On weighted depths in random binary search trees
继模型介绍了Aguech,Lasmar和马哈茂德[Probab。工程通知。Sci. 21(2007)133-141],标记的有根树中的节点的加权深度是连接节点到根的路径上的所有标记的总和。我们分析了加权深度的节点与给定的标签,最后插入的节点,节点排序访问的深度优先搜索过程中,加权路径长度和加权维纳指数在一个随机二叉搜索树。我们建立三个政权的节点取决于他们的加权深度的二阶行为是否遵循从波动的路径上的键,节点的深度,或两者兼而有之。最后,我们研究了单位区间上的广义过程函数,该函数作为至多有一个子节点的加权深度的标度极限。
2017-07-01 cs.DS math.PR
Matrices of optimal tree-depth and a row-invariant parameterized algorithm for integer programming
对整数规划的固定参数易处理性的一系列研究最终表明,具有n个变量和具有对偶树深度d和最大条目D的约束矩阵的整数规划在时间g(d,D)poly(n)中对于某个函数g是可解的。然而,约束矩阵的对偶树深度不被行操作保留,即,给定的整数规划可以等价于具有较小的对偶树深度的另一个整数规划,并且因此不反映其几何结构。我们证明了行等价矩阵的最小对偶树深度等于由矩阵的列定义的拟阵的分支深度。我们设计了一个计算有限域上拟阵分支深度的固定参数算法和一个计算具有最小对偶树深度的行等价矩阵的固定参数算法。最后,我们使用这些结果来获得一个整数规划运行在时间g(d*,D)poly(n)的算法,其中d* 是分支深度的约束矩阵;分支深度不能被更宽容的分支宽度的概念所取代。
2022-01-31 cs.DM cs.DS math.OC
Compaction for two models of logarithmic-depth trees: Analysis and Experiments
我们感兴趣的是两个经典树族:递归树和平面二元增树的压缩比的定量分析。这些族是具有小深度的树模型的典型代表。一旦大小为$n$的树通过仅保留出现在树中的所有边缘子树的一次出现而被压缩,则所得到的图仅包含$O(n / \ln n)$节点。这一结果必须与简单生成树族中的压缩的经典结果进行比较,其中类似的结果表明,压缩结构的大小为$n / \sqrt{\ln n}$。关于平面二元增树的结果已有证明,但我们提出了一种新的通用方法来得到这一结果。最后,提出了一个实验研究的基础上,原型实现的压缩二叉搜索树,由平面二叉增树建模。
2021-09-13 cs.DS math.CO
Depth first representations of $k^2$-trees
针对标准$k^2$-树逐层表示无法压缩相同子树、缓存友好性差的问题,提出多种深度优先表示与线性时间同构子树压缩算法,在网页图邻接矩阵上提升了压缩比,部分矩阵乘法速度优于标准结构。
2025-05-16 cs.DS
The Complexity of Bicriteria Tree-Depth
树深度问题可以看作是为给定的输入图$G$寻找最小高度的消去树。我们引入了一个双准则的推广,其中另外的消除树的宽度需要有界的一些输入整数$b$。我们感兴趣的情况下,$G$是一棵树的线图,证明了该问题是NP-困难的,并获得了多项式时间的添加$2b$ -近似算法。这类特殊的图在过去受到了极大的关注,主要是由于许多潜在的应用,例如模块化产品的并行组装,或关系数据库中的并行查询处理,以及纯粹的组合应用,包括在树状偏序中搜索(这反过来又推广了对排序数据的二分搜索)。
2021-05-28 cs.DM cs.DS
Efficient parameterized algorithms on graphs with heterogeneous structure: Combining tree-depth and modular-width
许多计算问题允许在特殊输入上的快速算法,然而,所需的属性可能是相当限制的。例如,在一个示例中,许多图问题在区间图或余图上,或在小模宽或小树宽的图上可以比在一般图上快得多地解决。一个挑战是获得这些结果的最大普遍性,即,适用于限制较少的输入类,而不会在运行时间方面损失太多。使用代数表达式的基础上,我们提出了一个干净和强大的方式相结合,这样的同质结构到更复杂的异构结构,我们展示了这种情况下的组合模块宽度,树深度,和一个自然的概念模块树深度。我们给出了一个通用的框架,设计高效的参数化算法上创建的图形类,旨在获得竞争力的运行时间,匹配同质的情况下。为了显示的适用性,我们给出了有效的参数化算法的负循环检测,顶点加权的所有对最短路径,和三角形计数。
