Maximum Induced Matching Algorithms via Vertex Ordering Characterizations
研究了图G上的最大诱导匹配问题。导出匹配对应于L2(g)中的独立集,即g的线图的平方。这个问题在二部图上是NP-完全的。在这项工作中,我们表明,对于一些图的家庭与禁止顶点排序,几乎所有的禁止模式的三个顶点时,采取平方的线图。这些排序可以在输入图的大小的线性时间内计算。特别地,给定一个由顶点序表征的图类G,以及G中的一个图g =(V,E),其对应的顶点序σ为V,人们可以(在g大小的线性时间内)在L2(g)的顶点上产生一个序,该序表明对于许多图类G,G中的L2(g)-不需要计算g的线图或线图的平方。这些结果推广和统一了以前关于L2(.)对于各种图形族。此外,可以在算法上利用L2(g)上的这些排序来更快地计算G上的最大诱导匹配。我们说明后一个事实,在下半年的文件,我们专注于cocomparitygraphs,一个大型的图形类,包括间隔,置换,梯形图,和合作图,我们提出了第一个O(mn)时间算法计算最大加权诱导匹配cocomparitygraphs;改进从最知名的O(n4)时间算法的未加权的情况下。
2017-09-20 cs.DS
Distributed Approximate Maximum Matching and Minimum Vertex Cover via Generalized Graph Decomposition
Durham University(杜伦大学)
本文提出基于广义图分解的新算法,解决分布式环境下近似最大匹配和最小顶点覆盖问题,复杂度为O(logn/(log^2 logn)),并扩展了Miller等人方法以降低高阶图的有效度。
2026-05-13 cs.DS
Tight Bounds for Online Matching in Bounded-Degree Graphs with Vertex Capacities
研究了二部图$G=(S,R,E)$中的$b$匹配问题.每个顶点$s\in S$是具有单独容量$b_s$的服务器。顶点$r\in R$是联机到达的请求,必须立即分配给符合条件的服务器。目标是最大化构造的匹配的大小。我们假设$G$是一个$(k,d)$-图~\cite{NW},其中$k$指定每个服务器的度的下界,$d$是每个请求的度的上界.此设置对及时应用中的匹配问题进行建模。我们提出了严格的上限和下限的确定性在线算法的性能。特别是,我们开发了一个新的在线算法,通过原始对偶分析。对于任意的$k\geq d$,随着服务器容量的增加,最优竞争比趋于~1。因此,几乎最优的解决方案可以在线计算。我们的研究结果也适用于顶点加权问题的扩展,因此对于AdWords和拍卖问题,其中每个投标人发出单独的,同等价值的出价。我们的边界改善了以前的最佳竞争比。对于$k/d\geq 1$较小的有趣范围,~1的渐近竞争性是对$1-1/e^{k/d}$的先前因子的显著改进。回想一下$1-1/e\approx 0.63$。匹配问题,承认竞争比任意接近~1是罕见的。先前的结果依赖于随机化或概率输入模型。
2022-06-30 cs.DS
Online Vertex-Weighted Bipartite Matching and Single-bid Budgeted Allocations
我们研究了以下顶点加权在线二部匹配问题:$G(U, V, E)$是一个二部图。$U$中的顶点具有权重并且是提前已知的,而$V$中的顶点以任意顺序在线到达并且必须在到达时进行匹配。目标是最大化$U$中匹配顶点的权重之和。当所有的权重都相等时,这简化为经典的\emph{online bipartite matching}问题,Karp,Vazirani和Vazirani在他们的开创性工作~ \cite{KVV90}中给出了一个最优的$\left(1-\frac{1}{e}\right)$ -竞争算法。我们的主要结果是一般顶点权重的最优$\left(1-\frac{1}{e}\right)$ -竞争随机算法。我们使用适当选择的乘法因子的权重的\emph{random perturbations}。我们的解决方案构成了第一个已知的推广算法在~ \cite{KVV90}在这个模型中,并提供了新的见解随机化在线分配问题的作用。它还有效地解决了\emph{online budgeted allocations} \cite{MSVV05}的问题,当代理对任何期望的项目进行相同的出价时,即使出价与他的预算相当-补充了\cite{MSVV05, BJN07}的结果,当出价比预算小得多时,该结果适用。
2010-07-08 cs.DS
Matching (Multi)Cut: Algorithms, Complexity, and Enumeration
本文提出 Matching Multicut 问题,分析其 NP 难性、核、精确与树宽算法,并研究不同参数下的枚举核及 FPT 延迟算法。
2024-07-03 cs.DS
Locally Sparsified, Globally Near-Optimal: Matching under Independent Vertex Arrivals
Google Research(谷歌研究院);Tel Aviv University(特拉维夫大学)
研究独立顶点到达下随机二分匹配,证明有界局部菜单(大小仅依赖误差)足以保留近最优匹配,且菜单可从基准规则简单生成,解决了无限制情形。
2026-09-24 cs.DS
Secretary Matching With Vertex Arrivals and No Rejections
在线匹配问题的大多数先前的工作一直与保持一些顶点不匹配的灵活性。本文研究了三个相关的在线匹配问题,即,没有拒绝。我们采用的模型中,顶点到达的一致随机顺序和非负的边权重是任意的。对于有容量限制的在线二部匹配问题,当图的一方的顶点离线,另一方的顶点在线时,当每个离线顶点的容量为2时,我们给出了一个4.62-竞争算法.对于在线一般(非二分)匹配问题,其中所有顶点到达在线,我们给出了一个3.34-竞争算法。我们还研究了在线室友匹配问题(Huzhang et al. 2017),其中每个房间(离线顶点)容纳2个人(在线顶点)。人们从他们的房间和室友那里获得非负的加性效用。在该模型中,以最大化社会福利为目标,给出了一个7.96-竞争算法。这比(Huzhang等人,2017)中的24.72近似因子有所改进。
2021-12-14 cs.DS cs.GT
Research on Solution Space of Bipartite Graph Vertex-Cover by Maximum Matchings
本文给出了二部图顶点覆盖解空间的一些严格结果和统计量。基于$K\ddot{o}nig$定理,提出了一种精确的解空间表示算法,并对节点状态进行了统计分析。统计结果与算法结果吻合较好,直到出现解冻核,使统计量产生波动,导致解的对称性破缺。此外,对未冻结核采用循环简化技术,利用聚类熵计算二分顶点覆盖解的熵。作为二部图的推广,提出了二部核图,并在此基础上研究了如何通过增加边的生长过程生成$K\ddot{o}nig-Egerv\acute{a}ry$子图.对二部图顶点覆盖解空间的研究,有助于深入理解解空间的复杂性,对于寻找最大$K\ddot{o}nig-Egerv\acute{a}ry$子图、求解一般图顶点覆盖以及认识NP完全问题的内在困难性都有一定的意义.
