The Complexity Landscape of Dynamic Distributed Subgraph Finding
本文研究动态分布式子图查找的复杂度,针对团查找建立新下界并证明其紧性,还完整刻画团以外子图成员列表问题的带宽复杂度,解决该领域若干开放问题。
2025-08-22 cs.DS
On the Distributed Complexity of Large-Scale Graph Computations
出于对大规模图计算的分布式算法基础的日益需求,我们研究了分布式计算的消息传递模型中的一些基本图问题,其中$k \geq 2$机器联合执行具有$n$节点(通常为$n \gg k$)的图上的计算。假设输入图最初在$k$机器之间随机划分,这是许多现实世界系统中的常见实现。通信是点对点的,目标是最小化计算的通信{ \em轮}数。我们的主要贡献是{ \em一般下限定理},一个定理,可用于显示非平凡的下限轮分布式大规模数据计算的复杂性。一般下界定理是通过信息论方法建立的,该方法将轮复杂度与机器解决问题所需的最小信息量联系起来。我们的方法是通用的,这个定理可以用在一个“食谱”的方式来显示分布式下界的上下文中的几个问题,包括非图的问题。我们提出了两个应用程序,显示(几乎)严格的下限轮复杂性的两个基本的图形问题,即{ \em PageRank计算}和{ \em三角枚举}。我们的方法,在PageRank的情况下,可以产生严格的下限的问题(包括,特别是在输入的随机分区),其中通信复杂性技术是不明显的。我们的方法,在三角枚举的情况下,可以产生更强的轮下界以及消息轮权衡相比,使用通信复杂性技术的方法。
2018-07-26 cs.DC cs.DS
Distributed MIS with Low Energy and Time Complexities
本文提出了两种在CONGEST模型下解决极大独立集问题(MIS)的随机分布式算法,在时间复杂度接近最优的同时大幅降低了节点的能量复杂度。
2023-05-23 cs.DC cs.DS
Near-Optimal Distributed Implementations of Dynamic Algorithms for Symmetry-Breaking Problems
动态图算法领域的目标是实现对真实世界网络的透彻理解,其拓扑结构随时间而演变。传统上,焦点一直集中在经典的顺序集中式设置上,其中算法的主要质量度量是其更新时间,即每次更新后恢复解决方案所需的时间。虽然现实生活中的网络通常分布在多台机器上,但迄今为止,寻找有效的动态分布式图算法的基本问题很少受到关注。此设置的目标是优化每个更新步骤所引起的轮和消息复杂性,理想情况下,实现与$O(1)$(可能是分期偿还)轮中的集中更新时间相匹配的消息复杂性。为了启动一个系统的研究动态,分布式算法,我们研究了一些最核心的破坏性问题:最大独立集(MIS),最大匹配/(近似)最大基数匹配(MM/MCM),和$(Δ+ 1)$ -顶点着色。本文重点介绍了动态的,分布式的算法,是确定性的,特别是-鲁棒性对自适应对手。我们的重点是我们的MIS算法,它实现了$O\left(m^{2/3}\log^2 n\right)$摊销消息在$O\left(\log^2 n\right)$摊销轮拥塞模型。值得注意的是,我们的算法的摊销消息复杂性匹配最著名的确定性集中式MIS算法的摊销更新时间由Gupta和Khan [SOSA'21]到polylog $n$因子。由Assadi等人[STOC'18]提出的先前最佳确定性分布式MIS算法在$O(1)$分摊回合中使用$O(m^{3/4})$分摊消息,即,我们实现了消息复杂度的多项式改进,通过…
2021-09-21 cs.DS
The distributed complexity of locally checkable problems on paths is decidable
考虑一个计算机网络,它由一条带有$n$节点的路径组成。节点被标记为来自一个恒定大小的集合的输入,任务是从一个恒定大小的集合中找到输出标签,这些标签受到一些局部约束-更正式地说,我们有一个LCL(局部可检查标签)问题。需要多少次通信(在标准的计算模型中)来解决这个问题?众所周知,答案总是$O(1)$轮,或$Θ(\log^* n)$轮,或$Θ(n)$轮。在这项工作中,我们表明,这个问题是可判定的(虽然PSPACE硬):我们提出了一个算法,给定任何LCL问题上定义的路径,输出分布的计算复杂性这个问题和相应的渐近最优算法。
2019-02-18 cs.DC cs.DS
Awake Complexity of Distributed Minimum Spanning Tree
