DRONE: a Distributed Subgraph-Centric Framework for Processing Large Scale Power-law Graphs
如今，在大数据时代，社交网络、图形数据库、知识图谱、电子商务等需要高效且可扩展的能力来处理不断增加的图形结构数据量。为了应对这一挑战，提出了两种主流的分布式编程模型：以顶点为中心的模型（VC）和以子图为中心的模型（SC）。与VC模型相比，SC模型在划分良好的图上收敛更快，通信开销更少，并且由于“像图一样思考”的哲学而易于编程。边割方法被认为是子图为中心的图划分模型的自然选择，并已被GitHub ++，Blogel和GRAPE采用。然而，切边方法在处理大规模幂律图时会产生显著的性能瓶颈。因此，供应链模式在实践中竞争力较低。在本文中，我们提出了一个创新的分布式图计算框架，DRONE（分布式gRaph computiNg引擎）。它结合了以子图为中心的模型和顶点切割图划分策略。实验表明，DRONE优于最先进的分布式图形计算引擎在现实世界的图形和合成的幂律图。DRONE能够扩展到处理一万亿边的合成幂律图，这比现有的基于SC的框架之前报道的要大几个数量级。
2019-01-09 cs.DC
BLADYG: A Graph Processing Framework for Large Dynamic Graphs
近年来，大型动态图的分布式处理已经成为一个热门的研究领域，特别是在社会网络分析、Web图分析和空间网络分析等领域。在这种背景下，已经提出了许多分布式/并行图形处理系统，例如Pregel，GraphLab和Trinity。这些系统可以分为两类：（1）以顶点为中心的方法和（2）以块为中心的方法。在以顶点为中心的方法中，每个顶点对应于一个进程，并且消息在顶点之间交换。在以块为中心的方法中，计算单元是块，图的连接子图，并且消息交换发生在块之间。在本文中，我们正在考虑的问题的规模和动态的情况下，块为中心的方法。我们提出了bladyg，一个以块为中心的框架，解决了大规模图中的动态性问题。我们提出了一个实现的BLADYG上的akka框架。我们实验评估所提出的框架的性能。
2017-01-02 cs.DC
A Grammatical Approach to Data-centric Case Management in a Distributed Collaborative Environment
本文提出了一个纯粹的声明性的方法，以工件为中心的案例管理系统，和这个模型的分散计划。每种情况都以树状结构呈现;节点承载数据和计算相结合的信息。每个节点都属于一个给定的涉众，语义规则控制着树结构的演化，以及数据值如何从源自节点上下文的信息中导出。涉众通过异步消息传递进行通信，无需共享内存，从而实现方便的分发。
2014-05-13 cs.DC
A Meta-graph Approach to Analyze Subgraph-centric Distributed Programming Models
使用批量同步并行（BSP）编程模型的以数据为中心的分布式图形处理平台已经获得了牵引力。这些解决了大数据抽象/平台（如MapReduce/Hadoop）用于大规模图形处理的缺点。然而，对于不同的图、图划分和图算法，这些以组件为中心的抽象的行为的基本方面的文献有限。在这里，我们提出了一个分析方法的基础上的元图草图，以检查以组件为中心的图形编程模型的特点，在一个粗粒度。特别是，我们将此草图应用于以子图和块为中心的抽象，并与以顶点为中心的模型（如Google的Pregel）进行比较。首先，我们探讨了各种图分区技术对元图的影响，然后考虑元图对图算法的影响。这消除了笨重的大型图及其算法分析中的分区特定工件。我们使用5个空间和幂律图作为范例，四种不同的分区策略，和PageRank和广度优先搜索作为规范算法。这些元图的分析提供了一个可靠的措施的预期数量的超步骤，通信和计算复杂性的算法为各种图形，和相对的优点，以子图为中心的顶点为中心的模型。
2016-10-31 cs.DC
Vertex-Centric Graph Processing: The Good, the Bad, and the Ugly
我们研究分布式图算法，采用迭代顶点为中心的框架进行图形处理，普及了谷歌的Pregel系统。从那时起，有几次尝试在以顶点为中心的框架中实现许多图算法，以及努力设计优化技术以提高效率。然而，据我们所知，还没有任何系统的研究比较这些顶点为中心的实现与他们的顺序对应。我们的论文从两个方面解决了这一差距。(1)我们分析的计算复杂性，这样的实现与时间处理器产品的概念，并基准测试几个顶点为中心的图形算法是否执行更多的工作，他们最有名的顺序解决方案。(2)采用平衡实用Pregel算法的概念，我们研究这些实现是否存在工作负载不平衡和大量迭代的问题。我们的研究结果表明，除了欧拉旅游树算法，所有其他算法要么执行更多的工作比他们最著名的顺序方法，或遭受不平衡的工作量/大量的迭代，甚至两者兼而有之。我们还强调了图形算法，从根本上说，很难在以顶点为中心的框架表示，并通过讨论分布式图形处理的未来之路。
2016-12-22 cs.DB cs.DC cs.DS
Palgol: A High-Level DSL for Vertex-Centric Graph Processing with Remote Data Access
Pregel是一种流行的处理大规模图的分布式计算模型。然而，在Pregel的以顶点为中心的模型中正确有效地实现图算法可能很棘手，特别是当算法具有多个计算阶段，复杂的数据依赖关系，甚至是通过动态内部数据结构进行通信时。一些领域特定语言（DSL）已经被提出来提供更直观的方法来实现图算法，但是由于缺乏对远程访问的支持--通过引用读取或写入其他顶点的属性--它们不能处理上述动态通信，导致一类快速收敛的Pregel算法无法实现。为了解决这个问题，我们设计并实现了Palgol，一个更具声明性和功能强大的DSL，支持远程访问。特别是，程序员可以使用一种称为链访问的更具声明性的语法来自然地指定动态通信，就像直接读取任意远程顶点上的数据一样。通过分析链存取的逻辑模式，我们提供了一个新的算法编译Palgol程序的有效Pregel代码。通过使用Palgol实现几个实际的Pregel算法，我们证明了Palgol的强大功能，评估结果表明Palgol的效率与手写代码相当。
2017-09-06 cs.DC
CCNCheck: Enabling Checkpointed Distributed Applications in Content Centric Networks
我们认为，在内容为中心的网络中，分布式应用程序的检查点有效地，使它能够承受瞬时故障的问题。我们提出了CCNCheck，一个系统，使发送方优化的方式检查点分布式应用程序在CCN的，并提供了一个有效的机制，在这样的应用程序的故障恢复。CCNCheck的检查点机制是DMTCP存储库的一个分支，CCNCheck能够运行任何用C/C++语言编写的分布式应用程序。
2015-06-01 cs.DC cs.NI
Pruned Landmark Labeling Meets Vertex Centric Computation: A Surprisingly Happy Marriage!
