Covering and packing mixed-integer linear programs with a fixed number of constraints: Approximation and convex hull
Research Center for Operations Research & Statistics, KU Leuven(鲁汶大学运筹学与统计学研究中心)
本文提出了一种针对固定数量约束的覆盖混合整数线性规划问题的近似算法,并改进了背包覆盖问题的近似算法。
2026-02-11 cs.DS
Linear-Time Algorithms for Maximum-Weight Induced Matchings and Minimum Chain Covers in Convex Bipartite Graphs
本文提出凸二分图中最大权重导出匹配和最小链覆盖的线性时间算法,利用紧凑表示在O(n)或O(n+m)时间内求解,优于此前O(n^2)的算法。
2017-11-13 cs.DM cs.DS
Online Mixed Packing and Covering
在许多问题中,输入随着时间的推移而到达,并且必须在它们到达时进行处理。这些问题都是网上的问题。在线求解问题的常用方法是先求解相应的线性规划,然后在线对分式解进行四舍五入,得到整数解。我们给出了在线求解具有混合填充和覆盖约束的线性规划的算法。我们首先考虑混合包装和覆盖线性规划,包装约束离线给出,覆盖约束在线接收。目标是在满足覆盖约束的同时,最小化任何填充约束被违反的最大乘法因子。没有以前的次线性竞争算法是已知的这个问题。我们给出了第一个这样的-一个求解混合包装和覆盖线性规划的多变量竞争算法。我们还显示了一个几乎紧的下界。我们的技术上限使用指数罚函数结合乘法更新。以往的线性规划离线近似求解都是使用指数罚函数,而离线算法则事先知道约束条件,可以进行全局优化。相比之下,当约束在线到达时,更新需要更复杂。我们应用我们的技术来解决两个在线的固定收费的拥塞问题。这些问题的动机在机器调度和设施定位的应用。这些问题的线性规划比混合填充和覆盖更复杂,并提出了独特的挑战。我们表明,我们的技术与随机舍入过程相结合,给出了多变量竞争积分的解决方案。这些问题推广了在线集合覆盖问题,它存在一个多对数下界。因此,我们的结果接近于严格。
2012-04-02 cs.DS
Deterministic Negative-Weight Shortest Paths in Nearly Linear Time via Path Covers
MPI-INF and Saarland University, Germany(德国萨尔兰大学);University of Michigan(密歇根大学)
针对有向图带负边权的单源最短路径问题,提出首个确定性近线性时间算法($\tilde{O}(m)\cdot \log(nW)$时间),引入路径覆盖结构基元突破随机化依赖障碍,可计算距离或检测负环。
2025-11-11 cs.DS
An Approximation Algorithm for Covering Linear Programs and its Application to Bin-Packing
我们给出了一个求解覆盖LP的$α(1+ε)$ -近似算法,假设对某个优化问题存在一个$(1/α)$ -近似算法.我们的算法是基于Plotkin-Shmoys-Tardos算法(MOR 1995)的一个简单的修改。然后,我们将我们的算法$α(1+ε)$ -近似解决的配置LP为一大类装箱问题,假设存在一个$(1/α)$ -近似算法为相应的背包问题(KS)。之前的结果为我们提供了使用KS的PTAS的配置LP的PTAS。这些结果并不延伸到KS是很差的近似的情况下。然而,我们的算法,即使是多项式大的$α$。
2020-12-17 cs.DS
Nearly Linear-Time Packing and Covering LP Solvers
包装和覆盖线性规划(PC-LP)是计算机科学、运筹学和优化领域中一类重要的线性规划。在1993年,Luby和Nisan构造了一个迭代算法,用于在近似线性时间内近似求解PC-LP,其中时间复杂度在$N$(矩阵的非零元素的数量)中近似线性地缩放,并且在$\varepsilon$(乘法)近似误差中近似多项式地缩放。不幸的是,所有现有的近似线性时间算法解决PC-LP需要的时间至少成正比于$\varepsilon^{-2}$。在本文中,我们打破了这个长期存在的障碍,设计一个包装求解器,运行在时间$\tilde{O}(N \varepsilon^{-1})$和覆盖LP求解器,运行在时间$\tilde{O}(N \varepsilon^{-1.5})$。我们的包装求解器可以扩展到运行在时间$\tilde{O}(N \varepsilon^{-1})$一类行为良好的覆盖程序。在后续的工作中,Wang等人表明,所有覆盖LP都可以通过简化转换为行为良好的LP,该简化仅在数学上扩大问题大小。在高层次上,这两个算法可以被描述为几个一阶下降步骤的线性耦合。这是我们的线性耦合技术的问题,不服从黑盒应用已知的凸优化迭代算法的应用。
