Symmetry exploitation for Online Machine Covering with Bounded Migration
在经典模型过于悲观的情况下,允许追索权的在线模型非常有效。一个这样的问题是在相同的机器上的在线机器覆盖问题。在这种情况下,工件一个接一个地到达,并且必须以最大化最小机器负载为目标分配给机器。当一个作业到达时,我们可以重新分配一些作业,只要它们的总大小(最多)与到达作业的处理时间成正比。比例常数称为算法的迁移因子。使用一个舍入过程与有用的在线包装和覆盖问题的结构特性,我们首先设计了一个简单的$(1.7 + \varepsilon)$竞争算法使用的迁移因子$O(1/\varepsilon)$保持在每个到达一个局部最优解相对于跳跃邻域。在此之后,我们提出了我们的主要贡献,更涉及$(4/3+\varepsilon)$竞争力的算法使用迁移因子$\tilde{O}(1/\varepsilon^3)$。在每次到达时,我们运行最大处理时间优先(LPT)算法的适应。由于在这两种情况下,新的工作可能会导致一个完整的变化的分配较小的工作,低迁移因子是通过仔细利用四舍五入程序获得的高度对称的结构。
2018-08-28 cs.DS
On Partial Covering For Geometric Set Systems
我们研究了一个广义的集覆盖问题称为\emph{Partial Set Cover}的背景下,几何集系统。这个问题的输入是一个集合系统$(X, \mathcal{S})$,其中$X$是元素的集合,$\mathcal{S}$是$X$的子集的集合,以及一个整数$k \le |X|$。目标是通过使用来自$\mathcal{S}$的集合的最小权重集合来覆盖$X$的至少$k$元素。本文的主要结果是一个LP舍入方案,它表明对于集合系统$(X, \mathcal{S})$的某个投影,部分集合覆盖LP的完整性间隙至多是集合覆盖LP的常数倍。作为这个结果的推论,我们得到了改进的近似保证的部分集覆盖问题的一大类几何集系统。
2017-12-12 cs.CG cs.DS
Randomized Rounding for the Largest Simplex Problem
最大体积$j$ -单纯形问题要求计算$\mathbb{Q}^d$中给定的一组$n$点的凸包内的最大体积的$j$ -维单纯形。我们给出了一个确定性的近似算法,该算法达到了$e^{j/2 + o(j)}$的近似比。已知该问题是$\mathrm{NP}$ -对于某个常数$c > 1$,很难在$c^{j}$的因子内近似。我们的算法也给出了一个因子$e^{j + o(j)}$近似的问题,寻找主$j\times j$子矩阵的秩$d$半正定矩阵的最大行列式。我们实现我们的近似四舍五入解决方案的$D$ -最优设计问题的推广,或者等价地,一个适当的最小封闭椭球问题的对偶。我们的论点给出了一个简短而简单的证明限制可逆原则的决定。
2015-04-14 cs.CG cs.DS math.FA
Hybrid Rounding Techniques for Knapsack Problems
我们解决经典的背包问题和一个变种,其中上限是强加的项目,可以选择的数量。我们表明,适当的舍入技术的组合产生新的和强大的舍入方式。作为这些技术的应用,我们提出了一个线性存储多项式时间近似方案(PTAS)和一个完全多项式时间近似方案(FPTAS),计算近似的解决方案,任何固定的精度,在线性时间。这个线性复杂性界给出了一个最好的以前已知的多项式界的实质性改进。
2003-05-02 cs.CC cs.DM cs.DS
Faster exact and approximation algorithms for packing and covering matroids via push-relabel
