arXiv 1805.062822018-05-16cs.DS

最大权重匹配的最大积-重温

Max-Product for Maximum Weight Matching - Revisited

Mario Holldack

摘要：

我们专注于信任传播的分配问题，也被称为最大权重二分匹配问题。我们提供了一个建设性的证明，众所周知的迭代次数的上限（Bayati，沙阿，夏尔马2008年）是紧到四个因素。此外，我们调查的行为时，不需要收敛的信念传播。我们表明，一个尖锐的近似所需的迭代次数消耗了很大一部分的收敛时间。最后，我们提出了一个“近似置信传播”算法的分配问题。

英文摘要：

We focus on belief propagation for the assignment problem, also known as the maximum weight bipartite matching problem. We provide a constructive proof that the well-known upper bound on the number of iterations (Bayati, Shah, Sharma 2008) is tight up to a factor of four. Furthermore, we investigate the behavior of belief propagation when convergence is not required. We show that the number of iterations required for a sharp approximation consumes a large portion of the convergence time. Finally, we propose an "approximate belief propagation" algorithm for the assignment problem.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

再论交换匹配问题

The Swap Matching Problem Revisited

在本文中，我们重新研究的模式匹配交换问题（交换匹配问题，简称）。我们首先提出了一个图论模型，它开辟了一个新的和迄今为止尚未探索的途径来解决这个问题。然后，利用该模型，我们设计了两个有效的算法来解决交换匹配问题。由此产生的算法是经典的移位与算法的改编。对于具有类似于目标机器的单词大小的长度的模式，考虑到固定的字母表，这两种算法都在线性时间内运行。

2013-09-18cs.DS

再论多模式匹配

Multiple pattern matching revisited

我们考虑经典的多字符串精确匹配问题。我们的解决方案是基于$q$ -gram结合模式叠加，位并行和字母大小的减少。我们讨论了如何实现最佳组合的各种替代方案的利弊。我们的方法与Salmela等人的先前工作密切相关，2006年）。实验结果表明，我们的方法表现良好，不同的字母大小，他们规模大的模式集。

2014-05-22cs.DS

映射匹配到最小顶点覆盖：Kannig定理的再认识

Mapping Matchings to Minimum Vertex Covers: Kőnig's Theorem Revisited

二部图中最大匹配的大小等于最小顶点覆盖的大小，这是早期组合数学中的一个著名结果。柯尼希的证明这一事实给出了一个算法，找到一个最小的顶点覆盖从最大匹配。在本文中，我们重新审视了这两种类型的结构之间的算法诱导的连接。我们发现，所有的最小顶点覆盖可以找到通过应用该算法的一些匹配，然后分类匹配时，该算法应用于他们的最小顶点覆盖。

2020-04-18cs.DSmath.CO

再论一般图的最大匹配问题

Maximum Matching in General Graphs Without Explicit Consideration of Blossoms Revisited

我们把在一般图中寻找增广路径的问题归结为有向二部图中的可达性问题。对深度优先搜索的一个小小的修改导致了一个寻找这种路径的算法。虽然这种设置相当于传统术语的花朵由于埃德蒙兹，有一些优势。主要是，这一点的观点，使描述的算法的匹配问题的解决方案没有明确的分析开花，嵌套开花，等。示例，我们描述了一个有效的实现的Hopcroft-Karp方法的计算的最大基数匹配在一般的图形和一个变种的埃德蒙兹的原始对偶算法的最大加权匹配问题。

2015-09-16cs.DMcs.DS

再探在线抢占式匹配

Online Preemptive Matching Revisited

University of Vienna（维也纳大学）；Sharif University of Technology（谢里夫理工大学）

研究在线抢占式匹配问题，通过新方法证明该问题竞争比新上界0.5661，改进了之前的结果，且给出首个最优算法采用抢占时实例硬度的结果。

2026-07-15cs.DS

重温广义模式匹配

Generalised Pattern Matching Revisited

在$\texttt{Generalised Pattern Matching}\ (\texttt{GPM})$ [STOC'94，Muthukrishnan和Palem]的问题中，我们给出了长度为$n$的文本$T$在字母表$Σ_T$上，长度为$m$的模式$P$在字母表$Σ_P$上，以及匹配关系$\subseteq Σ_T \times Σ_P$，并且必须返回与PDMATHBMQ匹配的PDMATHBMN的所有子字符串（报告）或长度为$m$的$T$的每个子串与$P$之间的不匹配数量（计数）。在这项工作中，我们改进了所有以前已知的算法，这个问题的各种参数描述的输入实例：* $\mathcal{D}\,$是匹配一个固定字符的字符的最大数量，* $\mathcal{S}\,$是匹配字符对的数量，* $\mathcal{I}\,$是不相交的字符的间隔，匹配模式$P$的$m$字符的总数。在我们的新的确定性上界$\mathcal{D}\,$和$\mathcal{S}\,$的核心在于一个更快的建设叠加代码，解决了一个开放的问题，在[FOCS'97，Indyk]，可以独立的利益。最后，我们证明了$\texttt{GPM}$的第一个下界。我们首先表明，任何确定性或蒙特卡罗算法的$\texttt{GPM}$必须使用$Ω(\mathcal{S})$时间，然后继续显示组合算法的下限。这些界限表明，我们的算法…

