局部资源有限的线性时间参数化算法
Linear-Time Parameterized Algorithms with Limited Local Resources
摘要：
我们提出了一个新的（理论）计算模型的研究与有限的计算资源的海量数据处理。我们的模型测量读取非常大的数据集的数据大小N方面的复杂性，并分析计算成本的参数k，其特征在于有限的本地计算资源提供的计算能力。我们开发了新的算法技术，实现算法解决众所周知的计算问题的建议模型。特别地，我们提出了一个在时间O（N + k^{2.5}）内找到一般未加权图中的k-匹配的算法，以及一个在时间O（N + k^3 log k）内构造一般加权图中的最大加权k-匹配的算法。这两个算法的空间复杂度都是O（k^2）。
英文摘要：
We propose a new (theoretical) computational model for the study of massive data processing with limited computational resources. Our model measures the complexity of reading the very large data sets in terms of the data size N and analyzes the computational cost in terms of a parameter k that characterizes the computational power provided by limited local computing resources. We develop new algorithmic techniques that implement algorithms for solving well-known computational problems on the proposed model. In particular, we present an algorithm that finds a k-matching in a general unweighted graph in time O(N + k^{2.5}) and an algorithm that constructs a maximum weighted k-matching in a general weighted graph in time O(N + k^3 log k). Both algorithms have their space complexity bounded by O(k^2).
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。
