首页/论文/1610.00575

arXiv 1610.005752016-10-03cs.DS

设施租赁与处罚

Facility Leasing with Penalties

Murilo S. de Lima, Mário C. San Felice, Orlando Lee

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文研究了带惩罚的设施租赁问题。我们提出了一个原始-对偶算法，这是一个3-近似，基于Nagarajan和Williamson的算法的设施租赁问题和Charikar等人的算法。设施选址问题的罚款。

英文摘要：

In this paper we study the facility leasing problem with penalties. We present a primal-dual algorithm which is a 3-approximation, based on the algorithm by Nagarajan and Williamson for the facility leasing problem and on the algorithm by Charikar et al. for the facility location problem with penalties.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

带惩罚设施选址问题的近似算法

Approximation algorithms for Capacitated Facility Location Problem with Penalties

在本文中，我们解决的问题的能力限制设施选址问题的罚款（CapFLPP）支付每单位的未得到服务的需求。如果是无行为能力的FLP，客户的要求要么完全满足，要么完全拒绝，并支付罚款。在无能力的情况下，没有理由为客户提供部分服务。然而，在CapFLPP的情况下，为客户提供部分服务而不是完全不提供服务，并为未满足的需求支付罚款可能是有益的。Charikar et. \cite{charikar2001algorithms}，Jain et. \cite{jain2003greedy}和Xu-Xu \cite{xu2009improved}分别给出了无能力情况下的$3$、$2$和$1.8526$近似。我们提出了$(5.83 + ε)$因子的情况下，均匀容量和$(8.532 + ε)$因子的非均匀容量。

2014-09-12cs.DS

含惩罚设施选址的LP方法的揭示因素

On the Factor Revealing LP Approach for Facility Location with Penalties

我们考虑了具有（线性）罚函数的无容量限制的设施选址问题，并证明了一个修改的JMS算法，结合Byrka-Aardal[1]，Li[14]和Li等人的随机LP舍入技术。[16]产生1.488近似，提高因子1.5148由于李等人。[16]第10段。这关闭了经典的设施选址问题和这个惩罚变量之间的差距。主要成分是一个简单的适应JMS算法的惩罚设置加上一致使用的上限技术的因素，揭示由于费尔南德斯等人的LP。[7]的文件。与[12]中的界相反，我们揭示LP的因子是单调的。

2016-09-28cs.DS

带惩罚/离群点的一致容量约束设施选址问题

Uniform Capacitated Facility Location Problems with Penalties/Outliers

在本文中，我们提出了一个框架，设计近似算法的容量限制设施选址问题的罚款/离群使用LP舍入。原始对偶技术在处理异常值和惩罚方面特别成功，但在处理容量方面并不十分成功。另一方面，没有原始-对偶解决方案已经能够打破能力限制的设施选址问题（CFLP）的硬度。直到Grover等人最近的一项工作之前，LP舍入技术在处理容量方面也不是很成功。\cite{GroverGKP18}。他们的常数因子近似法（$1 + ε$）在处理容量时很有希望。虽然LP舍入在处理处罚和离群值时不是很有希望，但我们成功地应用它来处理它们以及容量。也就是说，我们的结果是通过四舍五入的解决方案的自然LP再次展示LP舍入技术的力量。在本文中，我们应用我们的框架获得的第一常数因子近似的能力约束设施定位问题与离群（CFLPO）和能力约束$k$ -设施定位问题与惩罚（C $k$ FLPP）硬均匀容量的LP-舍入的解决方案，很容易与其他LP为基础的算法集成。我们的解决方案在容量上有轻微的违反，（$1 + ε$）对于没有基数约束的问题（$k$）和（$2 + ε$）对于基数约束的问题。对于离群值变体，我们也会在离群值中产生少量损失（$1 + ε$）。由于根本问题的艰巨性，侵犯是不可避免的。因此，我们实现了最好的可能，通过四舍五入的解决方案，自然LP为这些问题。据我们所知，CFLPO和C $k$ FLPP尚无已知结果。

2021-08-18cs.DS

改进的k层UFL近似算法及其罚函数，简化了尺度参数的随机化

Improved approximation algorithm for k-level UFL with penalties, a simplistic view on randomizing the scaling parameter