2015-05-23 cs.DS
New Subgraph Isomorphism Algorithms: Vertex versus Path-at-a-time Matching
在许多应用领域中,图被广泛用于对复杂的数据语义进行建模。本文提出了两个新的有效算法Fast-ON和Fast-P来解决子图同构问题。这两种算法都是在Ullman算法[Ullmann 1976]的基础上,分别采用逐点匹配和逐路径匹配的方式,并采用有效的算法来切割搜索空间。与已有的算法相比,Fast-ON和Fast-P算法在密集和稀疏图数据上的速度都提高了1-4个数量级。
2019-04-18 cs.DB cs.DS
A 2/3-Approximation Algorithm for Vertex-weighted Matching
本文研究了非二部图的最大点权匹配问题。在早期的工作中,我们描述了二分图上MVM的2/3-近似算法(Dobrian,Halappanavar,Poten和Al-Herz,SIAM J.科学计算,2019)。在这里,我们证明了一个2/3-近似算法的MVM在非二部图可以得到限制的长度最多为3的增广路径。该算法的时间复杂度为$O(m \log Δ+ n \log n)$,其中$n$为顶点数,$m$为边数,$Δ$为顶点的最大度.该算法的近似比是通过考虑失效顶点来获得的,即,近似算法无法匹配但精确算法可以匹配的顶点。我们发现,有两个不同的重匹配的顶点,我们可以收取每个失败的顶点。我们的证明技术特征的结构,增广路径以一种新的方式。我们已经实现了2/3-近似算法,并表明,它运行在一分钟内的图上有数千万个顶点和数亿条边。我们比较其性能与其他五种算法:MVM的精确算法,最大边缘加权匹配(MEM)问题的精确算法,以及三个近似算法。在我们的19个问题的测试集中,有一些图上的精确算法在100小时内无法终止。新的2/3近似算法MVM优于其他近似算法,无论是更快(通常由数量级)或获得更好的权重。
2019-02-15 cs.DS
Deterministic Fully Dynamic Approximate Vertex Cover and Fractional Matching in $O(1)$ Amortized Update Time
我们考虑了在一个动态图中经历一系列的边插入/删除操作的情况下,保持近似最大匹配和近似最小顶点覆盖的问题。从Onak和Rubinfeld [STOC 2010]的开创性工作开始,这个问题近年来受到了极大的关注。最近,扩展了Baswana,Gupta和Sen [FOCS 2011]的框架,Solomon [FOCS 2016]对此问题给出了一种随机动态算法,该算法具有$2$的近似比和高概率的$O(1)$的摊销更新时间。该算法需要假设{ \em不经意的对手},这意味着图中的边插入/删除的未来序列不能以任何方式依赖于算法的过去输出。一个自然的方法来消除不经意的对手的假设是给一个确定性的动态算法在$O(1)$更新时间相同的问题。在本文中,我们解决这个问题。我们提出了一个新的{ \em确定性}完全动态的算法,保持了$O(1)$近似的最小顶点覆盖和最大分数匹配,与摊销更新时间的$O(1)$。以前,该问题的最佳确定性算法是由Bhattacharya、Henzinger和Italiano [SODA 2015]提出的;它的近似比为$(2+ε)$,摊销更新时间为$O(\log n/ε^2)$。我们的结果也扩展到一个全动态的$O(f^3)$近似算法与$O(f^2)$摊销更新时间的超图顶点覆盖和分数超图匹配问题,其中每个超边最多有$f$顶点。
2016-11-18 cs.DS
Popular Critical Matchings in the Many-to-Many Setting
考虑了双边偏好和双边低配额下的多对多二部匹配问题。我们的问题的输入是一个二分图G=(A U B,E),其中A U B中的每个顶点指定了对其邻居的严格偏好排序。每个顶点都有一个上限配额和一个下限配额,表示可以从其邻域分配给它的顶点的最大和最小数量。在具有双侧较低配额的多对多设置中,非正式地,临界匹配是在最大可能范围内满足顶点较低配额的匹配。这是一对一设置中的关键匹配的定义的自然概括[Kavitha T.,FSTTCS 2021]。在给定的问题中,我们的目标是在关键匹配集中找到一个流行的匹配。如果一个匹配在一组给定的匹配中保持不败,则该匹配在该组中的任何匹配中都很受欢迎。在这里,顶点在配对之间投票。我们表明,总是存在一个匹配,是流行的关键匹配。我们提出了一个有效的算法来计算这样的匹配的最大尺寸。我们使用双重证书证明我们匹配的受欢迎程度。
2023-03-19 cs.DS
Improved Analysis of RANKING for Online Vertex-Weighted Bipartite Matching in the Random Order Model
本文研究了随机到达模型下的在线顶点加权二部匹配问题。我们考虑由Huang,Tang,Wu和Zhang(TALG 2019)引入的针对该问题的RANK算法的推广,他们表明他们的算法具有0.6534的竞争比。我们表明,在他们的分析假设可以被削弱,使我们能够取代他们的一个关键功能$g$上的单位平方与线性规划,计算一个最好的可能的值$g$在这些假设下的离散单位平方的推导。我们表明,离散化不会产生太大的误差,并显示计算,我们可以得到一个竞争比为0.6629。为了计算离散化单位平方上的边界,我们使用并行化,并且仍然需要在64核机器上进行两天的计算。此外,通过稍微修改我们的线性程序,我们可以在计算上显示我们的方法的上限为0.6688;任何超过这个界限的进一步进展将需要进一步削弱$g$的假设或比Huang等人更强的分析。
2022-11-08 cs.DS
An Improved Kernel and Parameterized Algorithm for Almost Induced Matching
本文研究Almost Induced Matching问题的参数化算法,以删除集大小k为参数,将顶点核从7k改进到6k,并将运行时间从O*(1.7485^k)改进到O*(1.6765^k)。
2024-02-21 cs.DS
Greedy Online Bipartite Matching on Random Graphs
