Streaming Approximation Scheme for Minimizing Total Completion Time on Parallel Machines Subject to Varying Processing Capacity
本文研究了在不同处理能力下的并行机上最小化总完工时间的问题。在本文中,我们开发了一个近似方案的数据流模型下的问题,输入数据是巨大的,不能装入内存,因此只能扫描几遍。我们的算法可以在一个过程中计算出最优总完工时间的近似值,并在两个过程中输出近似值的进度表。
2022-04-05 cs.DS
Grammar-Based Compression in a Streaming Model
我们表明,给定一个字符串$s$的长度$n$,与恒定的内存和对数通过一个恒定数量的流,我们可以建立一个上下文无关文法,生成$s$,只有$s$和其大小是在一个$\Oh{\min (g \log g, \sqrt{n \log g})}$的最小$g$的因素。这与我们以前的结果形成鲜明对比,即使用多对数存储器和多对数通过单个流,我们不能构建这样的语法,其大小在$g$的任何多项式内。
2010-02-06 cs.DS
Streaming Kernelization
核化是组合难题预处理的一种形式化。我们修改了内核化的标准定义,它允许任何多项式时间算法进行预处理,而要求预处理在流设置中运行,并使用实例$(x,k)$上的$\mathcal{O}(poly(k)\log|x|)$位内存。我们在这个新的设置中获得了几个结果,这取决于允许进行这种流式内核化的输入的传递次数。边缘支配集是一个有趣的例子,因为它没有单遍内核化,但在输入上的两遍足以匹配最佳标准内核化的边界。
2014-05-06 cs.DS
Tight Space-Approximation Tradeoff for the Multi-Pass Streaming Set Cover Problem
我们研究了流模型中的经典集合覆盖问题:包含实例的集合在流中一个接一个地显示,目标是通过在流上进行一次或几次传递来解决问题,同时在输入大小中保持次线性空间$o(mn)$;这里$m$表示集合的数量,$n$是宇宙大小。注意,在这个模型中,我们主要关注算法的空间需求,因此不限制它们的计算时间。我们的主要结果是一个决议的空间近似权衡流集覆盖问题:我们表明,任何$α$ -近似算法的集覆盖问题需要$\widetildeΩ(mn^{1/α})$空间,即使它是允许polylog ${(n)}$通过流,即使集到达流中的随机顺序。这种空间近似权衡与Har-Peled等人(PODS 2016)的最新算法实现的最佳已知边界相匹配,该算法仅需要$O(α)$以对抗顺序通过流,因此以非常稳健的方式解决了近似数据流中的集合覆盖问题的空间复杂度。此外,我们的方法产生严格的空间复杂度的下限$(1- ε)$ -近似流的最大覆盖率的问题,在最近的几个作品中研究。
2017-03-06 cs.DS
Optimal Space and Time for Streaming Pattern Matching
在这项工作中,我们研究了最长公共子串,模式匹配,并在非对称流模型的最长模式匹配。在这个流模型中,我们对一个字符串进行随机访问,对另一个字符串进行流访问。我们提出了流算法与可证明的保证,这三个基本问题。特别是,我们的算法模式匹配提高了上界和击败随机和确定性流算法的内存上的无条件下限。除此之外,我们提出了在非对称流模型中具有最佳空间和时间的双模式匹配算法。
2021-07-09 cs.DS
Maximum Matching sans Maximal Matching: A New Approach for Finding Maximum Matchings in the Data Stream Model
图的最大匹配问题是计算机科学中最经典的问题之一。尽管大量的工作致力于研究这个问题的数据流模型,最先进的单通道半流算法,它仍然是一个简单的贪心算法,计算最大匹配,这种方式获得1/2近似。一些以前的作品描述了两个/三个通过算法,通过使用他们的第二和第三遍,以提高上述最大匹配,提高了这个近似比。本文的一个贡献继续这条线的工作,提出了新的三遍半流算法,沿着这些路线的工作,并获得改进的近似比为0.6111和0.5694的三角形和一般图形,分别。不幸的是,最近的一项工作(Konrad和Naidu,2021)表明,在第一遍中构建最大匹配,然后在进一步的遍中改进它的策略具有局限性。此外,这种技术不太可能让我们更接近单通道半流算法,获得比1/2近似更好的结果。因此,提出在第一次通过时做其他事情的算法是很有趣的(我们称这种算法为非最大匹配优先算法)。目前还没有这样的算法本文的主要贡献是描述了这样的算法,对于一般图,在两遍和三遍中分别获得0.5384和0.5555的近似比(三次通过的结果优于先前的现有技术,但比前一段中提到的本文对于一般图的结果更差)。
2021-09-13 cs.DS
Laminar Families and Metric Embeddings: Non-bipartite Maximum Matching Problem in the Semi-Streaming Model
本文研究了半流模型下的非二部最大匹配问题。最近,半流模型中的最大匹配问题受到了极大的关注。虽然对于二分图已经稍微很好地解决了该问题,但是用于非二分图的已知算法使用$2^{\frac1ε}$遍或$n^{\frac1ε}$时间来计算$(1-ε)$近似。在本文中,我们提供了第一个FPTAS(多项式在$n,\frac1ε$)的问题,这是有效的运行时间和通过的数量。我们还表明,我们可以估计的大小匹配$O(\frac1ε)$通过使用轻微的超线性空间。为了实现这两个结果,我们使用的结构特性的匹配多面体,如层紧集和总的对偶积分。该算法是迭代的,并基于分数包装和覆盖框架。然而,本文的公式需要指数地多个变量或约束。我们使用分层,度量嵌入和图稀疏化,以减少所需的算法之间和整个迭代的空间。这是第一次使用这些想法在半流模型来解决一个组合优化问题。