针对资源受限网络中分布式MST的能耗问题,在睡眠模型下提出唤醒复杂度为O(log n)的最优确定性与随机算法,证明了唤醒与轮复杂度乘积的下界,并给出实现二者最优权衡的参数化算法族。
2023-12-19 cs.DC cs.DS cs.NI
A Near-Optimal Deterministic Distributed Synchronizer
提出首个近最优确定性分布式同步器,将同步算法转为异步算法且开销仅多对数因子,并解决领导者选举、BFS树和最小生成树的异步近最优算法开放问题。
2023-05-10 cs.DC cs.DS
A Distributed Message-Optimal Assignment on Rings
考虑一组项目和一组$m$颜色,其中每个项目与一种颜色相关联。还考虑通过环连接的$n$计算代理。每个代理持有物品的子集,并且相同颜色的物品可以由不同的代理持有。我们分析的问题,分配颜色的代理在这样一种方式,(a)每种颜色只分配给一个代理和(b)分配给每个代理的不同颜色的数量是最小的。由于任何颜色分配都需要根据它来分配物品(例如,相同颜色的所有物品都只能由一个代理持有),因此我们将颜色分配的成本定义为给定初始分配时需要移动的物品数量。我们首先表明,这个问题的任何分布式算法需要一个消息的复杂性$Ω(n\cdot m)$,然后我们展示了一个最佳的消息复杂性算法同步环,在多项式时间确定的颜色分配成本最多三倍的最佳。我们还讨论了异步设置的解决方案。最后,我们展示了如何以消息或时间复杂度为代价获得更好的成本解决方案。
2015-09-09 cs.DS
The Complexity of the Distributed Constraint Satisfaction Problem
本文从理论上研究了同步匿名网络上分布式约束满足问题的复杂性。在这种设置中,变量和约束由代理控制,代理通过固定的通信信道发送消息来相互通信。我们的研究结果认可了经典CSP中的一个众所周知的事实,即固定模板计算问题的复杂性取决于模板在某些操作下的不变性。具体来说,我们表明,DCSP($Γ$)是多项式时间易处理的当且仅当$Γ$是不变的对称多态性的所有arities。否则,没有在有限时间内求解DCSP($Γ$)的算法。我们还表明,同样的条件适用于搜索变种的DCSP。附带地,我们的研究结果揭示了一个功能的进程的邻域在分布式网络,其迭代度,这在分析中起着重要作用。我们探讨这个概念建立一个紧密的连接与基本的线性规划放松的CSP。
2021-01-22 cs.CC cs.DC cs.DS
Distributed Approximation of Minimum $k$-edge-connected Spanning Subgraphs
在最小$k$ -边连通生成子图($k$-ECSS)问题中,目标是找到抵抗多达$k-1$边失效的最小权子图。这是网络设计中的核心问题,也是最小生成树(MST)问题的自然推广。虽然MST问题已被广泛研究的分布式计算社区,为$k \geq 2$较少是已知的分布式设置。在本文中,我们提出了快速随机分布逼近算法$k$ -ECSS在CONGEST模型。我们的第一个贡献是2-ECSS的$\widetilde{O}(D + \sqrt{n})$ -轮$O(\log{n})$ -近似,对于一个图,具有$n$顶点和直径$D$。我们的算法的时间复杂度几乎是紧的,几乎匹配的MST问题的时间复杂度。对于较大的$k$常数值,我们给出了一个$\widetilde{O}(n)$ -轮$O(\log{n})$ -近似。此外,在特殊的情况下,未加权的3-ECSS,我们展示了如何提高时间复杂度的$O(D \log^3{n})$轮。我们的所有结果显着改善了以前的算法的时间复杂度。
2018-05-20 cs.DC cs.DS
Distributed MIS in $O(\log\log{n} )$ Awake Complexity
针对分布式MIS算法轮复杂度长期难以突破$O(\log n)$的问题,提出两种随机分布式算法,在CONGEST模型下分别实现$O(\log\log n)$和$O((\log\log n)\log^*n)$的唤醒复杂度,以指数级优于现有轮复杂度下界。
2023-12-19 cs.DC cs.DS
The Landscape of Distributed Complexities on Trees and Beyond