设施选址问题的近似算法是各种技术的复杂组合。特别是，Shi Li提出的求解无容量约束设施选址问题的最佳1.488-近似算法是Chudak和Shmoys的LP舍入算法中某个尺度参数的非平凡随机化与Jain等人的原-对偶算法相结合的结果。辅助（因子揭示）LP。然后，用这个简单的观点武装起来，抽象。我们在具有惩罚的问题的k级版本的更复杂算法上实施随机化，其中规划者具有支付惩罚而不是连接所选客户端的选项，这导致改进的近似算法。

2013-10-09cs.DS

一种基于 LP-rounding 的带次模惩罚的软容量设施选址问题算法

A LP-rounding based algorithm for soft capacitated facility location problem with submodular penalties

针对带次模惩罚且需求整数可分的软容量设施选址问题，提出基于 LP-rounding 的 $(λR+4)$-近似算法，并在统一开放成本下达到近似比 6。

2025-02-17cs.DSmath.CO

带市场选择的运输问题及其模型的近似算法

Approximation algorithms for the Transportation Problem with Market Choice and related models

给定设施的能力和客户的处罚和需求，市场选择的运输问题在于找到最低成本的方式来划分客户为未服务的客户，支付罚款，并成为服务的客户，支付运输成本为他们服务。我们给多项式时间减少这个问题和变种的（联合国）容量限制设施选址问题，直接产生近似算法，两个常数因子的度量的情况下，一个对数因子在一般情况下。

2014-09-25cs.DS

更多相关论文收起更多论文

凹连接费用设施选址与星型库存路径问题

Concave connection cost Facility Location and the Star Inventory Routing problem

我们研究了一个变种的无容量限制的设施选址问题（UFL），其中客户端的连接成本定义的（客户端特定的）凹非递减函数的连接距离的基础度量。一个特殊的情况是捕获这个变量的复杂性是设置称为设施位置与处罚，其中客户端可以连接到一个设施或支付（客户端特定的）罚款。我们表明，最有名的近似算法UFL可能是适应凹连接成本设置。的关键技术贡献是一个论点，JMS算法UFL可以适应提供相同的近似保证更一般的凹连接成本的变化。我们还研究了最近由Jiao和Ravi引入的星型库存路由与设施位置（SIRPFL）问题，该问题要求联合优化需求点的集群任务，并在创建的集群内提供后续服务。我们发现，这个问题可以减少到凹连接成本设施的位置，并大大提高了近似比SIRPFL的所有三个变种。

2020-10-10cs.DS

无约束和有约束的容错资源分配

Unconstrained and Constrained Fault-Tolerant Resource Allocation

首先，我们研究了无约束容错资源分配（UFTRA）问题（又名：\cite{shihongftfa}中的FTFA问题）。在该问题中，我们被赋予一组网站配备了一个不受限制的设施作为资源，和一组客户端设置$\mathcal{R}$作为相应的连接要求，其中属于同一网站的每个设施有一个相同的开放（运营）成本和每个客户端设施对有一个连接成本。目标是从各场地分配设施，以最低的总成本满足$\mathcal{R}$的要求。接下来，我们介绍约束容错资源分配（CFTRA）问题。它与UFTRA的不同之处在于，在每个站点$i$处可用的资源的数量受到$R_{i}$的限制。这两个问题是经典的容错设施定位（FTFL）问题\cite{Jain00FTFL}的实际扩展。例如，他们的解决方案提供了最佳的资源分配（w.r.t.企业）和租赁（w.r.t.客户）战略的现代云平台。在本文中，我们考虑度量版本的问题。对于具有均匀$\mathcal{R}$的UFTRA，我们提出了星型贪心算法。该算法结合了与\cite{Charikar051.7281.853,Mahdian021.52}类似的代价缩放和贪婪增强技术，使近似比达到1.5186，显著改善了使用相位-贪心算法的\cite{shihongftfa}的结果。我们还研究了UFTRA的容量限制扩展，并给出了一个因子为2.89。对于具有均匀$\mathcal{R}$的CFTRA，我…

2011-06-12cs.DS

拟阵和背包中值问题的改进近似算法及其应用

Improved Approximation Algorithms for Matroid and Knapsack Median Problems and Applications