2011-04-20 cs.DS
Near-optimal streaming approximation for Max-DICUT in sublinear space using two passes
University of Waterloo(滑铁卢大学);Toyota Technological Institute at Chicago(芝加哥丰田技术学院)
本文提出一个两次遍历算法,在子线性空间内实现Max-DICUT的(1/2-ε)近似,解决了单次遍历下任意图的子线性空间近似问题。
2026-04-12 cs.DS
Sublinear Estimation of Weighted Matchings in Dynamic Data Streams
本文提出了一种通过扩充任意一个未加权匹配大小的估计程序来估计最大加权匹配的权值的算法。该算法可在包括动态图流在内的任何流模型中实现。我们还给出了平面图(或任何有界荫度的图)的动态图流中的最大匹配大小的第一个常数估计使用$\tilde{O}(n^{4/5})$空间,也扩展到加权匹配。利用Kapralov,Khanna和Sudan(2014)的先前结果,我们分别获得了随机顺序流中使用$\mathrm{polylog}(n)$空间的一般图的$\mathrm{polylog}(n)$近似。此外,我们给出了一个空间下界的$Ω(n^{1-\varepsilon})$的任何随机算法估计的最大匹配的大小为一个$1+O(\varepsilon)$因素的对抗流。
2015-07-09 cs.DS
Engineering Semi-streaming DFS algorithms
本文针对半流式模型下的深度优先搜索问题,通过实验分析和多种启发式优化,显著提升了现有算法的空间与遍历次数权衡性能,使多数情况下仅需单次遍历即可完成计算。
2024-06-07 cs.DS
Parameterized Matching in the Streaming Model
我们研究了流中的参数化匹配问题,在流中,我们希望输出长度为m的模式与下一个符号到达之前的流的最后m个符号之间的匹配。参数化匹配是精确匹配的自然概括,其中允许模式符号的任意一对一重新标记。我们展示了如何解决这个问题,在恒定的时间每个到达流符号和次线性,接近最佳空间的概率很高。我们的结果令人惊讶且重要:研究表明,几乎没有流媒体模式匹配问题可以在小于Theta(m)的空间中解决(甚至不是随机的),而精确匹配是唯一已知的具有次线性、接近最优空间解的问题。在这里,我们证明了一个类似的次线性,接近最优的空间解决方案是可以实现的一个更具挑战性的问题。这个证明比精确匹配的证明复杂得多。
2012-09-24 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
Improved Multi-Pass Streaming Algorithms for Submodular Maximization with Matroid Constraints
我们给出了改进的多通道流算法的问题,最大化的单调或任意非负的子模函数的一般$p$ -matchoid约束的模型中,在该模型中,地面集的元素到达一个在一个时间流。我们考虑的约束族推广了$p$任意拟阵约束的交集和$p$ -一致超图匹配。对于单调子模函数,我们的算法使用$O(p/\varepsilon)$ -通道保证$p+1+\varepsilon$,并且只需要存储$O(k)$元素,其中$k$是可行解的最大大小.这立即给出了一个$O(1/\varepsilon)$ -通过$(2+\varepsilon)$ -近似算法的单调子模极大化的拟阵和$(3+\varepsilon)$ -近似单调子模匹配。我们的算法不注意选择$\varepsilon$,并且可以在任何次数的通过后停止,从而提供适当的保证。我们扩展我们的技术,以获得第一个多通流算法的一般,非负的子模函数受到$p$ -matchoid约束,通过独立的地面集和$k$的大小。我们表明,一个随机的$O(p/\varepsilon)$ -通过算法存储$O(p^3k\log(k)/\varepsilon^3)$元素给出了一个$(p+1+\barγ+O(\varepsilon))$ -近似,其中$\bar{gamma}$是保证最知名的离线算法相同的问题。
2021-02-18 cs.DS
Streaming Complexity of Spanning Tree Computation
半流模型是流模型的一种变体,常用于计算图问题。它允许使用$\tilde{O}(n)$空间在$p$通道中顺序读取$n$节点输入图的边。在这个模型中,一些图的问题,如生成树和$k$ -连接,可以在一个单一的通道,而其他图的问题,如三角形检测和未加权的所有对最短路径,是已知的,需要$\tildeΩ(n)$通行证计算。对于许多基本的图形问题,这些模型的易处理性是开放的。本文研究了几种标准生成树的易处理性。我们的结果是:(1)最大叶生成树。这个问题被称为具有不可逼近常数$ρ\in[245/244,2)$的APX完全问题。通过构造一个$\varepsilon$ -MLST稀疏器,我们表明,对于每个常数$\varepsilon > 0$,MLST可以在单次通过中近似到$1+\varepsilon$ w. h. p.的一个因子内(尽管对于$\varepsilon \le ρ-1$,假设$\mathrm{P} \ne \mathrm{NP}$在超多项式时间内)。(2)BFS树。众所周知,BFS树需要$ω(1)$遍数来计算,但简单的方法需要$O(n)$遍数。我们设计了一个新的随机算法,降低了通过复杂度$O(\sqrt{n})$,它提供了一个平滑的权衡之间的通过复杂度和空间使用。(3)DFS树。Khan和Mehta {[}STACS 2019{]}的当前最佳算法采用$\tilde{O}(h)$通道,其中…