2018-02-26 cs.DS cs.NA math.NA
Minimum Path Cover in Parameterized Linear Time
有向无环图(DAG)$G = (V,E)$的最小路径覆盖(MPC)是一起覆盖DAG的所有顶点的最小尺寸的路径集合。计算MPC是一个基本的多项式问题,可以追溯到20世纪50年代Dilworth和Fulkerson的结果。由于MPC的大小$k$(也称为宽度)在实际应用中可能很小,因此研究人员还研究了运行时间在$k$上参数化的算法。我们得到了一个新的MPC参数化算法的DAG运行在时间$O(k^2|V| + |E|)$。我们的算法是第一个解决问题的参数化线性时间。此外,我们得到了一个边缘稀疏化算法保留的DAG的宽度,但减少$|E|$小于$2|V|$。该算法在时间$O(k^2|V|)$中运行,并且需要DAG的MPC作为输入,因此其总运行时间与我们的MPC算法的运行时间相同。
2022-11-17 cs.DS
Solving Packing and Covering LPs in $\tilde{O}(\frac{1}{ε^2})$ Distributed Iterations with a Single Algorithm and Simpler Analysis
包装和覆盖线性规划属于线性规划的狭义类别,在并行和分布式计算模型中可有效求解,但在理论计算机科学,运筹学和许多其他领域中,它是一个强大的建模工具。在获得更快的分布式和并行算法包装和覆盖线性规划的最新进展,我们提出了一个简单的算法,其迭代计数匹配最知名的$\tilde{O}(\frac{1}{ε^2})$这类问题。该算法类似于[Allen-Zhu和Orecchia,2015]的算法,它可以被解释为Nesterov的对偶平均,并且它构造了原始(填充)和对偶(覆盖)问题的近似解。然而,分析依赖于一个近似的最优性差距和原始对偶视图的建设,导致更直观的解释。此外,我们的分析表明,所有现有的算法解决包装和覆盖线性程序的并行/分布式计算模型,事实上,unaccelerated,并提出了这类问题的加速算法设计的问题。
2017-10-24 cs.DS
Using Minimum Path Cover to Boost Dynamic Programming on DAGs: Co-Linear Chaining Extended
在基因组的图形表示上比对测序读数是泛基因组学的重要组成部分。这样的方法通常找到一组局部锚,其指示读取的子串与图的子路径之间的合理匹配。然后将这些锚匹配组合以形成子路径上的完整读段的(半局部)比对。共线链接是一种算法上严格的方法来组合锚点。对于两个序列作为输入的情况,这是一种众所周知的方法。在这里,我们扩展了该方法,使得其中一个输入可以是有向无环图(DAG),例如转录组学中的剪接图或泛基因组学中的变体图。这个对DAG的扩展与最小路径覆盖问题有着紧密的联系,它要求一个覆盖DAG所有节点的最小路径基数集。我们研究的情况下,当最小路径覆盖的大小$k$是小的,这是在实践中经常出现的情况。首先,我们提出了一个算法,寻找一个最小路径覆盖的DAG $(V,E)$在$O(k|E|\log|V|)$时间,改善所有已知的时间范围时,$k$是小的,DAG不是太密集。其次,我们介绍了一个通用的技术扩展动态规划(DP)算法从序列到DAG。这是通过我们的最小路径覆盖算法实现的,并且通过模仿最小路径覆盖的每个路径上的序列的DP算法来工作。这种技术通常产生的算法比它们在序列上的对应算法慢一个因子$k$。我们的技术可以应用于,例如,经典的最长递增子序列和最长公共子序列问题,扩展到标记的DAG。最后,我们将这种技术应用于共线链接问题。我们还实现了新的共线性链接方法。对拼接图的实验表明,该方法在实际应用中也是有效的。
2018-01-29 cs.DS
A Water-Filling Primal-Dual Algorithm for Approximating Non-Linear Covering Problems
