Constructive Algorithms for Discrepancy Minimization
给定集合系统(V,S),V={1,.,n}且S={S1,...,Sm},最小差异问题是找到V的2-着色,使得每个集合尽可能均匀地着色。在本文中,我们给出了第一个多项式时间算法的差异最小化,实现类似的边界已知存在使用所谓的熵方法。我们也给出了一个第一近似的结果的差异。我们算法的主要思想是通过让元素的颜色从0开始执行随机游走(以微小的增量),直到它们达到$-1$或$+1$,从而随着时间的推移产生着色。在每一个时间步的随机跳为各种元素相关的使用的解决方案,以一个半定的程序,其中该程序是由当前状态和熵的方法。
2010-08-09 cs.DM cs.DS math.CO
Star Discrepancy Subset Selection: Problem Formulation and Efficient Approaches for Low Dimensions
出于实例选择中的应用,我们引入了星差异子集选择问题,其中包括找到一个子集的m出n个点,最大限度地减少了星差异。首先,我们证明了这个问题是NP困难的。然后,我们引入了一个混合整数线性公式(MILP)和组合分支定界(BB)算法的星差异子集选择问题,我们评估这两种方法对随机子集选择和贪婪的建设在不同的用例在二维和三维。我们的结果表明,MILP和BB是有效的,在第二个维度的大和小$m/n$的比例,分别为,并不太大的n。然而,这两种方法的性能衰减强烈的更大的尺寸和集大小。作为一个副作用,我们的经验比较,我们得到的点集的差异值是远远小于那些常见的低差异序列,随机点集,和拉丁超立方体采样。这表明,子集选择可能是一个有趣的方法,用于生成小差异值的点集。
2022-01-04 cs.CG cs.DS cs.NA
Free-Probabilistic State Evolution and Random Matrix Discrepancy
Cornell University(康奈尔大学)
针对随机矩阵偏差问题,提出近似消息传递迭代算法,在自由概率框架下建立状态演化,实现算子范数 $2\sigma(\alpha)$,解决 Kunisky-Zhang 和 Maillard 的算法问题。
2026-11-04 cs.DS math.PR
A Walk From Free Probability to Matrix Discrepancy I: Matrix Spencer
Google(谷歌)
本文提出随机化算法,通过协方差控制随机游走与自由概率势函数,在多项式时间内证明矩阵Spencer猜想,并给出Weaver定理的算法证明。
2026-09-17 cs.DS
Online Carpooling using Expander Decompositions
我们考虑在线拼车问题:给定$n$顶点,一系列边随着时间的推移到达。当边$e_t = (u_t, v_t)$到达时间步长$t$时,算法必须将边定向为$v_t \rightarrow u_t$或$u_t \rightarrow v_t$,目的是最小化任何顶点的最大差异,即,它的入度和出度之间的绝对差。边缘对应于想要一起乘坐的成对的人,并且定向表示指定驾驶员。然后,差异目标对应于每个人驾驶接近他们参与的乘坐的公平份额。在本文中,我们设计了有效的算法,可以保持polylog $(n,T)$最大差异(w.h.p)的任何序列的$T$到达时,到达的边缘是独立和均匀地从任何给定的图$G$采样。这为在线(随机)拼车问题提供了第一个多对数边界。在此之前的工作,最有名的界限是$O(\sqrt{n \log n})$ -差异的任何敌对序列的到来,或$O(\log\!\log n)$ -差异界限的随机到来时,$G$是完整的图形。我们的论文的技术关键是在表明,简单的贪婪算法,它具有可证明的好的差异界限时,到达的边缘均匀随机从完整的图,也有polylog差异时,$G$是一个扩展图。然后,我们将其与已知的扩展器分解结果相结合,设计我们的整体算法。
2020-10-03 cs.DS cs.GT
Discrepancy Minimization via a Self-Balancing Walk
我们研究的差异最小化向量$\mathbb{R}^n$在各种设置。主要的结果是一个新的简单的随机过程的分析,在多个维度通过比较参数。作为推论,我们获得了Bansal,Jiang,Singla和Sinha(STOC 2020)提出的在线向量平衡中的几个问题的对数因子的界限,以及Komlós猜想的对数界限的线性时间算法。