2020-01-21 cs.DS
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
Streaming Weighted Matchings: Optimal Meets Greedy
我们考虑的问题,近似的最大加权匹配,当一个底层的加权图$G(V,E)$的边缘被发现在一个流的方式。我们分析了Crouch和Stubbs(APPROX,2014)提出的以前最著名的$(4+ε)$近似算法的一个变体,并证明了他们的猜想,即它实现了$3.5+ε$的紧近似因子。该算法将流分成子流,并在子流上运行贪婪最大匹配算法。在流的末尾,所选择的边被作为最优最大加权匹配算法的输入。为了分析近似保证,我们开发了一种新的充电参数,我们分解的边缘的最大加权匹配的$G$到几个自然类,然后分别收取他们的边缘匹配输出我们的算法。
2018-04-29 cs.DS
Dictionary matching in a stream
我们考虑流中的字典匹配问题。给定一组字符串(称为字典)和一个字符流(每次到达一个字符),任务是在我们的字典中的某个字符串出现在流中时报告。我们提出了一个随机算法,每个到达字符需要O(log log(k + m))的时间,并使用O(k log m)字的空间,其中k是字典中的字符串的数量和m是字典中最长的字符串的长度。
2015-04-23 cs.DS
A $(2+ε)$-Approximation for Maximum Weight Matching in the Semi-Streaming Model
我们提出了一个简单的确定性单程$(2+ε)$ -近似算法的最大重量匹配问题的半流模型。这改进了当前已知的$(4+ε)$的近似比。我们的算法使用$O(n\log^2 n)$位空间作为$ε$的常数值。它依赖于局部比率定理的变化,这也可能用于半流模型中的其他算法。
2018-11-05 cs.DS
Beating Two-Thirds For Random-Order Streaming Matching
研究了随机序半流环境下的最大匹配问题。在这个问题中,任意$n$ -顶点图$G=(V, E)$的边以随机顺序一个接一个地到达流。目标是对流进行单次传递,使用$n \cdot poly(\log n)$空间,并输出大量匹配的$G$。我们证明了对于一个绝对常数$ε_0 > 0$,人们可以找到一个$(2/3 + ε_0)$ -近似最大匹配的$G$使用$O(n \log n)$空间以高概率。这打破了自然边界$2/3$为这个问题普遍在以前的工作,并解决了一个开放的问题伯恩斯坦[ICALP'20]上是否$(2/3 + Ω(1))$ -近似是可以实现的。
2021-02-28 cs.DS
The Sparse Awakens: Streaming Algorithms for Matching Size Estimation in Sparse Graphs
估计最大匹配的大小是图算法中的一个典型问题,并且在一系列不同的计算模型上吸引了广泛的研究。我们提出了改进的流算法近似稀疏(有界荫度)图的最大匹配的大小。* 仅插入流:我们提出了一个单程算法,需要O(c log^2 n)的空间和近似的最大匹配的大小在一个因子O(c)荫度c的图。该算法比现有的O~(cn^{2/3})空间流算法有了很大的改进。* 动态流:给定动态图形流(即,针对c-有界荫度图的边的插入和删除问题,我们提出了一个单遍算法,该算法使用空间O~(c^{10/3}n^{2/3}),并返回最大匹配大小的O(c)-估计。该算法改进了现有的O~(cn^{4/5})空间算法,其中O~(.)符号在$n$依赖项中隐藏对数。与以前的作品相比,我们的结果更多地利用了对输入的流访问,并根据流中边的排序以及稀疏图的度分布和结构属性来表征匹配大小。
2016-11-14 cs.DS
Pattern Matching in Multiple Streams
我们研究了多个数据流中的确定性模式匹配问题。在这个模型中,一个符号一次到达,并与s个流文本之一相关联。每个时间步的任务是报告长度为m的固定模式和新更新的流之间是否存在新的匹配。与流媒体环境中的常见情况一样,目标是使用尽可能少的空间,同时仍然快速报告匹配。对于三个不同的模式匹配问题,我们给出了几乎匹配的上、下空间界。对于精确匹配,我们表明,这个问题可以解决在恒定的时间每个到达符号和O(m+s)字的空间。对于k-失配和k-差问题,我们给出了O(k)时间的解决方案,需要O(m+ks)字的空间。在所有这三种情况下,我们也给空间下界表明我们的方法是最佳的一个对数因子。最后,我们提出了一些开放的问题,这个新的模式匹配模型。
2012-04-25 cs.DS
Linear Programming in the Semi-streaming Model with Application to the Maximum Matching Problem
在本文中,我们研究了基于线性规划的方法来解决半流模型中的最大匹配问题。半流模型作为处理大量图的模型已经获得关注,因为这样的图的重要性已经增加。这是一个边以对抗顺序流入的模型,我们被允许与图中的顶点数量成比例的空间。近年来,这种半流模型又有了一些新的结果。然而,广泛的技术,如线性规划还没有适应这个模型。我们提出了几种技术,以适应和优化基于线性规划的方法在半流模型的应用程序的最大匹配问题。因此,我们改善(几乎)所有以前的结果在这个问题上,也证明了新的结果有趣的变种。
