Sublinear Algorithms for Approximating String Compressibility
我们提出的问题,近似的可压缩性的字符串相对于一个固定的压缩方案,在次线性时间。我们详细研究了两种流行的无损压缩方案:行程长度编码(RLE)和Lempel-Ziv(LZ),并提出了近似压缩性的次线性算法。我们还给出了几个下界,表明我们的算法,这两个计划不能显着改善。我们对LZ的研究产生了一些结果,这些结果的兴趣超出了我们最初要研究的问题。特别是,我们证明了组合结构引理的压缩性的字符串相对于Lempel-Ziv的不同的短子串的数量包含在它。此外,我们表明,近似的压缩性相对于LZ是近似的支持大小的分布。
2007-06-08 cs.DS
Sublinear-Time Algorithms for Computing & Embedding Gap Edit Distance
在本文中,我们设计了新的次线性时间算法来解决间隙编辑距离问题和嵌入编辑距离到汉明距离。对于间隙编辑距离问题,我们给出了一个$\tilde{O}(\frac{n}{k}+k^2)$ -时间贪婪算法,该算法区分长度为$n$的输入字符串的编辑距离最多为$k$和编辑距离超过$(3k+5)k$ .这是对Goldenberg、Krauthgamer和Saha [FOCS 2019]结果的改进和简化,其中在$\tilde{O}(\frac{n}{k}+k^3)$时间内解决了$k$与$Θ(k^2)$间隙编辑距离问题。我们进一步推广我们的结果来解决$k$与$k'$间隙编辑距离问题的时间$\tilde{O}(\frac{nk}{k'}+k^2+ \frac{k^2}{k'}\sqrt{nk})$,严格改进以前已知的界$\tilde{O}(\frac{nk}{k'}+k^3)$。最后,我们表明,如果输入字符串没有长的高周期性的子串,那么已经$k$与$(1+ε)k$间隙编辑距离问题可以在次线性时间内解决。具体来说,如果字符串不包含长度为$\ell$且周期最多为$2k$的子串,那么我们获得的运行时间是$\tilde{O}(\frac{n}{ε^2 k}+k^2\ell)$。我们进一步给出了编辑距离到汉明距离的第一次线性时间概率嵌入。对于任何参数$p$,我们的$\tilde{O}(\frac{n}{p})$时…
2020-11-15 cs.DS
Substring Complexities on Run-length Compressed Strings
令$S_{T}(k)$表示字符串$T$中长度为$k$的不同子串的集合,则第$k$个子串复杂度由其基数$|S_{T}(k)|$定义。最近,$δ= \max \{ |S_{T}(k)| / k : k \ge 1 \}$被证明是一个很好的压缩性措施的高度重复字符串。在本文中,给定长度为$n$的$T$,其长度为$r$的游程长度压缩形式,我们证明了$δ$可以在$\mathit{C}_{\mathsf{sort}}(r, n)$时间和$O(r)$空间中计算,其中$\mathit{C}_{\mathsf{sort}}(r, n) = O(\min (r \lg\lg r, r \lg_{r} n))$是在具有字大小$Ω(\lg n)$的Word-RAM模型中在$O(r)$空间中对$r$ $O(\lg n)$ -位整数进行排序的时间复杂度。
2022-05-25 cs.DS
Counting common substrings effectively
本文提出了一个有效的(动态)算法,用于解决一个问题的数量的子串的给定字符串,也是第二个字符串的子串。所提出的算法可以用于例如使用广义$n$ -gram方法(Niewiadomski测度)的字符串相似性测度的快速计算,如图所示。包括正确性和复杂性分析。- W artykule przedstawiono efektywny(dynamiczny)algorytm wyznaczajuzzy miarumpodobiestwa wyrazów za pomocampuogolnionej metody $n$ -gramów(miary Niewiadomskiego). Uzasadniono takeple poprawnović dziajuania algorytmu i oszacowano jego zuanovonović obliczeniowaren.
2012-09-21 cs.DS
Reconstructing Strings from Substrings: Optimal Randomized and Average-Case Algorithms
“从子串重构串”问题是一个杂交测序的数学模型,在DNA测序中起着重要的作用。在这个问题中,我们给出了一个包含未知字符串${\mathcal X}$的黑盒oracle,并需要通过“子串查询”$Q(S)$来获得(重建)${\mathcal X}$。将$Q(S)$与字符串$S$一起提供给oracle,如果${\mathcal X}$包括$S$作为子串,则oracle的回答为Yes,否则为No。我们的目标是尽量减少重建的查询次数。本文利用一个好的$S$序列来处理长度预先给定的$n$的二元串. 1995年Skiena和Sundaram首先研究了这个问题,得到了一个查询复杂度为$n+O(\log n)$的算法。它的信息论下限是$n$,他们提出了一个明显的开放问题:如果我们可以删除$O(\log n)$添加剂项。到目前为止没有取得任何进展。本文对这一问题给出了两个部分肯定的答案。一种是其查询复杂度为具有高概率的$n+O(1)$的随机算法,另一种是也具有平均查询复杂度为$n+O(1)$的平均情况算法。$n$下限对于这两种情况仍然成立,因此它们是最优的,直到一个加法常数。
2018-08-02 cs.DS
Quantum Speed-ups for String Synchronizing Sets, Longest Common Substring, and k-mismatch Matching
最长公共子串(LCS)是一个重要的文本处理问题,最近在量子查询模型中得到了研究。这个问题的决策版本,LCS与阈值$d$,询问是否两个长度为$n$的输入字符串有一个共同的长度为$d$的子串。两个极端的情况,$d=1$和$d=n$,分别对应于元素清晰度和非结构化搜索,量子查询复杂性的两个基本问题。然而,中间病例$1\ll d\ll n$尚未完全了解。我们表明,LCS与阈值$d$的复杂性之间的两个极端的情况下,$n^{o(1)}$因素:LCS与阈值$d$有一个量子算法在$n^{2/3+o(1)}/d^{1/6}$查询复杂性和时间复杂性,并要求至少$Ω(n^{2/3}/d^{1/6})$量子查询复杂性。我们的结果改进了以前的上界$\tilde O(\min \{n/d^{1/2}, n^{2/3}\})$(Le Gall和Seddighin ITCS 2022,Akmal和Jin SODA 2022),并回答了Akmal和Jin的一个公开问题。我们的主要技术贡献是Kempa和Kociumaka(STOC 2019)引入的强大的String Synchronizing Set技术的量子加速。它根据字符串中的$n/τ^{1-o(1)}$同步位置的长度- $Θ(τ)$上下文一致地对它们进行采样,并且每个同步位置可以由量子算法在$\tilde O(τ^{1/2+o(1)})$时间内报告。作为我们的…