2022-09-28 cs.DS
On Learning and Testing Decision Tree
Technion(以色列理工学院);Guangdong Technion Israel Institute of Technology (GTIIT)(广东以色列理工学院)
在本文中,我们研究学习和测试的决策树的大小和深度,显着小于$n$的属性数。我们的主要结果解决问题的聚$(n,1/ε)$时间算法与聚$(s,1/ε)$查询复杂性(独立的$n$),区分功能,是决策树的大小$s$从功能$ε$ -远离任何决策树的大小$ϕ(s,1/ε)$,对于一些功能$ϕ> s$。最著名的结果是最近由Blank,Lange和Tan得出的~ \cite{BlancLT20},它给出了$ϕ(s,1/ε)=2^{O((\log^3s)/ε^3)}$。本文给出了一种实现$ϕ(s,1/ε)=2^{O(\log^2 (s/ε))}$的新算法。此外,我们还研究了深度$d$决策树的可测试性,并给出了一个{ \it distribution free}测试器,该测试器可以区分深度$d$决策树和$ε$ -far from depth $d^2$决策树.特别地,对于大小为$s$的决策树,当树深度为$O(\log(s/ε))$时,上述结果在无分布模型中成立。我们还给出了其他新的结果,学习和测试的大小- $s$决策树和深度- $d$决策树,遵循文献中的结果和一些结果,我们证明了本文。
2021-08-10 cs.DS cs.LG
Breadth-First Depth-Next: Optimal Collaborative Exploration of Trees with Low Diameter
我们认为,由Fraigniaud,Gasieniec,Kowalski,和Pelc的$k$代理团队的任务是集体尽可能快地通过一个未知的树的所有边缘的协作树探索的问题。Fraigniaud等人的$\mathcal{O}(n/\log(k)+D)$算法用$n$表示节点的总数,用$D$表示树的深度,实现了关于离线探索成本的最著名的竞争比,即$Θ(\max{\{2n/k,2D\}})$。Brass、Cabrera-Mora、Gasparri和Xiao考虑了另一种性能标准,即相对于$2n/k$的附加开销,并获得了$2n/k+\mathcal{O}((D+k)^k)$运行时保证。在本文中,我们介绍了“广度优先深度下一个”(BFDN),一种新颖而简单的算法,执行协作树探索的时间$2n/k+\mathcal{O}(D^2\log(k))$,从而优于黄铜等。所有值的$(n,D)$和顺序最优的深度$D=o_k(\sqrt{n})$的所有树。此外,Disser等人最近的结果表明,没有探索算法可以实现$2n/k+\mathcal{O}(D^{2-ε})$运行时保证。在$D^2$中,我们的界的依赖性在这个意义上是最优的。我们的结果的证明关键依赖于一个相关的两人博弈的分析。我们将BFDN的保证扩展到:内存和通信有限的场景,可以阻止机器人的对抗设置,以及探索非树图类。最后,我们提供了一个递归版本的BFDN与运行…
2023-01-30 cs.DC cs.DS
On the Power of Tree-Depth for Fully Polynomial FPT Algorithms
P中有许多经典问题的时间复杂度在过去的几十年里没有得到改善。最近对“P中的硬度”的研究表明,对于一些这样的问题,在某些复杂性假设下,当前最快的算法是最好的。为了绕过这个困难,Fomin等人(SODA 2017)引入了完全多项式FPT算法的概念。对于当前最佳时间复杂度为$O(n^c)$的问题,目标是设计一个在$k^{O(1)}n^{c'}$时间内运行的算法,其中参数为$k$,$c'<c$为常数。在本文中,我们研究了图问题的复杂性,在P参数的树深度,一个图的参数有关的树宽度。我们表明,一个简单的分治方法可以解决许多图形问题,包括加权匹配,负循环检测,最小权重循环,替换路径,和2跳覆盖,在$O(\mathrm{td}\cdot m)$时间或$O(\mathrm{td}\cdot (m+n\log n))$时间,其中$\mathrm{td}$是树深度的输入图。因为树宽$\mathrm{tw}$的任何图的树深最多为$(\mathrm{tw}+1)\log_2 n$,所以我们的算法也在$O(\mathrm{tw}\cdot m\log n)$时间或$O(\mathrm{tw}\cdot (m+n\log n)\log n)$时间内运行。这些结果匹配或改进了以前的最佳算法参数的树宽度。特别地,我们解决了Fomin等人提出的以树宽为参数的加权匹配的全多项式FPT算法的一个公开问题。
