近线性时间中分布精确加权最短路

无向$(1+\varepsilon)$ -通过小聚集的最短路径：近优确定性并行和分布式算法

Undirected $(1+\varepsilon)$-Shortest Paths via Minor-Aggregates: Near-Optimal Deterministic Parallel & Distributed Algorithms

本文提出了计算任意无向赋权图中$(1+\varepsilon)$ -近似单源最短路径的近优确定性并行和分布式算法。在一个高层次上，我们确定性地减少这个和其他最短路径的问题，以$\tilde{O}(1)$次要聚合。Minor-Aggregation计算聚合（例如，最大值或总和）的节点值为每个连通分支的一些子图。我们的减少立即意味着：最佳确定性并行（PRAM）算法与$\tilde{O}(1)$深度和近线性工作。普遍最优的确定性分布式（CONGEST）算法，只要存在确定性Minor-Aggregate算法。例如，用于排除次要网络的最优$\tilde{O}(HopDiameter(G))$轮确定性CONGEST算法。几个新的工具开发的上述结果是有趣的，在自己的权利：一个本地的迭代方法减少最短路径计算“距离$D$“计算低直径分解“距离$\frac{D}{2}$“。与[Li 20]的递归顶点约简方法相比，我们的方法更简单，适用于分布式算法，并消除了许多去随机化障碍。一个简单的基于图的$\tilde{O}(1)$ -竞争$\ell_1$ -不经意的路由基于低直径分解，可以评估在近线性的工作。以前的此类路由[ZGY+20]是$n^{o(1)}$ -竞争性的，需要$n^{o(1)}$更多的工作。一个确定性算法，四舍五入任何分数单源转运流到一个完整的树解决方案。第一个分布式算法计算欧拉方向。

2022-09-23cs.DCcs.DS

精确最短路的改进分布式算法

Improved Distributed Algorithms for Exact Shortest Paths

计算最短路径是分布式计算理论中的核心问题之一。在过去的几年中，近似单源最短路径问题已经取得了实质性的进展，最终在Becker等人的算法中达到高潮。[DISC'17]确定性地计算$(1+o(1))$ -在$\tilde O(D+\sqrt n)$时间内的近似最短路径，其中$D$是图的跳直径。直到对数因子，这个时间复杂度是最佳的，匹配Elkin [STOC'04]的下限。然而，精确最短路径的问题几十年来没有看到算法上的进展，直到最近Elkin的突破[STOC'17]，建立了无向图上精确单源最短路径的次线性时间算法。不久之后，Huang等人。[FOCS'17]提供了有向图上精确所有对最短路径问题的改进算法。本文提出了一种新的单源最短路径算法，其复杂度为$\tilde O(n^{3/4}D^{1/4})$。对于多对数$D$，这改进了Elkin的$\tilde{O}(n^{5/6})$界限，并更接近Elkin的$\tildeΩ(n^{1/2})$下限[STOC'04]。对于较大的$D$值，我们提出了一个改进的变体，我们的算法，实现复杂性$\tilde{O}\left( n^{3/4+o(1)}+ \min\{ n^{3/4}D^{1/6},n^{6/7}\}+D\right)$，从而比较有利的$\tilde{O}(n^{5/6} + n^{2/3}D^{1/3} + D ) $在基本上整个参…

2018-04-11cs.DCcs.DS

CONGEST 模型中近线性轮数的分布式确定性精确最小权环与多源最短路径

Distributed Deterministic Exact Minimum Weight Cycle and Multi Source Shortest Paths in Near Linear Rounds in CONGEST model