我们研究了$G(n,n,p)$上在线贪婪匹配算法的平均性能,$G(n,n,p)$是一种随机二分图,每一边都有$G(n,n,p)$顶点,边以概率$p=p(n)$独立出现。在在线模型中,图的一侧的顶点被提前放弃,而另一侧的顶点顺序到达;当顶点到达时,其边被显示,并且必须立即匹配或丢弃。我们首先分析\textsc{oblivious}算法,该算法试图将每个到达的顶点与一个随机的邻居匹配,即使邻居已经被匹配。该算法被证明具有至少$1-1/e$为所有单调函数$p(n)$的性能比,其中的性能比被定义为渐近的预期匹配大小的算法所给出的预期最大匹配大小的比率。接下来,我们表明,传统的\textsc{greedy}算法,它将每个顶点分配给一个随机的不匹配的邻居,具有至少0.837的性能比为所有单调函数$p(n)$。在$G(n,n,p)$模型下,\textsc{greedy}的性能与著名的\textsc{ranking}算法的性能相当,因此我们的结果表明,\textsc{ranking}具有至少0.837的性能比。最后,我们考虑顶点加权二分匹配。我们的证明是基于简单的微分方程描述的匹配过程的演变。
2013-07-09 cs.DS
Improved Bounds for Fractional Online Matching Problems
自Karp,Vazirani和Vazirani(STOC 1990)的开创性工作以来,单边到达的在线二分匹配及其变体已被广泛研究。受现实生活中的应用与动态的市场结构,如乘车共享,两个推广的经典单边到达模型,提出了允许非二部图,并允许所有顶点到达在线。也就是说,Wang和Wong(ICALP 2015)介绍了一般顶点到达的在线匹配,Huang等人(JACM 2020)介绍了完全在线匹配。在本文中,我们研究了这两个模型的分数版本。我们改进了两个模型的四个最先进的上限和下限中的三个。对于完全在线匹配,我们设计了一个$0.6$ -竞争算法,并证明了没有任何算法是$0.613$ -竞争的.对于一般顶点到达的在线匹配,我们证明了没有算法可以是$0.584$ -竞争的。此外,我们给出了一个可以说是更直观的算法一般的顶点到达模型,相比,王和黄的算法,而达到相同的竞争比的$0.526$。
2022-02-08 cs.DS
Matroid Online Bipartite Matching and Vertex Cover
Adwords和在线二分匹配问题在过去的十年中重新受到关注,因为它们与互联网广告有关。除其他外,我们的社区还贡献了新的模型(特别是随机模型)和对经典公式的扩展,以解决实际需要中出现的问题。在本文中,我们提出了一个新的推广的基础上拟阵,并表明,许多以前的结果扩展到这个更一般的设置。由于拟阵丰富的结构和表达能力,我们的新设置是潜在的兴趣在理论和实践中。在经典版本的问题中,离线侧的二分图是已知的,而从在线侧的顶点到达一个时间与他们的事件边。我们的目标是保持一个体面的近似匹配,没有边缘可以删除。我们的推广,称为拟阵在线二分匹配,还要求匹配的离线顶点集是独立的,在一个给定的拟阵。特别地,分区拟阵的情况对应于每个广告商以固定的总预算管理多个广告的自然场景。我们的算法达到了相同的性能,考虑的问题,这往往是可证明的最好的可能的经典版本。我们提出了$1-1/e$ -竞争算法的小出价假设下的拟阵在线二分匹配,以及$1-1/e$ -竞争算法的拟阵在线二分匹配的随机到达模型。我们的研究结果的一个关键技术成分是一个精心设计的原始对偶注水过程,适应拟阵约束。这是受到我们最近在线二分顶点覆盖收费方案的扩展的启发。
2016-06-25 cs.DS
Online Stochastic Max-Weight Matching: prophet inequality for vertex and edge arrival models
我们提供先知不等式算法在线加权匹配一般(非二分)图,根据两个研究充分的到达模型,即边缘到达和顶点到达。每个边的权重独立于先验已知的概率分布来绘制。在边缘到达下,每个边缘的权重在到达时被揭示,并且算法决定是否将其包括在匹配中。在顶点到达时,显示从新到达顶点到所有先前到达顶点的所有边的权重,并且算法决定将这些边中的哪些(如果有的话)包括在匹配中。为了研究这些设置,我们引入了一个新的批量先知不平等的统一框架,该框架捕获了元素批量到达的在线设置;特别是它捕获了上述两个到达模型下的匹配。我们的算法依赖于合适的在线竞争解决方案(OCRS)的建设。我们首先将OCRS的框架扩展到批处理OCRS,然后建立从批处理先知不等式到批处理OCRS的约简,最后构造了批处理OCRS,边和顶点到达模型的可选比率分别为0.337和0.5。这两个结果都改善了相应设置的现有技术。对于顶点到达,我们的结果是紧的。有趣的是,一个基于定价的预言家不平等与可比的竞争比率是未知的。
2020-02-25 cs.DS cs.GT
Fully Dynamic Almost-Maximal Matching: Breaking the Polynomial Barrier for Worst-Case Time Bounds
尽管重大的研究工作,国家的最先进的算法,用于保持近似匹配的全动态图具有多项式{最坏情况}的更新时间,即使是非常差的近似保证。在最近的一项突破中,Bhattacharya,Henzinger和Nanongkai展示了如何保持对最小顶点覆盖的恒定近似,从而也保持对最大匹配大小的恒定因子估计,并具有多对数最坏情况更新时间。后来(在SODA'17 Proc.)他们将近似因子一直改进到$2+ε$。然而,长期存在的基本问题{保持}近似匹配与子多项式最坏情况的时间界限仍然开放。我们提出了一个随机算法,以保持一个{几乎最大}匹配的全动态图与多对数最坏情况的更新时间。对于任何$ε> 0$,这种匹配为最大匹配和最小顶点覆盖提供了$(2+ε)$近似。我们的结果独立于Bhattacharya等人的$(2+ε)$近似结果,因此它提供了最小顶点覆盖的第一个$(2+ε)$近似(连同Bhattacharya et al.的结果)和用于最大(积分)匹配的第一$(2+ε)$近似。我们的算法的多对数最坏情况下的更新时间保持确定性,而几乎最大化保证保持高概率。这一结果不仅解决了上述动态匹配问题,而且为动态顶点覆盖(假设唯一对策猜想)提供了本质上最好的近似保证。
2018-03-15 cs.DS
Complexity and Algorithm for the Matching vertex-cutset Problem
本文证明了匹配顶点割集的存在性判定是NP完全的,给出了2-近似算法,并证明了平面图中存在大小至多3的匹配顶点割集且界紧。
2025-01-22 cs.DS math.CO
Deterministic online matching under short augmenting paths and restricted vertex reassignments