2011-12-13 cs.DS
On Estimating Maximum Matching Size in Graph Streams
我们研究的问题估计的最大匹配大小的图,其边缘显示在一个流的方式。我们认为这两个插入只流和动态流,并提出了新的上限和下限的结果,这两个模型。在上限前,我们表明,$α$-近似估计的匹配大小可以计算在动态流中使用$\widetilde{O}({n^2/α^4})$空间,并在插入只流使用$\widetilde{O}(n/α^2)$-空间。在下界前,我们证明了任何$α$-近似算法估计匹配的大小在动态图流需要$Ω(\sqrt{n}/α^{2.5})$位的空间,即使底层的图形是稀疏的,并有荫度界$O(α)$。在稠密图的情况下,我们进一步将下界改进为$Ω(n/α^2)$。此外,我们证明了一个$(1+ε)$-近似匹配的大小只插入流需要RS $(n) \cdot n^{1-O(ε)}$空间,在这里,RS ${n}$表示的最大数量的边不相交诱导匹配的大小$Θ(n)$在$n$顶点图。确定RS $(n)$的值是一个主要的开放问题,目前的结果使RS $(n)$可能与$n/\log n$一样大。我们还展示了如何避免依赖于参数RS $(n)$在证明下界的动态流和$n^{2-O(ε)}$的$(1+ε)$-近似在这个模型中的一个接近最佳的下界。使用匹配大小和矩阵秩之间的众所周知的连接,我们所有的下界也适用于估计矩阵秩的问题。特别是,我们的结果暗示了$(1+ε)$的接近最优的$n^{2-O(ε)}$位下界-动态流中稠密…
2017-01-16 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
Graph Spanners by Sketching in Dynamic Streams and the Simultaneous Communication Model
图素描是一个强大的技术介绍的开创性工作的Ahn,Guha和McGregor'12的连接在动态图形流,从那时起,在文献中享有相当大的关注,并导致了近最佳的动态流算法的许多基本问题,如连接,削减和频谱稀疏和匹配。然而,有趣的是,近似图的最短路径度量的草图和动态流的复杂性仍然远未得到很好的理解。除了经典构造的直接$k$ -通路实现(最近由Fernandez、Woodruff和Yasuda改进为$\lfloor\frac k2\rfloor+1$ -通路'20)之外,现有技术相当于Ahn、Guha和McGregor'12的$O(\log k)$ -通路算法,以及Kapralov和Woodruff'14的$2$ -通路算法.特别是,没有单遍算法是已知的,并且遍数、拉伸和空间复杂度之间的最佳折衷是开放的。在本文中,我们介绍了几个新的图形素描技术近似的最短路径度量的输入图。我们给出了第一个{ \em单遍}绘制算法,用于构建图空间:我们展示了如何使用$\widetilde{O}(n)$空间获得$\widetilde{O}(n^{\frac23})$ -图,以及在一般情况下,对于每个$α\in [0, 1]$,使用$\widetilde{O}(n^{1+α})$空间获得$\widetilde{O}(n^{\frac23(1-α)})$ -图,我们认为这种折衷可能接近最优。我们还给出了新的构造算法,任…
2020-11-12 cs.DS
Streaming Semidefinite Programs: $O(\sqrt{n})$ Passes, Small Space and Fast Runtime
本文研究流式模型下的半定规划求解问题,提出了一种使用新颖草图技术计算Hessian矩阵谱近似的内点法,在 $n\gg m$ 时实现了严格次线性空间复杂度,同时保持了 $O(\sqrt{n}\log(1/\epsilon))$ 趟数和匹配最先进求解器的时间复杂度。
2023-09-10 cs.DS
Optimal Multi-Pass Lower Bounds for MST in Dynamic Streams
本文证明动态流中 MST 的 AGM 多遍算法在整个遍数范围内最优:任何 $p$ 遍算法均需 $n^{1+Ω(1/p)}$ 空间,半流式需 $Ω(\log n/\log\log n)$ 遍。
2023-12-07 cs.DS
Maximum Matching in Turnstile Streams
本文研究了单通道旋转栅门流模型中的无权二分最大匹配问题,其中输入流由边插入和删除组成。在仅插入模型中,可以容易地获得具有空间$O(n \log n)$的一遍$2$近似流算法,其中$n$表示输入图的顶点的数目。我们表明,没有这样的结果是可能的,如果边缘删除是允许的,即使空间$O(n^{3/2-δ})$被授予,为每个$δ> 0$。具体而言,对于每一个$0 \le ε\le 1$,我们表明,在一个通过旋转栅门流模型中,为了计算$O(n^ε)$近似,空间$Ω(n^{3/2 - 4ε})$是恒定误差随机算法所需的,并达到对数因子,空间$O( n^{2-2ε} )$是足够的。我们的下界结果证明在同时消息模型的通信,可能是独立的利益。
2015-05-06 cs.DS
Settling the Pass Complexity of Streaming Set Cover
University of Waterloo(滑铁卢大学);New York University(纽约大学)
该论文解决了流式集合覆盖问题的复杂度,建立了空间、遍历次数与近似比之间的最优权衡,证明任何近似算法所需空间的下界,并完全确定了该问题的复杂度。
2026-10-02 cs.DS
A Simple Streaming Bit-parallel Algorithm for Swap Pattern Matching