2020-08-06 cs.DM cs.DS math.PR
Online Vector Balancing and Geometric Discrepancy
我们考虑一个在线的矢量平衡问题,$T$矢量,选择从任意分布在$[-1,1]^n$,到达一个接一个,必须立即给出一个$\pm$标志。我们的目标是保持差异尽可能小。一个具体的例子是在线区间差异问题,其中T点在[0,1]中均匀采样,目标是立即对它们进行$\pm$着色,使得每个子区间保持接近平衡。由于随机着色会导致$Ω(T^{1/2})$差异,而离线边界是向量平衡的$Θ(\sqrt{n \log (T/n)})$和区间平衡的$1$,一个自然的问题是是否可以(几乎)匹配这些问题的在线设置中的离线边界。必须利用随机性,因为在最坏的情况下,已知任何在线算法的差异都是$Ω(T^{1/2})$。Bansal和Spencer最近证明了当每个坐标独立时的$O(\sqrt{n}\log T)$界。当坐标之间存在依赖关系时,问题变得更具挑战性,Jiang,Kulkarni和Singla最近的工作证明了这一点,该工作给出了在线间隔差异的非平凡$O(T^{1/\log\log T})$。虽然这比随机着色好,但离离线边界还很远。在这项工作中,我们引入了一个新的框架,用于在线向量平衡时,输入分布具有跨坐标的依赖关系。这使我们可以获得任意输入分布下的在线向量平衡的$poly(n, \log T)$界,以及在线间隔差异的$poly(\log T)$界。我们的框架足够强大,可以捕获其他经过充分研究的几何差异问题;例如,一…
2020-04-13 cs.CG cs.DM cs.DS
Approximate Carathéodory bounds via Discrepancy Theory
近似Carathéodory问题的一般形式如下:给定两个对称凸体$P,Q \subseteq \mathbb{R}^m$,一个参数$k \in \mathbb{N}$和$\mathbf{z} \in \textrm{conv}(X)$与$X \subseteq P$,找到$\mathbf{v}_1,\ldots,\mathbf{v}_k \in X$,使得$\|\mathbf{z} - \frac{1}{k}\sum_{i=1}^k \mathbf{v}_i\|_Q$最小化。Maurey表明,如果$P$和$Q$都与$\| \cdot \|_p$ -球一致,则可能出现$O(\sqrt{p/k})$的错误。我们证明了减少向量平衡常数的差异理论,在大多数情况下,可以提供严格的界限一般$P$和$Q$。对于$P$和$Q$都是$\| \cdot \|_p$球的情况,我们证明了$\sqrt{ \frac{\min\{ p, \log (\frac{2m}{k}) \}}{k}}$的一个上界.有趣的是,这个界限不能用独立的随机样本来获得;相反,我们使用Lovett-Meka随机游走。我们还证明了一个更一般的情况下,$P$和PDMATHAMT是$\|\cdot \|_p$和$\| \cdot \|_q$ -球与$2 \leq p \leq q \leq \infty$的扩展。
2022-10-28 cs.DS math.MG
A spectral bound on hypergraph discrepancy
设$\mathcal{H}$是一个关于$m$和$n$的顶点的$t$ -正则超图.令$M$是$\mathcal{H}$的$m \times n$关联矩阵,并让我们表示$λ=\max_{v \perp \overline{1},\|v\| = 1}\|Mv\|$。我们证明了$\mathcal{H}$的矛盾是$O(\sqrt{t} + λ)$。作为一个推论,这给出了对于每个$t$,具有$n$顶点和$m \geq n$边的随机$t$ -正则超图的差几乎必然是$O(\sqrt{t})$,因为$n$增长.证明还给出了一个多项式时间算法,该算法以超图作为输入,并输出具有上述保证的着色。
2020-05-04 cs.DM cs.DS math.CO
Fast Discrepancy Minimization with Hereditary Guarantees