Department of Mathematical Engineering, Universidad de Chile(智利大学数学工程系);Center for Mathematical Modeling CNRS-IRL 2807, Universidad de Chile(智利大学数学建模中心)
本文研究确定性在线二分匹配的局部改动,提出LCP算法,在预算模型下达到最优竞争比,并分析离线加权变体。
2026-09-17 cs.DS
Almost Optimal Stochastic Weighted Matching With Few Queries
我们考虑{ \em随机匹配}问题。一个边缘加权将军(即,不一定是二分的)图$G(V, E)$在输入中给出,其中$E$中的每条边以概率$p$独立地{ \em实现};实现最初是未知的,然而,我们能够{ \em查询}边以确定它们是否被实现。目标是仅查询少量边以找到足够接近所有已实现边中的最大匹配的{ \em已实现匹配}。在过去的十年中,由于其在肾脏交换,婚介服务,在线劳动力市场和广告中的众多现实应用,这个问题已经受到了相当大的关注。我们的主要结果是一个{ \em自适应}算法,对于任何任意小的$ε> 0$,发现一个$(1-ε)$ -近似的期望,通过查询每个顶点的$O(1)$边缘。我们进一步表明,我们的方法导致一个$(1/2-ε)$ -近似{ \em非自适应}算法,也查询每个顶点只有$O(1)$边缘。在我们的工作之前,没有非平凡的近似是已知的加权图使用恒定的每顶点预算。最先进的自适应(分别为Maehara和Yamaguchi [SODA 2018]的非自适应)算法实现了$(1-ε)$近似(分别为$(1/2-ε)$ -近似),其中$O(w\log{n})$表示最大整数边权重。我们的结果是一个实质性的改进,这个界限,并有一个吸引人的信息:无论输入图的结构是什么,可以得到任意接近的最优解,通过查询每个顶点只有一个常数数量的边缘。为了获得我们的结果,我们引入新的属性的泛化{ \em增广路径}加权匹配…
2018-05-23 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
Online Matching in a Ride-Sharing Platform
我们提出了一个正式的图论模型研究的问题,在乘车共享平台的在线匹配乘坐。与大多数在线匹配的文献,我们的模型,我们称之为{ \em在线窗口非二分匹配}($\mbox{OWNBM}$),涉及在线匹配{ \em非二分}图。我们表明,我们的模型的边加权和顶点加权版本在乘车共享平台中自然出现。我们提供了一个随机$\frac{1}{4}$竞争算法的边缘加权的情况下,使用美丽的结果Lehmann,Lehmann和Nisan(EC 2001)的组合拍卖。我们还提供了一个$\frac{1}{2} (1 - \frac{1}{e})$ -竞争算法的顶点加权的情况下(有一些约束放松)使用的见解,从一个优雅的随机原始对偶分析技术的Devanur,Jain和Kleinberg(SODA 2013)。
2018-06-27 cs.DS
Secretary Matching with General Arrivals
我们提供了在线算法秘书匹配一般加权图,根据研究模型的顶点和边到达。在这两种模型中,边缘与从一开始就未知的任意权重相关联,并且在线显示。在顶点到达时,顶点以均匀随机的顺序在线到达;在顶点$v$到达时,从$v$到所有先前到达的顶点的边的权重被揭示,并且算法决定将这些边中的哪些(如果有的话)包括在匹配中。在边缘到达下,边缘以均匀随机的顺序在线到达;当边缘$e$到达时,其权重被揭示,并且算法决定是否将其包括在匹配中。我们给出了一个求解顶点到达的$5/12$ -竞争算法,并证明了它是紧的。对于边缘到达,我们提供了一个$1/4$竞争算法。这两个结果都改善了相应设置的现有技术界限。有趣的是,对于顶点到达,一般图中的秘书匹配优于单边到达的二分图中的秘书匹配,其中$1/e$是最好的保证。
2020-11-03 cs.DS cs.GT
Improved Massively Parallel Computation Algorithms for MIS, Matching, and Vertex Cover
我们提出了$O(\log\log n)$轮算法的大规模并行计算(MPC)模型,与$\tilde{O}(n)$内存每台机器,计算一个最大的独立集,一个$1+ε$近似的最大匹配,和一个$2+ε$近似的最小顶点覆盖,任何$n$顶点图和任何常数$ε>0$。这些改进了现有技术如下:-我们的MIS算法导致一个简单的$O(\log\log Δ)$ -轮MIS算法在分布式计算的拥塞集团模型,它改进了$\tilde{O}(\sqrt{\log Δ})$轮算法的Ghaffari [PODC'17]。- 我们的$O(\log\log n)$ -圆形$(1+ε)$ -近似最大匹配算法简化或改进了以下先前的工作:$O(\log^2\log n)$ -圆形$(1+ε)$ -Czumaj等人的近似算法[STOC'18]和$O(\log\log n)$ -圆形$(1+ε)$ -Assadi等人的近似算法[SODA'19]。- 我们的$O(\log\log n)$ -圆形$(2+ε)$ -近似最小顶点覆盖算法改进了Assadi等人的$O(\log\log n)$ -圆形$O(1)$ -近似[arXiv'17]。
2022-03-17 cs.DC cs.DS
A generalization of Hopcroft-Karp algorithm for semi-matchings and covers in bipartite graphs (Maximum semi-matching problem in bipartite graphs)
二分图$G=(U \cup V,E)$中的$(f,g)$ -半匹配是一组边$M \subseteq E$,使得每个顶点$u\in U$与$M$的至多$f(u)$边关联,并且每个顶点$v\in V$与$M$的至多$g(v)$边关联。本文给出了一个算法,对于一个点为$n$,边为$m$的图,$n\le m$在运行时构造一个最大$(f,g)$ -半匹配$O(m\cdot \min (\sqrt{\sum_{u\in U}f(u)}, \sqrt{\sum_{v\in V}g(v)}))$ .利用[5]的约简,我们关于最大$(f,g)$ -半匹配问题的结果直接导出了一个求解最优半匹配问题的算法,该算法具有运行时间$O(\sqrt{n}m \log n)$ .