获得强大的线性松弛的能力覆盖问题构成了一个重大的技术挑战,即使是简单的设置。对于最基本的情况之一,背包覆盖(最小背包)问题,基于背包覆盖不等式的松弛实现了2的完整性差距。这些不等式已被利用在更一般的环境中,其中许多承认原始-对偶近似算法。从电力和运输系统的问题的启发,我们引入了一个新的一般设置中,项目可以采取分数,以满足给定的需求。一个项目所产生的成本由所选分数的任意非递减函数给出。我们将背包覆盖不等式推广到这种情况,并利用它们得到一个$(2+\varepsilon)$ -近似原始-对偶算法。我们的程序有一个自然的解释为桶填充算法,它有效地平衡了成本函数中具有不同斜率的困难:当一个项目的一些上级部分呈现出低斜率时,它有助于提高下级部分的优先级。我们还提出了一个舍入算法的近似保证为2。我们将我们的算法推广到一条线上的不可分割流覆盖问题,也适用于项目可以分数取的设置。对于这个问题,我们得到一个$(4+\varepsilon)$近似算法在多项式时间,几乎匹配的$4$近似已知的经典设置。
2019-12-27 cs.DS math.OC
Sparsifying, Shrinking and Splicing for Minimum Path Cover in Parameterized Linear Time
有向无环图(DAG)$G = (V,E)$的最小路径覆盖(MPC)是一起覆盖DAG的所有顶点的最小尺寸的路径集合。计算MPC是一个基本的多项式问题,可以追溯到20世纪50年代Dilworth和Fulkerson的结果。由于MPC的大小$k$(也称为宽度)在实际应用中可以很小,因此研究还研究了其复杂度在$k$上被参数化的算法。我们得到了两个新的MPC参数化的DAG运行在时间$O(k^2|V|\log{|V|} + |E|)$和$O(k^3|V| + |E|)$算法。我们还得到了一个并行算法运行在$O(k^2|V| + |E|)$并行步骤和使用$O(\log{|V|})$处理器(在PRAM模型)。后两个算法是首次在参数化线性时间内求解该问题。最后,我们提出了一个算法运行的时间$O(k^2|V|)$转换任何MPC到另一个MPC使用不到$2|V|$不同的边缘,我们证明是渐近紧。因此,我们还获得了边缘稀疏化算法,保留了DAG的宽度,运行时间与我们的MPC算法相同。在我们所有的算法的核心,我们交错使用三种技术:传递稀疏化,收缩的路径覆盖,和拼接的一组路径沿给定的路径。
2021-07-12 cs.DS
Paired compressed cover trees guarantee a near linear parametrized complexity for all $k$-nearest neighbors search in an arbitrary metric space
本文研究了在任意度量空间中,在另一个参考集$R$中寻找查询集$Q$的点的所有$k$ -最近邻的重要问题。我们之前的工作定义了压缩覆盖树,并纠正了过去几篇论文中针对具有挑战性的数据集的关键论点。2009年,Ram、Lee、March和Gray试图通过在查询集和引用集上使用成对的覆盖树来提高时间复杂度。2015年,Curtin与上述合著者使用额外的参数最终证明了$k=1$的时间复杂度。目前的工作填补了所有以前的空白,并提高了最近邻搜索的基础上对新的压缩覆盖树。新的成对树的不平衡参数使我们能够证明一个更好的时间复杂度为任何数量的邻居$k\geq 1$。
2022-01-20 cs.CC cs.CG cs.DS
Sequential and Parallel Algorithms for Mixed Packing and Covering
混合填充和覆盖问题是可以用非负系数表示为线性规划的问题。例如多商品网络流、TSP的Held-Karp下界、集合覆盖的分数松弛、装箱、背包、调度问题、最小权三角剖分等。本文给出了一般问题的近似算法。顺序算法是一种简单的贪心算法,它可以在O(n ^-2 log m)线性时间迭代中找到ε近似解。并行算法做类似的工作,但在多对数时间内完成。这些结果推广了Michael Luby和Noam Nisan(1993)以及Naveen Garg和Jochen Konemann(1998)以前关于纯填充和覆盖(约束都是“小于”或“大于”的特殊情况)的工作。
2002-05-18 cs.DS
Faster Parameterized Algorithms using Linear Programming