2022-11-29 cs.DS
LZ78 Substring Compression in Compressed Space
Joint Graduate School of Mathematics for Innovation, Kyushu University(九州大学数学创新联合研究生院);Department of Computer Science and Engineering, University of Yamanashi(山形大学计算机科学工程系)
本文提出了一种在压缩空间中实现子串压缩的算法,能够在查询时快速返回指定子串的LZ78因子分解。
2025-12-19 cs.DS
Longest Common Substring and Longest Palindromic Substring in $\tilde{\mathcal{O}}(\sqrt{n})$ Time
本文首次提出在电路模型中解决最长公共子串和最长回文子串问题的 $\tilde{\mathcal{O}}(\sqrt{n})$ 量子算法,简化了现有方法,并给出了具体量子电路实现。
2023-09-03 cs.DS quant-ph
Quantum Circuits for Fixed Substring Matching Problems
本研究针对两输入字符串的固定长度子串匹配验证问题,提出量子计算求解方案,实现多重对数复杂度,显著优于经典算法的线性复杂度,可应用于文本处理与序列分析子过程。
2023-08-22 cs.DS
Scout Algorithm For Fast Substring Matching
精确的子串匹配是许多软件应用程序中的常见任务。尽管存在几种算法来查找模式字符串是否存在于目标字符串中,但最常见的实现是一种简单的蛮力方法。替代方法要么不能为增加的复杂性提供足够的好处,要么对现代字符集不切实际,例如,Unicode。我们提出了一个新的算法,侦察,这是简单,快速和适合所有的应用程序。我们还比较了性能特点的侦察算法与其他几个。
2020-11-08 cs.AI cs.DS
Fast and Optimal Differentially Private Frequent-Substring Mining
Institute of Science Tokyo(东京科学大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织数据61);University of Waterloo(滑铁卢大学)
本文提出一种高效且最优的差分隐私频繁子串挖掘算法,通过优化候选生成和剪枝策略,显著降低空间和时间复杂度。
2026-03-10 cs.CR cs.DS
Sparse Fourier Transform in Any Constant Dimension with Nearly-Optimal Sample Complexity in Sublinear Time
我们考虑的问题,计算$k$稀疏近似的傅立叶变换的长度$N$信号。我们的主要结果是一个随机算法计算这样的近似(即实现$\ell_2/\ell_2$稀疏恢复保证使用傅立叶测量)使用$O_d(k\log N\log\log N)$样本的信号在时域中运行的时间$O_d(k\log^{d+3} N)$,其中$d\geq 1$是傅立叶变换的维数。样本复杂度与非自适应算法的$Ω(k\log (N/k))$的下限匹配,这是由于对于任何$k\leq N^{1-δ}$的\cite{DIPW},对于恒定的$δ>0$,直到$O(\log\log N)$因子。在我们的工作之前,具有可比的样本复杂性$k\log N \log^{O(1)}\log N$和次线性运行时间的结果是已知的傅立叶变换线上的\cite{IKP},但对于任何维度$d\geq 2$以前已知的技术要么遭受多对数因子损失的样本复杂性或所需的$Ω(N)$运行时间。
2016-04-04 cs.DS
Tight Bound for the Number of Distinct Palindromes in a Tree
对于一个无向树的$n$边缘标记单字母,我们考虑它的子串,这是简单的路径对节点之间的标签。我们证明了存在$O(n^{1.5})$不同的回文子串。这解决了Brlek,Lafrenière和Provençal(DLT 2015)的一个开放问题,他们给出了一个匹配的下界构造。因此,我们解决了$Θ(n^{1.5})$的最大回文复杂度的树的紧界。对于标准字符串,即,对于路径,回文复杂度为$n+1$。我们还提出了$O(n^{1.5} \log{n})$时间算法报告所有不同的回文在一个无向树与$n$边缘。
2020-11-26 cs.DS
Sampling an Edge in Sublinear Time Exactly and Optimally
在次线性时间内从图中抽取边是一个基本问题,也是设计次线性时间算法的一个功能强大的子程序。假设我们可以访问图的顶点,并且知道边数的常数因子近似。Eden和Rosenbaum [SOSA 2018]给出了一种逐点$\varepsilon$ -近似边缘采样算法,其复杂性为$O(n/\sqrt{\varepsilon m})$。这后来被Tsaltek和Thorup [STOC 2022]改进为$O(n \log(\varepsilon^{-1})/\sqrt{m})$。同时,需要$Ω(n/\sqrt{m})$时间。我们关闭的问题,通过给出一个算法的复杂性$O(n/\sqrt{m})$的任务,采样边缘完全均匀。
2022-11-14 cs.DS
Fully Dynamic Maximal Independent Set with Sublinear Update Time
一个最大独立集(MIS)可以保持在一个不断发展的$m$ -边图通过简单地重新计算它从头开始在$O(m)$时间后,每次更新。但是,在完全动态图中,在$m$中,它能在时间上保持次线性吗?我们对这个基本的未决问题的回答是肯定的。我们提出了一个确定性的算法与摊销的更新时间$O(\min\{Δ,m^{3/4}\})$,其中$Δ$是一个固定的界限上的最大程度的图和$m$是(动态变化的)边缘的数量。我们进一步提出了一个分布式实现我们的算法与$O(\min\{Δ,m^{3/4}\})$分摊消息复杂度,和$O(1)$分摊轮复杂度和调整复杂度(顶点的数量,改变他们的输出后,每次更新)。这加强了Censor-Hillel,Haramaty和Karnin(PODC'16)的类似结果,该结果需要假设非自适应遗忘对手。
