Approximation Algorithms for the $b$-Matching and List-Restricted Variants of MaxQAP
Chiang Mai University(清迈大学);The University of Tokyo(东京大学)
本文提出两种MaxQAP变体的近似算法,分别针对列表受限和b-匹配问题,通过线性规划松弛和随机化取整方法获得O(√n +k)和O(√(bn))的近似比。
2026-03-05 cs.DM cs.DS
Quasi-Polynomial Local Search for Restricted Max-Min Fair Allocation
限制性最大最小公平分配问题(也称为限制性圣诞老人问题)是少数几个具有比近似算法更好的估计算法的问题之一。实际上,Asadpour等人证明,对于任何$ε>0$,可以使用某个配置LP来估计因子${1}/{(4+ε)}$内的最优值,但同时不知道如何有效地找到具有可比性能保证的解决方案。从他们的工作中产生的一个自然问题是,这些保障之间的差异是固有的,还是因为缺乏适当的技术。我们解决这个问题,给出了一个准多项式近似算法与上述性能保证。更具体地说,我们修改了Asadpour等人的局部搜索,并提供了一种新的分析,使我们能够显着提高其运行时间的界限:从$2^{O(n)}$到$n^{O(\log n)}$。我们的技术也有有趣的属性,虽然我们在分析中使用相当复杂的配置LP,我们从来没有真正解决它,因此产生的算法是纯粹的组合。
2014-01-17 cs.DS
(In-)Approximability Results for Interval, Resource Restricted, and Low Rank Scheduling
我们考虑的限制分配问题的一组工作必须分配给一组机器的变种,对于每个工作的大小和一组合格的机器是给定的,和工作可能只分配给合格的机器的目标是最大完工时间最小化。对于具有间隔限制的变体,其中机器可以被安排在一条路径上,使得每个作业都有资格在一个子路径上,我们提出了第一个优于$2$ -近似和改进的不可近似性结果。特别地,我们给出了一个$(2-\frac{1}{24})$ -近似,并表明,没有比$9/8$ -近似是可能的,除非P=NP。此外,我们考虑限制分配与$R$资源限制和排名$D$无关的调度。在前一个问题中,如果机器能够满足其关于$R$(可再生)资源的资源需求,则它可以处理作业。在后者中,作业的大小取决于它被分配到的机器,并且相应的处理时间矩阵的秩至多为$D$。具有间隔限制的问题包括1资源变量,由2资源变量包含,并且关于近似,$R$资源变量本质上是秩$R+1$问题的特殊情况。我们表明,没有更好的$3/2$,$8/7$,和$3/2$ -近似是可能的(除非P=NP)的3资源,2资源,和秩3的变体,分别。区间情况下的近似结果和秩3变量的不可近似结果都是对先前工作中所述的开放挑战的解决方案。最后,我们还考虑了反向目标,即最大化任何机器接收的最小负载,并获得类似的结果。
2022-03-11 cs.DS
A polynomial time 12-approximation algorithm for restricted Santa Claus problem
本文考虑了问题的约束条件,利用线性规划和半定规划给出了一个多项式时间的12-近似算法,改进了现有的最佳逼近比。我们的算法从求解配置LP开始,并使用最佳值来获得12个间隙的实例。接着是众所周知的Bansal和Sviridenko的聚类技术\cite{bansal}。然后,我们应用Asadpour \textit{et al.} \cite{AFS,AFS2}的分析表明,集群实例具有整数解,该整数解至少是通过求解配置LP计算的最佳可能值的$\frac{1}{6}$倍。为了找到这个解决方案,我们制定了一个问题,称为扩展分配问题,并将其制定为LP。然后,我们表明,相关的多面体是积分,并给我们一个分数的解决方案的价值至少$\frac{1}{6}$倍的最佳。从这个解决方案中,我们找到一个解决方案,我们引入一个新的二次规划,从每个集群中选择一台机器,然后我们表明,由此产生的实例有一个分配LP分数的解决方案的价值至少$\frac{1}{6}$倍的最佳。然后,我们使用众所周知的舍入技术,由于Bezakova和Dani \cite{bezakova}的12间隙的情况下,得到我们的12近似的解决方案。
2020-08-07 cs.DS