在本文中，我们研究如何修剪地标标记（PPL）算法可以并行化的可扩展的方式，产生相同的结果作为顺序算法。更具体地说，我们并行化使用顶点为中心的（VC）计算模型上的现代SIMD供电的多核架构。我们设计了一种新的VC-PLL算法，解决了PLL算法固有的顺序依赖性和顶点中心（VC）计算模型之间的明显不匹配。此外，我们引入了一种新的VC计算的批处理执行模型和BVC-PLL算法，以减少在VC-PLL的计算效率低下。令人惊讶的是，理论分析表明，在合理的假设下，BVC-PLL具有较低的计算和存储器访问成本比PLL，并表明它可以运行速度比PLL作为一个顺序算法。我们还演示了如何BVC-PLL算法可以扩展到处理有向图和加权图，以及它如何利用现代并行计算架构上的层次并行性。在真实图形上的大量实验不仅表明顺序BVC-PLL的运行速度比原始PLL快两倍以上，而且还证明了其并行效率和可扩展性。
2019-06-28 cs.DB cs.DC
A Partition-centric Distributed Algorithm for Identifying Euler Circuits in Large Graphs
在图中寻找欧拉回路是一个经典的问题，但在并行计算中还没有得到充分的探索。随着这种循环在神经科学和物联网中用于大型图，设计一种分布式算法来找到欧拉电路是很重要的。现有的并行算法是不切实际的商品集群和云。我们提出了一种新的分区为中心的算法来找到欧拉电路，在大型图形划分跨分布式机器和迭代执行使用批量同步并行（BSP）模型。该算法在每个分区中找到部分路径和循环，并通过递归合并分区将其细化为更长的路径。我们描述了该算法，分析了其复杂性，在Apache Spark上对大型图进行了验证，并提供了实验结果。我们还确定了算法中的内存瓶颈，并提出了一个增强的设计来解决它。
2019-03-16 cs.DC
HopGNN: Boosting Distributed GNN Training Efficiency via Feature-Centric Model Migration
针对分布式 GNN 训练中大规模顶点特征传输造成的通信瓶颈，提出以特征为中心的 LeapGNN，通过微图训练、特征预聚集和微图合并，相较 P3 最高加速 4.2 倍。
2024-09-08 cs.DC
Application-Centric Benchmarking of Distributed FaaS Platforms using BeFaaS
本文扩展了BeFaaS框架以支持分布式FaaS设置，设计了反映典型用例的应用基准，并在商业云平台和边缘平台上进行大量实验，揭示了网络传输对延迟的影响及各平台的触发延迟和冷启动表现。
2024-04-26 cs.DC
Capabilities for Distributed Authorization in Information-Centric Networking
本文针对信息中心网络中授权引入部分集中化的问题，提出一种基于权能的完全分布式授权方案，以增强信任模型并缓解拒绝服务攻击。
2023-08-08 cs.CR cs.DC cs.NI
ATLAHS: An Application-centric Network Simulator Toolchain for AI, HPC, and Distributed Storage
本文提出开源工具链 ATLAHS，通过 GOAL 追踪并建模 AI、HPC 和分布式存储真实应用，支持多后端、多作业与多租户模拟，误差低于 5%，且在运行时间和追踪效率上优于 AstraSim。
2025-05-13 cs.DC
Partitioning Graphs for the Cloud using Reinforcement Learning
在本文中，我们提出了Revolver，一个并行的图形划分算法，能够在一个共享内存的机器上划分大规模的图形。Revolver采用异步处理框架，该框架利用强化学习和标签传播来自适应地划分图。此外，它采用了以顶点为中心的视图的图形，其中每个顶点被分配一个自主智能体负责选择一个合适的分区，从而分布在所有顶点的计算。使用以顶点为中心的视图背后的直觉是，它自然地适合图划分问题，这需要使用每个顶点的邻域提供的局部信息来划分图。我们使用九个真实世界的图表完全实现并全面测试了Revolver。我们的研究结果表明，Revolver是可扩展的，可以通过产生可比的本地化分区，但不牺牲跨分区的负载平衡，超过三个流行的和最先进的图形分区。
2019-07-17 cs.DC
SIGMA: A Versatile Streaming Graph Partitioner for Vertex- and Edge-Balanced Distributed GNN Training
University of Bayreuth（拜罗伊特大学）；Heidelberg University（海德堡大学）
提出SIGMA，一种统一的多目标多约束流式图分区器，支持顶点分区和边分区，通过聚类预处理提高分区质量，在Dist-GNN和DistDGL系统上优于流式基线，与METIS等高质量分区器竞争力相当。
2026-10-19 cs.DC
TRUST: Triangle Counting Reloaded on GPUs
Stevens Institute of Technology（史蒂文斯理工学院）；State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室）；Huazhong University of Science and Technology（华中科技大学）；Computational Research Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室计算研究部）；Brookhaven National Laboratory（布鲁克海文国家实验室）；Department of Computer Science & Engineering, University of Connecticut（康涅狄格大学计算机科学与工程系）；Department of Electrical Engineering and Computer Science, University of California, Merced（加州大学默塞德分校电气与计算机工程系）
TRUST通过哈希操作和顶点中心机制实现大规模GPU三角形计数，首次达到每秒超过一万亿遍历边数（TEPS）的性能。
2021-03-14 cs.DC cs.SI
An Efficient and Balanced Graph Partition Algorithm for the Subgraph-Centric Programming Model on Large-scale Power-law Graphs