2018-02-27 cs.DS
On the Complexity of Finding Approximate LCS of Multiple Strings
本文研究多字符串近似最长公共子串问题的复杂性,利用LCP_k和k-errata树数据结构为Hamming距离和编辑距离下的受限情形提出高效算法,并在强指数时间假设下给出条件性下界。
2025-09-18 cs.DS
Shortest Unique Substring Query Revisited
我们重新讨论了最近由[6]提出的寻找最短唯一子串(SUS)的问题。我们提出了一个最佳的$O(n)$时间和空间的算法,可以找到一个SUS的大小为$n$的字符串的每个位置。我们的算法显着改善了[6]所需的$O(n^2)$时间复杂度。我们还支持找到覆盖每个位置的所有SUS,而[6]中的解决方案只能为每个位置找到一个SUS。此外,我们的解决方案更简单,更容易实现,在实践中也可以更节省空间,因为我们只使用字符串的逆后缀数组和最长公共前缀数组,而[6]中的算法使用字符串的后缀树和其他辅助数据结构。实验结果表明,该算法比文献[6]中的算法速度更快,更节省空间。
2014-01-10 cs.DB cs.DS
Faster Algorithms for Longest Common Substring
针对最长公共子串问题,提出字RAM模型下O(n log σ/√log n)时间的亚线性算法(σ=O(1)时);拓展到k-错配LCS问题,给出O(n log^{k-1/2}n)时间算法,突破n log^k n壁垒。
2025-11-17 cs.DS
Improved Sublinear-time Moment Estimation using Weighted Sampling
本研究针对加权采样下的矩估计问题,给出了t>1/2的亚线性算法与t≤1/2的不可行性证明,明确了t≥2时的最优样本复杂度,还提出矩密度参数并分析了混合采样的性能边界。
2025-02-21 cs.DS
Constant Approximation of Arboricity in Near-Optimal Sublinear Time
MIT(麻省理工学院);ETH Zurich(苏黎世联邦理工学院)
该研究提出了一种在近最优亚线性时间内计算图树度常数近似的随机算法,解决了之前关于更优近似的开放问题。
2025-12-20 cs.DS
An Adaptive Sublinear-Time Block Sparse Fourier Transform
快速近似计算矢量$X$的$k$主傅立叶系数并且在时域中使用少量样本的问题被称为稀疏傅立叶变换(稀疏FFT)问题。关于稀疏FFT的一长串工作已经产生了具有$O(k\log n\log (n/k))$运行时间的算法[Hassanieh等人,STOC '12]和$O(k\log n)$样本复杂度[Indyk等人,FOCS '14]。使用非自适应算法证明了这些结果,并且后一个$O(k\log n)$样本复杂度结果基本上是单独在稀疏性假设下的最佳可能结果。本文重新审视稀疏FFT问题,增加了扭曲,稀疏系数近似服从$(k_0,k_1)$块稀疏模型。在该模型中,信号频率被聚集在傅立叶空间中具有宽度$k_1$的$k_0$间隔中,其中$k= k_0k_1$是总稀疏度。在应用中出现的信号通常通过该模型与$k_0\ll k$很好地近似。我们的主要结果是第一个稀疏FFT算法$(k_0, k_1)$块稀疏信号的样本复杂度为$O^*(k_0k_1 + k_0\log(1+ k_0)\log n)$在恒定的信号-噪声比,和次线性运行时间。类似的样本复杂度先前在使用随机高斯测量的基于模型的压缩感测的工作中实现,但是使用了$Ω(n)$运行时。据我们所知,我们的结果是基于模型的压缩感知的第一个次线性时间算法,以及第一个稀疏FFT结果,低于$O(k\log n)$样本复杂度界限。我们的算法至关重要地使用{\em adap…
2017-04-11 cs.DS
Sublinear Time Algorithms and Complexity of Approximate Maximum Matching
近似最大匹配尺寸的次线性时间算法已经研究了很长时间。在过去的二十年里,这个问题的大部分进展都是在算法方面。例如,Behnezhad [FOCS'21]的算法在$\tilde{O}(n)$时间内获得$n$ -顶点图的1/2-近似。Behnezhad、Roghani、Rubinstein和Saberi [SODA'23]提出的一种更新的算法在$O(n^{1+ε})$时间内获得了略优于1/2的近似。在下限方面,Parnas和Ron [TCS'07]在15年前表明,获得最大匹配大小的任何常数近似都需要$Ω(n)$时间。从那时起,证明任何超线性的$n$下界,即使是$(1-ε)$ -近似,仍然是难以捉摸的。在本文中,我们证明了该问题的第一超线性$n$下界。我们表明,至少$n^{1.2 - o(1)}$查询的邻接表模型需要获得一个$(\frac{2}{3} + Ω(1))$ -近似的最大匹配大小。即使图是二部的,并且保证有大小为PDMATHAMT的匹配,这也成立。我们的下限参数建立在相关性衰减等技术,据我们所知,还没有被用于证明次线性时间下限。我们补充我们的下界提出了两个算法,运行在强次线性时间的$n^{2-Ω(1)}$。第一种算法实现了$(\frac{2}{3}-ε)$近似,这显着提高了以前接近1/2近似。我们的第二个算法得到了一个更好的近似因子$(\frac{2}{3}+Ω(1))$的二部图…
2022-11-29 cs.DS
Sliding window order statistics in sublinear space
我们扩展的多通道流模型的滑动窗口问题,并解决问题的顺序统计量的计算固定大小的滑动窗口,在多通道流模型以及密切相关的通信复杂性模型。在$2$ -通过流模型,我们表明,在输入长度$N$与范围$[0,R]$和长度$K$的窗口中的值,滑动窗口最小值可以在$\widetilde{O}(\sqrt{N})$中计算。我们表明,这是接近最佳的(任何常数的通行证)时,$R \geq K$,但可以改善时,$R = o(K)$ $\widetilde{O}(\sqrt{NR/K})$。此外,我们表明,有一个$(l+1)$通过流算法计算$l^\text{th}$ -最小元素在$\widetilde{O}(l^{3/2} \sqrt{N})$空间。在通信复杂性模型中,我们描述了一个简单的$\widetilde{O}(pN^{1/p})$算法来计算奇数$p$的$p$轮通信中的最小值,以及一个更复杂的算法来计算$l^\text{th}$ -$\widetilde{O}(pl^2 N^{1/(p-2l-1)})$空间中的最小元素。最后,我们证明了布尔流的多数统计量不能在次线性空间中计算,这意味着$l^\text{th}$ -最小元素不能在$N$中的次线性空间和独立于$l$的空间中计算。