交换的模式匹配问题是在允许模式交换相邻符号的同时找到文本中出现的所有模式。我们的目标是设计快速匹配算法,利用按位机器指令的位并行性,只有流访问的输入。我们引入了一种新的方法来解决这个问题的图论模型的基础上,并比较其性能,以前已知的算法。我们还表明,使用确定性有限自动机的方法不能实现类似的高效算法。此外,我们描述了一个致命的缺陷,在一些以前发表的算法基于同一模型。最后,我们提供了我们的算法在真实世界的数据的实验评估。
2018-09-25 cs.DS
Improved approximation guarantees for weighted matching in the semi-streaming model
我们研究了半流模型中的最大权重匹配问题,并通过设计一种性能保证为4.91+ k的确定性方法来改进Zelke(Proc. of STACS 2008,第669-680页)提出的当前最佳单遍算法。此外,我们研究抢占式在线算法,一个子类的一遍算法,我们只允许在内存中保持一个可行的匹配在任何时间点。所有已知的结果之前,泽尔克的属于这个子类。我们提供了一个下界4.967的竞争比任何这样的确定性算法,因此表明,未来的改进将不得不存储在内存中的一组边缘,这不一定是一个可行的匹配。
2009-07-02 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
$\mathcal{O}(\log\log{n})$ Passes is Optimal for Semi-Streaming Maximal Independent Set
证明半流式最大独立集问题需 $\Omega(\log\log n)$ 趟,通过分层嵌入技术建立最优多趟下界。
2023-12-20 cs.CC cs.DC cs.DS
Streaming Submodular Maximization under Matroid Constraints
最近的进展(半)流算法的单调子模函数最大化导致了一个简单的基数约束紧的结果。然而,目前的技术未能给出类似的理解自然的推广,包括拟阵约束。本文旨在缩小这一差距。对于秩为$k$的单个拟阵(即,任何解决方案具有至多$k$的基数),我们的主要结果是:1)使用$\widetilde{O}(k)$存储器并实现$0.3178$的近似保证的单遍流式算法,以及2)使用$\widetilde{O}(k)$存储器并通过在流上采取恒定(取决于$\varepsilon$)遍数来实现$(1-1/e - \varepsilon)$的近似保证的多遍流式算法。这改进了先前分别用于单通道和多通道流算法的$1/4$和$1/2$的最佳近似保证。事实上,我们的多通道流算法是严格的,因为任何具有比$1/2$更好的保证的算法都必须通过流进行多次传递,并且任何超过我们对$1-1/e$的保证的算法都必须进行线性多次传递(以及指数数量的值oracle查询)。此外,我们展示了如何使用的方法,多通道流可以进一步加强,如果流的元素到达均匀随机顺序,这意味着一个改进的结果为$p$ -matchoid约束。
2022-02-16 cs.DM cs.DS
Improved Bound for Matching in Random-Order Streams
我们研究的问题,计算近似的最大基数匹配的半流模型时,边缘到达\emph{random}顺序。在半流模型中,输入图G =(V,E)的边被给定为流e_1,.,e_m,并且允许算法在使用$O(n \textrm{polylog}(n))$空间($m = |E|$和$n = |V|$)的同时在该流上进行单次传递。如果边的顺序是对抗性的,一个简单的单遍贪婪算法在$O(n)$空间中产生$1/2$ -近似;在对抗性流中实现更好的近似仍然是一个难以捉摸的开放问题。最近的一系列工作表明,如果流的边缘以随机顺序到达,则可以改进$1/2$近似。该模型的最新技术水平是双重的:Assadi等人[SODA 2019]展示了如何计算$2/3(\sim.66)$ -近似匹配,但空间要求是$O(n^{1.5} \textrm{polylog}(n))$。最近,Farhadi等人[SODA 2020]提出了一种算法,该算法具有$O(n \textrm{polylog}(n))$的期望空间使用率,但在二分图中具有更差的$6/11(\sim.545)$或$3/5(=.6)$的近似比。在本文中,我们提出了一个算法,计算一个$2/3(\sim.66)$ -近似匹配使用$O(n \log(n))$空间,改善上述两个结果。我们还注意到,对于对抗流,Kapralov的下界[SODA 2013]表明,任何实现$1-1/e(\sim.…
2020-05-01 cs.DS
Streaming Algorithms for Graph k-Matching with Optimal or Near-Optimal Update Time
针对图k匹配问题,提出仅插入和动态流模型下的单遍算法,空间复杂度最优,更新时间分别达到O(1)和O(polylog(n)),显著优于此前结果。
2023-10-16 cs.DS
Improved 3-pass Algorithm for Counting 4-cycles in Arbitrary Order Streaming
在过去几年中,在流模型中计算小的子图,特别是圈的问题受到了很多关注。在本文中,我们考虑任意顺序的插入只流,提高了国家的最先进的结果计数4个周期。我们的算法计算$(1+ε)$ -近似采取三个通过流和使用空间$O(\frac{m \log n}{ε^2 T^{1/3}})$,其中$m$是在图中的边的数量和$T$是4-循环的数量。
2020-07-27 cs.DS
An Asymptotically Optimal Algorithm for Maximum Matching in Dynamic Streams