Santa Claus Schedules Jobs on Unrelated Machines
排序理论中的经典结果之一是Lenstra、Shmoys和Tardos提出的2-近似算法,用于求解在不相关机器上最小化完工时间的排序问题,即,如果在机器i上处理作业j,则需要时间p_{ij}。在引入二十多年后,即使在处理时间为{p_j,\infty }中的形式p_{ij}的限制模型中,它仍然是首选算法。这个问题,也被称为限制分配问题,是NP-难的近似在一个因子小于1.5,这也是最有名的下限的一般版本。我们的主要结果是一个多项式时间算法,估计的最优完工时间的限制分配问题的一个因素33/17 + ε \approx 1.9412 + ε,其中ε> 0是一个任意小的常数。结果是通过上界的完整性差距的某一强线性规划,称为配置LP,这是以前成功地用于相关的圣诞老人问题。类似于对该问题的最强分析,我们的证明基于局部搜索算法,该算法最终将找到上述近似保证的时间表,但不知道在多项式时间内收敛。
2011-03-21 cs.DS
Pattern Backtracking Algorithm for the Workflow Satisfiability Problem
工作流可满足性问题(WSP)询问是否存在授权用户到工作流规范中的步骤的分配,并受到分配上的某些约束。(Such一个赋值被称为有效。)这个问题是NP难的,即使限制到大类的用户独立的约束。由于步骤$k$的数量在实践中相对较小,因此自然考虑通过$k$对WSP进行参数化。我们提出了一个新的固定参数算法来解决WSP与用户无关的约束。我们的方法中的分配被划分为等价类,使得类的数量仅在$k$中是指数的。我们表明,可以决定,在多项式时间,是否有一个有效的分配在一个等价类。通过利用这个属性,我们的算法减少了搜索空间的等价类,它浏览的回溯框架内的空间,因此成为一个有效的,但相对简单的实现或概括的解决方案的方法。我们的经验评估我们的算法对国家的最先进的方法,并表明,它显然赢得了我们的测试问题的整个范围内的竞争,并显着扩展域的实际可解决的WSP的实例。
2015-03-30 cs.DS
Testing Assignments to Constraint Satisfaction Problems
对于有限关系结构A,令CSP(A)表示其约束关系取自A的CSP实例。由此产生的问题族CSP(A)在各种计算环境中被大量考虑。在本文中,我们从属性测试的角度来考虑这个家族:给定CSP的实例和对赋值的查询访问,人们想要决定赋值是否满足实例,或者远非如此。虽然以前的作品在这种情况下研究具体的模板或限制类的结构,本文提出了全面的分类定理。我们的第一个贡献是一个二分法定理,它完全刻画了结构A,使得CSP(A)是常数查询可测试的:(i)如果A具有多数多态性和Maltsev多态性,则CSP(A)是常数查询可测试的,具有单侧错误。(ii)否则,测试CSP(A)需要超级恒定数量的查询。令$\exists$ CSP(A)表示CSP(A)到可包括存在量化变量的实例的扩展。我们的第二个贡献是根据测试分配给$\exists$ CSP(A)实例所需的查询数量对所有结构A进行分类,具有单侧错误。更具体地说,我们展示了以下的剖分:(i)如果A具有多数多态性和Maltsev多态性,则$\exists$ CSP(A)是具有单侧误差的常数查询可测试的。(ii)否则,如果A对于某些$k \geq 2$具有$(k + 1)$ -ary近似多态性,并且没有Maltsev多态性,则$\exists$ CSP(A)不是恒定查询可测试的(即使具有双侧误差),而是具有单侧误差的子线性查询可测试的。(iii)否则,测试具有单侧误差的$…
2016-08-10 cs.DS
The Online Submodular Assignment Problem
本文提出了广义分配问题的推广——次模分配问题(SAP),通过构造多面体模“水位”向量推广经典注水范式,为在线 SAP 及其积分特例设计了具有 (1-1/e) 或近似竞争比的算法。
2024-12-22 cs.DS
Inapproximability Results for Scheduling with Interval and Resource Restrictions