2018-07-12 cs.DS
A Near-Optimal Sublinear-Time Algorithm for Approximating the Minimum Vertex Cover Size
本文给出了一个近似最优的次线性时间算法来逼近图G中最小顶点覆盖的大小。该算法可以查询其选择的任何顶点v的度deg(v),并且对于每个1 <= i <= deg(v),它可以请求v的第i个邻居。令VC_opt(G)表示G中顶点覆盖的最小大小,该算法以高的恒定成功概率输出,估计VC_estimate(G),使得VC_opt(G)<= VC_estimate(G)<= 2 * VC_opt(G)+n *n,其中n是给定的加性近似参数。我们把这样的估计称为(2,n)-估计。该算法的查询复杂度和运行时间为~O(avg_deg * poly(1/n)),其中avg_deg表示图中顶点的平均度。Yoshida et al.(STOC 2009)提出的最佳次线性算法,其查询复杂度和运行时间为O(d^4/ε ^2),其中d是图中的最大度。由于Parnas和Ron(TCS 2007),为了获得这样的估计(具有任何常数乘法因子),给定Omega(avg_deg)的下限(对于常数ω),我们的结果几乎是最优的。在图是稠密的情况下,也就是说,边的数量是Theta(n^2),我们考虑另一个模型,其中算法可以询问,对于任何一对顶点u和v,u和v之间是否有边。(2,n)-最小顶点覆盖的大小的估计,其查询复杂度和运行时间为~O(n)* poly(1/n)。
2011-10-05 cs.DS
A Sublinear Tester for Outerplanarity (and Other Forbidden Minors) With One-Sided Error
我们考虑单侧误差性质测试的$\mathcal{F}$ -小自由度的有界度图的任何有限族的图形$\mathcal{F}$,包含一个小的$K_{2,k}$,$k$ -马戏团图,或$(k\times 2)$ -网格的任何$k\in\mathbb{N}$。这包括,例如,测试一个图是外平面图还是仙人掌图。我们的算法的查询复杂度在图中的顶点数,$n$,是$\tilde{O}(n^{2/3} / ε^5)$。Czumaj等人表明,循环自由度和$C_k$ -次要自由度可以通过使用随机游走来测试查询复杂度$\tilde{O}(\sqrt{n})$,并且测试包含循环的任何$H$的$H$ -次要自由度需要$Ω(\sqrt{n})$查询。与这些结果相反,我们分析了图的结构,并表明,我们可以找到一个子图的次线性大小,包括禁止未成年人$H$,或者我们可以找到一对不相交的顶点子集的边割是大的,这导致$H$ -未成年人。
2018-08-08 cs.DS
Compressibility-Aware Quantum Algorithms on Strings
对于弦上的许多基本问题,已经建立了次线性时间量子算法。这项工作表明,新的,更快的量子算法可以设计时,字符串是高度可压缩的。本文重点研究了两种流行的、具有重要理论意义的压缩算法--Lempel-Ziv 77算法(LZ 77)和游程编码的Burrows-Wheeler变换(RL-BWT),得到了如下结果。我们首先提供了一个运行在$\tilde{O}(\sqrt{zn})$时间的量子算法,用于找到具有$z$因子的输入字符串$T[1..n]$的LZ 77因子分解。结合多个现有的结果,这产生了一个$\tilde{O}(\sqrt{rn})$时间量子算法,用于找到具有$r$ BWT运行的RL-BWT编码。请注意,$r = \tildeΘ(z)$。我们补充这些结果与下界证明我们的算法是最佳的(polylog因素)。接下来,我们研究压缩索引的问题,在那里我们提供了一个$\tilde{O}(\sqrt{rn})$时间量子算法,用于构建一个最近设计的$\tilde{O}(r)$空间结构,具有与后缀树相同的能力。这种数据结构,然后应用到许多问题,以获得次线性时间量子算法时,输入是高度可压缩的。例如,我们证明了两个总长度为$n$的字符串的最长公共子串可以在$\tilde{O}(\sqrt{zn})$时间内计算,其中$z$是它们级联的LZ 77因子分解中的因子数。当$z$足够小时,这胜过了最著名的$\til…
2023-02-14 cs.DS
Binary Jumbled Pattern Matching via All-Pairs Shortest Paths
在二进制混杂的模式匹配中,我们希望预处理二进制串$S$,以便回答查询$(i,j)$,该查询要求$S$的子串,其大小为$i$并且恰好具有$j$ 1位。这个问题自然地推广到节点标记的树和图,通过替换“子串”与“连通子图”。在本文中,我们给出了一个${n^2}/{2^{Ω(\log n/\log \log n)^{1/2}}}$时间解决方案的字符串和树。这种奇怪的时间复杂度比任何多对数因子都更能改善现有的$O(n^2/\log^2 n)$解决方案。它起源于最近的开创性算法威廉姆斯的最小加矩阵乘法。我们通过给出从树到串的黑箱约简得到了结果。然后,这与从字符串到最小加矩阵乘法的减少相结合。
2014-06-29 cs.DS
New Sublinear Algorithms and Lower Bounds for LIS Estimation
估计数组中最长递增子序列的长度是一个非常重要的问题。尽管LIS估计问题的重要性和它所受到的关注,但这个问题的一些重要方面还没有完全理解。对于LIS估计,没有比测试单调性(对于自适应或非自适应算法)所暗示的明显界限更好的下限。在本文中,我们给出了第一个非平凡的下限的LIS估计的复杂性,也提供了新的算法,补充我们的下限。具体而言,对于每个常数$ε\in (0,1)$,每个输出长度$n$的阵列中LIS的长度估计值在$ε\cdot n$的附加误差内的非自适应算法都必须进行$\log^{Ω(\log (1/ε))} n)$查询。接下来,我们设计了非自适应LIS估计算法,其复杂度随着阵列中不同值$r$的数量减少而降低。我们首先提出了一个简单的算法,使$\tilde{O}(r/ε^3)$查询和近似的LIS长度与$εn$有界的附加误差。然后,我们用它来构建一个非自适应算法的查询复杂度$\tilde{O}(\sqrt{r} \cdot \text{poly}(1/λ))$,一个数组的LIS长度至少$λn$,输出一个乘法$Ω(λ)$近似LIS长度。最后,我们描述了一个非自适应擦除弹性测试排序,查询复杂性$O(\log n)$。我们的研究结果表明,非自适应容忍测试严格比非自适应擦除弹性测试的单调性的自然属性。
2021-02-11 cs.DS