我们研究了常度图上的局部可检查标记(LCL)问题的局部复杂度景观,重点关注$\log^* n$以下的复杂度。我们的贡献有三个方面:我们的主要贡献是,我们完成了分类的LCL问题的复杂性景观的树的树模型,通过证明每一个LCL问题的局部复杂性$o(\log^* n)$实际上有复杂性$O(1)$。该结果改进了[Chang,Pettie,FOCS 2017]之前从$o(\log \log^* n)$到$O(1)$的加速结果。在相关的LCA和Volume模型[Alon,Rubinfeld,Vardi,Xie,SODA 2012,Rubinfeld,Tamir,Vardi,Xie,2011,Rosenbaum,Suomela,PODC 2020]中,我们证明了对于所有有界度图,从$o(\log^* n)$到$O(1)$的相同加速。同样,我们完成了分类的面向$d$维网格的复杂性景观证明,任何LCL问题的本地复杂性$o(\log^* n)$实际上有复杂性$O(1)$。这改进了之前Suomela在[Chang,Pettie,FOCS 2017]中对$o(\sqrt[d]{\log^* n})$的加速。
2022-09-23 cs.DC cs.DS
On the Complexity of Distributed Splitting Problems
在分布式图算法领域的一个基本的开放问题是,是否需要有效的对称破缺的随机化的问题。虽然有快速的,$\text{poly}\log n$时间随机分布式算法的所有经典对称破缺问题,对他们中的许多人来说,最好的确定性算法几乎是指数慢。下面的基本局部分裂问题,被称为\emph{weak splitting}问题,在这个上下文中起着中心作用:图$G=(V,E)$的每个节点必须被着色为红色或蓝色,使得每个足够大的度的节点在其邻居中至少有一个节点的每种颜色。Ghaffari,库恩和Maus [STOC '17]表明,这个看似简单的问题是完整的w.r.t.上述基本的开放问题在以下意义上:如果有一个有效的$\text{poly}\log n$ -时间确定性分布式算法的弱分裂,那么有这样的算法的所有局部可检查的图问题,一个有效的随机算法存在。本文研究了弱分裂的分布复杂性及其相关问题。例如,在一个示例中,对于弱分裂的特殊情况,我们得到了有效的算法,其中图是近正则的。特别是,我们表明,如果$δ$和$Δ$的最小和最大程度的$G$,如果$δ=Ω(\log n)$,弱分裂可以解决确定性的时间$O\big(\fracΔδ\cdot\text{poly}(\log n)\big)$。此外,如果$δ= Ω(\log\log n)$和$Δ\leq 2^{\varepsilonδ}$,则存在具有时间复杂度$O\big(\f…
2019-05-28 cs.DC cs.DS
Scalable Distributed Algorithms for Size-Constrained Submodular Maximization in the MapReduce and Adaptive Complexity Models
Texas A&M University(德克萨斯农工大学);Florida State University(佛罗里达州立大学)
该研究针对规模约束单调子模最大化问题,证明多类亚自适应算法满足MapReduce模型的一致性要求,提出首个线性查询复杂度的分布式算法,并给出提升MR算法最大基数约束的方法。
2024-09-16 cs.DC cs.DS cs.LG
Exact bounds for distributed graph colouring
我们证明了分布图着色的时间复杂度的精确界。如果我们给出一条有向路径,该路径被适当地着色为$n$颜色,则通过先前的工作,已知我们可以在$\frac{1}{2} \log^*(n) \pm O(1)$通信轮中找到适当的3-着色。我们关闭的上限和下限之间的差距:我们表明,对于无限多$n$的时间复杂度正是$\frac{1}{2} \log^* n$通信轮。
2015-02-26 cs.DC cs.DS
Distributed Learning, Communication Complexity and Privacy
Georgia Institute of Technology(佐治亚理工学院);Carnegie Mellon University(卡内基梅隆大学);IBM Research(IBM研究院);Tel Aviv University(特拉维夫大学)
我们认为PAC学习的问题,从分布式数据和分析基本的通信复杂性问题。我们提供了一般的上限和下限的量的沟通需要学习好,表明除了VC维和覆盖数,数量,如教学维和错误的一类界起着重要的作用。我们还提出了一些常见的概念类,包括连词,奇偶函数和决策列表紧的结果。对于线性分离器,我们证明了对于非集中分布,我们可以使用Perceptron算法的一个版本来学习,其通信量比通常的裕度界限所给出的更新次数少得多。我们还展示了如何在分布式环境中以通用的方式进行提升,以实现任何概念类仅对1/1的对数依赖的通信,并演示了最近的工作如何从类条件查询中进行不可知学习,以实现不可知设置中的低通信。我们还提出了一个隐私分析,考虑到差分隐私和分布式隐私的概念,特别是在这种情况下吸引人。