在受限指派问题中,输入由一组机器和一组工件组成,每个工件都有一个加工时间和一个合格机器子集。目标是找到一个分配的工作,机器最大完工时间最小化,也就是说,最大的总和处理时间的任何机器接收。在这里,作业应该只分配给那些机器上,他们是合格的。众所周知,除非P=NP,否则对于约束指派问题,不存在近似保证小于1.5的多项式时间近似算法。在这项工作中,我们显示出硬度的结果与特定类型的限制的限制分配问题的变种。在间隔限制的情况下,机器可以完全排序,使得作业在连续的机器上都是合格的。我们解决了这个问题是否承认一个多项式时间近似计划(PTAS)的负面(除非P=NP)的公开问题。有几个特殊的情况下,这个问题已知承认一个PTAS。此外,我们考虑一个变种的资源限制,每台机器的能力和每个作业的需求为一个固定数量的资源。如果作业的需求最多是机器对每个资源的容量,则该作业在机器上合格。对于一个资源,这个问题是已知的,承认PTAS,对于两个,包含的情况下,间隔限制,并在一般情况下,该问题是密切相关的不相关的调度与低秩的处理时间矩阵。我们表明,有没有多项式时间的近似算法的速率小于48/47或1.5的调度与资源限制与2或4个资源,分别,除非P=NP。我们所有的结果都可以扩展到所谓的圣诞老人变量的问题,其目标是最大化任何机器接收的最小处理时间。
2019-07-08 cs.CC cs.DS
The Online Submodular Assignment Problem
本文提出广义分配问题的推广——次模分配问题(SAP),通过构建多拟阵的“水位”向量推广经典注水范式,为其设计了竞争比为 $(1-\ rac{1}{e})$ 的分数算法,并在小出价等特例下给出了相应的整数算法。
2024-12-25 cs.DS
PAC Quasi-automatizability of Resolution over Restricted Distributions
Harvard University(哈佛大学)
我们认为原则性的替代方案,无监督学习在数据采掘的情况下,学习任务的后续分析任务。具体地说,我们考虑一个问答(假设检验)任务:在组合任务中,我们通过直接使用输入示例来判断输入查询公式在背景分布上是否满足,而不是调用两阶段过程,其中(i)通过无监督学习算法学习关于分布的规则,以及(ii)推理算法决定查询公式是否遵循所学习的规则。在之前的工作(2013)中,我们观察到学习任务可以满足这种组合环境中的许多理想标准-有效地匹配通过从部分信息中对CNF进行不可知学习所能实现的目标-这些目标是无法直接实现的。在这项工作中,我们表明,同样,有推理任务是可以实现的,在这样一个组合的背景下,不知道是可以直接实现的(事实上,已经严重警告是不可能的,参见。(Alekhnovich和Razborov,2008))。也就是说,我们测试一个决议证明的查询公式的一个给定的大小在quasipolynomial时间(即“准自动化”决议)。我们考虑的学习设置是一个部分信息,限制分布设置,它从部分信息中概括了均匀分布上的学习奇偶性,这是另一个已知在各种模型中无法直接实现的任务(参见。(Ben-David和Dichterman,1998)和(Michael,2010))。
2013-04-16 cs.DS cs.LG cs.LO
An Investigation of the Recoverable Robust Assignment Problem
我们研究了具有$2n$顶点的平衡二部图上所谓的可恢复鲁棒分配问题,这是鲁棒优化中的主流问题:对于边上的两个给定线性代价函数$c_1$和$c_2$以及给定整数$k$,目标是找到使目标值$c_1(M_1)+c_2(M_2)$最小化的两个完美匹配$M_1$和$M_2$,服从$M_1$和$M_2$至少具有共同的$k$边的约束。我们在这个问题上得出了各种结果。首先,我们证明了该问题是W[1]-硬的参数$k$,也相对于可恢复性参数$k'=n-k$。即使在成本函数$c_1$和$c_2$都只取值$0$和$1$的高度受限的特殊情况下,该硬度结果也成立。(On另一方面,XP中问题的遏制是显而易见的。)接下来,作为一个积极的结果,我们构造一个多项式时间算法的特殊情况下,其中一个成本函数是蒙日,而另一个是反蒙日。最后,我们研究的变体匹配$M_1$被冻结,其中的优化目标是计算最佳对应的匹配$M_2$,第二阶段可恢复分配问题。我们表明,这个问题的变种是包含在随机并行复杂性类$\text{RNC}_2$,它至少是一样难的臭名昭著的问题\probl{Exact Matching in Red-Blue Bipartite Graphs},其计算复杂性是一个长期存在的开放问题
2020-10-22 cs.DS math.OC
Learning from satisfying assignments under continuous distributions