拟阵是组合优化的一个基本研究对象。涉及拟阵的三个密切相关的重要问题是最大化$k$独立集的并(即$k$ -fold拟阵并),计算$k$不相交基(又称不相交基),以及如何计算不相交基。拟阵基包装),以及用$k$基覆盖元素(a.k.a.拟阵基覆盖)。这些问题自然地推广到元素上的积分和实值容量。这项工作开发更快的精确和/或近似问题,这些和其他一些密切相关的问题,如最佳加固和拟阵成员。我们得到改进的运行时间一般拟阵的独立预言模型和图形拟阵。我们改进的主要动力来自于为这些问题的整数容量版本开发一个更快和统一的push-relabel算法,建立在Frank和Miklós以前的工作基础上[FM 12]。然后,我们在两个方向上建立这个算法。首先,我们开发了一个更快的增广路径子程序$k$折叠拟阵联盟,当附加到一个近似版本的推重新标记算法,给出了一个更快的精确算法的一些参数的$k$。特别是,我们得到了一个子二次查询运行时间在无容量限制的设置为上面列出的三个基本问题。我们还获得了更快的近似算法,这些问题的实值容量减少到小的整数容量,通过随机舍入。为此,我们开发了一个新的随机舍入技术的基础覆盖问题拟阵,也可能是独立的利益。
2023-03-02 cs.DS
Dependent Randomized Rounding for Matroid Polytopes and Applications
出于几个应用程序,我们考虑的问题,随机四舍五入的分数解决方案在拟阵(基)多面体的积分之一。我们考虑了管道舍入技术,并提出了一种新的技术,随机交换舍入。我们的主要技术成果是从这些舍入技术所产生的随机变量的函数的浓度范围。我们证明了这两种技术所产生的随机变量的线性函数的Bauffff型浓度界,以及随机交换舍入所产生的变量的单调子模函数的下尾指数界。(1)对于任意常数k和k>0,我们给出了极大化一个受1个拟阵和k个线性约束的单调次模函数的(1-1/e-模)-近似算法。(2)我们提出了一个结果,极大极小包装问题,涉及拟阵基约束。对于一般问题Min {lambda:x \in {0,1}^N,x \in B(M),Ax <= lambda b},我们给出了一个O(log m / log log m)-逼近,其中m是填充约束的个数. (3)我们推广的连续贪心算法的问题,涉及多个子模函数,并使用它来找到一个(1-1/e-ε)-近似pareto集的问题,最大化一个常数的单调子模函数的拟阵约束。一个例子是次模块福利问题,我们正在寻找一个近似的帕累托集相对于个别球员的效用。
2009-11-06 cs.DM cs.DS
Covering problems in edge- and node-weighted graphs
本文讨论了图的覆盖问题,即在一个边和结点加权的图中,选择一组边满足一定的覆盖约束,同时使权和最小化。在该问题中,由于自然线性规划(LP)松弛的完整性缺口较大,基于松弛的LP舍入算法性能较差。在这里,我们提出了一个更强的LP松弛的图覆盖问题。提出的松弛设计原始-对偶算法的两个基本的图覆盖问题:获奖收集边支配集问题和树的多割问题。对于前一个问题,我们的算法是一个精确的多项式时间算法;对于后一个问题,我们的算法是一个2-近似算法。这些结果与目前已知的纯边加权图的最佳结果相匹配。
2014-04-16 cs.DS
Comparison of Hyperplane Rounding for Max-Cut and Quantum Approximate Optimization Algorithm over Certain Regular Graph Families
本文针对小规模 Max-Cut 难例,比较 Goemans-Williamson 算法与深度 p=1 的 QAOA 在特定正则图族上的近似比,并公开扰动边权重生成的实例。
2025-09-28 cs.DS math.CO quant-ph
The Entropy Rounding Method in Approximation Algorithms