我们研究的顶点覆盖参数化的最优解的大小和线性规划(LP)松弛的问题的值之间的差异参数化的参数化的复杂性。通过仔细分析的LP值在分支步骤中的变化,我们认为,结合以前已知的预处理规则与最直接的分支算法产生的问题的$O^*((2.618)^k)$算法。这里$k$是顶点覆盖大小超过LP最优值的部分,我们将$O^*(f(k))$写成$O(f(k)n^{O(1)})$形式的时间复杂度,其中$f (k)$随着$k$呈指数增长。我们继续表明,一个更复杂的分支算法实现了运行时间的$O^*(2.3146^k)$。在此基础上,利用已知的约简和新的约简,我们给出了参数化的上述保证顶点覆盖、奇圈transmitting、分裂顶点删除和几乎2-SAT的$O^*(2.3146^k)$算法,以及参数化的Konig顶点删除、OCT顶点覆盖参数和KVD顶点覆盖参数的$O^*(1.5214^k)$算法.这些算法显着提高了这些问题的最佳已知的界限。最显着的改进是新的奇数周期translation的界限-这是第一个算法,击败了依赖$k$的种子$O^*(3^k)$算法的里德,史密斯和维塔。最后,使用我们的算法,我们得到了一个核的顶点覆盖的标准参数化与最多$2k - c \log k$顶点。我们的内核是简单的比以前已知的内核实现相同的大小范围。
2012-03-12 cs.CC cs.DM cs.DS
Analysis of the Min-Sum Algorithm for Packing and Covering Problems via Linear Programming
基于置信传播(BP)的消息传递算法在纠错码译码、约束满足和推理等问题中有着广泛的应用。基于BP的算法在用于对输入进行建模的图表示(称为因子图)上操作。虽然在许多情况下,基于BP的算法表现出令人印象深刻的经验结果,没有太多的被证明时,因子图有循环。本文研究了约束矩阵为0 - 1,约束向量为整数,变量受盒约束的整数规划问题。我们研究了最小和算法的性能时,适用于相应的因子图模型的包装和覆盖LP。我们比较的解决方案计算的最小和算法包装和覆盖问题的最优解相应的线性规划(LP)松弛。特别是,我们证明了,如果LP有一个最佳的分数的解决方案,然后对于每个分数的组成部分,最小和算法计算多个解决方案或解决方案振荡低于和高于分数。这意味着最小和算法仅在LP具有唯一的最优解时才计算最优积分解。一般来说,反过来并不正确。对于包装和覆盖问题的一个特殊情况,我们证明了如果线性规划有唯一的最优解,且该最优解是整数且在盒约束的边界上,那么最小和算法在伪多项式时间内计算最优解.我们的结果统一和扩展了最近的最大权重匹配问题的结果[Sanghavi等人,’2011]和[Bayati等人,2011]和最大权重独立集问题[Sanghavi et al. '2009]。
2013-07-14 cs.DM cs.DS cs.IT
Unified Acceleration Method for Packing and Covering Problems via Diameter Reduction
University of California at Berkeley(加州大学伯克利分校);International Computer Science Institute(国际计算机科学研究所)
本文通过统一的直径缩减方法,改进了打包和覆盖问题的收敛率,解决了线性耦合方法在两者间表现不一致的问题。
2015-10-06 cs.DS cs.NA math.NA
Non-Linear Paging
研究非线性分页模型,引入新参数ℓ推广缓存大小,提出紧的确定性ℓ-竞争算法及随机下界,并针对超模分页给出多对数界与离线近似算法。
2024-04-20 cs.DS
Large-deviation Properties of Linear-programming Computational Hardness of the Vertex Cover Problem
利用稀疏事件抽样方法,研究了Erdos-Renyi随机图顶点覆盖问题线性规划松弛算法的计算代价分布。作为一个大偏差的属性,“容易”和“困难”的问题的分布的差异被发现反映LP松弛近似的硬度。特别是,通过评估总的变化距离之间的条件分布相对于硬度,它建议,这些分布几乎是不可区分的副本对称(RS)阶段,而他们渐近不同的复本对称性破缺(RSB)阶段。此外,我们寻求通过调查的相似性,二分图,这表现出定量的RS和RSB阶段之间的差异图结构的关系。这些结果表明,在相应的随机图形结构的自旋玻璃理论模型的RS-RSB相变的LP松弛的典型的计算成本的非平凡的关系。
2018-02-07 cond-mat.dis-nn cond-mat.stat-mech cs.DS
A new near-linear time algorithm for k-nearest neighbor search using a compressed cover tree
本文提出更简单的压缩覆盖树及其构建与 k 近邻搜索算法,分别实现 O(n log n) 构建和 O(m(k+log n)log k) 查询,并修正既有覆盖树复杂度证明缺口。
2024-03-04 cs.CG cs.DS