2012-05-25 cs.DS cs.LG
The Quantum Message Complexity of Distributed Wake-Up with Advice
该研究提出了一种基于量子路由模型的分布式唤醒算法,证明了在无建议情况下唤醒问题的消息复杂度下界为 Ω(n^{3/2}),并给出了带有建议的高效唤醒方案。
2026-02-05 cs.DC cs.DS quant-ph
Quantum Communication Advantage for Leader Election and Agreement
本研究提出量子分布式算法,在多种网络拓扑下显著优于经典算法,为领导者选举和共识问题带来量子通信优势,并首次提出量子分布式算法消息复杂度的设计分析框架。
2025-02-11 cs.DC cs.DS quant-ph
Round- and Message-Optimal Distributed Graph Algorithms
分布式图算法,分别优化使用的轮数或发送的消息的总数已被广泛研究。然而,算法同时有效的两个措施一直难以捉摸。例如,仅在最近才表明,对于最小生成树(MST),通过通信的CONGEST模型中的单个算法可以实现最佳消息和轮复杂度(直到polylog项)。在本文中,我们提供的算法,同时轮和消息最优的一些良好的研究分布式优化问题。我们的主要结果是这样一个分布式算法的基本原语计算简单的功能在每个部分的图分区。从这个算法中,我们得到多个问题,包括MST,近似最小割和近似单源最短路径,等等轮和消息最优算法。在一般图上,我们所有的算法都实现了最坏情况下的最优$\tilde{O}(D+\sqrt n)$轮复杂度和$\tilde{O}(m)$消息复杂度。此外,我们的算法需要一个最佳的$\tilde{O}(D)$轮和$\tilde{O}(n)$消息在平面,属有界,树宽有界和路径有界的图。
2018-05-17 cs.DC cs.DS
Distributed Construction of Purely Additive Spanners
本文研究了CONGEST模型中纯加空间的分布式构造的复杂性。我们描述了在几种情况下,建立这样的speries的算法。由于需要同时在相距甚远的位置做出决策,与顺序算法相比,这些算法使用了额外的机制。我们补充我们的算法与计算成对spectrometer所需的轮数的下限。从集合不相交性和相等性的标准约简似乎不适合这个任务,因为不需要从图中删除特定的边。相反,为了获得我们的下限,我们定义了一个新的通信复杂性问题,减少到计算稀疏的,并证明了其通信复杂性使用信息论的下限。这种技术大大扩展了当前用于获得CONGEST模型下限的工具箱,我们相信它可能会找到更多的应用。
2016-07-19 cs.DC cs.DS
The Distributed Complexity of Locally Checkable Labeling Problems Beyond Paths and Trees
本文研究分布式LOCAL模型中LCL问题的复杂度图景,将其从路径、树和一般图推广到任意子式封闭图类,提出并部分证明了刻画这些图类复杂度图景的猜想,发现无穷多种不同复杂度图景。
2023-11-12 cs.DC cs.DS
Distributed Verification and Hardness of Distributed Approximation
我们研究分布式网络中的{\em验证}问题,如下所述。设$H$是网络$G$的一个子图,其中$G$的每个顶点知道其上的哪些边是$H$中的。我们想验证$H$是否具有某些特性,例如,如果它是一棵树,或者它是连通的。我们希望通过分布式算法以分散的方式执行此验证。验证的时间复杂度以分布式通信的轮数来度量。本文对分布式验证进行了系统的研究,并对连通性、生成连通子图和$s-t$割验证等基本问题给出了分布式验证算法运行时间的几乎严格的下界。然后,我们展示了这些结果的应用程序在推导出强无条件的时间下界的{\em硬度分布近似}为许多经典的优化问题,包括最小生成树,最短路径,最小切割。许多这些结果是第一个非平凡的精确和近似的分布式计算的下限,他们解决了以前的公开问题。此外,我们的无条件下限的近似最小生成树(MST)包含和改进了以前的硬度近似界的埃尔金[STOC 2004],以及下限(精确)MST计算Peleg和Rubinovich [FOCS 1999]。我们的结果意味着,可以有没有分布式近似算法MST是显着快于目前的精确算法,{\em任何}近似因子。我们的下界证明显示了通信复杂性和分布式计算之间的一个有趣的联系,这在建立许多问题的精确和近似分布式计算的时间复杂度中是有用的。