本文提出连续阻塞集序列技术，在 CONGEST 模型中以近线性轮数确定性求解 MWC、ANSC，并在源集不超过 √n 时求解 MSSP。

2023-10-01cs.DCcs.DS

基于捷径的快速分布式最短路径近似

Faster Distributed Shortest Path Approximations via Shortcuts

最近的一系列成果和突破导致了更快和更好的分布式近似算法的单源最短路径（SSSP）和CONGEST模型中的相关问题。然而，所有这些算法的运行时间都是$\tildeΩ(\sqrt{n})$，与网络拓扑无关，即使是在具有（多）对数网络直径$D$的良好网络上。虽然这对于某些病态网络是必要的，但大多数感兴趣的拓扑结构都不是这种类型。我们给出了第一个分布式的最短路径问题的近似算法，调整到拓扑结构上运行，从而实现显着更快的运行时间在许多感兴趣的拓扑结构。我们的算法的运行时间依赖于并接近于$Q$，其中$Q$是给定拓扑结构的最佳捷径的质量。虽然$Q = \tildeΘ(\sqrt{n} + D)$用于病理最坏情况的拓扑，但许多感兴趣的拓扑具有$Q = \tildeΘ(D)$，这导致我们的算法在给定平凡$Ω(D)$下限的情况下接近实例最优运行时间。我们考虑的问题如下：（1）近似的最短路径树和SSSP距离，（2）每个节点的多对数大小距离标签，使得仅从任何两个节点的标签可以确定它们的距离（近似），以及（3）转运问题的（近似）最优流。我们的算法有一个可调的运行时间和近似比之间的权衡。我们最快的算法有一个任意好的多项式近似保证和一个基本上最佳的$\tilde{O}(Q)$运行时间。另一方面，我们在$\tilde{O}(Q \cdot n^ε)$轮中实现了对任何$ε> 0$的多对数近似。

2018-08-07cs.DCcs.DS

有向介数中心性和所有对最短路的分布式算法

Distributed Algorithms for Directed Betweenness Centrality and All Pairs Shortest Paths

网络（或图）中节点的介数中心性（BC）是其在网络中重要性的度量。BC被广泛用于大量环境中，例如社交网络、传输网络、安全/移动网络等。提出了一个O（n）轮分布式算法，用于计算有向无权网络中每个顶点的BC和所有对最短路（APSP），其中n为顶点数，m为边数.我们还提出了O（n）轮的分布式算法计算APSP和BC的加权有向无环图（DAG）。我们的算法是在拥塞模型和我们的加权DAG算法似乎是第一个非平凡的分布式算法APSP和BC。我们所有的算法都非常注意发送的消息的轮数和数量的常数因子，对于未加权的图，它们在这些措施中的一个或两个上至少提高了一个常数因子，超过了以前的结果，对于有向和无向APSP和BC。

2019-02-04cs.DCcs.DS

一种快速的分布式单源最短路径算法

A Faster Distributed Single-Source Shortest Paths Algorithm

针对分布式计算的CONGEST模型中边权值为非负的单源最短路径问题，提出了新的算法。虽然最近开发了接近最优的解决方案（就算法所花费的轮数而言）来近似计算SSSP，但已知最快的精确算法仍然远未匹配Peleg和Rubinovich [SIAM Journal on Computing 2000]的$ \tilde Ω(\sqrt{n} + D) $轮数下限，其中$ n $是网络中的节点数，$ D $是其直径。最先进的是Elkin的随机算法[STOC 2017]，该算法执行$ \tilde O(n^{2/3} D^{1/3} + n^{5/6}) $轮次。我们显着提高了这个上限与我们的两个新的随机算法多项式有界整数边权重，第一次执行$ \tilde O (\sqrt{n D}) $轮和第二次执行$ \tilde O (\sqrt{n} D^{1/4} + n^{3/5} + D) $轮。我们的界限也与Ghaffari和Li的独立结果[STOC 2018]相媲美。作为副作用的结果，我们得到了一个$ (1 + ε) $近似$ \tilde O ((\sqrt{n} D^{1/4} + D) / ε) $轮算法的有向SSSP和一个新的工作/深度权衡精确SSSP上的有向图的PRAM模型。

2019-07-31cs.DCcs.DS

一种近似单源最短路径的确定性几乎紧分布式算法

A Deterministic Almost-Tight Distributed Algorithm for Approximating Single-Source Shortest Paths