以子图为中心的编程模型是一种很有前途的方法，并已应用于许多最先进的分布式图计算框架。然而，传统的图划分算法在处理大规模幂律图时存在很大的困难。主要问题是在许多以子图为中心的框架中发现的通信瓶颈。详细分析表明，通信瓶颈是由巨大的通信量或划分的子图之间的极端消息不平衡造成的。传统的划分算法没有同时考虑这两个因素，特别是在幂律图上。在本文中，我们提出了一种新的高效和平衡的顶点切割图划分算法（EBV），授予适当的权重，整体通信成本和通信平衡。我们观察到，复制顶点的数量和平衡的边缘和顶点分配有很大的影响，分布式子图为中心的框架，从而进一步影响整体性能的通信模式。基于这一认识，我们设计了一个评价函数，量化的复制顶点的比例和平衡的边缘和顶点分配的重要参数。此外，我们还根据端顶点的度之和从小到大对边缘处理的顺序进行了排序。实验结果表明，EBV算法比其他自划分算法分别减少了至少21.8%和23.7%的复制因子和通信量。当部署在以子图为中心的框架中时，与最先进的分区算法相比，它将幂律图上的运行时间平均减少了16.8%。我们的研究结果表明，EBV有很大的潜力，在提高性能的子图为中心的框架的并行大规模幂律图处理。
2021-07-07 cs.DC
Cavs: A Vertex-centric Programming Interface for Dynamic Neural Networks
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）；Petuum Inc.（Petuum公司）
最近的深度学习（DL）模型已经从静态网络架构转向动态网络架构，处理网络结构在每个示例中都发生变化的数据，例如可变长度的序列、树和图。现有的基于XML的DL编程模型-静态和动态声明-要么不能很容易地表达这些动态模型，要么由于重复的XML图构造和处理而效率低下，并且难以批量执行。我们提出了Cavs，一个以顶点为中心的编程接口和优化的系统实现动态DL模型。Cavs将动态网络结构表示为静态顶点函数$\mathcal{F}$和动态实例特定图$\mathcal{G}$，并且通过按照$\mathcal{G}$中的依赖性调度$\mathcal{F}$的执行来执行反向传播。Cavs绕过了昂贵的图形构造和预处理开销，允许在$\mathcal{F}$中的预定义操作上使用静态图形优化技术，并且自然地暴露了不同图形上的批处理执行机会。将Cavs与两种最先进的动态NN框架（TensorFlow Fold和DyNet）进行比较的实验证明了这种方法的有效性：Cavs在各种动态NN架构的训练上实现了近一个数量级的加速，消融证明了我们提出的优化和存储管理策略的贡献。
2017-12-11 cs.CL cs.DC cs.LG
Active Access: A Mechanism for High-Performance Distributed Data-Centric Computations
远程内存访问（RMA）是一种新兴的高性能编程模型，它直接使用RDMA硬件。然而，访问远程存储器不能调用活动的目标，复杂的实现和限制性能的数据为中心的算法。我们提出了主动访问（AA），一种机制，集成了著名的主动消息（AM）的语义与RMA，使高性能的分布式数据为中心的计算。AA支持一种新的编程模型，在这种模型中，用户指定在传入的放置和获取引用指定地址时触发的处理程序。AA基于对输入/输出存储管理单元（IOMMU）的一组扩展，IOMMU是一个为将I/O访问重新映射到存储器提供高性能硬件支持的单元。我们说明了AA优于现有的AM和RMA设计，加速各种代码，如分布式哈希表或日志计划，并启用新的协议，如增量检查点的RMA。我们还讨论了扩展IOMMU如何可以支持虚拟化的全局地址空间在分布式系统中，提供已知的功能，从节点上的内存虚拟化。我们期望AA能够增强大型计算中心的HPC操作和运行时系统的设计。
2020-10-18 cs.AR cs.DC cs.NI
Artificial Intelligence (AI)-Centric Management of Resources in Modern Distributed Computing Systems
The University of Melbourne（墨尔本大学）；Amazon Web Services (AWS)（亚马逊云科技（AWS））
诸如云数据中心的当代分布式计算系统（DCS）是大规模的、复杂的、异构的，并且分布在多个网络和地理边界上。另一方面，物联网（IoT）驱动的应用程序正在产生大量数据，需要实时处理和快速响应。有效地管理这些资源以向最终用户或应用程序提供可靠的服务是一项具有挑战性的任务。现有的资源管理系统（RMS）依赖于静态或启发式的解决方案不适合这样的复合和动态系统。由于数据可用性和处理能力，人工智能（AI）的出现表现为在RMS任务中探索数据驱动的解决方案的可能性，这些解决方案是自适应的，准确的，高效的。在这方面，本文的目的是得出在资源管理中的数据驱动的解决方案的动机和必要性。它确定了与之相关的挑战，并概述了未来潜在的研究方向，详细说明了在不同的RMS任务中如何应用数据驱动技术。最后，它为DCS提供了一个概念性的数据驱动RMS模型，并展示了两个实时用例（GPU频率扩展和来自Google Cloud和Microsoft Azure的数据中心资源管理），展示了以AI为中心的方法的可行性。
2020-11-07 cs.DC cs.LG
Distributed Symmetry-Breaking with Improved Vertex-Averaged Complexity
本文研究了用图G=（V，E）表示通信网络的分布式消息传递模型。通常，在这个模型中考虑的复杂度的度量是最坏情况的复杂度，这是顶点v \in V执行的最大轮数。虽然这通常是一个合理的度量，但在某些情况下，它不能充分表达算法的实际性能。例如，一个处理器执行r轮，而所有其他处理器执行比r少得多的轮的执行与所有处理器执行相同轮数r的执行具有相同的运行时间。另一方面，后者的执行是在几个方面，如能源效率，任务执行效率，局部邻域效率和模拟效率较低。因此，在这些情况下需要采取更适当的措施。最近，\cite{Feuilloley2017}提出了顶点平均复杂度。在这个度量中，运行时间是图的所有顶点执行的最坏情况下的通信回合之和，在顶点数上取平均值。Feuilloley \cite{Feuilloley2017}证明了领导者选举允许一个顶点平均复杂度明显优于其最坏情况复杂度的算法。另一方面，对于O（1）-染色的环，最坏情况和顶点平均复杂度是相同的。这个复杂度是O \left（\log^{*} n \right）[12]。一般图的顶点平均破缺复杂度是否优于最坏情况复杂度，目前还没有定论。我们肯定地回答这个问题，通过展示一些改进的顶点平均复杂度的结果。
2018-12-29 cs.DC
Start Late or Finish Early: A Distributed Graph Processing System with Redundancy Reduction