自Bansal(FOCS 2010)的突破性工作以来,有效地计算各种集合系统的低差异着色已经得到了广泛的研究,Bansal给出了几个重要设置的第一个多项式时间算法,包括一般集合系统,稀疏集合系统和具有有界遗传差异的集合系统。集合系统的遗传差异是通过删除基元的子集而获得的所有集合系统的最大差异。虽然是多项式时间,班萨尔的算法是不实用的,例如,他的算法的遗传设置运行在时间$Ω(m n^{4.5})$为集系统与$m$集在一个地面集的$n$元素。更有效的算法,从那时起已开发的一般和稀疏集系统,然而,对于遗传的情况下,Bansal的算法仍然是最先进的。在这项工作中,我们给出了一个显着更快的算法与遗传的保证,运行在$O(mn^2\lg(2 + m/n) + n^3)$的时间。我们的算法是基于新的结构见解集系统有界遗传差异。我们还实现了我们的算法,并通过实验表明,它计算的着色显着优于随机和完成在一个合理的时间,即使在集系统上有数千套超过地面集的数千个元素。
2022-11-24 cs.CG cs.DS
Online Discrepancy with Recourse for Vectors and Graphs
向量平衡问题是差异理论中的一个基本问题:给定$[-1,1]^n$中的T个向量,找到每个向量$a$的符号$σ(a) \in \{\pm 1\}$,以最小化差异$\| \sum_{a} σ(a) \cdot a \|_{\infty}$。这个问题已经在静态/离线设置中得到了广泛的研究。在本文中,我们在具有追索权的全动态设置中开始研究:该算法看到T个向量的插入和删除流,并且每次必须保持低差异签名,同时还最小化每次更新的摊销追索权(任何向量改变其符号的次数)。对于一般向量,我们展示了几乎匹配斯宾塞的$O(\sqrt{n})$离线差异界限的算法,每次更新的${O}(n\cdot poly\!\log T)$摊销追索权。关键的想法是以分布式和递归的方式计算线性松弛的基本可行解,这有助于找到低差异的签名。为了约束追索权,我们认为只有一小部分的实例需要重新计算在每次更新。由于向量平衡也被大量研究稀疏向量,我们然后给出算法的低差异的边缘方向,我们动态地保持签名的2稀疏向量。或者,这可以被看作是定向n顶点图的动态边集,以最小化任何顶点处的入度和出度之间的绝对差。本文提出了一个具有$O(poly\!\log n)$差异和$O(poly\!\log n)$摊销追索权的确定性算法。核心思想是动态地保持具有低追索权的扩展器分解,然后表明,随着扩展器随时间的推移而变化,自然的局部搜索算法快速收敛(即,具有低追索…
2021-11-11 cs.DS math.CO
Approximate Hypergraph Coloring under Low-discrepancy and Related Promises
一个超图称为$χ$ -可着色的,如果它的顶点可以用$χ$颜色着色,使得没有超边是单色的。$2$ -可着色性是超图的一个基本性质(称为性质B),在组合数学中得到了广泛的研究。然而,在数学上,给定一个$2$ -可着色的$k$ -均匀超图,要找到一个小于一部分超边$2^{-k+1}$的$2$-着色错误是NP-困难的(这是通过随机$2$ -着色实现的),并且正确着色超图的最佳算法需要$\approx n^{1-1/k}$颜色,随着$k$的增加,接近$n$的平凡界。在这项工作中,我们研究了近似超图着色的复杂性,对于最大化(找到具有最少错色边的$2$着色)和最小化(使用最少数量的颜色找到适当的着色)版本,当输入超图被保证具有比$2$ -可着色性更强的以下属性时:(A)低差异:如果超图具有$\ell \ll \sqrt{k}$不一致性,给出了用$\approx n^{O(\ell^2/k)}$颜色对超图着色的算法.然而,对于最大化的版本,我们证明了NP-困难的找到一个$2$着色miscoloring小于$2^{-O(k)}$(分别。$k^{-O(k)}$(分别为$\ell=2$)。在UGC假设下,对于几乎不一致的$1$超图,我们将后者的硬度因子改进为$2^{-O(k)}$. (B)彩虹可着色性:如果超图有一个$(k-\ell)$ -着色,使得每个超边都是多色的,我们给出了一个$2$ -着色算法,…
2015-06-22 cs.CC cs.DS
Efficient algorithms for certifying lower bounds on the discrepancy of random matrices
本文首次研究随机矩阵差异下界的算法认证问题,提出多项式时间算法,在标准高斯矩阵和整数划分两种设定下给出非平凡下界保证,并反驳了负尖峰Wishart模型检测困难性猜想。