我们提出了一个确定性的$(1+o(1))$近似$(n^{1/2+o(1)}+D^{1+o(1)})$时间算法解决单源最短路径问题的分布式加权网络（CONGEST模型），这里$n$是网络中的节点数和$D$是它的（跳）直径。这是这个问题的第一个非平凡的确定性算法。它还改进了（i）Nanongkai [STOC 2014]的随机化$(1+o(1))$ -近似$\tilde O(n^{1/2}D^{1/4}+D)$ -时间算法的运行时间，其系数与$n^{1/8}$一样大，以及（ii）Lenzen和Patt-Shamir的$\tilde O(n^{1/2+ε}+D)$ -时间算法[STOC 2013]的$O(ε^{-1}\log ε^{-1})$ -近似系数在相同的运行时间内。我们的运行时间与$Ω(n^{1/2}/\log n + D)$ [Elkin STOC 2004]的已知时间下限匹配到次多项式因子，从而基本上解决了至少十年前提出的这个问题的状态[Elkin SIGACT News 2004]。它还意味着$(2+o(1))$ -近似$(n^{1/2+o(1)}+D^{1+o(1)})$ -时间算法，用于近似网络的加权直径，其几乎与Holzer和Pinsker的下限匹配[OPODIS 2015]。在实现这一结果，我们开发了两种技术，这可能是独立的兴趣和有用的其他设置：（一）一个确定性的过…

2018-09-19cs.DCcs.DS

SSSP-Del: 一种完全动态分布式算法用于单源最短路径

SSSP-Del: Fully Dynamic Distributed Algorithm for Single-Source Shortest Path

University of British Columbia（不列颠哥伦比亚大学）

本文提出SSSP-Del算法，解决动态环境下单源最短路径问题，支持边插入和删除，提供低延迟查询和高吞吐量。

2025-12-12cs.DC

$(1+ε)$ -动态流中的近似最短路径

$(1+ε)$-Approximate Shortest Paths in Dynamic Streams

在动态流环境中计算近似最短路径是一个基本的挑战，在过去的十年中一直在深入研究。现有的解决方案要么建立一个稀疏的乘法图的输入图和计算最短路径的图离线，或计算一个确切的单源BFS树。对于整数参数$κ$，第一种类型的解注定要引起$2κ-1$与$n^{1+1/κ}$的拉伸空间折衷。(In事实上，现有的解决方案还在加权图的拉伸中产生额外的因子$1+ε$，并且在空间中产生额外的因子$\log^{O(1)}n$。第二种类型的唯一现有解决方案使用$n^{1/2 - O(1/κ)}$通过流（对于空间$O(n^{1+1/κ})$），并且仅适用于未加权图。在本文中，我们表明，$(1+ε)$ -近似单源最短路径可以计算在这种设置与$\tilde{O}(n^{1+1/κ})$空间使用\emph{constantly}许多通行证在未加权的图形，和polymerically许多通行证在加权图（假设$ε$和$κ$是常数）。此外，事实上，相同的结果适用于多源最短路径，只要源的数量是$O(n^{1/κ})$。我们通过设计高效的动态流结构的$(1 + ε, β)$ -sparket和hopset来实现这些结果。我们认为，这些结构具有独立的利益。

2022-07-11cs.DCcs.DS

最优分布式替换路径

Optimal Distributed Replacement Paths

本文在分布式CONGEST模型中研究替换路径问题，证明了无权有向图上该问题的紧随机轮复杂度为$\widetilde{\Theta}(n^{2/3} + D)$，并将上界扩展到加权有向图的近似情形，改进了已有上下界结果。

2025-08-27cs.DCcs.DS

HYBRID分布式模型中的通用最优信息传播与最短路径

Universally Optimal Information Dissemination and Shortest Paths in the HYBRID Distributed Model

本研究聚焦HYBRID分布式模型，提出该模型下首批信息传播与最短路径问题的通用最优算法，定义新图参数邻域质量刻画问题固有复杂度，同时给出匹配所有k值下界的k源最短路径存在性最优算法。

2024-05-17cs.DCcs.DS

一种分布式枚举算法及其在最短路、直径等问题上的应用

A Distributed Enumeration Algorithm and Applications to All Pairs Shortest Paths, Diameter