我们提出了一个算法的最大匹配问题的动态(插入-删除)流与 * 渐近最优 * 空间复杂度:对于任何$n$ -顶点图,我们的算法以高概率输出一个$α$ -近似匹配在一个单一的通过使用$O(n^2/α^3)$位的空间。关于动态流匹配问题的一系列工作首先将空间上界和下界之间的差距缩小到$n^{o(1)}$因子[Assadi-Khanna-Li-Yaroslavtsev; SODA 2016],随后缩小到$\text{polylog}{(n)}$因子[Dark-Konrad; CCC 2020]。我们的上限现在匹配的Dark-Konrad下限$O(1)$因素,从而完成了这一研究方向。我们的方法包括两个主要步骤:我们首先(可证明)确定一个家庭的图,类似于在以前的工作中使用的实例,以建立这个问题的下限,作为唯一的“硬”的实例集中在这些图包括一个诱导子图,这是稀疏的,并包含一个大的匹配。然后,我们设计了一个动态流算法,这是比以前的工作更有效的图族。这种效率的关键是一种新的草图方法,它绕过了典型的损失相比,标准的$L_0$ -采样原语的$\text{polylog}{(n)}$ -因素在空间中,并可以在设计其他流问题的最佳算法的独立兴趣。
2022-01-30 cs.DS
Polynomial Pass Lower Bounds for Graph Streaming Algorithms
我们提出了新的下界,表明多项式数量的通行证是必要的,解决一些基本的图形问题的流模型的计算。例如,我们表明,任何流算法,找到一个加权最小$s$削减$t$顶点无向图需要$n^{2-o(1)}$空间,除非它使$n^{Ω(1)}$通过流。为了证明我们的下限,我们引入并分析了一个新的四人通信问题,我们称之为隐藏指针追逐问题。这是一个标准的指针追逐问题的精神与关键的区别,在这个问题中的指针是隐藏的球员,找到他们中的每一个需要解决另一个通信问题,即集合相交问题。我们的下界图的问题,然后获得减少隐藏指针追逐问题。我们的隐藏指针追踪问题看起来足够灵活,可以找到其他应用程序,因此本身就很有趣。为了展示这一点,我们进一步提出了一个有趣的应用程序,这个问题超出流算法。使用减少隐藏指针追逐,我们证明了任何算法的次模函数最小化需要使$n^{2-o(1)}$值查询的功能,除非它有一个多项式程度的自适应。
2019-04-09 cs.DS
Streaming Verification of Graph Properties
流交互证明(SIP)是一个外包计算的框架。计算受限的流媒体客户端(验证器)将大数据集交给云中的不可信服务器(证明器),双方运行协议以高概率确认结果的正确性。SIP对于在流设置中难以解决(甚至近似)的问题特别有趣。这些问题中最值得注意的是寻找最大匹配,这在最近几年受到了极大的关注,但即使是常数因子近似也有很强的下界。在本文中,我们提出了有效的流交互式证明,可以验证最大匹配准确。我们的结果涵盖了所有口味的匹配(二分/非二分和加权)。此外,我们还提出了近似度量TSP流验证。特别是,这些是第一个有效的结果加权匹配和度量TSP在任何流验证模型。
2016-10-04 cs.DS
On Regularity Lemma and Barriers in Streaming and Dynamic Matching
我们提出了一种新的方法,通过建立在Szemerédi著名的正则引理,在稠密图中找到匹配。这使我们能够获得非平凡的,虽然在流和动态图的匹配长期边界略有改善。特别是,我们建立了以下结果$n$ -顶点图:* 一个确定性的单通道流算法,找到一个$(1-o(1))$ -近似匹配的$o(n^2)$位的空间。这构成了第一个单通算法,这个问题在次线性空间,提高了$\frac{1}{2}$近似的贪心算法。* 一种随机化全动态算法,其以高概率在每次边插入或删除的$o(n)$最坏情况更新时间中保持$(1-o(1))$近似匹配。该算法的作品,甚至对适应性对手。这是第一个$o(n)$更新时动态算法,具有任意接近1的近似保证。由于正则性引理的使用,我们的算法在平凡界上得到的改进仅是一些$(\log^*{n})^{Θ(1)}$因子。然而,在每一种情况下,他们表明,问题的“正确”答案不是由以前的界限所决定的。最后,在流模型中,我们给出了一个随机的$(1-o(1))$ -近似算法,其空间可以由某些Ruzsa-Szemerédi(RS)图的密度上界.虽然RS图现在已被广泛用于证明流下界,我们是第一个使用它们作为设计改进的流算法的上限工具。
2022-07-19 cs.DS
Approximating Semi-Matchings in Streaming and in Two-Party Communication
研究了近似无权半匹配的通信复杂性和流复杂性。二分图G =(A,B,E)(n = |A|)中的半匹配是边S的子集,它将所有A顶点与B顶点匹配,目标通常是尽可能公平地完成。虽然术语“半匹配”是由Harvey等人在2003年创造的。[WADS 2003],但该问题之前已经在调度文献中以不同的名称进行了研究。我们提出了一个确定性的一遍流算法,对于任何0 <= ε<= 1使用空间O(n^{1+ε})和计算O(n^{(1-ε)/2})-近似的半匹配问题。在O(log n)的情况下,时间复杂度为O(log n)。在单向两方通信设置中,我们证明了对于每个ε> 0,用于计算O(n^{1/((1+ε)c + 1)})-近似的确定性通信协议需要大于cn比特的消息。我们提出了两个确定性的协议通信n和2n边,计算一个O(sqrt(n))和O(n^{1/3})-近似分别。最后,我们改进了Harvey等人[Journal of Algorithms 2006]的结果,并证明了半匹配和匹配之间的新联系。虽然众所周知最佳半匹配包含最大匹配,但我们证明了最佳半匹配可以分层分解为最大匹配。类似的结果也适用于不允许长度为2度的最小化路径的半匹配。