2017-10-23 cs.CC cs.DM cs.DS
The $(h,k)$-Server Problem on Bounded Depth Trees
我们研究了$k$ -服务器问题中的资源增加设置,即,当使用$k$服务器的在线算法的性能与使用$h \leq k$服务器的离线最优解决方案进行比较时。除了统一的度量标准之外,对这个问题的理解非常有限。对于这种特殊情况,经典的$k$ -服务器算法在$k=(1+ε) h$时,对于任何$ε>0$都大致是$(1+1/ε)$ -竞争性的.然而,令人惊讶的是,即使对于深度为2的HST,甚至当$k/h$任意大时,也没有$o(h)$竞争算法是已知的。我们得到了几个新的结果。首先,我们表明,已知的$k$ -服务器算法不工作,即使在非常简单的指标。特别地,双覆盖算法具有竞争比$Ω(h)$,而与$k$的值无关,即使对于深度2 HST也是如此。类似地,当$k=h$在深度3 HST上具有竞争比$Ω(h)$,即使$k=2h$时,被认为对于所有度量空间都是最优的功函数算法。我们的主要结果是一个新的算法,是$O(1)$ -竞争的恒定深度树,每当$k =(1+ε)h$的任何$ε> 0$。最后,我们给出了一个一般的下界,任何确定性的在线算法的竞争比至少为2.4,即使深度为2 HST和$k/h$是任意大的。这给出了一个令人惊讶的定性分离之间的统一指标和深度2 HST的$(h,k)$ -服务器的问题,并给出了最强的已知下界的一般指标的问题。
2017-04-11 cs.DS
Decision tree heuristics can fail, even in the smoothed setting
Stanford(斯坦福大学);MIT(麻省理工学院)
贪婪决策树学习算法是机器学习实践的支柱,但其经验成功的理论依据仍然难以捉摸。事实上,人们早就知道,有一些简单的目标功能,他们失败严重(卡恩斯和曼苏尔,STOC 1996)。Brutzkus,Daniely和Malach(COLT 2020)最近的工作认为平滑分析模型是解决这种脱节的可能途径。在平滑设置中,对于$k$ -juntas的目标$f$,他们表明这些算法成功地学习了具有深度$k$决策树假设的$f$。他们强调,对于深度$k$决策树的目标,同样的保证更普遍。我们提供了一个反例,这个猜想:我们构建的目标是深度$k$决策树,并表明,即使在平滑设置,这些算法建立树的深度$2^{Ω(k)}$之前,实现高精度。我们还表明,Brutzkus等人的保证。不能扩展到不可知的设置:有非常接近$k$ -juntas的目标,这些算法建立树的深度$2^{Ω(k)}$之前实现高精度。
2021-07-02 cs.DS cs.LG stat.ML
Deterministic Tree Embeddings with Copies for Algorithms Against Adaptive Adversaries
将图嵌入到树的分布中以保持期望中的距离是许多优化算法的基石。不幸的是,使用这些嵌入的在线或动态算法似乎本质上是随机的,不适合自适应对手。在本文中,我们提供了一个新的树嵌入,解决了这些问题,确定性地嵌入到一个单一的树包含$O(\log n)$副本的每个顶点,同时保持连接结构的每个子图和$O(\log^2 n)$ -近似每个子图的成本。使用这种嵌入,我们得到了几个新的算法结果:我们减少了一个开放的问题,阿隆等人。[SODA 2004] -存在的确定性多日志竞争算法在线组Steiner树一般图-它的树的情况。我们给出了一个多对数竞争的确定性算法的一个密切相关的问题-在线部分组Steiner树-这,大致上,是一个双准则版本的在线组Steiner树。最后,我们给出了需求鲁棒Steiner森林、群Steiner树和群Steiner森林的第一个多对数近似。
2021-02-09 cs.DS
Compact Ancestry Labeling Schemes for Trees of Small Depth