设A是一个矩阵,c是任意线性目标函数,x是一个分数阶向量,比如某个离散优化问题的LP解。然后,在理论计算机科学中(特别是在近似算法中)一个反复出现的任务是获得一个积分向量y,使得Ax大致为Ay,并且c*y仅以适度的因子超过c*x。我们给这个任务一个新的随机舍入过程,提供了一个有界的Delta近似熵。该属性意味着对于在列的任何子集上的{-1,+1}中均匀选择的随机符号chi(j),可以使用期望的次线性比特数来近似地描述结果A*chi。为了实现这一结果,我们修改了著名的技术,从该领域的差异理论,特别是我们依靠贝克的熵方法,据我们所知,这从来没有被使用过的背景下,近似算法。我们的结果可以建设性的使用Bansal框架的基础上半定规划。我们证明了我们的程序的多功能性,四舍五入的分数解决方案,以列为基础的线性规划装箱的一些概括。例如,我们得到了多项式时间的OPT + O(log^2 OPT)近似装箱与拒绝和第一AFPTAS的训练交货问题。
2011-04-24 cs.DS math.CO
Partial resampling to approximate covering integer programs
针对列稀疏覆盖整数规划,提出基于Lovász局部引理部分重采样变体的新舍入方案,获得改进的近似比,并证明几乎匹配的下界及负相关性,可处理多准则程序。
2020-07-02 cs.DM cs.DS
A Randomized Rounding Algorithm for Sparse PCA
International Computer Science Institute(国际计算机科学研究所);University of California Berkeley(加州大学伯克利分校);Xerox Research Centre India(施乐印度研究中心);Purdue University(普渡大学)
我们提出并分析了一个简单的,两步算法来近似稀疏PCA问题的最优解。我们的方法首先解决了L1惩罚版本的NP-难稀疏PCA优化问题,然后使用随机舍入策略来稀疏化所得到的密集解决方案。我们的主要理论结果保证了加性误差近似,并提供了稀疏性和准确性之间的权衡。我们的实验评估表明,我们的方法在实践中是有竞争力的,即使是与最先进的工具箱,如痉挛。
2016-11-22 cs.DS cs.LG stat.ML
Structural Iterative Rounding for Generalized $k$-Median Problems
本文考虑广义$k$ -中值问题的近似算法。这类问题可以非正式地描述为具有恒定数量的额外约束的$k$ -中值,并且包括具有离群值的$k$ -中值和背包中值。我们的第一个贡献是一个伪近似算法的广义$k$ -中位数,输出一个$6.387$ -近似的解决方案,与一个常数数量的分数变量。该算法建立在Krishnaswamy,Li和Sandeep为具有离群值的$k$ -中位数引入的迭代舍入框架上。主要的技术创新是在迭代舍入中允许更丰富的约束集,并利用所得极值点的结构。利用我们的伪近似算法,我们给出了带离群点的$k$ -中值和背包中值的改进近似算法.这涉及到将我们的伪近似与预处理和后处理步骤相结合,以小幅增加成本的方式对常数数量的分数变量进行舍入。我们的算法实现近似比$6.994 + ε$和$6.387 + ε$的$k$ -中位数与离群值和背包中位数,分别。这两个问题\cite{DBLP:conf/stoc/KrishnaswamyLS18}的最知名的近似比$7.081 + ε$的改善。
2020-09-02 cs.DS
Rounding Algorithms for a Geometric Embedding of Minimum Multiway Cut
多路切割问题是,给定一个加权图和k >= 2个终端节点,找到一个最小权的边集,去除这些边可以分离所有终端。这个问题是NP难的,甚至对于一些小的delta > 0,在1+delta内近似也是NP难的。Calinescu,Karloff,and Rabani(1998)给出了一个性能保证为3/2-1/k的算法,该算法基于问题的几何松弛。本文给出了一种改进的随机化舍入方案,并给出了一个k=3的12/11-近似算法和一个一般的1.3438-近似算法.我们的方法取决于观察,设计一个随机舍入方案的几何松弛的问题本身是一个线性规划问题。本文探讨了这个问题的计算解决方案,并给出了一个证明,对于一般类的几何松弛,总是有随机舍入方案,匹配的完整性差距。