2013-04-25 cs.DS
Near-Optimal Two-Pass Streaming Algorithm for Sampling Random Walks over Directed Graphs
对于具有$n$顶点和起始顶点$u_{\sf start}$的有向图$G$,我们希望使用仅在图的边缘上进行少量遍历的算法,以最小空间从$u_{\sf start}$开始(近似地)对$L$ -步随机游走进行采样。这个问题发现了许多应用程序,例如,在近似网页的PageRank。如果只允许一次遍历,则该问题的空间复杂度为$\tildeΘ(n \cdot L)$。在我们的工作之前,只有$\tilde{O}(\sqrt{L})$通道具有更好的空间复杂度。通过给出几乎匹配的上界和下界,我们解决了两遍流算法的随机游走模拟问题的空间复杂度,表明它是$\tildeΘ(n \cdot \sqrt{L})$。我们的下界参数扩展到每个常数次数的通过$p$,并表明,任何$p$ -通过这个问题的算法使用$\tildeΩ(n \cdot L^{1/p})$空间。此外,我们展示了一个类似的$\tildeΘ(n \cdot \sqrt{L})$约束的空间复杂度的任何算法(与任何数量的通行证)的相关问题的采样$L$步随机游走从图中的每个顶点。
2021-02-22 cs.CC cs.DS
Streaming with Catalytic Memory
研究带催化和常规内存的流模型,利用特定内存位精确计算频率矩及多项式,给出相关应用算法,通过与催化通信模型关联及新方法得出单遍算法限制和多遍算法下界,并设计出突破三遍障碍的两遍算法计算第二矩。
2026-07-13 cs.DS
Better bounds for matchings in the streaming model
在本文中,我们提出了改进的边界近似最大匹配的二部图中的流模型。首先,我们考虑的问题,以及最大匹配可以近似在一个单一的通过输入使用$\tilde O(n)$空间,其中$n$是在输入图中的顶点数。在文献中已经考虑了这个问题的两个自然变体:(1)边到达设置,其中边到达流中,以及(2)顶点到达设置,其中图的一侧上的顶点与它们的所有入射边一起到达流中。后一种设置也在在线算法的上下文中得到了广泛的研究,其中每个到达的顶点必须在到达时被匹配或丢弃。在在线设置中,著名的Karp-Vazirani-Vazirani算法实现了$1-1/e$近似。尽管流模型的限制较少,因为算法不被约束为在到达时可匹配地匹配顶点,但是在具有顶点到达和$\tilde O(n)$空间的流模型中最公知的近似是$1-1/e$的相同因子。我们表明,没有一个单通流算法,使用$\tilde O(n)$空间可以实现一个更好的比$1-1/e$近似最大匹配,即使在顶点到达设置。这导致了一个惊人的结论,即没有一个单通道流算法可以做得比在线算法更好,除非它使用明显超过$\tilde O(n)$空间。此外,我们的边界产生最知名的不可能结果近似匹配的边缘到达模型。我们还给出了一个简单的算法,实现近似比$1-e^{-k}k^{k-1}/(k-1)!=1-\frac1{\sqrt{2πk}}+o(1/k)$在$k$通过顶点到达模型使用线性空间,改进以前…
2021-03-17 cs.DS
A Note on Logarithmic Space Stream Algorithms for Matchings in Low Arboricity Graphs
我们提出了一种用于估计低荫度图的最大匹配大小的数据流算法。回想一下,如果一个图的边最多可以被划分为$α$森林,则该图具有荫度$α$,并且平面图具有荫度$α=3$。估计最大匹配的大小在这样的图一直是最近的数据流研究的焦点。Cormode等人最近证明了这个问题的一个令人惊讶的结果。他们设计了一个巧妙的算法,该算法使用在图(任意排序)和$O(ε^{-2}α\cdot \log n \cdot \log_{1+ε} n)$空间的边缘上的单次遍历来返回$(22.5α+6)(1+ε)$近似。在这篇文章中,我们通过更严格的分析改进了$(α+2)(1+ε)$的近似因子,并表明,通过修改他们的算法,所需的空间可以减少到$O(ε^{-2} \log n)$。
2017-08-14 cs.DS
Submodular Maximization Meets Streaming: Matchings, Matroids, and More
我们研究的问题,找到一个最大的匹配在一个图中给定的输入流列出其边缘在一些任意的顺序,其中要最大化的数量是由一个单调的子模函数的子集的边缘。这个问题,我们称之为最大子模函数匹配(MSM),是最大权重匹配(MWM)的自然推广,而MWM又是最大基数匹配(MCM)的推广。对于这个问题,我们给出了两个无与伦比的算法,其空间使用率在半流范围内-它们仅存储$O(n)$边缘,使用$O(n\log n)$工作存储器-分别在单遍中实现$7.75$的近似比率和在$O(ε^{-3})$遍中实现$(3+ε)$的近似比率。这些算法的操作模仿Zelke和McGregor的MWM各自的算法;新颖之处在于MSM设置的分析。事实上,我们确定了一个通用的框架MWM算法,允许这种适应更广泛的MSM设置。在续集中,我们给出了这些结果的推广,其中最大化是在“独立集”在一个非常普遍的意义。这种推广捕获超图中的超匹配以及多个拟阵的交集中的独立性。
2013-11-16 cs.DS
Better Streaming Algorithms for the Maximum Coverage Problem