2011-10-15 cs.DC cs.DS
A Tight Lower Bound on Distributed Random Walk Computation
我们考虑在分布式网络中执行随机行走的问题。给定带宽限制,问题的目标是最小化获得随机游走样本所需的轮数。Das Sarma等人[PODC'10]表明,在直径为$D$的网络上,长度为$\ell$的随机游走可以在$\tilde O(\sqrt{\ell D}+D)$时间内执行。一个主要的问题是是否存在一个更快的算法,特别是$\sqrt{\ell}$和$\sqrt{D}$的乘法是否是必要的。在本文中,我们证明了一个严格的无条件下界的时间复杂度的分布随机游动计算。具体来说,我们表明,对于任何$n$、$D$和$D\leq \ell \leq (n/(D^3\log n))^{1/4}$,在直径为$D$的$n$节点网络上执行长度为$Θ(\ell)$的随机游走需要$Ω(\sqrt{\ell D}+D)$时间。该界限是{ \em无条件},即,它适用于任何(可能是随机的)算法。据我们所知,这是第一个下限,直径发挥作用的乘法因子。我们的界限表明,算法的Das Sarma等。是时间最优的。我们的证明技术引入了{ \em有界循环}通信复杂度和分布式算法下限之间的新联系,其中$D$作为权衡参数,加强了Das Sarma等人的先前研究。[STOC'11]。特别是,我们利用指针追逐问题的有界循环通信复杂性。我们的技术可以是独立的利益,并可能是有用的,在显示非平凡的其他基本分布式计算问题的复杂性的下限。
2011-10-15 cs.DC cs.DS
The Complexity Landscape of Distributed Locally Checkable Problems on Trees
National University of Singapore(新加坡国立大学)
研究树上局部可检查标签问题的复杂度间隙,证明对每个k≥2存在Θ(n^{1/(k-1)})与Θ(n^{1/k})之间的间隙,并给出判定算法,同时证明区分常数轮与线性轮问题是EXPTIME难的。
2026-06-23 cs.DC cs.DS
The communication complexity of distributed estimation
Apple(苹果公司);UCLA(加州大学洛杉矶分校);UC Berkeley(加州大学伯克利分校);IAS(普林斯顿高等研究院)
研究分布式估计问题,提出去偏协议降低通信复杂性,并证明其在不同函数类中的最优性。
2025-11-30 cs.CC cs.DS
Ultrafast Distributed Coloring of High Degree Graphs
本文给出了$Δ+1$ -列表着色问题的一个新的随机分布算法。该算法及其分析大大简化了Chang,Li和Pettie [SICOMP 2020]之前已知的最佳结果。这允许许多改进,特别是,我们可以在$O(\log^* n)$轮中对最大度$Δ\ge \log^{2+Ω(1)} n$的所有$n$节点图进行着色。该算法在CONGEST模型中工作,即,它只使用每个消息的$O(\log n)$比特来进行通信。在低度图上,该算法将图分解为$O(\log^* Δ)$轮中大小为$\operatorname{poly}(\log n)$的组件,表明CONGEST中$Δ+1$ -列表着色的随机复杂性本质上取决于相关着色问题的确定性复杂性。
2021-05-10 cs.DC cs.DS
Improving the Bit Complexity of Communication for Distributed Convex Optimization
本文通过块杠杆分数和Richardson型算法中间比特保留等技术,改进点对点与黑板模型中线性回归、p-范数回归、线性规划等分布式凸优化问题的通信比特复杂度上下界,并利用球面Radon变换下界首次实现多项式约束下线性规划与线性系统的分离。
2024-03-28 cs.DC cs.DS math.OC
A Sharp Threshold Phenomenon for the Distributed Complexity of the Lovász Local Lemma
