肯定回答了Morell和Skutella的猜想。
2023-08-04 cs.DS
Improved Algorithms for Multiple Sink Location Problems in Dynamic Path Networks
研究了动态路径网络中的k-sink选址问题。在我们的模型中,动态路径网络由具有正边长、均匀边容量和正顶点供应的无向路径组成。这里,每个顶点供应对应于一组撤离者。然后,该问题需要在给定路径中找到$k$接收器的最佳位置,使得每个撤离者被发送到k个接收器中的一个。设x表示k-汇点位置。在给定x的最优疏散下,存在(k-1)维向量d,称为(k-1)-分割器,使得每个分量表示将相邻两个汇之间的所有疏散者分成两组的边界,即,一组中的所有供应物排空到左侧水槽,另一组中的所有供应物排空到右侧水槽。因此,目标是找到最小化最大成本或总成本的x和d,这分别由极小极大问题和极小和问题表示。研究了具有连续模型的动态路径网络中的k-sink选址问题,证明了minimax问题的时间复杂度为O(kn),minimsum问题的时间复杂度为O(n^2 min{k,2^{sqrt{log k log log n}),其中n为给定网络的顶点数.注意,这些改进了[6]的先前结果。
2014-05-22 cs.DS
Navigating Central Path with Electrical Flows: from Flows to Matchings, and Back
给出了求解单位容量有向图中最大s-t流和最小s-t割问题的一个$\tilde{O}(m^{10/7})=\tilde{O}(m^{1.43})$ -时间算法。这是由于Even和Tarjan [Event 75]而对长期存在的$O(m \min(\sqrt{m},n^{2/3}))$时间界限的稀疏图情况的第一次改进。通过著名的约简,这也建立了一个$\tilde{O}(m^{10/7})$时间算法的最大基数二部匹配问题。这反过来又给出了一个改进的著名的著名的$O(m \sqrt{n})$的Hopcroft和Karp [HK 73]的时间界限时,输入图是足够稀疏的。
2013-10-24 cs.DS
Improved Algorithms for Computing $k$-Sink on Dynamic Path Networks
我们提出了一种新的方法来寻找$k$ -sink的动态路径网络一般的边缘容量。我们的第一个算法在$O(n \log n + k^2 \log^4 n)$时间内运行,其中$n$是给定路径上的顶点数,我们的第二个算法在$O(n \log^3 n)$时间内运行。总之,它们改进了Arumugam等人提出的针对所有$k$值的先前最有效的$O(kn \log^2 n)$时间算法。在所有的边缘具有相同的容量的情况下,我们再次提出了两个算法,运行在$O(n + k^2 \log^2n)$时间和$O(n \log n)$时间,分别,和他们一起改善了以前最好的$O(kn)$时间算法由于Higashikawa等人。对于所有值的$k$。
2016-09-06 cs.DS
Minsum Problem for Discrete and Weighted Set Flow on Dynamic Path Network
针对紧急疏散中群体需共同移动且重要性不同的问题,本文将动态路径网络上的 minsum 流扩展为离散加权集合流,并给出均匀容量下的2-近似伪多项式时间算法。
2024-07-02 cs.DM cs.DS
Parallel $(1+ε)$-Approximate Multi-Commodity Mincost Flow in Almost Optimal Depth and Work
INSAIT, Sofia University “St. Kliment Ohridski”(索菲亚大学“圣克利门特·奥赫里德斯基”);ETH Zürich(苏黎世联邦理工学院);MPI-INF(马克斯·普朗克信息学研究所);Saarland University(萨尔兰大学);University of Michigan(密歇根大学)
提出并行算法,以几乎最优的工作量和深度计算无向图上带边和顶点容量的(1+ε)-近似最小费用流,并推广到k商品情形,核心是首次构造长度约束流捷径。
2025-10-23 cs.DS
Deterministic Decremental SSSP and Approximate Min-Cost Flow in Almost-Linear Time
在递减单源最短路径问题中,目标是保持从固定源$s$到$m$ -边图中经历边删除的每个顶点$v$的距离.在本文中,我们总结了这个问题的一个长期的研究显示一个接近最佳的确定性数据结构,保持$(1+ε)$近似距离估计和运行在$m^{1+o(1)}$总更新时间。我们的结果,特别是,删除了由Henzinger等人[FOCS'14],这导致了我们的第二个结果:$(1-ε)$近似最小成本流的无向图中的容量和成本可以采取的边缘和顶点的第一个几乎线性时间算法所需的不经意的对手的假设。以往求解具有顶点容量的最大流或具有任意容量的最小费用流的算法都需要超线性时间。我们的结果基本上完成了无向图中近似流的图像。第一个结果的关键技术是一个新的框架,使我们能够像对待扩张器的低直径图。这使我们能够利用扩展器属性,同时绕过扩展器分解的缺点,这几乎是所有以前的基于扩展器的算法需要处理的。对于第二个结果,我们使用随机化打破了乘法权重更新框架中臭名昭著的流分解障碍。