我们考虑标准的消息传递模型;我们假设系统是完全同步的：所有进程在同一时间开始，时间在同步的循环中进行。在每一轮中，每个顶点可以将大小为$O(1)$的不同消息传输到其每个邻居。本文提出并分析了一个具有一个特殊顶点的图的顶点的分布式枚举算法，该特殊顶点满足两个连续编号的顶点之间的距离至多为$3$。我们证明了它的时间复杂度是$O(n)$，其中$n$是图的顶点数。此外，每个消息的大小是$O(1)$，因此它的位复杂度也是$O(n).$。我们提供了这个枚举和哈密顿图之间的一些联系，从中我们推断出，这个枚举是最优的，在这个意义上，不存在一个枚举，满足两个顶点的连续号码是在距离最多$2$。我们推导出从这个枚举算法计算所有对最短路径和直径的时间复杂度和位复杂度等于$O(n)$。这改进了用于计算\cite{PRT12,HW12}中呈现的所有对最短路径或直径的最佳已知分布式算法（在相同假设下），所述\cite{PRT12,HW12}具有等于$O(n)$的时间复杂度并且使用大小为$O(\log n)$比特的消息。

2015-07-13cs.DC

并行宽度优先搜索与精确最短路及近似距离的更强概念

Parallel Breadth-First Search and Exact Shortest Paths and Stronger Notions for Approximate Distances

我们引入更强的近似单源最短路径距离的概念，展示了如何有效地计算它们从较弱的标准概念，并展示了这些新的概念和变换的算法能力。一个应用程序是第一个工作效率的并行算法计算精确的单源最短路径图-解决了一个主要的开放问题，在并行计算。给定一个具有多项式有界非负整数长度的有向图中的源顶点，该算法计算$m \log^{O(1)} n$工作和$n^{1/2+o(1)}$深度的精确最短路径树。以前，没有已知的并行算法在不显著增加工作的情况下改进Dijkstra算法的平凡线性深度，即使对于无向和无权图的情况（即，用于计算BFS树）。我们的主要结果是一个黑盒变换，使用$\log^{O(1)} n$标准的近似距离计算产生的近似距离，也满足减法三角不等式（$(1+\varepsilon)$因素），甚至诱导一个确切的最短路径树的图中，只有轻微的扰动边的长度。这些增强的近似在算法上显著更强大，并且克服了使用近似距离的众所周知的和经常遇到的障碍。在有向图中，它们甚至可以被提升到精确的距离。这导致了任何（并行或分布式）有向图中近似最短路径算法的黑盒变换，变成了基本上没有成本的精确距离计算算法。将其应用于Fineman等人最近的突破，通过近似跳集计算近似SSSP距离，给出了精确最短路径的新并行分布式算法。

2022-10-28cs.DCcs.DS

物联网传感器网络中基于分布式Q学习的最短路径树构建

Distributed Q-learning-based Shortest-Path Tree Construction in IoT Sensor Networks

针对物联网传感器网络传统集中式路由算法不适配动态分布式环境的问题，提出分布式Q学习框架构建最短路径树，实现高精度低开销的自适应高效路由。

2025-10-29cs.DC

从完全分布式数据流进行通信高效的（加权）储层采样

Communication-Efficient (Weighted) Reservoir Sampling from Fully Distributed Data Streams

我们认为通信效率的加权和不加权（均匀）随机抽样从分布式数据流呈现为一系列的小批量项目。这是分布式流计算的自然模型，我们的目标是展示其实用性。我们提出并分析了完全分布式，通信效率的算法，这两个版本的问题。在多达256个节点（5120个处理器）上进行加权水库采样的实验评估显示出良好的加速比，而理论分析则有望进一步扩展到更大的机器。

2020-02-25cs.DCcs.DS

混合模型下的通用最优最短路径算法研究

Towards Universally Optimal Shortest Paths Algorithms in the Hybrid Model

针对经典分布式图复杂度分析仅关注最坏情况图的缺陷，本文研究HYBRID模型下的最短路径问题，提出邻域质量图参数，证明其可准确刻画该类问题复杂度的通用界。

2023-06-09cs.CCcs.DC

基于超图二部分解的最短路算法

Beeping Shortest Paths via Hypergraph Bipartite Decomposition

在分布式计算中，构造两个网络节点之间的最短路径是一项基本任务。这项工作开发计划的建设随机蜂鸣网络之间的一个预定的源节点和任意一组目的地节点的最短路径。我们的第一个方案构造了一个（单一）最短路径的任意目的地在$O (D \log\log n + \log^3 n)$轮具有高概率。我们的第二个方案构造多个最短路径，每个目的地一个，在$O (D \log^2 n + \log^3 n)$轮具有高概率。我们的计划是基于减少上述最短路径建设任务分解超图成二分超图：我们开发了一个蜂鸣程序，分区（多项式大）超图$H = (V_H, E_H)$的超边集$k = Θ(\log^2 n)$不相交的子集$F_1 \cup \cdots \cup F_k = E_H$，使（子）超图$(V_H, F_i)$是二分的意义上，存在一个顶点子集$U \subseteq V$，使$|U \cap e| = 1$为每个$e \in F_i$。这个过程被证明是有助于加快最短路径的建设下的哔哔声模型。