{ \em祖先标记方案}以这样的方式标记任何树的节点,即树中任何两个节点之间的祖先查询可以仅通过查看它们对应的标签来回答。评估祖先标记方案的质量的常用度量是通过其{ \em标签大小},即在所有$n$节点树上存储在标签中的最大位数。祖先标记方案的设计在XML搜索引擎中得到应用。在这些应用中,即使是标签大小的微小改进也很重要。事实上,关于这个主题的文献感兴趣的是确切的标签大小,而不仅仅是它的数量级。因此,在提出了$2\log n$比特大小的原始方案之后,投入了大量的工作来改进标签大小的界限。现有技术的上限是$\log n + O(\sqrt{\log n})$位,其仍然远离已知的$\log n + Ω(\log\log n)$下限。此外,在添加剂$O(\sqrt{\log n})$长期隐藏的常数因子是大的,这使得该长期占主导地位的标签大小为典型的当前XML树。为了给真正的XML数据提供良好的性能,我们依赖于这样一种观察:典型XML树的深度从上到下是由一个小常数限定的。考虑到这一点,我们提出了一个祖先标记计划的大小$\log n+2\log d +O(1)$,最多$n$节点和深度最多$d$的树的家庭。除了我们的主要结果,我们证明了一个结果,可能是独立的利益有关的存在性的线性{ \em通用图}的家庭森林有界深度的树。
2009-02-18 cs.DC cs.DM cs.DS
Low-Depth Spatial Tree Algorithms
针对空间计算机模型中稀疏计算的通信局部性与并行深度问题,本文提出空间树布局及低深度 treefix sum、LCA 算法,实现近线性 energy 与多对数深度。
2024-08-08 cs.DC cs.DS
Depth of vertices with high degree in random recursive trees
设$T_n$是一个随机递归树,其中有$n$节点。将$T_n$的顶点按度的降序排列为$v^1,\ldots,v^n$,并将$v^i$的度和$v^i$到根的距离分别写为$d^i$和$h^i$。证明了当$n \to \infty$沿着适当的连续性时,有\[ \bigg(d^i - \lfloor \log_2 n \rfloor, \frac{h^i - μ\ln n}{\sqrt{σ^2\ln n}}\bigg) \to ((P_i,i \ge 1),(N_i,i \ge 1))\, , \],其中$μ=1-(\log_2 e)/2$,$σ^2=1-(\log_2 e)/4$,$(P_i,i \ge 1)$是$\mathbb{Z}$上的Poisson点过程,$(N_i,i \ge 1)$是独立的标准高斯向量.我们还建立了联合正规的深度均匀随机顶点$T_n$,扩展了结果的情况下,一个单一的随机顶点。即使随机顶点被调节为具有大的度数,只要相应地调整归一化常数,联合极限也保持不变;然而,条件深度的均值和方差都保持为有序$\ln n$。我们的研究结果是基于一个简单的关系随机递归树和金曼的$n$ -聚结;一个实用程序,似乎已在很大程度上被忽视。
2021-12-14 cs.DS math.PR
Extended Depth-First Representations of $k^2$-trees
University of Pisa(比萨大学);Sant’Anna School of Advanced Studies(圣安娜高等研究学院)
本文针对k²树传统层级式布局缓存性能差的问题,提出四种深度优先表示及线性时间压缩方法,实验表明其在矩阵操作中压缩与计算性能优于传统布局。
2026-07-31 cs.DS cs.IR cs.PF
Minimax Trees in Linear Time
极大极小树类似于霍夫曼树,除了它不是最小化叶子深度的加权平均值,而是最小化任何叶子的权重加上它的深度的最大值。Golumbic(1976)引入了极大极小树,并给出了一个类似Huffman的$\Oh{n \log n}$时间算法来构建它们。Drmota和Szpankowski(2002)给出了另一个$\Oh{n \log n}$-时间算法,该算法在二分搜索的每一步都检查Kraft不等式。在本文中,我们展示了如何Drmota和Szpankowski的算法可以运行在一个字RAM(Ω(\log n))位字的线性时间。我们也讨论我们的解决方案如何适用于数据压缩,组测试和电路设计中的问题。
2009-01-28 cs.DS
Saving Space by Dynamic Algebraization Based on Tree Decomposition: Minimum Dominating Set