2021-01-19 cs.DS
Smooth Routing in Decaying Trees
Humboldt-Universität zu Berlin(柏林洪堡大学);Technische Universität Berlin(柏林工业大学)
研究在极端事件中如何平滑调度路径以应对连接失效,证明在树结构中该问题NP难,并通过整数线性规划解决撤离时间问题。
2026-02-06 cs.DS cs.MA
Minimization of Weighted Completion Times in Path-based Coflow Scheduling
在并行计算框架中,共享资源之间的多个数据流需要在计算可以继续之前完成。在本文中,我们介绍了基于路径的并行调度,一个广义的问题的变种,认为coflows作为收集流沿固定路径上的一般网络拓扑结构与节点容量的限制。对于这个问题,我们最小化的coflow的总加权完成时间。我们表明,在原始网络中的路径上的流可以被解释为超图中的超边,并将基于路径的调度问题转化为这个超图上的边调度问题。当节点容量为1时,我们给出了一个$(2λ+ 1)$ -近似算法,其中$λ$是路径上的最大节点数,对于所有流同时释放的特殊情况,我们的结果改进为$(2λ)$ -近似.此外,我们推广的结果,以任意节点的限制,并获得一个$(2λΔ+ 1)$ -和$(2λΔ)$ -近似的情况下,一般和零释放时间,其中$Δ$捕捉节点之间的能力差距。
2020-02-17 cs.DS
Efficient Online Sensitivity Analysis For The Injective Bottleneck Path Problem
本文研究内射瓶颈路径问题的在线容差分析,提出基于反阿克曼函数的预处理方法,将多源目标对情形下求所有边容差的复杂度从 O(k(m+n log n)) 改进至 O(mα(n,m)+km)。
2024-10-01 cs.DM cs.DS
The Parameterised Complexity of Integer Multicommodity Flow
本文研究了广义整数多商品流问题的参数化复杂性,证明了其在路径宽度和树宽参数下分别为XNLP完全和XALP完全,但在加权树分割宽度参数下是固定参数可解的。
2023-10-23 cs.CC cs.DM cs.DS
The Inapproximability of Maximum Single-Sink Unsplittable, Priority and Confluent Flow Problems
我们考虑单汇网络流问题。一个实例由一个有容量限制的图(有向或无向)、一个汇聚节点$t$和一组我们要发送到汇聚节点的请求组成。这里,需求$i$位于节点$s_i$,并且请求流容量的量$d_i$以便成功地路由。两个标准目标是最大化(i)需求数量(基数)和(ii)总需求(吞吐量),可以路由的能力约束。此外,我们研究这些最大化问题的三种专门类型的网络流:不可分割的,合流和优先流。在{ \em不可分割流}问题(UFP)中,我们有边容量,对$s_i$的需求必须在单一路径上路由;在{ \em汇合流}问题中,我们有节点容量,最终流必须诱导出一棵树。这两个问题已经得到了广泛的研究,主要是在单水槽设置。然而,大多数工作都强加了{ \em无瓶颈假设}(即最大需求$d_{max}$至多是最小容量$u_{min}$)。给定无瓶颈假设(NBA),Dinitz等人提出了一种求解不可分裂流问题的因子$4.43$ -近似算法。在更强的均匀容量假设下,Chen等人提出了一种用于合流流问题的因子$3$ -近似算法。然而,不同于UFP,我们表明,一个常数因子的近似算法不能得到单汇汇流甚至{ \bf与} NBA。没有NBA,我们表明,最大的基数单汇UFP是很难近似到一个因素$n^{.5-ε}$内,即使所有的需求在于一个小的间隔$[1,1+Δ]$,其中$Δ>0$(但多项式输入大小)。这是非常尖锐的,因为当$Δ=0$,这成为一个…
2015-05-15 cs.DS
Bottleneck flows in networks
瓶颈网络流问题(BNFP)是瓶颈运输问题(BTP)、瓶颈分配问题(BAP)、瓶颈路径问题(BPP)等瓶颈问题的推广,本文综述了这一问题的重要结果及其各种特殊情况。我们观察到,BNFP可以解决作为一个序列的$O(\log n)$最大流问题。然而,可以修改用于最大流问题的基于特殊增广路径的算法以获得用于BNFP的算法,该算法具有这些变化和相应的最大流算法具有相同的最坏情况时间复杂度的性质。在单位容量网络上,我们证明了BNFP可以在$O(\min \{{m(n\log n)}^{2/3}, m^{3/2}\sqrt{\log n}\})$中求解。这将最佳可用算法改进了$\sqrt{\log n}$的因子。在单位容量简单图上,证明了BNFP问题可以在$O(m \sqrt {n \log n})$时间内求解.因此,我们有一个$O(m \sqrt {n \log n})$算法的BTP与单位弧容量。