图形处理系统在大数据领域非常重要。然而，在现有的算法和模型中，并行处理图通常会引入冗余计算。先前的工作已经提出了技术，以优化冗余的核心外的图形系统，而不是分布式图形系统。在本文中，我们研究了各种最先进的分布式图形系统，并观察这些普遍存在的冗余的根本原因。为了在不牺牲并行性的情况下减少冗余，我们进一步提出了一个分布式图形处理系统SLFE，它是按照“晚开始或早完成”的原则设计的。SLFE采用了一种新的预处理阶段，以获得一个图的拓扑知识，可以忽略不计的开销。SLFE的冗余感知顶点为中心的计算模型，然后可以利用这些知识，以减少在运行时的冗余计算。SLFE还提供了一组API来提高可编程性。我们在一个8节点高性能集群上的实验表明，SLFE在真实世界的图形上优于所有知名的分布式图形处理系统（加速比高达74.8倍）。SLFE的冗余减少方案通常适用于其他以顶点为中心的图形处理系统。
2018-05-31 cs.DC
A Distributed $(2+ε)$-Approximation for Vertex Cover in $O(\logΔ/ε\log\logΔ)$ Rounds
本文提出了一个简单的确定性分布式$(2+ε)$ -近似算法，该算法对任意至多为$O(1)$的$ε>0$，分$O(\logΔ/ε\log\logΔ)$轮完成，其中$Δ$是图中的最大度.对于恒定的$ε$，这意味着$O(\logΔ/\log\logΔ)$轮中的恒定近似，这与[KMW 10]的下限相矛盾。
2016-02-12 cs.DC cs.DS
Optimal Distributed Weighted Set Cover Approximation
提出了一个时间最优的确定性分布式算法，用于逼近秩为$f$的超图的最小权顶点覆盖。该问题等价于最小权集覆盖问题，其中每个元素的频率由$f$限定。我们的算法的近似因子是$(f+ε)$。令$Δ$表示超图中的最大度。我们的算法在CONGEST模型中运行，需要$O(\logΔ / \log \log Δ)$轮，用于常数$ε\in (0,1]$和$f\in\mathbb N^+$。这是该问题的第一个分布式算法，其运行时间不依赖于顶点权重或顶点数。从而为\emph{provably optimal}分布式算法的专有家族增加了另一个成员。对于$f$和$ε$的常数值，我们的算法改进了\cite{KuhnMW06}的$(f+ε)$ -近似算法，其运行时间为$O(\log Δ+ \log W)$，其中$W$是图中最大和最小顶点权重之间的比率。
2018-08-17 cs.DC
Consistency models in distributed systems: A survey on definitions, disciplines, challenges and applications
复制机制解决了大数据的一些挑战，如数据持久性，数据访问和容错。然而，复制本身产生了另一个挑战，即分布式系统中的一致性。可伸缩性和可用性是分布式系统中复制所依据的具有挑战性的标准，而分布式系统本身需要一致性。分布式计算系统中的一致性问题已经在三个不同的应用领域得到了应用，如系统体系结构、分布式数据库和分布式系统。一致性模型根据其适用性可从强到弱排序。我们的目标是提出一个新的观点，不同的一致性模型在分布式系统中使用。本研究提出两种不同类别的一致性模型。最初，一致性模型被分为三组：以数据为中心的模型、以客户端为中心的模型和混合模型。每一个，然后分为三个子类的传统，扩展，和新颖的一致性模型。因此，概念和过程用数学术语表示，引入这些术语是为了在没有实现的情况下呈现我们的模型的行为。此外，我们还调查了一致性方面的不同挑战，即，可用性、可伸缩性、安全性、容错、延迟、违规和陈旧，其中后两个，即违规和陈旧，在一致性和权衡平衡方面起着最关键的作用。最后，研究了每种一致性模型的贡献程度以及分布式系统中对它们的需求。
2019-02-08 cs.DC
Deterministic Distributed Vertex Coloring in Polylogarithmic Time
考虑最大度Delta的n顶点图G =（V，E），并假设每个顶点v \in V托管一个处理器。处理器只允许与G中的邻居进行通信。通信是同步的，即，它以离散的回合进行。在分布式顶点着色问题中，目标是使用尽可能少的通信回合用Delta + 1或略多于Delta + 1的颜色对G着色。(The此后，通信的轮数将被称为运行时间。这个问题的有效随机算法是已知的超过二十年\cite{L86, ABI86}。具体地说，这些算法在O（log n）时间内产生（Delta + 1）-着色，具有很高的概率。另一方面，需要多对数时间的最著名的确定性算法使用O（Delta^2）颜色。该算法是由Linial \cite{L87}在FOCS'87的开创性论文中设计的。它的运行时间是O（log^* n）。在同一篇论文中，利尼亚尔提出了一个问题：在确定性多对数时间内，人们是否可以用明显少于Δ ^2的颜色来着色。到目前为止，Linial的这个问题已经成为这一领域最核心的长期悬而未决的问题之一。在本文中，我们肯定地回答了这个问题，并设计了一个确定性算法，采用Δ^{1 +o（1）}颜色，并在多对数时间内运行。具体地说，我们的算法的运行时间是O（f（Delta）log Delta log n），对于任意缓慢增长的函数f（Delta）= ω（1）。对于任意小的常数η> 0，我们也可以在O（log Delta log n）时间内…
2010-03-08 cs.DC
A simple local 3-approximation algorithm for vertex cover
我们提出了一个局部算法（常数时间分布式算法），用于在有界度图中寻找3-近似顶点覆盖。该算法是确定性的，除了端口编号之外不需要任何辅助信息。
2008-10-13 cs.DC
Distributed Graph Layout for Scalable Small-world Network Analysis
内存中的图形布局或组织对分布式内存图形计算的时间和能量效率具有相当大的影响。它影响内存局部性、任务间负载平衡、通信时间和整体内存利用率。图形布局可以指顶点和边数组的分区或复制、保存元数据的数据结构的选择性复制以及顶点和边标识符的重新排序。在这项工作中，我们提出了DGL，一个快速，并行和内存高效的分布式图形布局策略，是专门为小世界网络（低直径图与倾斜的顶点度分布）。基于标签传播的分区和可扩展的基于BFS的排序是布局策略中的主要步骤。我们表明，DGL布局可以显着提高五个具有挑战性的图分析工作负载的端到端性能：PageRank，一个并行子图枚举程序，调整实现的广度优先搜索和单源最短路径，和RDF 3X-MPI，一个分布式SPARQL查询处理引擎。使用这些基准测试，我们还提供了一个全面的分析，关于图布局如何影响具有可变计算和通信特性的图分析的性能。
2017-01-02 cs.DC
Elastic Resource Allocation for Distributed Graph Processing Platforms