Lovász局部引理(LLL)说,给定一组依赖于一些随机变量的值的坏事件,并且每个事件的发生概率至多为$p$,并且至多依赖于其他事件,如果满足LLL准则$ep(d+1)<1$,则存在避免所有坏事件的变量分配。在本文中,我们研究的依赖关系的分布式复杂性的LLL问题上选择的LLL标准。我们表明,对于所考虑的LLL实例的每个随机变量与输入图的边缘相关联的基本情况,即每个随机变量影响最多两个事件,在$p = 2^{-d}$处发生尖锐的阈值现象:我们提供了一个简单的确定性(!)如果$p < 2^{-d}$,则算法匹配有界度图中的已知$Ω(\log^* n)$下界,而对于$p \geq 2^{-d}$,已知$Ω(\log \log n)$随机化和已知$Ω(\log n)$确定性下界成立。在许多应用中,变量影响两个以上的事件,我们的主要贡献是扩展我们的算法的情况下,随机变量的影响最多三个不同的坏事件。我们发现,令人惊讶的是,尖锐的阈值发生在完全相同的点,为我们的猜想,这种现象总是发生在$p = 2^{-d}$,独立的事件数$r$受变量的影响,提供了证据。几乎所有的步骤的证明框架,我们提供的情况下$r=3$直接扩展到任意$r$的情况下,因此,我们的方法作为一个步骤,对表征的复杂性LLL在不同的指数标准。
2019-08-20 cs.DC cs.DS
Distributed Detection of Cliques in Dynamic Networks
本文深入研究了分布式动态网络中寻找小子图的基本问题。虽然有些问题是平凡容易处理,如检测一个三角形出现后,边缘插入,我们表明,也许有点令人惊讶的是,其他问题表现出广泛的复杂性,在他们的轮和带宽的复杂性之间的权衡。在三角形的情况下,它只受直接邻域拓扑的影响,一些最终结果是:\begin{itemize} \item The bandwidth complexity of $1$-round dynamic triangle detection or listing is $Θ(1)$. \item The bandwidth complexity of $1$-round dynamic triangle membership listing is $Θ(1)$ for node/edge deletions, $Θ(n^{1/2})$ for edge insertions, and $Θ(n)$ for node insertions. \item The bandwidth complexity of $1$-round dynamic triangle membership detection is $Θ(1)$ for node/edge deletions, $O(\log n)$ for edge insertions, and $Θ(n)$ for node inser…
2019-04-25 cs.DC cs.DS
Extending Karger's randomized min-cut Algorithm for a Synchronous Distributed setting
在网络中,分离顶点s和t的最小割是一个最小权的边集,去除它将断开s和t。这个问题是著名的s-t最大流问题的对偶。最小割问题的几种算法是基于最大流计算,虽然最快的已知最小割算法不是基于流的。著名的Karger的最小割随机算法是一种基于非流的方法,用于解决(全局)最小割问题,即在加权无向图中的所有顶点对s,t上找到最小s-t割。本文提出了一种适应Karger算法的同步分布式设置,每个节点只允许执行本地计算。本文主要解决的技术细节涉及规避的限制,由分布式设置的工作卡格的算法。虽然正确性证明直接遵循Karger算法,但复杂性分析有很大不同。该算法以O(mn^{2})的消息复杂度和O(n^{2})的时间复杂度实现了与原始算法相同的成功概率,其中n和m表示图中的顶点和边的数量。
2010-01-01 cs.DC cs.DS
Distributed Maximal Independent Set on Scale-Free Networks
研究了具有幂律权值的非齐次随机图上的分布最大独立集问题,利用该问题可以构造无标度网络。这样一个特定的问题已经解决了图形与$n$顶点的最先进的算法的时间复杂度为$O(\log{n})$。证明了对于幂律指数为$β> 3$的无标度网络,其导出子图由度大于$\log{n}\log^{*}{n}$的顶点构成,几乎必然(a.s.)是幂律指数为$β' = 2$的无标度网络.然后,我们提出了一个新的算法,计算无标度网络上的MIS的时间复杂度为$O(\frac{\log{n}}{\log{\log{n}}})$ a.s.,其优于$O(\log{n})$。进一步证明了在具有$β\geq 3$的无标度网络上,荫度和简并度以高概率(w.h.p.)小于$2^{log^{1/3}n}$.最后证明了用$β\geq 3$在无标度网络上寻找MIS的时间复杂度为$O(log^{2/3}n)$ w.h.p.