2018-03-27 cs.DS
Optimal Lower Bounds for Matching and Vertex Cover in Dynamic Graph Streams
本文给出了删除近似最大匹配和最小顶点覆盖的单向两方通信复杂性的简单最优下界。在我们的模型中,Alice持有一组边,并向Bob发送一条消息。Bob持有一组边删除,它们形成Alice的边的子集,并且需要报告未被删除的边所跨越的图中的大匹配或小顶点覆盖。我们的结果意味着最大匹配和最小顶点覆盖的插入删除流算法的最优空间下界。此前,Assadi等人[SODA 2016]通过通信的同时模型给出了最大匹配的插入-删除流算法的最佳空间下限。我们的下界在几个方面更简单和更强:Assadi等人的下界仅适用于以下算法:(1)能够处理$n$中包含三倍指数删除的流,输入图的顶点数;(2)能够处理多重图;(3)当随机算法出错时,从不输出输入图中不存在的边。相比之下,我们的下限甚至适用于以下算法:(1)依赖于短($O(n^2)$长度)输入流;(2)只能处理简单的图形;(3)当算法出错时可能输出不存在的边。
2020-05-22 cs.CC cs.DS
The Dynamics of Rank-Maximal and Popular Matchings
给定一个二分图,其中两组顶点是申请人和职位,边缘上的排名表示申请人对职位的偏好,{ \em rank-maximum}匹配是其中最大数量的申请人与他们的排名一职位匹配的匹配,并且在此条件下,最大数量的申请人与他们的排名二职位匹配,我们研究了动态版本的问题,其中一个新的申请人或职位可能会被添加到图中,我们希望保持一个排名最大匹配。我们发现,一个顶点的到来后,我们总是能够更新现有的秩最大匹配在$\mathcal{O}(\min(c'n ,n^2) + m)$时间,其中$n$表示申请人的数量,$m$的边缘和$c'$的最大秩的边缘在一个最佳的解决方案。此外,我们使用最小数量的更改(替换)来更新匹配。删除顶点/边和添加边的所有情况都可以简化为处理添加顶点的问题。作为一个副产品,我们也得到了一个类似的$\mathcal{O}(m)$结果的动态版本的(单侧)流行的匹配问题。我们的结果是基于新的使用的属性的埃德蒙兹-Gallai分解。所提出的想法可以在其他(动态)匹配问题中找到应用。
2020-09-23 cs.DS
A Simple 1-1/e Approximation for Oblivious Bipartite Matching
研究了不经意匹配问题,即在一个边集未知的图上寻找一个最大匹配。这个问题的任何算法都指定了顶点对的排序。然后通过探测遵循排序的对来产生匹配,并且如果它们两者都不匹配并且它们之间存在边缘,则包括一对。该问题的未加权(Chan等人(SICOMP 2018))和顶点加权(Chan等人(TALG 2018))版本得到了很好的研究。本文研究了二部图上的边加权不经意匹配问题,它推广了随机二部匹配问题。最近,Gamlath等人(SODA 2019)研究了随机二分匹配问题,并提出了一种(1-1/e)近似算法。我们从Karp等人的Ranking算法(STOC 1990)出发,给出了一个非常简单的算法,并证明了该算法对于二分图上的不经意匹配问题也能达到相同的(1-1/e)近似比。
2020-02-14 cs.DS
Coresets Meet EDCS: Algorithms for Matching and Vertex Cover on Massive Graphs
随着大规模图变得越来越普遍,对解决大型数据集上的经典图问题(如最大匹配和最小顶点覆盖)的可扩展算法的需求迅速增长。对于大量输入,已经引入了几种不同的计算模型,包括流式模型、分布式通信模型和作为MapReduce风格计算的常见抽象的大规模并行计算(MPC)模型。在每个模型中,除了更传统的近似比之外,还根据资源(例如所使用的空间或所需的通信轮次)来分析算法。在本文中,我们给出了一个统一的方法,产生更好的近似算法的匹配和顶点覆盖在所有这些模型。重点包括:* 使用次二次空间的随机到达流中的匹配的第一个通过,显著优于2近似,即使用$O(n^{1.5})$空间用于常数$ε> 0$的$(1.5+ε)$近似流算法。* MPC模型中的第一个2轮、优于2的近似匹配,每个机器使用次二次空间,即对于常数$ε> 0$,每个机器具有$O(\sqrt{mn} + n)$存储器的$(1.5+ε)$近似算法。通过建立在我们的统一的方法,我们进一步开发并行算法的MPC模型,给出了一个$(1 + ε)$ -近似匹配和$O(1)$ -近似顶点覆盖只有$O(\log\log{n})$ MPC轮和$O(n/poly\log{(n)})$内存每台机器。这些结果解决了Czumaj等人最近的论文[STOC 2018]中提出的多个未决问题。
2018-12-27 cs.DC cs.DS
Sensitivity Analysis of the Maximum Matching Problem
我们考虑的最大匹配问题对边缘和顶点修改的算法的灵敏度。具有低灵敏度的算法是期望的,因为它们对边缘故障或攻击是鲁棒的。在这项工作中,我们展示了一个具有最坏情况灵敏度$O_ε(1)$的随机$(1-ε)$ -近似算法,该算法大大改进了Varma和Yoshida(arXiv 2020)的$(1-ε)$ -近似算法,该算法获得了平均灵敏度$n^{O(1/(1+ε^2))}$灵敏度算法,并展示了一个具有有界度图灵敏度$\exp(O(\log^*n))$的确定性$1/2$ -近似算法。我们表明,任何确定性常数因子近似算法必须有灵敏度$Ω(\log^* n)$。我们的研究结果意味着,随机算法是严格更强大的比确定性的,前者可以实现独立的$n$的灵敏度,而后者不能。我们还显示了类似的结果,顶点的敏感性,我们删除一个顶点,而不是一个边缘。作为我们的结果的应用,我们给出了一个算法的在线最大匹配与$O_ε(n)$总更换的顶点到达模型。相比之下,Bernstein等人(J. ACM 2019)给出了一种在线算法,该算法始终输出最大匹配,但仅适用于二分图和$O(n\log n)$全替换。最后,我们引入了归一化加权敏感度的概念,这是敏感度的一个自然推广,它考虑了删除边的权重。我们表明,如果图中的所有边缘多项式有界的权重,然后给出一个权衡参数$α>2$,存在一个算法,输出一个$\frac{1}{4α}$ -近似的最…
2020-09-09 cs.DS
Loopy annealing belief propagation for vertex cover and matching: convergence, LP relaxation, correctness and Bethe approximation
对于最小基数顶点覆盖和最大基数匹配问题,最大乘积形式的置信传播(BP)在一般图上表现不佳。本文提出了一种迭代循环退火BP算法(LABP),证明了该算法的收敛性,并解决了一般图上顶点覆盖或匹配问题的线性规划松弛问题。LABP在任何图上找到(渐近)最小半整数顶点覆盖(因此提供2-近似)和最大分数匹配。我们还表明,LABP发现(渐近)一个最小尺寸的顶点覆盖的任何二分图,并作为一个结果计算匹配数的图形。我们的证明依赖于一些微妙的单调性参数的本地迭代。我们还表明,Bethe自由熵是凹的,LABP最大化它。使用循环演算,我们还给出了一个精确的(也难以处理的一般图形)的表达的配分函数匹配的LABP消息,可用于改善平均场近似。