Sublinear Maximum Inner Product Search using Concomitants of Extreme Order Statistics
基于极值顺序统计量伴随理论,提出了一种新的最大内积搜索(MIPS)的降维方法,称为CEOs。利用这些伴随的渐近行为,我们表明,与查询签名的极值相关联的几个维度足以估计内积。由于CEO只使用查询签名的一个小子集的符号进行估计,我们可以在查询之前准确地预先计算所有内积估计量。这些性质产生具有指数索引空间复杂度的次线性MIPS算法。我们表明,我们的指数空间是最佳的$(1 + ε)$ -近似MIPS上的单位球。在一定的条件下,CEO的搜索召回率在理论上是可以保证的。为了处理指数空间复杂度,我们提出了两个实用的变体,包括sCEOs-TA和coCEOs,使用线性空间求解MIPS。sCEOs-TA利用阈值算法(TA),并提供卓越的搜索召回竞争MIPS求解器。coCEOs是一种数据和维度共约简技术,在高召回要求上优于sCEOs-TA。从经验上讲,它们非常容易实现,与蛮力搜索相比,速度至少提高了100倍,同时在许多大规模数据集上返回前10个MIPS,准确率至少为90%。
2021-08-18 cs.DS
Approximating the Arboricity in Sublinear Time
本文研究了图$G= (V,E)$的荫度的近似问题,其中图的荫度是指覆盖其边所需的最小森林数,图的荫度用$\mathsf{arb}(G)$表示.针对该问题的算法可以执行度和邻居查询,并且允许小的错误概率。我们设计了一个算法,输出一个估计$\hatα$,使概率$1-1/\textrm{poly}(n)$,$\mathsf{arb}(G)/c\log^2 n \leq \hatα \leq \mathsf{arb}(G)$,其中$n=|V|$和$c$是一个常数。该算法的期望查询复杂度和运行时间为$O(n/\mathsf{arb}(G))\cdot \textrm{poly}(\log n)$,并且这个上界也以很高的概率成立。%($\widetilde{O}(\cdot)$用于抑制$\textrm{poly}(\log n)$依赖性)。该界限对于直到$\textrm{poly}(\log n)$因子的这种近似是最优的。
2021-10-28 cs.DS
Parameterized Complexity of Superstring Problems
在最短超弦问题中,我们给定一组字符串$S=\{s_1, \ldots, s_n\}$和整数$\ell$,问题是决定是否存在一个长度至多为$\ell$的超字符串$s$,其中包含$S$的所有字符串作为子字符串。我们得到了几个参数化的算法和复杂性的结果,这个问题。特别是,我们给出了一个算法,在时间$2^{O(k)} \operatorname{poly}(n)$找到一个超串的长度最多$\ell$包含至少$k$字符串的$S$。我们补充这一点的下限表明,这样的参数化不承认一个多项式内核到一些复杂的假设。我们还得到了几个结果的“低于保值”参数化的问题。我们表明,参数化压缩承认一个多项式内核,而参数化“下面匹配”是很难的。
2015-02-05 cs.DS
Sublinear Least-Squares Value Iteration via Locality Sensitive Hashing
Rice University(莱斯大学);Institute for Advanced Study(高等研究院);Princeton University(普林斯顿大学)
我们提出了第一个可证明的最小二乘值迭代(LSVI)算法,具有运行时复杂度次线性的行动的数量。我们制定的价值函数估计过程中的值迭代近似的最大内积搜索问题,并提出了一个局部敏感哈希(LSH)[Indyk和Motwani STOC'98,Andoni和Razenshteyn STOC'15,Andoni,Laarhoven,Razenshteyn和Waingarten SODA'17]类型的数据结构来解决这个问题的次线性时间复杂度。此外,我们建立了近似最大内积搜索理论和强化学习的后悔分析之间的联系。我们证明,我们的近似因子的选择,我们的次线性LSVI算法保持相同的遗憾,同时减少运行时的复杂性,以次线性的动作的数量的原始LSVI算法。据我们所知,这是第一个将LSH与强化学习相结合的工作,从而带来了可证明的改进。我们希望我们的新方法相结合的数据结构和迭代算法将打开大门,进一步研究成本降低优化。
2021-06-08 cs.DS cs.LG stat.ML
Maximum Coverage in Sublinear Space, Faster
针对流式最大集合覆盖的次线性空间算法,本文优化子采样的独立性要求,并用更简单机制替代 $F_0$-sketching,在保持近似质量的同时将速度提升数个数量级。
2023-12-12 cs.DS
Approximately Counting Triangles in Sublinear Time
我们考虑的问题估计的三角形的数量在一个图。这个问题已经在理论和实践中得到了广泛的研究,但所有现有的算法都读取整个图。在这项工作中,我们设计了一个{ \em次线性时间\/}算法近似图中的三角形的数量,该算法被赋予查询访问图。允许的查询是度查询、顶点对查询和邻居查询。我们表明,对于任何给定的近似参数$0<ε<1$,该算法提供了一个估计$\widehat{t}$,使具有高的恒定概率,$(1-ε)\cdot t< \widehat{t}<(1+ε)\cdot t$,其中$t$是图$G$中的三角形的数量。该算法的预期查询复杂度为$\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)\cdot {\rm poly}(\log n, 1/ε)$,其中$n$是图中的顶点数,$m$是图中的边数,预期运行时间为$\!\left(\frac{n}{t^{1/3}} + \frac{m^{3/2}}{t}\right)\cdot {\rm poly}(\log n, 1/ε)$。我们还证明了$Ω\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)$查询是必要的,从而建立该算法的查询复杂性是最佳的$n$(和依赖于$1/…
2015-09-22 cs.DS
On Approximating the Number of $k$-cliques in Sublinear Time