像Pregel这样的分布式图形平台已经使用顶点中心编程模型来使用商品集群处理不断增长的图形数据集语料库。图的不规则结构导致在图分区上操作的机器之间的负载不平衡，并且这对于诸如遍历的非静态图算法（其中不是图的所有部分都同时活动）而言是加剧的。因此，这样的图形平台，即使它们扩展，也不能有效地利用分布式资源。云提供了弹性虚拟机，可以利用这些虚拟机来提高这些平台的资源利用率，从而降低其执行的货币成本。在本文中，我们针对以子图为中心的编程模型提出了在云虚拟机上弹性放置图分区的策略，以与静态放置相比降低执行成本，即使我们最大限度地减少了完工时间的增加。这些策略在对图算法行为建模方面具有创新性。我们验证了我们的战略，几个图形，使用运行时的交易，他们的分布式执行的广度优先搜索（BFS）算法在我们的子图为中心的GoFFish图平台。与静态布局相比，我们的策略能够将执行成本降低高达42%，同时实现最大完工时间在最佳值的29%以内
2015-10-12 cs.DC
VeOmni: Scaling Any Modality Model Training with Model-Centric Distributed Recipe Zoo
ByteDance（字节跳动）
VeOmni提出以模型为中心的分布式配方，解耦通信与计算，实现高效3D并行训练全模态LLM，支持30B MoE模型在128 GPU上达2800 tokens/sec/GPU吞吐和160K上下文。
2025-08-07 cs.AI cs.CL cs.DC
A Deterministic Distributed $2$-Approximation for Weighted Vertex Cover in $O(\log n\logΔ/ \log^2\logΔ)$ Rounds
针对CONGEST模型中的最小权顶点覆盖问题，提出了一种确定性的分布式$2$ -近似算法，其轮复杂度为$O(\log n \log Δ/ \log^2 \log Δ)$ .这比[KVY 94]所暗示的当前最知名的确定性2-近似有所改进。我们的解决方案推广了[BCS 17]的$(2+ε)$近似算法，将对$ε^{-1}$的依赖性从线性提高到对数。此外，对于每个$ε=(\log Δ)^{-c}$，其中$c\geq 1$是一个常数，我们的算法计算一个$(2+ε)$ -近似$O(\log Δ/ \log \log Δ)$ ~轮（这是渐近最优的）。
2018-05-23 cs.DC cs.DS
Distributed Newest Vertex Bisection
Universität Stuttgart（斯图加特大学）；International Research Institute of Stavanger（斯塔万格国际研究所）
本文研究了分布式自适应符合细化算法，通过多轮序列细化算法和全局通信实现，提出最大迭代次数的界。
2016-03-15 cs.DC cs.NA math.NA
Lightweight Fault Tolerance in Large-Scale Distributed Graph Processing
Google的Pregel框架在分布式图处理中的成功激发了人们对开发Pregel类平台的浓厚兴趣，该平台具有用户友好的“像顶点一样思考”编程模型。现有的Pregel类系统支持称为检查点的容错机制，该机制定期将计算状态作为检查点保存到HDFS，以便当发生故障时，计算回滚到最新的检查点。然而，在现有的系统中，一个检查点存储了大量的数据，包括顶点的状态，边缘，并通过顶点发送的消息，这显着降低了无故障性能。此外，高检查点成本阻止了频繁的检查点，因此恢复必须重放来自一段时间前检查点的状态的所有计算。在本文中，我们提出了一种新的检查点方法，它只存储顶点状态和增量边缘更新到HDFS作为一个轻量级的检查点（LWCP），所以写LWCP通常是写一个传统的检查点的几十倍。为了从最新的LWCP恢复，从顶点状态生成消息，并且通过重放增量边更新来恢复图拓扑。我们展示了如何实现轻量级的检查点与顶点为中心的编程接口的微小修改。我们还将同样的想法应用到最近提出的基于日志的快速恢复方法中，通过显着降低日志的垃圾回收成本，使其在实践中有效地工作。大量的实验验证了LWCP在提高无故障性能和恢复性能方面的有效性。
2016-01-25 cs.DC
TileLink: Generating Efficient Compute-Communication Overlapping Kernels using Tile-Centric Primitives
针对分布式模型中计算与通信重叠kernel融合难度大、易出错的问题，提出TileLink框架，通过以tile为中心的原语解耦前后端设计，自动生成重叠kernel，实现最高20.76倍加速且性能媲美现有库。
2025-04-03 cs.DC
Distributed Connectivity Decomposition
我们提出了时间有效的分布式算法分解图与大边或顶点连接到多个生成或支配树，分别。作为它们的主要应用，这些分解使我们能够实现信息流的大小接近的连接，通过并行化它沿着树。更具体地说，我们的分布式分解算法如下：（I）分解的每个无向图的顶点连通$k$到（分数）顶点不相交的加权支配树的总重量$Ω(\frac{k}{\log n})$，在$\widetilde{O}(D+\sqrt{n})$轮。(II)在$\widetilde{O}(D+\sqrt{nλ})$轮中，将每个具有边连通性$λ$的无向图分解为具有总权重$\lceil\frac{λ-1}{2}\rceil(1-\varepsilon)$的（分数）边不相交的加权生成树。我们还使用[Das Sarma等人，STOC'11]。此外，我们的顶点连通性分解扩展到集中式算法，并提高了[Censor-Hillel et al.，SODA'14]从$O(n^3)$到接近最佳的$\tilde{O}(m)$。作为推论，我们也得到了分布式不经意路由广播$O(1)$ -竞争的边缘拥塞和$O(\log n)$ -竞争的顶点拥塞。此外，顶点连通性分解导致接近时间最优的$O(\log n)$ -近似顶点连通性：集中式$\widetilde{O}(m)$和分布式$\tilde{O}(D+\sqrt{n})$。前者走向1974年的猜想Aho，Hopcroft和Ullma…
2013-11-21 cs.DC cs.DS
2-Edge-Connectivity and 2-Vertex-Connectivity of an Asynchronous Distributed Network
非屏蔽容错分布式系统的自稳定性在过去的十年中得到了广泛的研究兴趣。本文提出了一种异步分布式计算机网络2-边连通和2-点连通的自稳定算法。它基于自稳定深度优先搜索，并且不是复合算法，因为它不是由多个并行运行的自稳定算法组成。该算法的时间和空间复杂度与底层自稳定深度优先搜索算法相同，分别为O（dnΔ）轮和O（n \log Δ）位/处理器，其中Δ（<= n）是节点度的上界，d（<= n）是图的直径，n是网络中的节点数.