2014-07-07 cs.DM cs.DS cs.IT
Time-Optimal Sublinear Algorithms for Matching and Vertex Cover
研究了次线性时间下最大匹配和最小顶点覆盖的大小估计问题。用$n$表示顶点数,用$\bar{d}$表示图中的平均度,我们对这两个问题得到了以下结果:* 一个乘法$(2+ε)$ -近似,使用邻接表查询需要$\tilde{O}(n/ε^2)$时间。* 使用邻接表查询在$\tilde{O}((\bar{d} + 1)/ε^2)$时间上的乘加$(2, εn)$近似。* 使用邻接矩阵查询在$\tilde{O}(n/ε^{3})$时间中的乘加$(2, εn)$近似。所有这三个结果是可证明的时间最优的多项式因子最终在这些问题上的一长串工作。我们的主要贡献和导致上述界限的关键成分是随机贪婪最大匹配算法的平均查询复杂性的一个新的和接近紧密的分析,它改进了吉田,山本和伊藤[STOC'09]的开创性结果。
2022-03-02 cs.DC cs.DS
On Approximate Fully-Dynamic Matching and Online Matrix-Vector Multiplication
本文建立全动态近似匹配/顶点覆盖与 OMv 猜想的等价困难性联系,并借助快速 OMv 和矩阵乘法给出在线及离线更优更新算法。
2024-03-05 cs.DS
Maximal induced matchings in triangle-free graphs
图的导出匹配是指一组边的端点导出一个$1$ -正则子图。已知任何$n$ -顶点图最多有$10^{n/5} \approx 1.5849^n$最大诱导匹配,并且这个界是最佳可能的.证明了任意$n$ -顶点无三角形图最多有$3^{n/3} \approx 1.4423^n$最大诱导匹配,且此界可由完全二部图$K_{3,3}$的任意不交并得到.我们的结果意味着所有的最大诱导匹配在$n$ -顶点三角形自由图可以列出的时间$O(1.4423^n)$,产生最快的已知算法寻找最大诱导匹配在一个三角形自由图。
2013-12-18 cs.DS math.CO
Hierarchical b-Matching
图的匹配是没有两条边共享一个公共顶点的边的子集,最大匹配是最大基数的匹配。在$b$ -匹配中,每个顶点$v$都有一个相关的边界$b_v$,最大$b$ -匹配是一个最大边集,使得每个顶点$v$出现在最多$b_v$中.我们研究这个问题的扩展,称为{ \em层次b-匹配}。在此扩展中,顶点以分层方式排列。在第一层,顶点被划分成不相交的子集,每个子集有一个给定的界限。在第二级,这些子集的集合再次被划分为不相交的子集,每个子集具有给定的边界,等等。在{ \em分层b-匹配}中,我们寻找将服从所有边界的最大边集合(即,没有顶点$v$参与多于$b_v$的边,则一个子集中的所有顶点不参与多于该子集的边的界,等级地等等)。我们提出了一个多项式时间算法,这个新的问题,适用于任何数量的层次结构。
2019-04-23 cs.CC cs.DS
(Fractional) Online Stochastic Matching via Fine-Grained Offline Statistics
受互联网上显示广告的启发,Feldman,Mehta,Mirrokni和Muthukrishnan提出了在线随机匹配问题(FOCS 2009)。考虑一个随机二部图,它的一面有离线顶点,且独立同分布。另一边的在线顶点。该算法预先知道离线顶点和在线顶点的分布。当每个在线顶点到达时,它的类型被识别,算法立即并可执行地决定如何匹配它。在顶点加权版本的问题中,每个离线顶点都与一个权重相关联,目标是最大化匹配的总权重。在本文中,我们推广的模型,允许不同的在线顶点,并专注于分数版本的顶点加权随机匹配。我们设计的分数算法是$0.718$ -竞争和$0.731$ -竞争的非i.i.d.到达和身份证分别到达。我们还证明了,没有分数算法可以实现比$0.75$非i.i.d.更好的竞争比。到达。此外,我们通过应用Gao等人最近开发的多路在线相关选择(FOCS 2021)来圆化我们的分数阶算法,并实现了非独立同分布的$0.666$ -竞争和$0.704$ -竞争积分算法。到达和身份证到达。我们的结果为非i.i.d.到达是第一个突破经典对抗环境中的$1-1/e \approx 0.632$障碍的算法。我们的$0.704$ -竞争积分算法的i.i.d.到达略微改善了Huang和Shu(STOC 2021)的最新$0.701$竞争比。
2022-04-14 cs.DS
Graph matching based on similarities in structure and attributes
本文提出 GASM 算法,在统一框架中融合图结构与顶点/边属性信息进行图匹配,并引入参数调节结构或属性的依赖程度;实验表明即使不使用属性,其解质量也优于或相当于现有最优算法,且处理时间相近。
2024-09-30 cs.DS
Online Knapsack Problem and Budgeted Truthful Bipartite Matching
两个相关的在线问题:背包和真实的二分匹配被认为是。对于这两个问题,共同的主题是如何“匹配”到达的左顶点在一个在线的方式与任何可用的右顶点,如果有的话,以便最大化的值的总和匹配的边缘,满足对匹配的左顶点的总重量约束。假设左顶点按均匀随机顺序到达(秘书模型),分别给出了两个几乎相似的算法:$2e$竞争算法和$24$竞争算法.建议的在线二分匹配算法也被证明是真实的:没有任何左顶点误报其出价/权重的动机。这些问题的直接应用包括具有负载均衡的作业分配、广义广告词、众包拍卖以及使能设备到设备通信的蜂窝网络中的无线用户与协作中继的匹配。
2016-11-28 cs.DS
Optimal Vertex Fault-Tolerant Spanners in Polynomial Time
最近的工作已经确定了顶点容错空间的存在最优大小界限:对于任何正整数$k$,每个$n$ -节点图在$O(f^{1-1/k} n^{1+1/k})$上都有一个$(2k-1)$ -节点,它对$f$顶点故障有弹性,并且有一些输入图的例子,在这些例子上这个界限不能被改进。然而,这些证明是通过分析某个指数时间贪心算法的输出来工作的。在这项工作中,我们给出了第一个算法,产生顶点容错空间的最佳大小和运行在多项式时间。具体地说,我们给出了一个随机算法,需要$\widetilde{O}\left( f^{1-1/k} n^{2+1/k} + mf^2\right)$时间。我们也去随机化我们的算法,给出一个确定性的算法与类似的界限。这反映了在运行时间上的指数级改进[Bodwin-Patel PODC '19],这是以前唯一已知的用于构建最佳顶点容错spectrometer的算法。