2003-09-15 cs.DM cs.DS
Approximate Multi-Matroid Intersection via Iterative Refinement
我们引入了一个新的迭代舍入技术,以轮一个点在拟阵多面体受到进一步的拟阵约束。这种技术在一个拟阵中返回一个独立集,并且对其他拟阵具有有限的违反。在迭代松弛方法的经典步骤之上,我们迭代地细化/分裂所涉及的拟阵约束,以获得一个更具限制性的约束系统,这是适合于迭代松弛技术。因此,在整个迭代过程中,我们都收紧了约束,然后在某些条件下通过放弃约束来放松约束。由于细化步骤,我们可以处理比现有的迭代松弛/舍入方法更一般的约束类,这些方法通常在一个拟阵多面体上舍入,并具有额外的简单基数约束,这些约束不会重叠太多。我们展示了如何我们的舍入方法,结合拟阵相交算法的应用,产生的第一个$2$ -近似找到一个最大的重量共同独立集$3$拟阵。此外,我们的$2$ -近似是基于LP的,并解决了自然松弛问题的完整性差距。在我们的工作之前,没有更好的上限比$3$是已知的完整性差距,这是从贪心算法。我们还讨论了我们的技术的其他各种应用,包括扩展,使我们能够处理拟阵和背包约束的混合物。
2018-11-22 cs.DS
Improved Bi-point Rounding Algorithms and a Golden Barrier for $k$-Median
当前用于$k$ -中值的最佳近似算法依赖于首先获得被称为双点解的结构化分数解,然后将其舍入为整数解。我们通过统一和改进以前的方法来改进第二步。我们描述了一个层次结构的日益复杂的分区计划的设施,以及相应的算法和因子揭示非线性程序。我们证明了这个层次结构的第三层是一个$2.613$近似,提高后,目前最好的比率$2.675$,而没有层可以证明比$2.588$根据建议的分析。在消极的一面,我们给出了一个家庭的双点解决方案,不能近似优于黄金分割比的平方根,即使允许打开$k+o(k)$设施。这对当前用于获得比$2 \sqrtϕ \approx 2.544$更好的近似的方法造成了障碍。总的来说,我们减少了三分之二的两点解决方案的近似差距。
2022-10-24 cs.DS
On the Computational Complexity of Linear Discrepancy
计算机科学和应用数学中的许多问题需要将位于区间$[0,1]$中的分数值的向量$\mathbf{w}$舍入为二进制向量$\mathbf{x}$,使得对于给定的矩阵$\mathbf{A}$,$\mathbf{A}\mathbf{x}$尽可能接近$\mathbf{A}\mathbf{w}$。例如,这个问题出现在LP舍入算法用于近似$\mathsf{NP}$ -硬优化问题,并在数值积分的均匀分布的点集的设计。对于一个给定的矩阵$\mathbf{A}$,由最佳可能舍入引起的所有$\mathbf{w}$选择的最坏情况误差由$\mathbf{A}$的线性差异来衡量,这是差异理论中研究的一个量,由Lovasz、Spencer和Vesztergombi(EJC,1986)引入。我们首先研究了线性偏差的计算复杂性。我们的研究在两个方向进行:(1)证明硬度结果和(2)找到精确和近似算法来评估某些矩阵的线性差异。对于(1),我们证明了线性偏差是$\mathsf{NP}$ -困难的。因此,我们不期望找到一个有效的精确算法的一般情况下。限制我们的注意力与一个恒定的行数的矩阵,我们提出了一个多时间精确算法的矩阵组成的一个单一的行和矩阵与一个恒定的行数和有界幅度的条目。我们还提出了一般矩阵的指数时间近似算法,和一个算法,近似的线性偏差内的指数因子。
2020-07-31 cs.CC cs.CG cs.DS
Near-Optimal Oracle Bounds for Isotropic Rounding
Carnegie Mellon University(卡内基梅隆大学)