我们研究了经典的NP-困难问题的最大$k$集覆盖的数据流模型:给定一个集系统的$m$集的子集的宇宙$\{1,\ldots,n \}$,找到$k$集,覆盖最多的不同元素。该问题可以在多项式时间内近似为因子$1-1/e$。在流式集合模型中,集合及其元素在线显示。我们工作的主要目标是设计算法,近似保证尽可能接近$1-1/e$,使用次线性空间$o(mn)$。我们的主要结果是:两种$(1-1/e-ε)$近似算法:一种使用$O(ε^{-1})$通道和$\tilde{O}(ε^{-2} k)$空间,而另一种仅使用单通道但使用$\tilde{O}(ε^{-2} m)$空间。我们表明,任何近似因子优于$(1-(1-1/k)^k)$在不断通过需要$Ω(m)$空间恒定$k$,即使该算法是允许无限的处理时间。我们还演示了一个单通道,$(1-ε)$近似算法使用$\tilde{O}(ε^{-2} m \cdot \min(k,ε^{-1}))$空间。我们还研究了动态图流模型中的最大$k$ -顶点覆盖问题.在这个模型中,流由$N$顶点上的图的边插入和删除组成。目标是找到覆盖最多不同边的$k$顶点。我们发现,任何常数近似在恒定的通行证需要$Ω(N)$空间为常数$k$,而$\tilde{O}(ε^{-2}N)$空间是足够的$(1-ε)$近似和任意$k$在一个单一的通行证。对于正则图,我们表明,$\tilde{O}(…
2018-05-09 cs.DS
Semi-Streaming Algorithms for Hypergraph Matching
针对NP难的超图匹配问题,提出两种单通流式算法,分别基于栈存储潜在匹配边和动态更新单个匹配,在保证特定近似比的同时降低内存消耗,实验表明其解质量和运行时间优于朴素流式及离线贪心算法。
2025-07-07 cs.DS
Streaming dictionary matching with mismatches
在$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
Streaming Maximal Matching with Bounded Deletions
该研究聚焦受限删除图流中的极大匹配问题,提出新的随机与确定性算法及匹配下界,明确了空间复杂度随删除上限K的变化规律,还发现放宽为α>2的最大匹配近似时空间复杂度会显著降低。
2025-02-21 cs.DS
Schatten Norms in Matrix Streams: Hello Sparsity, Goodbye Dimension
大型矩阵的谱函数包含了关于底层数据的重要结构信息,因此变得越来越重要。很多时候,表示真实世界数据的大矩阵是\emph{sparse}或\emph{doubly sparse}(即,在行和列中都是稀疏的),并且作为更新的\emph{stream}来访问,通常以\emph{row-order}来组织。在这种情况下,空间(存储器)是有限的资源,所有已知的算法需要的空间是多项式的矩阵的维度,即使是稀疏矩阵。我们解决这个挑战,提供第一个算法,其空间要求是\emph{independent of the matrix dimension},假设矩阵是双稀疏的,并按行顺序。我们的算法近似的Schatten $p$ -范数,我们反过来使用近似的其他谱函数,如对数的行列式,矩阵逆的痕迹,和埃斯特拉达指数。我们验证了这些理论上的性能界限,代表社交网络的现实世界的矩阵的数值实验。我们进一步证明,在这种情况下,多个通行证是不可避免的,并显示扩展我们的主要技术,包括空间要求和通行证数量之间的权衡。
2020-02-27 cs.DS
Streaming Pattern Matching with d Wildcards
在具有$d$通配符的模式匹配问题中,给定长度为$n$的文本$T$和长度为$m$的模式$P$,模式$P$包含$d$通配符,每个字符由特殊符号$'?'$表示。字符串匹配任何其他字符。目标是为$T$的每个$m$长度的子串确定它是否与$P$匹配。在具有$d$通配符的模式匹配问题的流模型变体中,文本$T$每次到达一个字符,并且目标是在下一个字符到达之前报告最后的$m$字符是否匹配$P$,同时仅使用$o(m)$空格字。在本文中,我们介绍了两个新的算法的$d$流模式匹配模式匹配问题。第一种是由常数$0\leq δ\leq 1$参数化的随机Monte Carlo算法。该算法使用每个字符的$\tilde{O}(d^{1-δ})$分摊时间和空间的$\tilde{O}(d^{1+δ})$字。第二种算法在第一种算法中用作黑盒,它是一种随机蒙特卡罗算法,它使用每个字符的$O(d+\log m)$最坏情况时间和空间的$O(d\log m)$字。
2017-04-05 cs.DS
Semi-Streaming Algorithms for Submodular Function Maximization Under b-Matching, Matroid, and Matchoid Constraints
在半流模型下,研究了在$b$ -匹配约束下极大化非负子模函数的问题。当函数是线性的、单调的和非单调的时,我们分别得到了$2+\varepsilon$、$3 + 2 \sqrt{2} \approx 5.828$和$4 + 2 \sqrt{3} \approx 7.464$的逼近比。我们还考虑了一个广义的问题,其中一个$k$ -均匀超图,以及一个额外的拟阵或$k'$ -拟阵约束施加在边缘上,具有相同的目标,找到一个$b$ -匹配,最大化的子模块功能。当额外约束为拟阵时,我们分别得到了$k + 1 + \varepsilon$、$k + 2\sqrt{k+1} + 2$和$k + 2\sqrt{k + 2} + 3$对线性、单调和非单调次模函数的逼近比.当附加约束为$k'$ -拟线时,得到了一般次模函数的逼近比$\frac{8}{3}k+ \frac{64}{9}k' + O(1)$.
2022-01-10 cs.DS