提出了一种基于树分解的动态规划的多项式空间精确求解最小支配集问题的算法。基于树分解的动态规划的直接应用将导致指数空间算法,但是我们使用zeta变换来获得多项式空间算法,以换取适度的时间增加。该框架由Lokshtanov和Nederlof 2010开创,并由Fürer和Yu 2017适应动态环境。我们的空间效率算法是一个参数化的算法的基础上,树的深度和树的宽度。最小支配集的朴素算法在$\mathcal{O}^*(2^n)$时间内运行。以前的大部分工作都集中在时间复杂度上。但是空间优化是算法设计的一个关键方面,因为在一些情况下,空间是比时间更有价值的资源。我们的参数化算法运行在$\mathcal{O}^*(3^{d})$中,其空间复杂度为$\mathcal{O}(nk)$,其中$d$是给定树分解的深度,$k$是给定树分解的宽度。我们观察到Reed在1992年提出的构造图的树分解的算法只使用多项式空间。因此,即使不给出树分解,我们仍然得到一个有效的多项式空间算法。有一些其他的算法,使用多项式空间的这个问题,但他们是不是有效的小树深度的图。
2017-11-28 cs.DS
Nearly Optimal Space Efficient Algorithm for Depth First Search
我们设计了一个空间有效的算法执行深度优先搜索遍历(DFS)的图在$O(m+n\log^* n)$时间使用$O(n)$位的空间。虽然一个正常的DFS算法的结果是一个DFS树(如果图是连接的),我们的空间边界不允许我们甚至存储这样的树。然而,我们的算法正确地输出DFS树的所有边。之前的最佳算法(使用$O(n)$工作空间)花费了$O(m \log n)$时间(Asano,Izumi,Kiyomi,Konagaya,Ono,Otachi,Schweitzer,Tarui,Uehara(ISAAC 2014)和Elmasry,Hagerup,Krammer(STACS 2015))。在这一领域留下的主要问题是设计更快的算法DFS使用$O(n)$位的空间。我们的算法回答了这个问题,因为它有一个接近最佳的运行时间(因为DFS需要$O(m+n)$时间,即使没有空间限制)。
2018-10-16 cs.DS
Depth First Search in the Semi-streaming Model
深度优先搜索(DFS)树是解决各种图问题的基本数据结构.经典的DFS算法对于具有$m$和$n$顶点的图需要$O(m+n)$时间。在流模型中,算法被允许在输入图上进行几次(优选地是单次),对所使用的局部空间的大小具有限制。简单地说,DFS树可以通过使用$O(m)$空间的单次遍历来计算。在允许$O(n)$空间的半流模型中,它可以在$O(n)$过程中计算,其中每个过程向DFS树添加一个顶点。然而,即使在任何宽松的流式传输环境中,使用$o(m)$空间使用$o(n)$遍数来计算DFS树仍然是一个开放的问题。我们提出了第一个半流算法,计算DFS树的无向图在$o(n)$通过使用$o(m)$空间。我们首先描述一个非常简单的算法,它最多需要使用$O(nk)$空间的$\lceil n/k\rceil$遍,其中$k$是任何正整数。然后,我们改进了这个算法,使用更多涉及的技术,以减少通过$\lceil h/k\rceil$类似的空间约束下,其中$h$是计算DFS树的高度的数量。特别地,该算法改进了计算的DFS树是浅的(具有$o(n)$高度)的情况下的边界。此外,该算法作为一个框架,允许使用任何算法的灵活性,以保持存储的稀疏子图的DFS树作为一个黑盒子,这可能是独立的利益。这两种算法基本上证明了存在的空间和计算DFS树所需的通道数之间的权衡。此外,我们评估这些算法的实验,揭示了他们的特殊性能在实践中。对于随…
2019-01-11 cs.DS
A Parameterized Complexity Analysis of Bounded Height Depth-first Search Trees
该研究针对有界树深度分解的算法瓶颈,提出了$2^{\u214f(k log k)}\u00b7n$时间的有界高度DFS树求解算法,解决了相关开放问题,并补充了多场景下的复杂度结论。
2025-02-23 cs.CC cs.DS
Analysis of Steiner subtrees of Random Trees for Traceroute Algorithms
在本文中,我们考虑的问题发现,通过一个traceroute算法,网络的拓扑结构,其图形是由一个无限的分支过程。根据某个标准选择节点的子集。作为衡量算法效率的指标,研究了所选节点的Steiner距离,即这些节点的生成子树的大小。对于节点的选择,考虑两个标准:节点是随机选择的概率,这是独立的节点的深度(均匀模型),否则在深度偏置模型,是指数衰减相对于其深度。这两个模型的限制行为的大小发现的子树进行了调查。
2008-06-06 cs.DS cs.NI
Should Static Search Trees Ever Be Unbalanced?