2023-06-01 cs.CC cs.DM cs.DS
Efficient Algorithms for Discrepancy Minimization in Convex Sets
Spencer的一个结果表明,在一个大小为$n$的宇宙上,每个$n$集合的集合都有一个与$\{-1,+1\}$有差异的着色$O(\sqrt{n})$。一个几何推广这一结果是由Gluskin(也见Giannopoulos)谁表明,每一个对称凸体$K\subseteq R^n$高斯措施至少$e^{-εn}$,为一个小$ε>0$,包含一个点$y\in K$的一个常数分数的坐标$y$是在$\{-1,1\}$。这通常被称为部分着色结果。虽然这两个结果是固有的非算法,最近Bansal(也见洛维特,麦卡)了一个多项式时间算法斯宾塞的设置和Rothvoss了一个随机多项式时间算法获得相同的保证结果Gluskin和Giannopoulos。本文有几个相关的结果。首先,我们证明了另一个建设性的版本的结果Gluskin和Giannopoulos通过优化的线性函数。这意味着基于线性规划的组合差异算法获得与斯宾塞相同的结果。我们的第二个结果给出了一种新的方法来获得部分着色,并表明,每个凸体$K\subseteq R^n$,可能是非对称的,高斯测度至少$e^{-εn}$,对于一个小的$ε>0$,包含一个点$y\in K$,其中一个常数分数的坐标的$y$是在$\{-1,1\}$。最后,我们给出了一个简单的证明,表明对于任何$δ>0$存在一个常数$c>0$,这样,给定一个身体$K$与$γ_n(K)\geq δ$,…
2014-09-09 cs.CG cs.DS math.PR
Stable and Online Algorithms for Random Matrix Discrepancy
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Yale University(耶鲁大学)
研究随机矩阵差异问题,提出稳定离线算法(recenter-and-round)和在线算法(Frobenius-greedy),确定其相变阈值分别为Θ(1/(κ²log(1/κ)))和Θ(1/κ²),均高于可满足性尺度。
2026-10-02 cs.CC cs.DM cs.DS
Algorithms for Discrepancy, Matchings, and Approximations: Fast, Simple, and Practical
Université Paris Cité(巴黎西岱大学);IRIF(法国信息与自动化研究所(IRIF));CNRS(法国国家科学研究中心);DI ENS, Université PSL(巴黎文理研究大学信息学系);Université Sorbonne Paris Nord(巴黎索邦北大学);Laboratoire LIPN(LIPN实验室)
我们研究了数据近似和优化的关键工具之一:低差异着色。形式上,给定一个有限集系统$(X,\mathcal S)$,二色$χ:X\to\{-1,1\}$的\emph{discrepancy}定义为$\max_{S \in \mathcal S}|{χ(S)}|$,其中$χ(S)=\sum\limits_{x \in S}χ(x)$。我们提出了一个随机算法,对于任何$d>0$和$(X,\mathcal S)$与双粉碎功能$π^*(k)=O(k^d)$,返回一个着色与预期的差异$O\left({\sqrt{|X|^{1-1/d}\log|\mathcal S|}}\right)$(这个界是紧的)在时间$\tilde O\left({|\mathcal S|\cdot|X|^{1/d}+|X|^{2+1/d}}\right)$,提高了以前的最佳时间$O\left(|\mathcal S|\cdot|X|^3\right)$的至少一个因素$|X|^{2-1/d}$时,$|\mathcal S|\geq|X|$。这种设置包括许多几何类,有界对偶VC维族等。作为一个直接的后果,我们得到了一个改进的算法来构建$\varepsilon$ -近似的次二次大小。我们的方法使用原始-对偶重新加权与随机更新的权重的改进分析,并通过具有低交叉数的匹配利用集合系统的结构特性-计算几何中的基本结构。特别是,我们得到…
2022-09-02 cs.CG cs.DS cs.LG