2007-12-22 cs.DS
Unsplittable Flow on a Short Path
本文研究以边数m为参数的UFP和Bag-UFP问题,提出Bag-UFP的参数化EPTAS及UFP的更快参数化EPTAS,并证明两类问题均不存在参数化FPTAS,结果性质上紧。
2024-07-14 cs.DS
On the Approximability of Unsplittable Flow on a Path with Time Windows
该研究证明带时间窗的路径不可拆分流问题(twUFP)为APX难,提出资源扩充下的拟多项式时间2+ε近似算法,时间窗相同时近似比可达1+ε,且该特殊情形同样APX难,排除无资源扩充下PTAS/QPTAS存在的可能。
2025-03-22 cs.DS
Minmax Regret 1-Sink Location Problems on Dynamic Flow Path Networks with Parametric Weights
研究了带参数权的动态流路网络上的极小极大遗憾1-汇点选址问题。我们给出了一个动态流网络组成的无向路径的正边长度,正边容量,和非负的顶点权重。路径可以被认为是一条道路,边的长度是沿着道路的距离,顶点的权重是站点上的人数。边缘容量限制了单位时间内可以进入边缘的人数。我们考虑在网络中定位一个汇点的问题,所有的人尽快从顶点撤离。在我们的模型中,每个权重由公共参数$t$中的线性函数表示,并且确定水槽位置的决策者不知道$t$的值。我们制定的汇的位置问题下,这样的不确定性的最小最大遗憾问题。给定$t$和宿位置$x$,在$t$下的$x$的成本是由$t$确定的所有人到达$x$的时间之和。在$t$下的$x$的遗憾是在$t$下的$x$的成本与在$t$下的最优成本之间的差距。该问题的任务是找到一个汇的位置,最大限度地减少所有$t$的最大遗憾。对于这个问题,我们提出了一个$O(n^4 2^{α(n)} α(n) \log n)$时间算法,其中$n$是网络中的顶点数,$α(\cdot)$是逆阿克曼函数.此外,对于特殊的情况下,每个边缘具有相同的容量,我们表明,复杂性可以降低到$O(n^3 2^{α(n)} α(n) \log n)$。
2020-11-27 cs.DS
Maximum Flow by Augmenting Paths in $n^{2+o(1)}$ Time
New York University(纽约大学);Rutgers University(罗格斯大学);KTH Royal Institute of Technology(皇家理工学院);Max Planck Institute for Informatics(马克斯·普朗克 informatics 研究所);University of Michigan(密歇根大学);Stanford University(斯坦福大学)
本文提出基于加权 push-relabel 与有向扩张器层次结构的增广路径最大流算法,在稠密有向图上达到 $n^{2+o(1)}\log U$ 的近最优时间。
2025-09-28 cs.DS
Optimal Non-Adaptive Vantage Point Selection
Rutgers University(罗格斯大学);University of Michigan(密歇根大学);Tsinghua University(清华大学)
研究视点选择问题,提出非自适应算法并证明最优竞争比为$\tilde{\Theta}(n^{2/3})$,并推广到多查询设置,给出匹配的复杂界限。
2026-09-10 cs.DS
Rerouting flows when links fail
我们介绍和调查可重路由流,一个强大的版本的网络流中,链路故障可以减轻重路由受影响的流量。给定一个有容量限制的网络,如果在任意弧故障后,我们可以将中断的流从该弧的尾部重新路由到sink,而不修改不受故障影响的流,则路径流是可重路由的。类似类型的恢复,这通常被称为“本地”,以前在网络设计的背景下,如最小成本容量规划的调查。在本文中,我们的兴趣是在计算最大流在这个鲁棒性假设。我们的模型的一个重要的新特征,区别于现有的最大鲁棒流模型,是没有流可以在网络中丢失。我们还研究了紧缩的可重路由流,称为严格可重路由流,使更多的限制性假设的能力可用于重路由。对于这两种变体,我们设计了一个可重路由流等价的S-T-切,并表明相应的最大流/最小切间隙是有界的2。事实证明,一个严格的可重路由流的最大值可以找到使用一个紧凑的LP公式,而找到一个最大的可重路由流的问题是NP-困难的,即使当所有的能力是在{1,2}。然而,紧缩可以用来获得2-近似的可重路由流。这个比率在一般网络中是紧的,但我们表明,在单位容量的情况下,每一个可重路由流可以转化为一个严格的可重路由流相同的价值。虽然它是NP-难计算的最大积分流,即使为单位的能力,我们设计了一个令人惊讶的简单的组合算法,找到一个半积分严格可重路由流的值为1,或证明没有这样的解决方案存在。最后,我们也给出了硬度的情况下,多个电弧故障的结果。