2019-06-22 cs.DC cs.DS
Deterministic Logarithmic Completeness in the Distributed Sleeping Model
我们提供了一个确定性的计划，解决任何可判定的问题，在分布式{睡眠模型}。睡眠模型是标准消息传递模型的推广，具有网络节点偶尔进入睡眠状态的附加能力。只要顶点处于唤醒状态，它就类似于标准的消息传递设置。然而，当一个顶点处于睡眠状态时，它不能在网络中接收或发送消息，也不能执行内部计算。另一方面，休眠轮不计入{ \awake复杂度}。唤醒复杂度是该设置中的主要复杂度度量，它是顶点在执行期间花费的唤醒轮数。在本文中，我们设计的算法与最坏情况下的保证清醒的复杂性。我们设计了一个确定性方案的唤醒复杂度为$O(\log n)$解决任何可判定的问题，在这个模型中，通过构建一个结构，我们称之为{分布式分层树}。这种结构在睡眠模型中非常强大，因为它允许人们在恒定数量的唤醒轮内收集整个图信息。此外，我们证明，我们的一般技术不能在这个模型中得到改善，通过显示分布式分层树本身的建设需要$Ω(\log n)$唤醒轮。在这项工作中，我们得到的另一个结果是一个确定性的计划，解决任何问题，从一类问题，表示O型，在$O(\log Δ+ \log^*n)$唤醒轮。这个类包含了各种研究得很好的问题，比如MIS和$(Δ+1)$ -顶点着色。
2021-08-04 cs.DC
Self-stabilizing algorithms for Connected Vertex Cover and Clique decomposition problems
在许多无线网络中，既没有固定的物理主干，也没有集中的网络管理。这种网络的节点必须自组织，以维持用于路由消息的虚拟骨干。此外，网络的任何节点都可以是恶意攻击的先验来源。因此，一方面主干网必须是容错的，另一方面它可以是有用的，以监测所有的网络通信，以确定攻击尽快。我们感兴趣的最小\emph{Connected Vertex Cover}问题，一个推广的经典最小顶点覆盖问题，它允许获得一个连接的骨干。最近，Delbot等人~ \cite{DelbotLP13}提出了一种新的集中式算法，具有恒定的近似比$2$。在本文中，我们提出了一个分布式和自稳定版本的算法具有相同的近似保证。据作者所知，这是第一个分布式和容错算法，这个问题。所考虑的问题的解决方法是基于一个连接的最小团分区的建设。因此，我们还设计了第一个分布式自稳定算法，这是独立的利益。
2014-08-09 cs.DC
Distributed K-Backup Placement and Applications to Virtual Memory in Real-World Wireless Networks
在$\mathcal{CONGEST}$分布式设置中的网络中的备份放置问题考虑网络图$G = (V,E)$，其中每个顶点$v \in V$的目标是选择邻居，使得$V$中选择相同顶点的顶点的最大数量被最小化[Halldorsson等人，2015年]。以往的备份放置算法忽略了实际异构无线网络中的主要因素。具体地，没有考虑节点的存储器和存储容量，并且没有参考节点具有不同能量容量的情况，因此可以在任何时间离开（或加入）网络。这些参数在无线网络中密切相关，因为网络不同部分的负载可能差异很大，因此需要更多的通信、能量、内存和存储。为了适应现实世界的无线网络的属性，这项工作解决了一个广义版本的原始问题，即$K$ -备份放置，其中每个顶点选择$K$邻居，为一个积极的参数$K$。我们的$K$ -备份放置算法仅在一轮内终止。此外，我们提出了两个互补的算法，采用$K$ -备份放置，以获得有效的虚拟内存计划的无线网络。第一个算法将每个节点的内存分成许多小部分。每个顶点都被分配了它的邻居的一个大子集的记忆。因此，更多的内存容量为更多的顶点获得，但有很多碎片。第二种算法需要更大的轮复杂度，但为每个顶点产生更大的虚拟内存而没有任何碎片。
2020-06-20 cs.DC
Distributed Vertex Cover Algorithms For Wireless Sensor Networks
顶点覆盖在无线传感器网络中有着重要的应用，如链路故障监测、设施定位、聚类和数据聚合等。在这项研究中，我们设计了三个算法来构建无线传感器网络中的顶点覆盖。第一个算法是Parnas & Ron算法的一个改进，它是一个贪婪的方法，通过使用节点的度来找到顶点覆盖。第二个算法发现一个顶点覆盖图匹配Hoepman的加权匹配算法。第三种算法首先构造一棵广度优先搜索树，然后从广度优先树中选择预定义层次的节点来构造顶点覆盖。我们所设计的算法的操作，分析它们，并提供在TOSSIM环境中的仿真结果。最后，我们已经实现，比较和评估所有这些方法。第一个算法的发送消息数是最小的其他算法，其中第三个算法已被证明是提出最好的结果，在顶点覆盖近似比。
2014-02-10 cs.DC cs.NI
Fast Distributed Vertex Splitting with Applications
我们提出了${\rm poly\log\log n}$轮随机分布式算法来计算顶点分裂，一个分区的顶点到$k$部分，使一个节点的度$d(u)$有$\approx d(u)/k$邻居在每个部分的图。我们的技术可以被看作是第一个进展，一般${\rm poly\log\log n}$轮算法的Lovász局部引理。作为我们结果的主要应用，我们得到了一个随机的${\rm poly\log\log n}$ -轮CONGEST算法，用于$(1+ε)Δ$ -边着色$n$ -节点图的足够大的常数最大度$Δ$，对于任何$ε>0$ .此外，我们的结果提高了计算缺陷着色和某些紧列表着色问题。所有的结果都以指数方式提高了最先进的轮复杂度，即使在Round-Model中也是如此。
2022-08-17 cs.DC cs.DS
Deterministic Distributed Vertex Coloring: Simpler, Faster, and without Network Decomposition