2020-10-31 cs.DS
A Near Optimal Approximation Algorithm for Vertex-Cover Problem
近年来,人们对改进用于求解NP完全问题的近似算法,特别是顶点覆盖问题的近似算法的研究兴趣越来越大,并取得了越来越多的进展。本文针对顶点覆盖问题提出了一种多项式时间有效的算法,使其更接近最优解,但其时间复杂度最差。θ(V2)与空间复杂度?θ(V + E)。我们表明,我们提出的方法是更近似的例子和定理证明。我们的算法还归纳了以前的算法的独立集问题的小,高度图的改进。
2013-09-19 cs.DS
An Estimator for Matching Size in Low Arboricity Graphs with Two Applications
在本文中,我们提出了一个新的简单的度为基础的估计最大匹配的大小有界荫度图。当图的荫度由$α$界定时,估计器给出匹配大小的$α+2$因子近似。对于平面图,我们表明估计做得更好,并返回匹配大小的$3.5$近似。使用这个估计,我们得到了新的结果,近似的匹配大小的平面图在流和分布式计算模型。特别地,在顶点到达流中,我们得到了一个随机的$O(\frac{\sqrt{n}}{ε^2}\log n)$空间算法,用于近似$n$顶点上的平面图中的$(3.5+ε)$因子内的匹配大小。同样,我们得到了一个同时协议的顶点划分模型中的$(3.5+ε)$因子内的匹配大小近似使用$O(\frac{n^{2/3}}{ε^2}\log n)$通信从每个球员。与以往的估计相比,本文的估计不需要知道输入图的荫度,并在平面图的情况下改进了逼近因子。
2020-11-25 cs.DS
Space Optimal Vertex Cover in Dynamic Streams
我们最佳地解决了在动态图流中寻找$α$ -近似最小顶点覆盖($α$ MVC)问题的空间复杂度。我们为$α$ MVC提供了一个随机算法,该算法使用$O(n^2/α^2)$位空间匹配Dark和Konrad的下限[CCC 2020]直到常数因子。通过计算一个随机的贪婪匹配,我们确定了“容易”的问题,可以平凡地解决返回整个顶点集的实例。剩下的“硬”实例,然后有稀疏的诱导子图,我们利用它来节省空间和解决$α$ MVC。实现这种类型的最优结果对于提供对问题的完整理解至关重要,并且它已经在动态图流社区中获得了兴趣。对于连接性,Nelson和Yu [SODA 2019]改进了下限,表明空间的$Ω(n \log^3 n)$位是必要的,而Ahn、Guha和McGregor [SODA 2012]表明$O(n \log^3 n)$位是足够的。为了找到$α$近似最大匹配,Assadi和Shah [ITCS 2022]改进了上限,表明$O(n^2/α^3)$位是足够的,而Dark和Konrad [CCC 2020]表明$Ω(n^2/α^3)$位是必要的。然而,空间复杂度对于许多其他动态图流问题仍然是未解决的,其中仍然可以进行进一步的改进。\end{abstract}
2022-09-12 cs.DS
Disconnected Matchings
在2005年,Goddard,Hedetniemi,Hedetniemi和Laskar [Generalized subgraph-restricted matchings in graphs,离散数学,293(2005)129 - 138]询问了确定其顶点集导致不连通图的匹配的最大基数的计算复杂性。在本文中,我们回答这个问题。事实上,我们考虑的广义问题,发现$c$ -断开匹配,这样的匹配的顶点集诱导子图至少有$c$连接组件。我们证明了,对于每个固定的$c \geq 2$,即使我们限制输入到有界直径的二部图,这个问题是NP-完全的,而可以在多项式时间内解决,如果$c = 1$。对于当$c$是输入的一部分的情况下,我们表明,该问题是NP-完全的弦图,而在多项式时间的区间图是可解的。最后,我们探讨了问题的参数化复杂性。本文给出了树宽参数化下的FPT算法,以及用$c$参数化时的最小分隔点个数为多项式的图的XP算法。我们补充这些结果表明,除非NP $\subseteq$ coNP/聚,相关的诱导匹配问题不承认一个多项式核时,参数化的顶点覆盖和大小的匹配,也不当参数化的顶点删除距离团和大小的匹配。至于连接匹配,我们展示了如何在线性时间内获得最大连接匹配给定的输入中的任意最大匹配。
2021-12-16 cs.DM cs.DS
Online Budgeted Truthful Matching
研究了二部图的在线真实预算匹配问题,其中右顶点提前到达,左顶点顺序到达。当一个左顶点到达时,它对所有右顶点的边效用(或权重)和相应的成本(或出价)被揭示出来。如果一个左顶点匹配到任何一个右顶点,那么它至少需要支付与它的成本一样多的费用。问题是在支付预算约束下,将每个左顶点即时且可重复地匹配到任何一个右顶点,如果有的话,以找到真实的最大权重匹配。真实性条件要求没有左顶点有误报成本的动机。假设顶点到达的均匀随机顺序(秘书模型)与任意的效用,提出了一个真实的算法,是$24β$ -竞争(其中$β$是最大和最小效用的比率),并满足支付预算约束。该问题的直接应用包括众包拍卖,以及在支持设备到设备的蜂窝网络中将无线用户匹配到协作中继。
2016-06-02 cs.DS cs.GT
Characterisation of Strongly Stable Matchings
强稳定匹配问题(SSMP)的一个例子是无向二分图$G=(A \cup B, E)$,每个顶点的邻接表是一个线性有序的连接列表,这些连接是对于给定顶点同样好的顶点的子集。领带是不相交的,可以包含一个顶点。匹配的$M$是顶点不相交的边的集合。如果$x$不匹配或严格偏好$y$而不是其在$M$中的当前伙伴,并且$y$不匹配或严格偏好$x$而不是其在$M$中的当前伙伴,或者在它们之间是无关紧要的,则边$(x,y) \in E \setminus M$是$M$的{ \em阻塞边}。一个匹配是{ \em强稳定},如果没有关于它的阻塞边缘。我们提出了一个算法的生成所有强稳定的匹配,从而解决了一个公开的问题已经在书中提出的Gusfield和欧文\cite{GI}。以前已经表明,强稳定匹配形成一个分配格,虽然强稳定匹配的数量可以是指数的顶点数,我们表明,存在一个偏序与$O(m)$元素代表所有强稳定匹配,其中$m$表示在图中的边数。我们给出了两个算法,构造两个这样的表示:一个在$O(nm^2)$时间和其他在$O(nm)$时间,其中$n$表示在图中的顶点数。注意,第二表示的构造具有与计算单个强稳定匹配相同的时间复杂度。
2015-06-01 cs.DS cs.GT
Vertex Cover and Feedback Vertex Set Above and Below Structural Guarantees