我们考虑{ \em拟阵中位数}问题\cite{KrishnaswamyKNSS11}，其中我们给出了一组设施的开放成本和拟阵上的设施集，和客户端的需求和连接成本，我们试图打开一个独立集的设施和客户端分配到开放设施，以尽量减少设施开放和客户端连接成本的总和。我们给出了一个简单的基于LP-舍入的8-近似算法，它改进了\cite{KrishnaswamyKNSS11}中的16-近似。我们的技术表明，在\cite{KrishnaswamyKNSS11}的舍入算法中所涉及的大部分工作可以通过首先将LP解转换为半积分解来避免，然后可以使用简单的无容量设施位置（UFL）风格的聚类步骤将其舍入为整数解。我们说明了这些想法的力量，得出：（a）一个24-近似算法的拟阵中位数与处罚，这是一个巨大的改进，在\cite{KrishnaswamyKNSS11}中获得的360-近似;和（b）一个8-近似{ \em两个拟阵中位数}的问题，一个推广的拟阵中位数，我们介绍涉及两个拟阵。我们表明，各种看似不同的设施位置的问题，在文献中考虑-数据放置问题，移动设施的位置，$k$ -中值森林，度量统一的最小延迟UFL-实际上减少到拟阵中位数或两个拟阵中位数的问题，从而获得改进的近似保证所有这些问题。我们的技术也产生了改进的背包中位数问题。

2016-09-29cs.DS

带离群点的大规模分布式设施选址算法

Large-Scale Distributed Algorithms for Facility Location with Outliers

本文提出了快速，分布式，$O(1)$近似算法的度量设施定位问题的离群值在拥挤集团模型，大规模并行计算（MPC）模型，并在$k$机模型。本文考虑了Charikar等人（SODA 2001）提出的带离群值的设施选址问题的两个版本：鲁棒设施选址和带惩罚的设施选址。本文还考虑了两种替代指定的输入：输入度量可以提供明确的（作为一个$n \times n$矩阵分布在机器之间）或隐式的最短路径度量的一个给定的边加权图。在本文中的结果是：-隐式度量：对于这两个问题，$O(1)$ -近似算法运行在$O(\mbox{poly}(\log n))$轮的拥塞集团和MPC模型和$O(1)$ -近似算法运行在$\tilde{O}(n/k)$轮的$k$ -机模型。- 显式度量：对于这两个问题，在拥塞集团和MPC模型中运行在$O(\log\log\log n)$轮中的$O(1)$ -近似算法和在$k$ -机器模型中运行在$\tilde{O}(n/k)$轮中的$O(1)$ -近似算法。我们的主要贡献是显示存在的Mettu-Plaxton风格的$O(1)$ -近似算法的设施位置与离群值的问题。如我们以前的工作所示（Berns等人，ICALP 2012，Bandyapadhyay等人，ICDCN 2018）Mettu-Plaxton风格的算法更容易在分布式和大规模计算模型中有效实现。

2018-11-15cs.DCcs.DS

间接覆盖子树问题的一个优化算法

An Optimal Algorithm for the Indirect Covering Subtree Problem

我们考虑间接覆盖子树问题（Kim等人，1996年）。输入是边加权树图以及位于节点处的客户。每个客户都与半径和惩罚相关联。我们的目标是找到一个树形设施，使设置和惩罚成本的总和最小化。设置成本等于设施占用的边长之和，惩罚成本是到设施的距离超过其半径的所有客户的惩罚之和。间接覆盖子树问题推广了树上的单个最大覆盖定位问题，其中设施是节点而不是子树。间接覆盖子树可以在$O(n\log^2 n)$时间内求解（Kim等人，1996年）。已经提供了一种运行时间为$O(n\log^2n/\log\log n)$的单个最大覆盖位置的稍快算法（Spoerhase和Wirth，2009）。我们实现了间接覆盖子树的时间$O(n\log n)$，从而为这两个问题提供了最快的已知算法。我们的结果也意味着更快的算法，如$(1,X)$ -medianoid和$(1,p)$ -质心的树木竞争的位置问题。我们补充我们的结果由一个下界的$Ω(n\log n)$为单一的最大覆盖范围的位置和$(1,X)$ -medianoid上的实数RAM模型表明，我们的算法是最佳的运行时间。

2010-02-02cs.DMcs.DS