在本文中,我们研究的问题是否静态搜索树应该是不平衡的。我们提出了几种方法来重建一个不平衡的k元搜索树$T$到一个新的树$R$,保留了$T$的许多属性,同时具有高度的$\log_k n +1$,这是一个单位的最佳高度。更具体地说,我们表明,它是可能的,以确保$R$中的元素的深度不超过其深度在$T$加上最多$\log_k \log_k n +2$。同时,可以保证树$R$中的平均访问时间$P(R)$不大于树$T$中的平均访问时间$P(T)$加上$O(\log_k P(T))$。这表明,对于大多数应用程序,平衡树总是比不平衡树更好的选择,因为平衡树具有相似的平均访问时间和更好的最坏情况访问时间。
2010-06-18 cs.DS
Depth-First Search performance in a random digraph with geometric outdegree distribution
我们提出了一个分析的深度优先搜索算法在一个随机有向图模型具有独立的度有几何分布。结果包括顶点的深度剖面、高度(最大深度)和平均深度、森林中的树的数量、最大和第二大树的大小以及深度优先丛林中不同类型的弧的数量的渐近结果。大多数结果都是一阶的。对于高度,我们证明了渐近正态分布。唐纳德·克努特(Donald Knuth)在他即将出版的《计算机编程的艺术》一书中提出的这项分析,对塔詹提出的最优雅、最有效的图分析算法之一提供了有趣的见解。
2022-12-30 cs.DS math.PR
Energy Constrained Depth First Search
深度优先搜索是一种自然的算法技术,用于构建访问图的所有顶点的闭合路由。这样的路线的长度等于,在一个边缘加权树,两倍的树的所有边缘的总重量,这是渐近最优的所有探索策略。本文考虑了这种搜索策略的一个变体,其中每条路线的长度由正整数$B$(例如,由于有限的能源资源的搜索)。目标是使用最少数量的路由覆盖树$T$的所有边,每个路由在根处开始和结束,并且每个路由的长度至多为$B$。为此,我们分析了以下自然贪婪树遍历过程,该过程基于将深度优先搜索遍历分解为有限长度路由的序列。给定树$T$的任意深度优先搜索遍历$R$,我们用路由$R_1,\ldots,R_l$覆盖$R$,每个路由的长度至多为$B$,使得:$R_i$从根开始,直接到达$R_{i-1}$访问的$R$的最远点,然后$R_i$尽可能地沿着路径$R$继续,最后$R_i$返回到根。我们将上述算法称为\emph{piecemeal-DFS},并证明无论选择$R$,它都能实现渐进最小路由数$l$。我们的分析还表明,遍历的总长度(从而遍历时间)的分段DFS是渐近最小的所有能量约束的探索策略。可以任意选择$R$的事实意味着当输入树$T$事先不知道时,可以以在线方式构造探索策略。令人惊讶的是,我们的研究结果表明,深度优先搜索是有效的能量受限的探索树,即使它是已知的,这并不适用于能量受限的探索任意图形。
2018-02-17 cs.DC cs.DM cs.DS
Parallel Wavelet Tree Construction
我们提出了并行算法的小波树建设与多对数深度,改进Fuentes-Sepulveda等人最近的并行算法的线性深度。我们实验表明,在一个40核的机器上,双向超线程,我们优于现有的并行算法的1.3- 5.6倍,并实现高达27倍的加速比在各种现实世界和人工输入的顺序算法。随着线程数、输入大小和字母表大小的增加,我们的算法表现出良好的可扩展性。我们还讨论了标准小波树的变体的扩展。
2015-04-01 cs.DC cs.DS
Kernelization for Finding Lineal Topologies (Depth-First Spanning Trees) with Many or Few Leaves
针对最小/最大叶子数线性拓扑的参数化问题,利用顶点覆盖结构证明两类问题均存在多项式核,得到更高效的FPT算法,还推导了顶点覆盖数参数化下的多项式核结果。
2023-07-20 cs.DS
Efficient Semi-External Depth-First Search