Optimising Cylindrical Algebraic Coverings for use in SMT by Solving a Set Covering Problem with Reasons
Coventry University(考文垂大学)
本文提出通过解决带有原因的集合覆盖问题来优化SMT求解器中的圆柱代数覆盖,以提升非线性实数算术的求解效率。
2026-01-20 cs.DS math.CO
T-SCI: A Two-Stage Conformal Inference Algorithm with Guaranteed Coverage for Cox-MLP
IIIS, Tsinghua University(清华大学交叉信息研究院)
删失数据的处理具有挑战性,因为我们只能获得生存时间的不完全信息,而不能获得其确切值。幸运的是,在线性预测假设下,人们可以使用Cox回归等方法获得生存时间置信区间的保证覆盖率。然而,当用神经网络放松线性假设时(例如,Cox-MLP(Katzman等人,2018; Kvamme等人,2019年,我们失去了保障。为了在没有线性假设的情况下恢复保证覆盖,我们提出了两种基于保形推理的算法。在第一个算法WCCI中,我们重新加权共形推理,并引入了一个新的不符合分数的基础上偏似然。然后,我们提出了一个两阶段的算法T-SCI,我们在第一阶段运行WCCI,并在第二阶段应用分位数共形推理来校准结果。理论分析表明,T-SCI返回保证覆盖率比WCCI温和的假设。我们使用不同的方法对合成数据和真实数据进行了大量的实验,验证了我们的分析。
2021-04-14 cs.AI cs.DS cs.LG
Learning-Augmented Algorithms for Online Linear and Semidefinite Programming
Purdue University(普渡大学);University of Melbourne(墨尔本大学);Massachusetts Institute of Technology(麻省理工学院);UC Berkeley(加州大学伯克利分校);Rice University(莱斯大学);Carnegie Mellon University(卡内基梅隆大学)
半定规划(SDP)是一个统一的框架,它概括了线性规划和二次约束二次规划,同时在理论和实践中也产生了有效的求解器。然而,当覆盖SDP的约束以在线方式到达时,存在用于近似最优解的已知不可能结果。在本文中,我们研究了在线覆盖的线性和半定的计划,其中的算法是增加了一个可能错误的预测咨询。我们表明,如果预测是准确的,我们可以有效地绕过这些不可能的结果,并实现一个常数因子近似的最优解,即,一致性另一方面,如果预测器是不准确的,在某些技术条件下,我们实现了与经典最优上界和紧下界都匹配到常数因子的结果,即,鲁棒性更广泛地说,我们引入了一个框架,扩展了(1)由Bamas,Maggiori和Svensson研究的机器学习预测器增强的在线集合覆盖问题(NeurIPS 2020),以及(2)由Elad,Kale和Naor发起的在线覆盖SDP问题(ICALP 2016)。具体来说,我们得到了一般的在线学习增强算法覆盖线性规划与分数的建议和约束,并开始学习增强算法覆盖SDP问题的研究。我们的技术基于Buchbinder和Naor的原始-对偶框架(Mathematics of Operations Research,34,2009),并且可以进一步调整以处理变量位于有界区域中的约束,即,框约束。
2022-10-21 cs.DS cs.LG math.OC
Algorithms on Minimizing the Maximum Sensor Movement for Barrier Coverage of a Linear Domain
本文研究了在一条直线上移动$n$传感器,使传感器的最大移动距离最小化,从而形成一个指定线段的屏障覆盖的问题。以前,这是一个悬而未决的问题,是否这个问题的传感器与任意的传感范围是可解决的多项式时间。我们通过给出一个$O(n^2 \log n)$时间算法来积极地解决这个问题。对于所有传感器具有相同大小的感测范围的特殊情况,先前的最佳解决方案需要$O(n^2)$时间。我们提出了一个$O(n \log n)$时间算法,这种情况下,进一步,如果所有的传感器最初位于覆盖段,我们的算法需要$O(n)$的时间。此外,我们将我们的技术扩展到循环版本的问题,其中的障碍覆盖是一个简单的周期和传感器被允许只沿周期移动。对于具有相同大小感应范围的传感器,我们在$O(n)$时间内解决了周期版本,改进了以前最好的$O(n^2)$时间解决方案。
2015-06-24 cs.CG cs.DS