Stanford University(斯坦福大学);University of Pennsylvania(宾夕法尼亚大学);Columbia University(哥伦比亚大学)
什么样的函数可以从它们令人满意的任务中学习?受这个简单问题的启发,我们扩展了De,Diakonikolas和Servedio [DDS 15]的框架,该框架研究了由满足“低复杂度”布尔函数的赋值集定义的$\{0,1\}^n$上的概率分布的可学习性,以及定义在连续域上的布尔值函数。在我们的学习场景中,有一个已知的“背景分布”$\mathcal{D}$在$\mathbb{R}^n$上(例如已知的正态分布或已知的对数凹分布),并且学习者被赋予i.i.d.。从目标分布$\mathcal{D}_f$中抽取的样本,其中$\mathcal{D}_f$被$\mathcal{D}$限制为未知低复杂度布尔值函数$f$的满意赋值。问题是学习目标分布$\mathcal{D}_f$的近似$\mathcal{D}'$,其在总变化距离中测量时具有小的误差。我们给出了一系列有效的算法和硬度的结果,这个问题,专注于当$f$是一个低次多项式阈值函数(PTF)的情况下。当背景分布$\mathcal{D}$是对数凹时,我们证明了这个学习问题对于度为1的PTF(即,线性阈值函数),但不适用于2度PTF。相比之下,当$\mathcal{D}$是一个正态分布,我们表明,这个学习问题是有效的解决度2 PTFs,但不是度4 PTFs。我们的硬度结果依赖于有关安全签名方案的标准假设。
2019-07-02 cs.CC cs.DS cs.LG
Decomposition, Reformulation, and Diving in University Course Timetabling
University of Nottingham(诺丁汉大学);Masaryk University(马萨里克大学)
在许多现实生活中的优化问题中,解决方案中有多个相互作用的组件。例如,不同的组件可以指定对不同种类资源的分配。通常,每个组件与不同的软约束集相关联,因此与软约束违反的不同度量相关联。然后,目标是最小化这些措施的线性组合。本文研究了这样的问题,这可以被认为是多个目标/值限制的子模型的多阶段开发的方法。在这种方法中,只有一个计算上困难的组成部分的问题和相关的子集的目标被认为是在第一。这将产生部分解,在完整问题的搜索空间中定义有趣的邻域。通常,可以选择初始组件,以便在第一阶段执行变量聚合,并且保证接下来要探索的邻域包含可行的解决方案。使用整数规划,就可以很容易地实现生产解决方案,其质量的界限。我们的研究是在2007年国际排课比赛中使用的大学课程排课问题,也被称为乌迪内课程排课问题。在所提出的启发式,一个目标限制的邻域生成器产生的分配期间的事件,与两个周期相关的软约束的违反数量减少。这些被放松到事件到天的分配,这定义了更容易搜索所有四个软约束的社区。所有子问题的可编程公式,并使用CPLEX 11的EQUIPMENT进行评估。分析和讨论了这种方法的更广泛适用性。
2009-03-20 cs.AI cs.DS
On the Configuration-LP for Scheduling on Unrelated Machines
机器排序中最重要的公开问题之一是在不相关的机器上调度一组工件以最小化完工时间的问题。最著名的近似算法为这个问题保证近似因子为2。已知用比3/2更好的比率来近似是NP困难的。缩小这一差距已经开放了20多年。最知名的近似因子是通过基于LP的算法实现的。最强的已知线性规划制定的问题是配置LP。我们发现,配置LP有一个完整性差距为2,即使是不相关的图平衡的特殊情况下,每个工作可以分配给最多两台机器。特别是,我们的结果意味着,一个大家庭的削减并没有帮助减少的完整性差距的规范分配-LP。此外,我们提出的情况下的问题,可以近似一个更好的因素比2。他们构成了宝贵的见解,构建一个NP-硬度减少,提高了已知的下限。最近,Svensson研究了限制指派的情况,其中每个工件只能被指派给一组给定的机器,并且在这些机器上具有相同的处理时间。他指出,在这种情况下,组态-LP具有33/17<2的完整性间隙。因此,我们的结果意味着,不相关的图平衡的情况下是显着更复杂的限制分配的情况下。然后我们转向另一个目标函数:最大化最小机器负载。对于每个工件最多只能分配给两台机器的情况,我们给出了一个纯组合的2-近似算法,除非P=NP。这改进了Chakrabarty等人的计算成本高的基于LP的(2+eps)-近似算法。
2010-11-22 cs.DM cs.DS