我们提出了一个简单的确定性分布式算法，计算一个$(Δ+1)$ -顶点着色$O(\log^2 Δ\cdot \log n)$轮。该算法可以用$O(\log n)$位消息来实现。该算法也可以推广到更一般的$(degree+1)$ -列表着色问题。自20世纪80年代以来，获得$(Δ+1)$ -顶点着色的多项式时间确定性算法一直是分布式图算法领域的一个中心开放问题，直到最近Rozhoregon和Ghaffari的网络分解算法[STOC'20]。现有技术是基于其分解的改进变体，其导致用于$(Δ+1)$顶点着色的$O(\log^5 n)$轮算法。我们的着色算法是完全不同的，相当简单和快速。它解决了着色问题，在一个直接的方式，而不使用网络分解，通过逐步四舍五入某一分数的颜色分配，直到达到一个整体的颜色分配。此外，通过Chang，Li和Pettie [STOC'18]的方法，这种改进的确定性算法也导致了$(Δ+1)$着色的随机算法的复杂性的改善，现在达到了$O(\log^3\log n)$轮的界限。作为进一步的应用，我们还提供了更快的确定性分布式算法的顶点着色问题的以下变种。在荫度$a$图中，我们证明了$(2+ε)a$ -顶点着色可以在$O(\log^3 a\cdot\log n)$轮中计算。我们还证明了对于$Δ\geq 3$，$Δ$ -可着色图$G$的$Δ$ -着色可以在$O(\log^2 Δ\…
2021-09-04 cs.DC cs.DS
Distributed Self-Stabilizing MIS with Few States and Weak Communication
研究了一个简单的随机过程，它在一般的$n$-顶点图上计算极大独立集（MIS）。每个顶点都有一个二进制状态，黑色或白色，其中黑色表示包含在MIS中。顶点状态最初是任意的，并且并行更新：在每一轮中，每个顶点的状态与其邻居"不一致"，即，它是黑色的并且具有黑色的邻居，或者它是白色的并且所有邻居都是白色的，以概率$1/2$改变其状态。该过程在任何图上以概率1稳定，并且所得的黑色顶点集是MIS。也很容易看出，在某些图族上，例如团和树，期望的稳定时间是$O(\log n)$。然而，在这些简单案例之外分析图表上的过程似乎具有挑战性。我们的主要结果是，该过程稳定在$\mathrm{poly}(\log n)$轮w.h.p.\对于$0\leq p \leq \mathrm{poly}(\log n)\cdot n^{-1/2}$和$p \geq 1/\mathrm{poly}(\log n)$，在$G_{n,p}$随机图上。此外，具有较大但仍恒定的顶点状态空间的此过程的扩展在$G_{n,p}$ w.h.p.上的$\mathrm{poly}(\log n)$轮中稳定，适用于所有$1\leq p\leq 1$。我们推测，这一改进的界限，以及为原来的过程。事实上，我们认为，原来的过程稳定在$\mathrm{poly}(\log n)$轮上的任何给定的$n$-顶点图w.h. p。这两个过程很容易转化为分布式…
2023-01-12 cs.DC
Effective Techniques for Message Reduction and Load Balancing in Distributed Graph Computation
如今，诸如在线社交网络和通信网络之类的海量图已经变得普遍。为了有效地分析这样的大型图，已经开发了许多分布式图计算系统。这些系统采用“像顶点一样思考”的编程范式，其中程序在迭代中进行，并且在每次迭代中，顶点彼此交换消息。然而，使用Pregel的简单消息传递机制，由于这些顶点的高度或所使用的算法的逻辑，一些顶点可能比其他顶点发送/接收更多的消息。这形成了通信瓶颈，并导致集群中机器之间的工作负载不平衡。在本文中，我们提出了两个有效的消息减少技术：（1）顶点镜像与消息组合，和（2）一个额外的请求响应API。这些技术不仅减少了通过网络交换的消息的总数，而且限制了任何单个顶点发送/接收的消息的数量。我们从理论上分析了我们的技术的有效性，并在我们的开源Pregel实现Pregel+之上实现它们。我们在各种大型真实图上的实验表明，我们的消息减少技术显着提高分布式图计算的性能。
2015-03-02 cs.DC
GPOP: A cache- and work-efficient framework for Graph Processing Over Partitions
在过去的十年中，已经看到了许多共享内存的图形处理框架的发展，旨在减少开发高性能并行应用程序的努力。然而，许多这些框架，基于顶点为中心或边缘为中心的范例遭受几个问题，如缓存利用率差，不规则的内存访问，大量使用的同步原语和理论上的低效率，恶化的整体性能和可扩展性。最近，我们提出了一个高速缓存和内存有效的分区为中心的范例计算PageRank。在本文中，我们推广这种方法来开发一种新的图形处理分区（GPOP）的框架，是高速缓存效率，可扩展性和工作效率。GPOP通过增加对称为“分区”的顶点子集的执行粒度来诱导存储器访问的局部性，从而极大地提高了各种图形算法的缓存性能。它通过实现完全无锁和无原子的计算来实现高可伸缩性。GPOP的内置分析性能模型使其能够以确保每次迭代工作效率的方式使用源和分区中心通信模式的混合，同时提高高带宽顺序内存访问。我们广泛评估GPOP的各种图形算法的性能，使用几个大型数据集。我们观察到，GPOP导致高达9倍，6.8倍和5.5倍的L2缓存未命中相比，Ligra，GraphMat和伽罗瓦，分别。在执行时间方面，GPOP分别比Ligra、GraphMat和Galois快19倍、9.3倍和3.6倍。
2019-11-19 cs.DC
DegreeSketch: Distributed Cardinality Sketches on Massive Graphs with Applications
我们提出度草图，一个半流式分布式草图数据结构，并证明其效用估计局部邻域大小和局部三角形计数重打击大规模图。DegreeSketch由分布在一组处理器中的以顶点为中心的基数草图组成，这些处理器在单次传递中积累，然后表现为能够近似回答与邻接集并集和交集的大小有关的图查询的持久查询引擎。顶点的第$t$个局部邻域是通过遍历最多$t$条边在$G$中从$v$可到达的顶点的数目，而局部三角形计数是包括它的3-循环的数目。这两个指标在图分析应用中都很有用，但随着图大小的增长，精确计算的规模很小。我们提出了有效的算法估计局部邻域大小和局部三角形计数沉重的打击使用DegreeSketch。在我们的实验中，我们使用著名的hyperloglog基数草图实现度草图，并利用分布式通信工具YGM实现最先进的性能在分布式存储器。
2020-04-08 cs.DC
S-PowerGraph: Streaming Graph Partitioning for Natural Graphs by Vertex-Cut
分析大型自然图的一个标准解决方案是在集群上采用分布式计算。在分布式计算中，图划分（GP）方法以平衡的方式将图的顶点或边分配给不同的机器，以便一些分布式算法可以适应。大多数传统的GP方法都是离线的，这意味着在划分之前已经观察了整个图。然而，离线方法往往会产生很高的计算成本。因此，流图划分（SGP）方法，它可以在一个在线的方式划分图，最近在分布式计算中引起了极大的关注。存在两种典型的GP策略：边切割和顶点切割。大多数SGP方法采用边切割，但很少有顶点切割方法已被提出的SGP。然而，顶点切割策略将是比边切割策略更好的选择，因为自然图的度通常遵循高度偏斜的幂律分布。因此，我们提出了一种新的方法，称为S-PowerGraph，自然图的顶点切割SGP。我们的S-PowerGraph方法简单但有效。在几个大型自然图和合成图上的实验表明，我们的S-PowerGraph可以超越最先进的基线。