2020-01-16cs.DS

更多相关论文收起更多论文

Gabow 的 $O(\sqrt{n}m)$ 最大基数匹配算法再审视

Gabow's $O(\sqrt{n}m)$ Maximum Cardinality Matching Algorithm, Revisited

Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Sharif University（谢里夫大学）

本文重新审视 Gabow 的 $O(\sqrt{n}m)$ 最大基数匹配算法，提出更直接的实现方法，并提供可运行的实现代码。

2026-04-21cs.DS

再论完美匹配割问题

The Perfect Matching Cut Problem Revisited

在图中，完美匹配割是完美匹配的边割。完美匹配割（PMC）是判定给定图是否有完美匹配割的问题，是NP-完全的。我们重新审视这个问题，并表明PMC仍然是NP-完全的限制时，最大程度的二分图3和任意大的围长。补充这个硬度的结果，我们给两个图类，PMC是多项式时间可解的。第一个包含了无爪图和五点无诱导路图，第二个包含了所有的弦图。假设指数时间假设，我们表明，有没有$O^*(2^{o(n)})$的时间算法PMC，即使当限制到$n$ -顶点二分图，也表明PMC可以解决在$O^*(1.2721^n)$时间通过一个精确的分支算法。

2021-07-13cs.DMcs.DS

重新审视带有编辑的模式匹配通信复杂性

The Communication Complexity of Pattern Matching with Edits Revisited

Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Massachusetts Institute of Technology（麻省理工学院）；National Institute of Informatics（国立情报学研究所）

研究重新审视了带有编辑的模式匹配通信复杂性，改进了编码大小并建立了新的下界，匹配了常数大小字母表的下界。

2026-04-17cs.DS

寻找最大公共(诱导)子图：结构参数的重新审视

Finding a Maximum Common (Induced) Subgraph: Structural Parameters Revisited

Kyushu University（九州大学）；Nagoya University（名古屋大学）

本文研究了寻找两个图最大公共子图问题的参数化复杂性，通过参数化最大叶数、邻域多样性和双覆盖数，展示了固定参数可 tractable 的情况，并揭示了诱导和非诱导问题在双覆盖数下的不同复杂性。

2025-12-06cs.DS

重新探讨强多项式并行最大流

Strongly Polynomial Parallel Maximum Flow Revisited

University of Warsaw（华沙大学）

该研究针对并行环境下带实数容量的有向网络最大流问题，提出一种强多项式最大流算法变体的随机并行实现，优化了工作量与深度的权衡，优于此前同类算法。

2026-08-13cs.DS

再论最长平方子序列问题

Longest Square Subsequence Problem Revisited

最长平方子序列（LSS）问题包括计算给定字符串$S$的最长子序列，该字符串是正方形，即，出现在$S$中的形式$XX$的最长子序列。众所周知，长度为$n$的字符串$S$的LSS可以使用$O(n^2)$时间[Kosowski 2004]计算，或者使用$O(n^2 (\log \log n)^2 / \log^2 n)$时间[Tiskin 2013]进行（依赖于模型的）多对数加速。我们提出了第一个算法的LSS的运行时间取决于其他参数，即，我们证明了$S$的LSS可以在$O(r \min\{n, M\}\log \frac{n}{r} + n + M \log n)$时间和$O(M)$空间中计算，其中$r$是$S$的LSS的长度，$M$是$S$上的匹配点的数量。

2020-07-29cs.DS

图积再访：导出匹配的紧逼近困难、偏序集维数及其他

Graph Products Revisited: Tight Approximation Hardness of Induced Matching, Poset Dimension and More

图积是图论和理论计算机科学中一个有着广泛应用的基本工具。它通常以$f(G*H)$的形式进行研究，其中$G$和$H$是图，* 是图的乘积，$f$是图的性质。例如，如果$f$是独立数，* 是析取乘积，则已知乘积是乘法的：$f(G*H)=f(G)f(H)$。本文研究了以下非标准形式的图积：$f((G\oplus H)*J)$其中$G$，$H$和$J$是图，$\oplus$和 * 是两个不同的图积，$f$是图的一个性质.证明了如果$f$是诱导匹配数和半诱导匹配数，则对于某些乘积$\oplus$和 *，它是次可加的，即$f((G\oplus H)*J)\leq f(G*J)+f(H*J)$ .而且，当$f$是偏序集维数时，它几乎是次可加的.作为这一结果的应用（这里只需要$J=K_2$），我们得到了离散数学和计算机科学中各种问题的紧逼近困难：二部诱导匹配和半诱导匹配（也称为半诱导匹配）。最大扩展序列），偏序集维数，系数为0/1的最大可行子系统，单位需求最小购买和单一定价，捐赠中心选址，盒度，立方度，阈值维数和独立包装。