2018-06-11 cs.DC cs.DS
Generalizing the Sharp Threshold Phenomenon for the Distributed Complexity of the Lovász Local Lemma
最近,Brandt,Maus和Uitto [PODC'19]表明,在限制设置中,分布式Lovász局部引理(LLL)的复杂性对所选择的LLL准则的依赖性表现出尖锐的阈值现象:他们证明了,在LLL准则$p2^d < 1$下,如果每个随机变量影响最多$3$事件,则LLL的确定性复杂性在随机模型中是$O(d^2 + \log^* n)$。与此形成鲜明对比的是,在$p2^d \leq 1$标准下,Brandt等人[STOC'16]给出了$Ω(\log \log n)$的随机下限,Chang、Kopelowitz和Pettie [FOCS'16]给出了$Ω(\log n)$的确定性下限。Brandt、Maus和Uitto指出,相同的行为适用于无限制的设置,其中每个随机变量影响任意多个事件。我们证明了他们的猜想,通过提供一个算法,解决了LLL在时间$O(d^2 + \log^* n)$下的LLL标准$p2^d < 1$,这是紧的有界度图由于$Ω(\log^* n)$下界由钟,佩蒂和苏[PODC'14]。通过Brandt,Maus和Uitto的工作,得到这样一个算法可以归结为证明任意高维函数族中的所有成员在某个特定区域上是凸的。不幸的是,这些功能的分析描述是已知的,只有最多$3$的尺寸,这导致了上述限制他们的结果。虽然获得这些描述的功能(大大)更高的维度似乎达到目前的技术,我们表明,他们的凸性可…
2020-06-08 cs.DC cs.DM cs.DS
Linear-Complexity Relaxed Word Mover's Distance with GPU Acceleration
基于非结构化文本的数据量每天都在增长。查询、聚类和分类这些大数据需要在大量文档中进行相似性计算。虽然低复杂度的相似性度量是可用的,但注意力已经转向实现更高准确度的更复杂的方法。特别是,Kusner等人提出的词移动器距离(WMD)方法是一种很有前途的新方法,但其时间复杂度随着文档中唯一词的数量呈三次方增长。由Kusner等人再次提出的放松词移动者距离(RWMD)方法,将时间复杂度从二次型降低到二次型,并且与WMD相比导致有限的精度损失。我们的工作有助于一个低复杂度的RWMD的实现,降低了平均时间复杂度线性操作时,对大型文件集。我们的线性复杂度RWMD实现,以下简称为LC-RWMD,可以很好地映射到GPU上,并且可以有效地分布在GPU集群中。我们在真实数据集上的实验表明:1)相对于我们基于GPU的二次RWMD分布式实现,性能提高了两个数量级; 2)相对于我们使用基于GPU的RWMD进行修剪的分布式WMD实现,性能提高了三到四个数量级。
2017-11-20 cs.DC cs.DS cs.IR
Local Problems on Trees from the Perspectives of Distributed Algorithms, Finitary Factors, and Descriptive Combinatorics
我们研究了分布局部算法,iid过程的有限因子,和描述性组合学在正则树的上下文中的联系。我们扩展了Borel确定性技术的标记来自描述组合学,并使其适应分布式计算领域。使用这种技术,我们证明了确定性的分布式$Ω(\log n)$轮下界的问题,从一个自然类的同态问题。有趣的是,这些下界似乎超出了强大的轮消除技术负责所有实质性的地方下界的最后几年目前达到。我们的关键技术成分是一个新的ID图技术,我们希望是独立的利益。证明了局部问题存在Baire可测着色当且仅当它存在具有局部复杂性的局部算法$O(\log n)$,推广了Bernshteyn的Baire可测着色分类.证明的一个关键成分是一个新的和简单的表征,可以解决$O(\log n)$轮的本地问题。我们补充这一结果,显示分离的复杂性类分布计算,有限因素,和描述性组合。最值得注意的是,这类问题,允许一个分布式算法与sublogarithmic随机局部复杂性是无法比拟的一类问题的Borel解决方案。我们希望我们的处理将有助于将所有三个视角视为共同的定域性理论的一部分,其中我们遵循[Bernshteyn-arXiv 2004.04905]的富有洞察力的论文。