随着图形大小的快速增长,目前许多真实世界的图形很难加载到主存中。深度优先搜索(DFS)结果的计算成为一个热门话题,即,深度优先顺序或DFS树,半外部存储器模型。半外部算法假设主存至少能存储图G的一棵生成树T,并逐步将T重构为一棵非平凡的DFS-树。在本文中,我们提出了一个全面的研究半外部DFS问题。本文在分析了DFS算法存在的主要问题的基础上,提出了一种新的半外部DFS算法EP-DFS。与传统算法不同,我们专注于有效地解决这样复杂的问题,不仅具有更少的I/O,而且具有更简单的CPU计算(实现友好)和更少的随机I/O访问(关键效率)。在合成图和真实图上进行了广泛的实验评估。实验结果表明,我们的EP-DFS算法显着优于现有的算法。
2022-02-22 cs.DB cs.DS
Sparse Fault-Tolerant BFS Trees
本文讨论了设计一棵稀疏的{ \em fault-tolerant} BFS树(简称{ \em FT-BFS树})的问题,即给定网络$G$的稀疏子图$T$,使得在单个边或顶点失效后,$T$的幸存部分$T'$仍然包含$G$(的幸存部分)的BFS生成树.我们的主要结果如下。我们提出了一个算法,对于每个$n$ -顶点图$G$和源节点$s$构建一个(单边故障)FT-BFS树植根于$s$与$O(n \cdot \min\{\Depth(s), \sqrt{n}\})$边,其中$\Depth(s)$是BFS树植根于$s$的深度。这一结果是由一个匹配的下界补充,表明存在$n$ -顶点图与源节点$s$,任何边(或顶点)FT-BFS树植根于$s$有$Ω(n^{3/2})$的边缘。然后,我们考虑{ \em容错多源BFS树},或简称{ \em FT-MBFS树},旨在为源$S\subseteq V$的某个子集提供(故障后)以每个源$s\in S$为根的BFS树。再次,提供了紧边界,表明存在多时间算法,对于每个$n$顶点图和大小为$σ$的源集$S \subseteq V$,(单故障)FT-MBFS树$T^*(S)$从每个源$s_i \in S$,具有$O(\sqrtσ \cdot n^{3/2})$边,并且另一方面存在具有基数$σ$的源集合$S \subseteq V$的$n$ -顶点图,其上来自$S$的任…
2013-02-21 cs.DS
Online Algorithms for Multi-Level Aggregation
在多级聚集问题中,请求到达边加权树T的节点,并且最终必须被服务。一个服务被定义为T的一个子树X,它包含了它的根。这个子树X为所有在X的节点中挂起的请求提供服务,并且这个服务的成本等于X的总权重。每个请求也会在到达和服务时间之间产生等待成本。目标是最小化所有请求的总等待成本加上所有服务子树的总成本。MPEG4是一些研究得很好的优化问题的推广;例如,对于深度为1的树,MPEG4等价于TCP确认问题,而对于深度为2的树,它等价于联合补充问题。任意深度树的聚合问题出现在多播、传感器网络、组织层次通信和供应链管理中。与这些应用程序相关联的MPEG4实例自然是在线的,在这个意义上,需要在没有关于未来请求的信息的情况下做出聚合决策。恒定竞争的在线算法是已知的一个或两个水平的MPEG4。然而,它一直是开放的,是否存在不断竞争的在线算法的树的深度超过2。针对这个开放的问题,我们给出了第一个常数竞争的在线算法的网络的任意(固定)数量的水平。竞争比是O(D^4 2^D),其中D是T的深度。该算法适用于任意的等待成本函数,包括与截止日期的变体。我们还显示了一些额外的下限和上限的结果,一些特殊情况下的MPEG4,包括单相变体和树时的情况下是一个路径。
2016-12-28 cs.DS
Subtree Isomorphism Revisited
子树同构问题询问一个给定的树是否包含在另一个给定的树中。这个问题具有根本重要性,自1960年代以来一直在研究。对于某些变体,例如,有序树、近线性时间算法是已知的,但是对于一般情况,真正的次二次算法仍然是难以捉摸的。我们的第一个结果是减少从正交向量的问题,子树同构,显示一个真正的次二次算法,后者驳斥了强指数时间假设(SETH)。鉴于这个条件下界,我们专注于自然的特殊情况下,没有真正的次二次算法是已知的。我们将这些情况下对二次障碍,特别是显示:-即使是二进制,根树,一个真正的次二次算法反驳SETH。--即使对于深度为$O(\log\log{n})$的根树,其中$n$是顶点的总数,真正的次二次算法也反驳了SETH。--对于每个常数$d$,有一个常数$ε_d>0$和一个随机的,真正的次二次算法的度$d$根树的深度最多$(1+ ε_d) \log_{d}{n}$ .具体地,存在用于深度为$h$的二叉树的$O(\min\{ 2.85^h ,n^2 \})$算法。我们的减少利用新的“树小工具”,这可能是有用的,未来的SETH为基础的下界树上的问题。我们的上界应用随机决策树复杂性的民间传说结果。