我们研究的问题,近似的$k$ -团在一个图中的查询访问时,图的数量。我们考虑一般图的标准查询模型,通过(1)度查询,(2)邻居查询和(3)对查询。令$n$表示图中的顶点数,$m$表示边数,而$C_k$表示$k$ -团的数目。我们设计了一个算法,输出$C_k$的$(1+\varepsilon)$ -逼近(具有高概率),其预期查询复杂度和运行时间为$O\left(\frac{n}{C_k^{1/k}}+\frac{m^{k/2}}{C_k}\right)\poly(\log n,1/\varepsilon,k)$。因此,该算法的复杂度在$C_k = ω(m^{k/2-1})$的图的大小上是次线性的。此外,我们证明了一个下界,表明我们的算法的查询复杂度基本上是最佳的($\log n$,$1/\varepsilon$和$k$的依赖)。这方面的先前结果由Feige(SICOMP 06)、Goldreich和Ron(RSA 08)针对边缘计数($k=2$)以及Eden等人(FOCS 2015)针对三角形计数($k=3$)得出。我们的结果符合这些结果的复杂性。Eden等人之前的结果依赖于一种只适用于三角形计数的摊销技术,而不能推广到更大的集团。我们得到了一个通用的算法,适用于任何$k\geq 3$通过设计一个程序,每个$k$ -团事件的一个给定的$S$的顶点与近似相等的概率。主要的困难是在寻找集…
2018-03-12 cs.DS
Sublinear-Time Algorithms for Max Cut, Max E2Lin$(q)$, and Unique Label Cover on Expanders
我们显示子线性时间算法的最大切割和最大E2林$(q)$扩展器的邻接表模型,区分实例的最佳值超过$1-\varepsilon$的最佳值小于$1-ρ$的$ρ\gg \varepsilon$。Max Cut和Max $2$ Lin $(q)$的时间复杂度分别为$\widetilde{O}(\frac{1}{ϕ^2ρ} \cdot m^{1/2+O(\varepsilon/(ϕ^2ρ))})$和$\widetilde{O}(\mathrm{poly}(\frac{q}{ϕρ})\cdot {(mq)}^{1/2+O(q^6\varepsilon/ϕ^2ρ^2)})$,其中$m$是底层图中的边数,$ϕ$是其电导。然后,我们给出了一个次线性时间算法的唯一标签覆盖的扩展$ϕ\gg ε$在有界度模型。我们的算法的时间复杂度是$\widetilde{O}_d(2^{q^{O(1)}\cdotϕ^{1/q}\cdot \varepsilon^{-1/2}}\cdot n^{1/2+q^{O(q)}\cdot \varepsilon^{4^{1.5-q}}\cdot ϕ^{-2}})$,其中$n$是变量的数量。我们补充这些算法的结果表明,测试$3$ -colorability需要$Ω(n)$查询,即使在扩展器。
2022-10-23 cs.DS
Testing Depth First Search Numbering
该研究提出带顶点标签查询的有界度图新模型,针对DFS遍历发现时间属性设计了查询复杂度为O(n^{1/3}/ε)的测试算法,并给出常数ε下的匹配下界,推进亚线性图属性测试研究。
2025-09-05 cs.DS
Counting Distinct (Non-)Crossing Substrings in Optimal Time
Kyushu University(九州大学);University of Yamanashi(山梨大学);Institute of Science Tokyo(东京科学大学)
本文提出新的算法,能够在一般有序字母表中以O(n)时间计算所有位置k的C(w,k),在线性可排序字母表中以O(n)时间计算所有位置k的N(w,k),并推导出基于字母表假设和计算模型的最优界。
2026-06-04 cs.DS
Evaluating a sublinear-time algorithm for the Minimum Spanning Tree Weight problem
我们提出了一个算法的实现和实验评估,给定一个连通图G(由邻接表表示),在次线性时间内估计G的最小生成树权,具有相对误差;原始算法在Bernard Chazelle、Ronitt Rubinfeld和Luca Trevisan的“在次线性时间内近似最小生成树权重”中提出(由SIAM出版,DOI 10.1137/S 0097539702403244)。由于理论性能已经在上述论文中显示和证明,我们的目标是,专门的,实验评估算法,并在最后提出的结果。最初,我们讨论了一些理论方面,而我们正在评估我们的具体实现的渐近复杂性。然后给出了一些关于算法的实现和测试阶段使用的数据集的技术见解,从而显示了如何进行实验,即使是为了再现性目的;然后对结果进行经验评估和广泛讨论,将这些结果与Prim算法和Kruskal算法的性能进行比较,在一组异构的图形和不同的理论模型上进行了几次运行。
2017-01-27 cs.DS
Sublinear algorithms for local graph centrality estimation
我们研究了局部图中心性估计的复杂性,目标是近似给定目标节点的中心性得分,同时只探索图的次线性数量的节点/弧,并执行次线性数量的基本操作。我们开发了一种技术,我们适用于PageRank和热核中心,通过局部探索的图形,建立一个低方差的分数估计。我们得到了一个算法,给定任何节点在任何图的$m$弧,概率$(1-δ)$计算一个乘法$(1\pmε)$ -近似的分数只检查$\tilde{O}(\min(m^{2/3} Δ^{1/3} d^{-2/3},\, m^{4/5} d^{-3/5}))$节点/弧,其中$Δ$和$d$分别是最大和平均出度的图形(省略可读性$\operatorname{poly}(ε^{-1})$和$\operatorname{polylog}(δ^{-1})$因素)。计算复杂度也有类似的界限。我们还证明了$Ω(\min(m^{1/2} Δ^{1/2} d^{-1/2}, \, m^{2/3} d^{-1/3}))$的查询复杂度和计算复杂度的下界。此外,我们的技术为[Brautbar et al.,2010年],广泛用于社会网络挖掘,我们表明,该算法是最佳的次对数因子。这些是第一个算法产生最坏情况下的次线性边界一般有向图和任何选择的目标节点。
2018-08-04 cs.DS cs.IR cs.SI
Sublinear-Space Approximation Algorithms for Max r-SAT
在Max $r$ -SAT问题中,输入是一个带有$n$变量的CNF公式,其中每个子句是至多$r$文字的析取。我们的目标是计算一个分配,满足尽可能多的条款。虽然对于这个问题有大量的多项式时间近似算法,但我们采用空间复杂度的观点[Biswas et al.,2021],并设计子线性空间近似算法的问题。我们表明,经典的算法[Lieberherr和Specker,JACM 1981]可以实现运行在$n^{O(1)}$时间,而使用$(\log{n})$位的空间。更高级的算法使用线性或半定规划,并且似乎更难在次线性空间中执行。我们表明,一个更近的算法与近似比$\sqrt{2}/2$ [周等人,FOCS 2020]是为流模型设计的,可以使用$O(r \log{n})$空间位来实现$n^{O(r)}$的实时运行。虽然已知的流算法的问题近似最优值和使用随机化,我们的算法是确定性的,可以输出近似最优的分配在次线性空间。对于最大$r$与平面关联图的实例,我们设计了一个因子- $(1 - ε)$近似方案,该方案计算时间$n^{O(r / ε)}$中的分配,并使用空间的$\max\{\sqrt{n} \log{n}, (r / ε) \log^2{n}\}$位。