2015-11-09 cs.DC cs.SI
Distributed algorithms to determine eigenvectors of matrices on spatially distributed networks
网络上矩阵的特征向量已被用于理解谱聚类和顶点的影响。对于具有小测地线宽度的矩阵，我们在这封信中提出了一个分布式迭代算法，以找到与其给定的特征值相关联的特征向量。我们还考虑在空间分布式网络中的顶点/代理级别上实现所提出的算法。
2020-11-23 cs.DC cs.IT math.IT
Sublogarithmic Distributed Vertex Coloring with Optimal Number of Colors
Aalto University（阿尔托大学）；Reykjavik University（雷克雅未克大学）；TU Graz（格拉茨工业大学）
本文提出一种分布式LOCAL算法，能够在亚对数轮次内完成Δ-k着色，优于现有方法，并在Δ较大时进一步提升效率。
2026-04-01 cs.DC cs.DS
Õptimal Vertex Fault-Tolerant Spanners in Õptimal Time: Sequential, Distributed and Parallel
我们（几乎）解决的时间复杂度计算顶点容错（VFT）空间的最佳稀疏（多对数因子）。VFT空间是稀疏的子图，保留距离信息，直到一个小的乘法拉伸，在顶点故障的存在。这些结构是由[Escherhik et al.，2009年]，从那时起就受到了广泛的关注。我们提供了用于计算任何$n$ -顶点$m$ -边图的接近最优的$f$-VFT空间的算法，在几个计算模型中具有接近最优的运行时间：-具有$\widetilde{O}(m)$的运行时间的随机顺序算法（即，与故障的数量无关（$f$）。最先进的时间范围是[Bodwin，Dinitz and Robelle，SODA 2021]的$\widetilde{O}(f^{1-1/k}\cdot n^{2+1/k}+f^2 m)$。- 一种$\widetilde{O}(1)$轮的分布式拥塞算法。改进[Dinitz和Robelle，PODC 2020]，在$\widetilde{O}(f^{2})$轮中获得具有接近最佳稀疏性的FT空间。- 具有$\widetilde{O}(m)$功和$\widetilde{O}(1)$深度的PRAM（CRCW）算法。由[Dinitz and Krauthgamer，PODC 2011]暗示的先验边界使用$\widetilde{O}(f^3m)$功和$\widetilde{O}(f^3)$深度获得次优FT空间。一个直接的推论提…
2022-09-07 cs.DC cs.DS
Distributed Vertex Cover Reconfiguration
重新配置时间表，即，已经广泛地研究了将问题的一个解决方案逐渐转换为另一个解决方案同时始终保持可行性的序列。大多数研究都涉及到了重构调度是否存在的决策问题，以及找到重构调度的复杂性。一个主要的例子是顶点覆盖的重构。我们开始批量顶点覆盖重构的研究，它允许同时重新配置多个顶点，同时要求在一批中的任何对抗性的重新配置顺序保持可行性。后者提供了鲁棒性，例如，如果不能保证批次的同时重新配置，调度的质量通过直到所有节点被重新配置的批次的数量来衡量，并且其成本，即，中间顶点覆盖的最大大小。为了设置一个基线批重新配置，我们表明，对于属于类之一的图$\{\mathsf{cycles, trees, forests, chordal, cactus, even\text{-}hole\text{-}free, claw\text{-}free}\}$，有时间表，使用$O(\varepsilon^{-1})$批次，并招致只有$1+\varepsilon$乘法增加成本超过最好的顺序时间表。我们的主要贡献是在$O(\varepsilon^{-1}\log^* n)$分布时间，我们也证明是紧计算这样的批处理时间表。此外，我们表明，一旦我们走出这些图类，我们面临着一个非常不同的情况。有图类，没有有效的分布式算法可以获得最好的（或几乎最好的）现有的时间表。此外，有一类有界度图，不承认任何重新配置的时间表，而不会招致…
2021-09-14 cs.DC cs.DS
Distributed Quantum Approximate Optimization Algorithm on a Quantum-Centric Supercomputing Architecture
IBM Quantum, IBM T.J. Watson Research Center（IBM量子，IBM托马斯·J·沃森研究中心）；National Center for Computational Sciences, Oak Ridge National Laboratory（国家计算科学中心，橡树岭国家实验室）；Department of Aerospace and Mechanical Engineering, University of Notre Dame（圣母大学航空航天与机械工程系）；Department of Electronic Engineering, Kyung Hee University（庆熙大学电子工程系）
研究针对量子近似优化算法在高维问题上的局限，提出分布式量子近似优化算法（DQAOA），结合高性能与量子计算资源处理优化问题，能解决大规模问题且性能优异，还开发了AL-DQAOA并成功优化光子结构，为量子计算实际应用铺路。
2026-07-23 cs.CE cs.DC quant-ph
Near-Optimal Distributed Computation of Small Vertex Cuts
本文提出在CONGEST模型中检测小顶点割的近似最优算法，通过线性图素描和重-轻树分解绕过最大度障碍，实现$\widetilde{O}(D)$轮计算所有割点和割对，改进现有结果。
2023-06-20 cs.DC cs.DS
A Primal-Dual Parallel Approximation Technique Applied to Weighted Set and Vertex Cover
本文描述了最小权顶点覆盖问题及其对偶（边/元填充）的一个简单的确定性并行/分布式（2+ n）-近似算法。
2002-05-18 cs.DC cs.DS