2023-01-03cs.DCcs.DS

拥塞模型中确定性最短路径的快速算法

Faster Deterministic All Pairs Shortest Paths in Congest Model

提出了一种新的确定性算法，用于求解无向图和有向图中的分布式加权最短路径。我们的算法在具有任意边权重的图上的拥塞模型中以$\tilde{O}(n^{4/3})$轮运行，并且它改进了Agarwal等人[ARKP 18]先前的$\tilde{O}(n^{3/2})$界。我们的新算法的主要组成部分是一个新的更快的技术，用于确定性地构建阻塞集和一个新的管道方法，用于确定性地传播距离值从源节点到网络中的阻塞集节点。这两种技术对其他分布式算法都有潜在的应用价值。我们的新的确定性算法计算阻塞集适应NC近似超图集覆盖算法在[BRS94]的阻塞集的分布式构造。它遵循两步过程：首先设计一个仅使用成对独立性的随机算法，然后使用线性大小的样本空间去随机化该算法。该算法运行的轮数与我们的APSP算法中计算$h$跳数最短路径的初始步骤几乎相同，并且通过在轮界中删除额外的$n\cdot |Q|$项，显着改进了[ARKP 18，AR 19]中的确定性阻塞集算法，其中Q是阻塞集。我们的APSP算法中的另一个新组件是一个确定性的流水线方法来传播从源节点到阻塞节点的距离值。我们使用一个简单的自然循环法，这一步，我们使用一个合适的进度措施，它实现了$\tilde{O}(n^{4/3})$的限制轮数。看来，用于有效广播多个值以及使用[HPDG+19，LSP 19]中的路由计划发送或接收消息的标准确定性方法不适用于此设置。

2020-05-19cs.DCcs.DS

CONGEST-CLIQUE模型中最短路径问题的量子分布式算法

Quantum Distributed Algorithm for the All-Pairs Shortest Path Problem in the CONGEST-CLIQUE Model

全对最短路径问题（APSP）是分布式计算中最核心的问题之一。在CONGEST-CLIQUE模型中，$n$节点通过在同步循环中交换$O(\log n)$比特的消息而在完全连接的网络上彼此通信，用于APSP的最公知的通用算法使用$\tilde O(n^{1/3})$循环。打破这一障碍是分布式图算法的一个基本挑战。本文首次研究了CONGEST-CLIQUE模型中的量子分布式算法，其中节点可以交换$O(\log n)$量子比特的消息，并证明了这一障碍是可以被打破的：我们构造了一个$\tilde O(n^{1/4})$ -轮的量子分布式算法来求解CONGEST-CLIQUE模型中多项式权值的有向图上的APSP.量子环境中的这种加速与标准CONGEST模型的情况形成对比，对此，Elkin等人（PODC 2014）表明量子通信并没有提供优于经典通信的显着优势。我们的量子算法基于Vassilevska Williams和Williams（JACM 2018）发现的APSP与图中负三角形检测之间的关系。我们算法的量子部分利用了Le Gall和Magniez最近开发的量子分布式搜索框架（PODC 2018）。我们的主要技术贡献是一种方法，展示了如何并行实现多个量子搜索（图中的每个边一个），而不引入量子搜索。

2019-06-06cs.DCquant-ph

确定性PRAM近似最短路径的多对数时间和略超线性工作

Deterministic PRAM Approximate Shortest Paths in Polylogarithmic Time and Slightly Super-Linear Work