2021-07-04 cs.DS
Near-real-time Solutions for Online String Problems
University of Yamanashi(山梨大学);LIGM, CNRS and Gustave Eiffel University(信息学与机器学习实验室,法国国家科学研究中心和巴黎-塞纳河大学)
本文提出了一种近实时算法,用于高效解决在线字符串问题,如最长重复后缀数组、Lempel-Ziv因子化和最小唯一子串维护,通过多项式对数对数时间复杂度实现。
2026-02-17 cs.DS
String Attractors: Verification and Optimization
字符串吸引子[STOC 2018]是最近引入的组合对象,用于将所有已知的字典压缩技术统一到单个理论中。集合$Γ\subseteq [1..n]$是字符串$S\in[1..σ]^n$的$k$吸引子当且仅当长度至多为$k$的$S$的每个不同子串都有跨越$Γ$中至少一个位置的出现。对于$k\geq3$来说,找到最小的$k$吸引子是NP困难的,但是可以使用字典压缩器的约简来找到多对数近似。很容易将$k$ -吸引子问题简化为集合覆盖实例,其中字符串的位置被解释为子串的集合。本文的主要结果是一个更强大的减少截断后缀树的基础上。我们的新特征的问题,导致更有效的算法字符串吸引:我们将展示如何检查的有效性和最小的$k$ -吸引在近最佳的时间,以及如何快速计算精确和近似的解决方案。例如,我们证明了当对任意常数$ε>0$求$σ\in O(\sqrt[3+ε]{\log n})$时,在最优的$O(n)$时间内可以找到最小的$3$ -吸引子,而$2.45$ -近似可以在一般字母表上的$O(n)$时间内计算.最后,我们介绍和研究密切相关的尖锐的$k$吸引子问题的复杂性:找到捕获所有不同的子串的位置的最小集合的长度正好$k$。我们证明了问题是在P的$k=1,2$和NP-完全常数$k\geq 3$。
2018-04-17 cs.DS
Sublinear Dynamic Interval Scheduling (on one or multiple machines)
我们重新审视了经典的区间调度的复杂性在动态设置。在这个问题中,目标是在插入和删除下维护一组区间,并在每次更新后报告成对不相交区间的最大大小子集的大小。已知非平凡近似算法可用于此问题的未加权和加权版本[Henzinger、Neumann、Wiese、SoCG 2020]。令人惊讶的是,不知道一般的精确版本是否允许在次线性时间内工作的精确解,也就是说,每次更新后都不重新计算答案。我们的第一个贡献是一个动态间隔调度与摊销$\tilde{\mathcal{O}}(n^{1/3})$更新时间的结构。然后,建立在一台机器的情况下使用的想法,我们设计了一个次线性的解决方案,为任何恒定数量的机器:我们描述了一个结构的动态间隔调度的$m\geq 2$机摊销$\tilde{\mathcal{O}}(n^{1 - 1/m})$更新时间。我们通过考虑一台机器上的动态加权区间调度来补充上述结果,即保持成对不相交区间的最大权重子集(的权重)。我们显示了一个几乎线性的下限(条件上的硬度最小重量$k$ -团)的更新/查询时间的任何结构,这个问题。因此,在加权的情况下,确实应该寻求近似解。
2022-10-03 cs.DS
Near-Optimal Property Testers for Pattern Matching
本文研究精确模式匹配的性质测试,给出覆盖全参数范围的自适应与非自适应测试器,并通过无条件下界证明其时间与查询复杂度在 polylog n 因子内近最优。
2025-10-20 cs.DS
Finding Cycles and Trees in Sublinear Time
我们提出了次线性时间(随机)算法,找到简单的周期长度至少$k\geq 3$和树未成年人在有界度图。这些算法的复杂度与图距无$C_k$ -次要者的距离有关(分别地,不具有相应的树子)。特别地,如果图是远的(即,$Ω(1)$(远){from}是无环的,即,如果必须删除边的恒定部分以使其无环,则该算法找到时间上的多对数长度的循环$\tildeO(\sqrt{N})$,其中$N$表示顶点的数量。这个时间复杂度对于多对数因子来说是最优的。上述结果是我们在有界度图模型中研究{ \em单侧误差}属性测试算法复杂性的结果。例如,我们证明了$N$顶点图的无圈性可以在时间复杂度$\tildeO(\poly(1/\e)\cdot\sqrt{N})$内用单侧误差进行测试。这与已知的$Ω(\sqrt{N})$查询下限相匹配,并且与以下事实形成对比:任何无次项属性都允许查询复杂性的{ \em双侧误差}测试器仅取决于邻近参数$\e$。对于任何常数$k\geq3$,我们将这个结果扩展到测试输入图是否具有长度至少为$k$的简单循环。另一方面,对于任何固定的树$T$,我们表明,$T$ -未成年人的自由度有一个单侧错误测试的查询复杂性,只依赖于接近参数$\e$。我们的算法在有界度图中找到循环扩展到一般的图形,距离测量相对于实际的边缘数。这样的扩展对于在$o(\sqrt{N})$复杂度中寻找树-子式是不可能的。
2012-04-03 cs.DM cs.DS
String Synchronizing Sets: Sublinear-Time BWT Construction and Optimal LCE Data Structure
Burrows-Wheeler变换(BWT)是一种可逆的文本变换,给定长度为$n$的文本$T$,根据$T$的后缀的词典顺序来排列其符号。BWT是数据压缩中研究最多的算法之一,在索引,序列分析和生物信息学中有许多应用。它的构建在许多情况下都是一个瓶颈,解决这一任务的复杂性是序列分析中最重要的未解决问题之一,该问题已经开放了25年。给定长度为$n$的二进制串,占用$O(n/\log n)$机器字,Hon等人的BWT构造算法(SIAM J. Comput.,2009)在$O(n)$时间和$O(n/\log n)$空间中运行。最近的进展(Belazzougui,STOC 2014,和Munro等人,SODA 2017)专注于消除时间复杂度中的字母大小依赖性,但它们仍然需要$Ω(n)$时间。在本文中,我们提出了第一个算法,打破了$O(n)$的时间障碍的BWT建设。给定一个长度为$n$的二进制字符串,我们的过程在$O(n/\sqrt{\log n})$时间和$O(n/\log n)$空间中构建Burrows-Wheeler变换。我们用一个有条件的下限来补充这个结果,证明BWT构造的时间复杂度的任何进一步进展都将为非常好地研究的计数反转问题产生更快的算法:它将改进Chan和Padetrachecu(SODA 2010)的最先进的$O(m\sqrt{\log m})$时间解决方案。我们的算法是基于…