由解大小k参数化的顶点覆盖是典型的固定参数易处理问题。当参数较小时,FPT算法是最有趣的。k的几个下界是众所周知的,例如匹配的最大大小。这导致了一系列的研究的顶点覆盖的参数化的不同的解决方案的大小k和下限。最突出的情况下,这样的下限的问题是FPT的匹配数或最佳的分数LP解决方案。我们调查参数化之间的差异k和其他图形参数,包括反馈顶点数,退化,集群删除数,树宽的目标是找到边界的固定参数的易处理性说,差异参数化。我们也考虑类似的反馈顶点集问题的参数化。
2022-08-19 cs.CC cs.DS
A Faster Parameterized Algorithm for Temporal Matching
时态图是同一顶点集上的一系列图(称为层)--描述了随时间发生离散变化的图拓扑。$Δ$ -时间匹配$M$是一组时间边$(e,t)$(与时间点$t$配对的边$e$),使得对于所有不同的时间边$(e,t),(e',t') \in M$,我们具有$e$和$e'$不共享端点,或者时间标签$t$和$t'$至少相隔$Δ$时间单位。Mertzios等人[STACS '20]提供了一种$2^{O(Δν)}\cdot |{\mathcal G}|^{O(1)}$ -时间算法来计算时间图$\mathcal G$中的$Δ$ -时间匹配的最大大小,其中$|\mathcal G|$表示$\mathcal G$的大小,并且$ν$是$\mathcal G$的$Δ$ -顶点覆盖数。$Δ$ -顶点覆盖数是使得时间图的任何$Δ$连续层的并集的经典顶点覆盖数的上限为$ν$的最小数$ν$。我们提出了一种改进的算法来计算一个$Δ$ -时间匹配的最大尺寸与运行时间的$Δ^{O(ν)}\cdot |\mathcal G|$,因此提供了一个指数加速方面的$Δ$。
2021-04-23 cs.DM cs.DS
Approximate Bipartite Vertex Cover in the CONGEST Model
本文给出了在CONGEST模型下求解二部图最小顶点覆盖问题的有效分布式算法。由Kynnig定理可知,在二部图中,最小顶点覆盖的大小等于最大匹配的大小。我们首先表明,连同现有的$O(n\log n)$轮算法计算的最大匹配,建设性的证明König定理直接导致一个确定性的$O(n\log n)$轮CONGEST算法计算的最小顶点覆盖。然后,我们表明,通过调整的建设,我们也可以转换成\emph{approximate}最大匹配的\emph{approximate}最小顶点覆盖。给定$(1-δ)$ -近似匹配的一些$δ>1$,我们表明,$(1+O(δ))$ -近似顶点覆盖可以计算在时间$O(D+\mathrm{poly}(\frac{\log n}δ))$,其中$D$是直径的图。当与已知的图聚类技术相结合时,对于任何$\varepsilon\in(0,1]$,这导致$\mathrm{poly}(\frac{\log n}{\varepsilon})$时间确定性,并且还导致用于计算二分图中的$(1+\varepsilon)$近似顶点覆盖的稍微更快和更简单的随机$O(\frac{\log n}{\varepsilon^3})$轮CONGEST算法。对于常数$\varepsilon$,随机化的时间复杂度匹配的$Ω(\log n)$下限计算$(1+\varepsilon)$ -近似顶点覆盖的二分图,…
2020-11-19 cs.DC cs.DS
Distributed CONGEST Approximation of Weighted Vertex Covers and Matchings
本文在CONGEST模型中为加权顶点覆盖和最大加权匹配问题设计了多对数时间的确定性近似算法,并给出了LOCAL模型下的下界,推广了多个已有无权情形结果。
2021-11-20 cs.DC cs.DS
The Complexity of Finding Fair Many-to-One Matchings
我们分析了二分多对一匹配的“公平”变体的(参数化)计算复杂性,其中来自“左”侧的每个顶点被匹配到恰好一个顶点,并且来自“右”侧的每个顶点可以被匹配到多个顶点。我们希望找到一个“公平”匹配,其中右侧的每个顶点都匹配到一个“公平”的顶点集。假设每个顶点从左边有一个颜色建模其属性,我们研究了两个公平性准则。在其中一个例子中,如果对于任意两种颜色,它们出现的次数之差不超过给定的阈值,则我们认为顶点集是公平的。在学生和大学、选民和选民、申请人和公司之间找到多对一的匹配时,公平性是相关的。在这里,颜色可以分别对社会人口统计属性、党员身份和资格进行建模。我们发现,找到一个公平的多对一的匹配是NP难的,即使是三种颜色和最大程度的五。我们的主要贡献是设计固定参数的易于处理的算法相对于右侧的顶点数。我们的算法利用了各种技术,包括颜色编码。在核心谎言整数线性规划编码霍尔一样的条件。为了建立我们的整数规划的正确性,我们证明了一个新的分离结果,灵感来自弗兰克的分离定理[弗兰克,离散数学。1982],这也可能是独立的利益。我们进一步获得了关于颜色数量和每边最大程度的完整复杂性二分法。
2022-07-11 cs.DM cs.DS cs.GT
Randomized Composable Coresets for Matching and Vertex Cover
为大规模数据集设计可扩展算法的一种常见方法是将计算分布在机器(比如说$k$)上,并使用它们之间的有限通信来处理数据。这里一个特别有吸引力的框架是同时通信模型,其中每台机器都构建其自身数据的小型代表性摘要,然后从代表性摘要的联合中获得近似/精确的解决方案。如果一个问题所需的代表性摘要很小,那么这将导致一个通信高效和轮最优的协议。虽然许多基本的图形问题承认有效的解决方案,在这个模型中,两个突出的问题是显着缺席的成功列表,即最大匹配问题和最小顶点覆盖问题。事实上,最近的研究表明,对于这两个问题,即使实现polylog $(n)$近似,也需要从每台机器发送整个输入图。我们工作的主要见解是,在同时通信模型中匹配和顶点覆盖的棘手性本质上与跨机器的底层图的对抗性分区有关。我们表明,当底层图形随机划分的机器,这两个问题承认随机组合coresets的大小$\widetilde{O}(n)$,产生一个$\widetilde{O}(1)$近似的解决方案。这导致在$\widetilde{O}(1)$ -近似的同时协议,这些问题与$\widetilde{O}(nk)$总通信时,输入是随机划分在$k$机器。我们进一步证明了我们的结果的最优性。最后,通过一个标准的可组合核心集的应用,我们的结果也意味着MapReduce算法在一轮或两轮通信中具有相同的近似保证
2017-05-23 cs.DC cs.DS
Online Algorithm for Fractional Matchings with Edge Arrivals in Graphs of Maximum Degree Three
University of Waterloo(滑铁卢大学);University of Toronto(多伦多大学)
本文针对最大度数为三的图,提出了一个分数匹配的在线算法,其竞争比为0.5914,并展示了整数匹配与分数匹配之间的竞争比差异。
2026-02-07 cs.DS cs.GT