2014-10-18cs.CCcs.DMcs.DS

再论空间有效的Huffman码

Space-Efficient Huffman Codes Revisited

规范哈夫曼码是一种最佳的无前缀压缩码，其码字按字典顺序排列，形成一个长度不减的二进制字列表。Gagie等人（2015）给出了这种编码的表示，能够在恒定的最差情况时间内对符号进行编码或解码。它使用空间的$σ\lg \ell_{\text{max}} + o(σ) + O(\ell_{\text{max}}^2)$位，其中$σ$和$\ell_{\text{max}}$分别是字母表大小和最大码字长度。我们改进他们的表示，以减少空间复杂度为$σ\lg \ell_{\text{max}} (1 + o(1))$位，同时保持恒定的编码和解码时间。我们的算法思想可以应用于任何规范代码。

2021-08-12cs.DScs.ITmath.IT

最大基数匹配的加权匹配方法

The Weighted Matching Approach to Maximum Cardinality Matching

几篇论文已经实现了时间$O(\sqrt n m)$的基数匹配，从第一原则。这导致了一个很长的推导过程。我们简化了任务，采用众所周知的概念，最大权重匹配。我们使用Edmonds算法来推导最短增广路径的结构。我们扩展到一个完整的算法，最大基数匹配的时间$O(\sqrt n m)$。

2017-03-11cs.DS

最大匹配和人气

Maximum Matchings and Popularity

设$G$是一个二分图，其中每个节点都有一个严格的邻居排名。对于每个节点，它对邻居的偏好自然地延伸到对匹配的偏好。如果偏好$N$而不是$M$的节点的数量多于偏好$M$而不是$N$的节点的数量，则匹配$N$比匹配$M$更流行。如果在$G$中不存在比$M$更流行的最大匹配，则$G$中的最大匹配$M$是“流行最大匹配”。这样的匹配是相关的应用程序中的一组可接受的解决方案是一组最大的匹配，我们希望找到一个最好的最大匹配，根据节点的喜好。众所周知，在$G$中总是存在流行的最大匹配。在这里，我们展示了一个紧凑的扩展制定流行的最大匹配多面体。因此，当存在边代价时，$G$中的最小代价流行最大匹配可以在多项式时间内计算。这是在对比的最小成本流行的匹配问题，这是已知的NP难。我们还考虑了帕累托最优，这是一个放松的流行，并表明计算最小成本帕累托最优匹配/最大匹配是NP-难的。

2020-11-06cs.DS

网格的近似Voronoi单元，再访

Approximate Voronoi cells for lattices, revisited

我们重新审视了近似Voronoi细胞方法，用于解决高维晶格上的预处理最接近向量问题（CVPP），并解决了Doulgerakis-Laarhoven-De Weger [PQCrypto，2019]在高斯启发式下确定这些Voronoi细胞体积的精确渐近性的开放问题。其结果是，我们得到改进的随机迭代切片器的时间复杂度的上限时，使用小于$2^{0.076d + o(d)}$内存，我们展示了如何获得时间-内存的权衡，即使使用小于$2^{0.048d + o(d)}$内存。我们还解决了公开的问题，获得一个连续的权衡之间的建议和查询时间复杂度的大小，作为时间复杂度与次指数的意见，在我们的方法规模为$d^{d/2 + o(d)}$，匹配最坏情况下的枚举界限，并实现相同的渐近缩放平均情况下枚举算法的最接近的向量问题。

2019-07-10cs.CGcs.CRcs.DM

大规模定向运动问题的分支切割算法

A revisited branch-and-cut algorithm for large-scale orienteering problems

定向越野问题是一个路线最优化问题，它包括在寻找一个简单的循环，最大化总收集的利润受到最大距离限制。在过去的几十年里，由于定向运动问题在实际应用中的出现，许多启发式算法被提出来解决定向运动问题，但在此期间，关于定向运动问题的精确算法的研究却并不多。这项工作的目的是开发一种精确的方法，它是能够获得最优性认证在更广泛的情况下比以前的方法，或改善其残疾的下限和上界。我们提出了一个重新审查的版本的分支和切割算法的定向越野问题，其中包括新的贡献，在分离算法的不平等产生的循环问题，在分离循环，在变量定价，并在计算的下限和上界的问题。我们的建议相比，三个国家的最先进的算法258个基准实例，多达7397个节点。计算实验表明，所设计的组件，其中18个新的最优，76个新的最知名的解决方案和85个新的上限值的相关性。

2021-01-13cs.DSmath.OC

重新审视多样性感知的k-最大内积搜索

Diversity-Aware $k$-Maximum Inner Product Search Revisited

本文重新定义多样性感知的k-最大内积搜索问题，提出Greedy和DualGreedy两种线性扫描算法并结合BC-Tree索引，在保证相关性的同时高效返回多样化搜索结果。

2024-02-21cs.DBcs.DScs.IR