2019-05-05 cs.DS
Minimizing Makespan in Sublinear Time via Weighted Random Sampling
University of Texas Rio Grande Valley(德克萨斯大学里奥格兰德河谷分校);College of Staten Island, CUNY(纽约市立学院石岛分校);Purdue University Northwest(普渡大学西北分校)
本文提出两种基于加权随机采样的子线性时间算法,用于在未知或已知作业数情况下近似最小化作业跨度。
2026-02-03 cs.DS
A Fixed Parameter Sublinear Time Approximation Scheme for Metric Min-Sum Clustering
Rutgers University(罗格斯大学);University of Michigan(密歇根大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Aarhus University(奥胡斯大学);Texas A&M University(德克萨斯农工大学)
本文针对k适度增大时的度量k-最小和聚类问题,提出了固定参数可处理的子线性时间近似方案,还证明了k-中位数等相关问题不存在类似算法,首次将分布式PCP框架应用于聚类问题。
2026-10-14 cs.CC cs.DS
Random Access to Grammar Compressed Strings
基于语法的压缩是一种简单而强大的范例,它可以捕获许多流行的压缩方案,其中一个人用生成字符串的小型上下文无关语法替换长字符串。在本文中,我们提出了一种新的语法表示,允许有效的随机访问任何字符或子串,而不解压字符串。令$S$为长度为$N$的字符串,该字符串被压缩为大小为$n$的上下文无关语法$\mathcal{S}$。我们提出了两种表示的$\mathcal{S}$实现$O(\log N)$随机访问时间,或$O(n\cdot α_k(n))$建设时间和空间上的指针机器模型,或$O(n)$建设时间和空间上的RAM。这里,$α_k(n)$是阿克曼函数的$k^{th}$行的逆。我们的表示也有效地支持解压缩的任何子串在$S$:我们可以在相同的复杂性作为一个单一的随机访问查询和额外的$O(m)$时间的长度$m$的任何子串。结合这些结果与快速算法的未压缩近似字符串匹配导致几个有效的算法近似字符串匹配的语法压缩字符串不解压。例如,我们可以找到模式$P$在时间$O(n(\min\{|P|k, k^4 + |P|\} + \log N) + occ)$上的所有近似出现,其中$occ$是$P$在$S$中出现的次数。最后,我们将我们的结果推广到导航和语法压缩有序树的其他操作。所有上述界限显着改善目前最知名的结果。为了实现这些界限,我们引入了几个新的技术和数据结构的独立利益,包括前身的数据结构,两个“有偏见的”…
2013-10-29 cs.DS
"Sliced" Subwindow Search: a Sublinear-complexity Solution to the Maximum Rectangle Problem
IBM T.J. Watson Research Center(IBM托马斯·J·沃森研究中心);Michigan State University(密歇根州立大学)
本文提出了一种针对最大矩形问题(子窗口搜索)的“切片”子窗口搜索方法,通过在矩阵等距切片间插值实现次线性时间和内存复杂度,在自然图像上以99%的准确率实现11倍速度与内存提升,适用于大规模矩阵和实时应用。
2023-04-09 cs.CC cs.CV cs.DS
Computing Smallest Suffixient Arrays in Sublinear Time
Kyushu University(九州大学);University of Chile(智利大学);Center for Biotechnology and Bioengineering (CeBiB)(生物技术与生物工程中心);University of Warsaw(华沙大学);University of Palermo(巴勒莫大学)
提出在亚线性时间内计算文本T的最小后缀数组的方法,时间复杂度和运行数相关,改进了现有算法。
2026-07-02 cs.DS
Tight tradeoffs for approximating palindromes in streams
我们考虑在流模型中计算长度为$n$的文本中的最长回文,其中字符一个接一个地到达,并且我们没有随机访问输入。虽然在这样的设置中不可能使用次线性记忆精确地计算答案,但仍然可以希望有一个良好的近似保证。我们专注于两个最自然的变体,我们的目标是最长回文长度的加法或乘法近似。我们首先表明,有没有考虑拉斯维加斯算法在这样的设置点,因为他们不能实现次线性空间复杂度。对于蒙特卡罗算法,我们提供了一个下界的$Ω(\frac{n}{E})$位近似的答案与添加剂错误$E$,和$Ω(\frac{\log n}{\log(1+\varepsilon)})$位近似的答案与乘法错误$(1+\varepsilon)$的二进制字母表。然后,我们构建了一个通用的蒙特卡罗算法,通过适当地选择参数,实现空间复杂度匹配的对数因子的两个变量。这大大改进了Berenbrink等人(STACS 2014)的先前结果,并基本解决了空间复杂度。
2016-04-07 cs.DS
Randomized Linear Programming Solves the Discounted Markov Decision Problem In Nearly-Linear (Sometimes Sublinear) Running Time
提出了一种新的随机线性规划算法来逼近折扣马尔可夫判定问题的最优策略。该算法利用价值-策略对偶和二叉树数据结构,自适应地对状态-动作-状态转换进行采样,并进行指数化的原始-对偶更新。我们发现,它发现了一个$ε$最优的政策,在最坏的情况下,使用接近线性的运行时间。当马尔可夫决策过程是遍历的,且以某些特殊的数据格式指定时,该算法利用运行时间对状态-动作对的总数是线性的,而对输入大小是次线性的,找到一个$ε$ -最优策略.这些结果为求解随机动态规划提供了一个新的场所和复杂性基准。
2017-09-13 cs.DS math.OC