研究了$n$ -顶点无向加权图并行（PRAM）计算模型中的一个$(1+ε)$ -近似单源最短路径（以下简称$(1+ε)$ -SSSP）.对于任意小的$ρ>0$，Cohen [Coh 94]在$25$多年前给出了一个具有多对数时间和略微超线性工作的随机算法$\tilde{O}(|E|\cdot n^ρ)$。近年来，在这个问题上取得了令人兴奋的进展[ElkinN 17，ElkinN 19，Li 19，AndoniSZ 19]，最终在随机多对数时间和$\tilde{O}(|E|)$工作中达到高潮。然而，是否存在科恩算法的确定性对应物的问题仍然是开放的。在目前的文件中，我们设计的第一个确定性的多项式时间算法，这个基本问题，与工作$\tilde{O}(|E|\cdot n^ρ)$，对于一个任意小的$ρ>0$。这一结果是基于第一个有效的确定性的并行算法建立跳集，我们在本文中设计。

2020-09-30cs.DCcs.DS

近似最短路径的快速并行算法

Faster Parallel Algorithm for Approximate Shortest Path

我们提出了第一个$m\,\text{polylog}(n)$工作，$\text{polylog}(n)$时间算法的PRAM模型，计算$(1+ε)$近似单源最短路径的加权，无向图。这改进了Cohen~[JACM'00]实现$O(m^{1+ε_0})$工作和$\text{polylog}(n)$时间的突破性结果。虽然大多数以前的方法，包括科恩的，利用跳集的力量，我们的算法建立在最近的发展\emph{continuous optimization}，研究最短路径问题的密切相关的\emph{minimum transshipment}问题的镜头。为了获得我们的算法，我们证明了一系列的近似线性的工作，多任务时间减少之间的问题的近似最短路径，近似转运，和$\ell_1$ -嵌入，并建立一个递归算法，循环通过这三个问题，并减少每个周期的图形大小。因此，我们也获得了更快的并行算法近似转运和$\ell_1$ -嵌入与多对数失真。最小转运算法是对Sherman~[SODA'17]的最佳$m^{1+o(1)}$工作顺序算法的改进。为了提高可读性，这篇论文几乎是完全独立的，除了算法和组合学中的几个主要定理。

2022-05-31cs.DCcs.DS

覆盖、填充和最大加权匹配的分布式算法

Distributed algorithms for covering, packing and maximum weighted matching

本文给出了具有次模代价和单调覆盖约束的复盖问题的多对数轮分布D-近似算法。近似比D是任何约束中的最大变量数。特殊情况包括覆盖混合线性规划（CMIP）和加权顶点覆盖（D=2）。通过对偶性，本文还给出了分数包装线性规划（其中D是变量出现的最大约束数）和超图中的最大加权c-匹配（其中D是任意超边的最大尺寸，对于图D=2）的多对数轮分布D-近似算法。本文还给出了每个约束两个变量和加权顶点覆盖的CMIP的并行（RNC）2-近似算法。算法是随机的。所有的近似比完全匹配可比的集中式算法。

2020-05-27cs.DCcs.DS

用Apache Spark解决大型图中的所有对最短路问题

Solving All-Pairs Shortest-Paths Problem in Large Graphs Using Apache Spark

计算所有对最短路径（APSP）的算法是许多实际应用的关键基础。标准的顺序算法，如Floor-Warshall和Johnson，很快就变得不可行的大型输入图，需要并行的方法。在这项工作中，我们使用Apache Spark对分布式内存集群上的并行APSP性能进行了详细分析。Spark模型允许可移植且易于部署的分布式实现，因此从最终用户的角度来看是有吸引力的。我们为大型无向加权图提出了四种不同的APSP实现，它们在复杂性和对纯Spark API之外的技术的依赖程度上有所不同。我们证明了Spark能够在1024核集群上处理超过200，000个顶点的APSP问题，并且可以与基于幼稚MPI的解决方案竞争。然而，我们的最佳性能求解器需要辅助共享持久存储，并且比优化的基于MPI的求解器慢两倍以上。