2017-04-27 cs.DM cs.DS
Faster Energy Maximization for Faster Maximum Flow
本文给出了一个算法,该算法在给定任意$m$ -边$n$ -顶点有向图且容量至多为整数的情况下,以高概率计算任意顶点$s$和$t$在$m^{11/8+o(1)}U^{1/4}$时间内的最大$s$-$t$流.当图形不是太密集或容量较大时,该运行时间比$\tilde{O}(m^{10/7} U^{1/7})$(Mackdry 2016)、$\tilde{O}(m \sqrt{n} \log U)$(Lee Sidford 2014)和$O(mn)$(Orlin 2013)之前的最佳运行时间有所改善。我们实现这一结果,利用最近的进展,解决无向流问题的图。我们表明,在最大流框架中(Mingdry 2016),优化最大化能量所需的中心路径扰动量,从而减少拥塞的问题可以有效地简化为平滑的$\ell_2$ - $\ell_p$流优化问题,该问题可以通过最近的工作近似解决(Kyng,Peng,Sachdeva,Wang 2019)。利用这个新的原语,我们提供了一个新的长步长内点方法,用于最大流,具有更快的收敛速度和更简单的分析,不再需要像以前的方法那样涉及能量的全局势函数(Mingdry 2013,Mingdry 2016)。
2019-10-31 cs.DS math.OC
On Approximating the Dynamic and Discrete Network Flow Problem
研究由离散单元组成的动态网络流问题,证明其为APX-hard,针对路径图和带就绪时间约束的minsum bin packing问题分别提出PTAS算法并应用于该流问题。
2024-04-25 cs.CC cs.CG cs.DS
Truthful Unsplittable Flow for Large Capacity Networks
在本文中,我们将注意力集中在对策论环境中的大容量不可分割流问题。在这种情况下,存在自私的代理,它们控制着一些请求特征,并且可能对它们不诚实。值得注意的是,在博弈论中,许多标准技术,如随机舍入,违反了某些单调性属性,这是真实性的必要条件,因此不能使用。鉴于这种情况,我们设计了一个单调确定性算法,它是基于一个原始-对偶机制,它达到了$\frac{e}{e-1}$的近似比,直到$ε$的差距。这意味着对当前最佳真实机制的改进,以及对当前最佳组合算法的改进。令人惊讶的是,我们证明了在合理的迭代路径最小化算法的家庭中的任何算法,不能产生更好的近似比。因此,为了实现单调的PTAS,如果存在的话,将必须运用不同的技术。我们还考虑了大容量的\textit{single-minded multi-unit combinatorial auction problem}。这个问题与不可分割流问题密切相关,因为可以将其表示为不可分割流问题的整数线性规划的特殊情况。因此,我们通过改进不可分割流问题的算法获得了可比的性能保证。
2008-04-14 cs.DS cs.GT
Designing Capacitated Subnetworks for Shortest Path Routing
Osnabrück University(奥斯纳布吕克大学)
本文提出一种新的整数线性规划方法,用于精确解决具有容量的子网络设计问题,通过动态改变最短路径来优化网络效率。
2026-05-07 cs.DS cs.NI
Distributed Algorithms for Scheduling on Line and Tree Networks
我们有一组处理器(或代理)和一组定义在某个顶点集上的图网络。每个处理器可以访问图形网络的子集。每个处理器具有指定为一对顶点$<u, v>$的需求以及利润;处理器希望在$u$和$v$之间发送数据。为了实现该目标,处理器需要选择其可访问的图形网络以及在所选网络内连接$u$和$v$的路径。处理器需要独占访问所选路径,以便路由数据。因此,处理器正在竞争路由/信道。可行的解决方案选择需求的子集,并在拥有需求的处理器可访问的图网络上调度每个选定的需求;解决方案还指定用于此目的的路径。要求是,对于在同一图网络上调度的任何两个需求,它们选择的路径必须是边不相交的。目标是输出具有最大总利润的解决方案。先前的工作已经解决了上述问题,在一个特殊的情况下,所有的图网络是简单的路径(即,线网络)的distributed设置。对于这种情况,已知分布常数因子近似算法。本文的主要贡献是双重的。首先,我们设计了一个分布常数因子的近似算法,更一般的情况下,树网络。我们的算法的核心组成部分是一个树分解技术,这可能是独立的利益。其次,对于线网络的情况下,我们将已知的近似保证提高了5倍。我们的算法也可以处理能力受限的情况下,其中的需求和边缘有带宽要求和能力,分别。
2012-10-05 cs.DC cs.DS