2015-10-15 cs.CC cs.DS
Impossibility of Depth Reduction in Explainable Clustering
Rutgers University(罗格斯大学)
该研究证明了在可解释聚类中,减少决策树深度会导致k-均值和k-中位数成本的无界损失,且扩展至k-中心目标。
2026-03-02 cs.CC cs.CG cs.DS
Parallel Minimum Cuts in Near-linear Work and Low Depth
我们提出了第一个近线性的工作和多对数深度算法计算的最小割图,而以前的并行算法与多对数深度需要至少二次工作的顶点数。在具有$n$顶点和$m$边的图中,我们的算法在$O(m {\log}^4 n)$工作和$O({\log}^3 n)$深度中以高概率计算正确结果。这一结果是通过并行化一个数据结构,聚集沿着路径的权重在一棵树,并利用最小切割和近似最大包装的生成树之间的连接。此外,我们的算法改进后的边界上的高速缓存未命中的数量计算的最小切割。
2020-07-02 cs.DC cs.DS
On Polynomial time Constructions of Minimum Height Decision Tree
Technion, Haifa, Israel(以色列理工学院(Technion), 海法)
在本文中,我们研究了一个多项式时间的算法,对于一个输入$A\subseteq {B_m}$输出一个决策树的$A$的最小深度。这个问题有许多应用,包括计算机视觉,组测试,从成员查询和博弈论中精确学习。Arkin等人和Moshkov给出了一个多项式时间的$(\ln |A|)$ -近似算法(用于深度)。Dinur和Steurer关于集合覆盖的结果意味着这个问题不能用比率$(1-o(1))\cdot \ln |A|$近似,除非P=NP。Moskov提出了$A$扩展教学维度的组合测度$ETD(A)$。他表明$ETD(A)$是$A$的决策树深度的下界,然后给出了{ \it指数时间} $ETD(A)/\log(ETD(A))$ -近似算法。在本文中,我们进一步研究了$ETD(A)$测度和一个新的组合测度$DEN(A)$,我们称之为集合$A$的密度。我们表明,$DEN(A)\le ETD(A)+1$。然后我们给出两个结果。第一个结果是,$A$的决策树的深度的Moshkov的下限$ETD(A)$大于通过文献中使用的经典技术获得的界限。第二个结果是$A$的决策树的深度的多项式时间$(\ln 2) DEN(A)$ -近似(以及因此$(\ln 2) ETD(A)$ -近似)算法。我们还表明,一个更好的近似比意味着P=NP。然后,我们应用上述结果学习类的析取谓词成员查询。我们证明了这个类的$ETD$是有界的…
2018-02-01 cs.DS cs.LG
On space efficiency of algorithms working on structural decompositions of graphs
图的路径和树分解的动态规划是参数化和指数时间算法领域中普遍存在的技术。然而,它的缺点之一是,空间使用是指数的分解的宽度。根据Allender等人的工作[Theory of Computing,'14],我们研究这种空间复杂度爆炸是否不可避免。利用Cai和Juedes [J. Comput.系统科学,'03],我们证明了这个问题与一个猜想密切相关,即由输入字符串个数参数化的最长公共子序列问题不允许同时使用XP时间和FPT空间的算法。此外,我们完成的复杂性景观勾勒的路径宽度和树宽度的Allender等人。通过考虑参数树深度。我们证明了树深度分解的计算对应于一个模型的非确定性机器,工作在多项式时间和对数空间,与访问一个辅助堆栈的最大高度等于分解的深度。与Allender等人的结果一起,这描述了多项式时间非确定性机器的复杂性类的层次结构,其对工作空间的访问具有不同的限制,这反映了树宽、路径宽度和树深之间的经典关系。
2016-05-12 cs.CC cs.DS