2019-08-07cs.DC

基于随机组合核集的分布式加权匹配

Distributed Weighted Matching via Randomized Composable Coresets

最大权匹配问题是组合优化中最基本的问题之一，在数据采掘和生物信息学中有着广泛的应用。开发分布式加权匹配算法是具有挑战性的，因为这个问题的有效算法的顺序性。在本文中，我们开发了一个简单的分布式算法的问题，一般图的近似保证$2+\varepsilon$，（几乎）匹配的顺序贪心算法。该算法的一个关键优点是，它可以很容易地实现在现代并行计算框架，如MapReduce的只有两轮计算。我们还证明了我们的算法在实践中的效率在各种图形（一些有半万亿边）实现的目标值总是接近什么是可实现的集中设置。

2019-06-05cs.DCcs.DS

网络负载均衡方法的实验比较与改进

Network Load Balancing Methods: Experimental Comparisons and Improvement

负载均衡算法在需要将工作负载分布在多个资源（如多处理器系统中的核、分布式计算中的计算机以及网络链路）上的系统中起着关键作用。在本文中，我们研究和评估四个负载均衡方法：随机，轮循，最短队列，最短队列与陈旧的负载信息。我们建立了一个仿真模型，并比较了系统的平均延迟的负载均衡方法。我们还提供了一种改进的最短队列与陈旧的负载信息负载均衡的方法。本文还提出了改进的性能分析。

2017-10-18cs.DCcs.PF

简单分布加权匹配

Simple Distributed Weighted Matchings

Wattenhofer [WW04]提出了一种复杂的分布式算法来计算任意加权图的加权匹配，即距离该图的最大加权匹配至多5倍。我们表明，一个明显的顺序贪心算法[Pre99]的变体，计算加权匹配最多一个因素2远离最大值，很容易分布。这就产生了迄今为止最著名的分布式近似算法。

2004-10-19cs.DCcs.DM

数据分布式加权多数和在线镜像下降

Data-Distributed Weighted Majority and Online Mirror Descent

Georgia Institute of Technology（佐治亚理工学院）

在本文中，我们专注于在线学习在多大程度上可以受益于分布式计算的问题。我们专注于设置中，$N$代理在线学习合作，每个代理只能访问自己的数据。我们提出了一个通用的数据分布式在线学习元算法。然后，我们介绍了分布式加权多数和分布式在线镜像下降算法，作为特例。我们表明，使用理论分析和实验，相比于一个单一的代理：给定相同的计算时间，这些分布式算法实现较小的泛化误差，并给予相同的泛化误差，他们可以快$N$倍。

2011-05-11cs.DCcs.LG

最短路径（微秒）

Shortest Paths in Microseconds

计算最短路径是几个社交网络应用的基本原理，包括社交敏感排名，位置感知搜索，社交拍卖和社交网络隐私。由于这些应用程序响应用户查询计算路径，因此目标是在保持可行的内存需求的同时最大限度地减少延迟。我们提出了尽快，一个系统，实现这一目标，通过利用社交网络的结构。ASAP对给定的网络进行预处理，为每个节点计算并存储部分最短路径树（PSPT）。PSPT具有这样的性质，即对于任何两个节点，沿着最短路径的每个边具有高概率包含在至少一个节点的PSPT中。我们表明，社交网络的结构，使每个节点的PSPT是整个网络的一个非常小的部分，因此，PSPT可以有效地存储和每个最短路径可以非常快速地计算。对于一个拥有500万个节点和6900万条边的真实网络，ASAP计算大多数节点对的最短路径的时间不到49微秒。与以前的任何技术不同，ASAP还可以在不到100微秒的时间内计算任何节点对之间的数百条路径（以及相应的距离）。最后，ASAP承认在MapReduce等分布式编程框架上的有效实现。

2013-09-03cs.DCcs.DScs.SI

量子CONGEST模型偏心率和所有对最短路径的复杂性

Complexity of Eccentricities and All-Pairs Shortest Paths in the Quantum CONGEST Model

计算网络的距离参数，包括网络的直径、半径、偏心率和最短路径（APSP）是分布式计算的核心问题。本文研究了量子CONGEST模型中的离度参数，建立了近似线性的离度和APSP的下界，与经典的上界相匹配。我们的结果意味着这两个问题不存在量子加速。与直径和半径相比，当网络具有低直径时，交换量子消息能够节省通信[Le Gall和Magniez，PODC 2018]。我们通过从集合交集的双向量子通信复杂度的减少来获得下界[Razborov，Izvestiya Mathematics 2003]。

2022-06-06cs.DCquant-ph