2021-06-03 cs.DC cs.DS math.CO
Convex Set Disjointness, Distributed Learning of Halfspaces, and LP Feasibility
Princeton University(普林斯顿大学);Google AI Princeton(谷歌AI普林斯顿)
本文研究了凸集不相交性问题,其中两个参与者的输入集取自任意固定区域~ $U\subseteq \mathbb{R}^d$,其大小为$\lvert U\rvert = n$ .它们的共同目标是使用最小通信来决定它们集合的凸包是否相交(等价地,它们的集合是否可以被超平面分开)。这个问题的不同形式自然出现在分布式学习和优化中:它等价于{ \em Distributed Linear Program(LP)Feasibility} --分布式优化中的一个基本任务,并且它与{ \it Distributed Learning of Halfdpaces in $\mathbb{R}^d$ }紧密相连。在{通信复杂性理论}中,CSD可以被看作是{集合不相交性}(当~ $d\geq n-1$时)和{大于}(当$d=1$时)的经典问题之间的几何插值。我们建立了$\tilde Θ(d\log n)$在$\mathbb{R}^d$学习半空间上的通信复杂度的近似紧界。对于凸集不相交性(和分布式LP可行性的等效任务),我们推导出$\tilde O(d^2\log n)$和~ $Ω(d\log n)$的上界和下界。这些结果改进了以前在分布式学习和优化方面的一些工作。与通信复杂性的典型作品不同,这项工作的主要技术贡献在于上界。特别是,我们的协议是基于{ \it容器引理半空间}和两个变种{ \it Carath…
2019-09-08 cs.CC cs.CG cs.DM
Domain Compression and its Application to Randomness-Optimal Distributed Goodness-of-Fit
Cornell University(康奈尔大学);Stanford University(斯坦福大学);Indian Institute of Science(印度科学学院)
我们研究了离散分布的拟合优度在分布式环境中,样本被划分在多个用户之间,由于各种信息约束,这些用户只能发布有限的样本信息。最近,作者的一个子集表明,访问一个共同的随机种子(即,共享随机性)导致该问题的样本复杂性的显著降低。在这项工作中,我们提供了一个完整的理解之间的相互作用的共享随机性,严格的信息约束,和样本的复杂性的测试问题,通过表征这三个参数之间的紧密权衡。我们提供了一个通用的分布式拟合优度协议,该协议作为共享随机性的函数,在私人和公共硬币样本复杂度之间平滑插值。我们补充我们的上限与一个一般的框架来证明下限的样本复杂性有限的共享随机性下,这个测试问题。最后,我们实例化我们的两个原型的信息约束的通信和本地隐私的界限,并表明我们的样本复杂性的界限是最佳的所有参数的问题,包括共享的随机性的函数。我们的上界的一个关键组成部分是域压缩的一个新的原语,这是一个工具,允许我们使用有限的随机性将分布映射到更小的域大小,同时保留它们的成对距离。
2019-07-20 cs.DM cs.DS cs.IT