本文给出凸体各向同性舍入的近似最优预言界,提出 $\Ot(n^3)$ 查询算法并证明匹配下界,同时反驳了椭球增长猜想。
2026-10-06 cs.DS
Local Distributed Rounding: Generalized to MIS, Matching, Set Cover, and Beyond
我们开发了一个一般的确定性分布的方法,局部四舍五入的分数解决方案的图形问题的分析可以分解成分析对顶点。粗略地说,该方法可以将顶点的分数/概率标签分配转换为顶点的积分/确定性标签分配,同时近似地保留作为函数的线性组合的潜在函数,每个函数取决于最多两个顶点(受成对分析中通常满足的一些条件的影响)。该方法统一和显着推广以前的工作确定性局部舍入技术[Ghaffari,库恩FOCS'21;哈里斯FOCS'19;费舍尔,Ghaffari,库恩FOCS'17;费舍尔DISC'17],以获得组合图问题的多任务时间确定性分布式解决方案。我们的一般舍入结果使我们能够本地和有效地去随机化的一系列分布式算法的局部图问题,包括最大独立集(MIS),最大权重独立集近似,和最小成本集覆盖近似。作为一个亮点,我们特别获得了一个确定性的$O(\log^2Δ\cdot\log n)$轮算法计算MIS的模型和一个几乎有效的$O(\log^2Δ\cdot\log\logΔ\cdot\log n)$轮确定性MIS算法在CONGEST模型。结果,四个最广泛研究的分布式对称破缺问题(MIS,最大匹配,$(Δ+1)$ -顶点着色和$(2Δ-1)$ -边着色)的最著名的确定性分布式时间复杂度现在是$O(\log^2Δ\cdot\log n)$。我们的新MIS算法也是第一个直接的多任务时间确定性分布式MIS算法,这是不基于网络分解。
2022-09-23 cs.DS
Computing better approximate pure Nash equilibria in cut games via semidefinite programming
割博弈是算法博弈论中最基本的策略博弈之一。众所周知,在这些博弈中计算精确的纯纳什均衡是PLS困难的,因此研究集中在计算近似均衡上。我们提出了一个多项式时间算法,计算$2.7371$ -近似纯纳什均衡削减游戏。这是对先前最著名的$3$边界的首次改进,这是由于EC 2010中Bhalgat、Chakraborty和Khanna的工作。我们的算法基于Caragiannis,Fanelli,Gravin和Skopalik在FOCS 2011中提出的一般配方,并应用于此后的几个潜在游戏。我们工作的第一个新颖之处是引入了一个阶段,可以识别出可以同时大大提高其效用的玩家子集。这是通过半定规划和随机舍入完成的。特别是,一个负的目标值的半定计划保证没有这样的显着改善是可能的一组给定的球员。否则,随机四舍五入的SDP解决方案被用来确定一组球员谁可以同时大大提高他们的策略,并允许算法取得进展。执行舍入的方式是我们工作的另一个重要创新。在这里,我们利用了一个可以追溯到1995年Feige和Goemans的论文的想法,但是我们把它带到了一个以前没有分析过的极端。
2022-11-08 cs.CC cs.DS cs.GT
Approximate Max-Flow Min-Multicut Theorem for Graphs of Bounded Treewidth
证明了有界树宽图的一个近似的最大多流最小多割定理。特别是,我们证明了以下几点:给定一个树宽$r$图,存在一个(分数)多商品流的价值$f$,和一个多割的能力$c$,使$ f \leq c \leq \mathcal{O}(\ln (r+1)) \cdot f$。众所周知,$r$ -顶点(常度)扩张图上的多流-多割间隙可以是$Ω(\ln r)$,因此我们的结果紧到常数因子。我们的证明是建设性的,我们也得到了一个多项式时间的$\mathcal{O}(\ln (r+1))$ -近似算法的树宽- $r$图的最小多割问题。我们的算法收益四舍五入的最佳分数的解决方案,自然的线性规划松弛的多割问题。我们引入新的修改著名的区域生长算法,以方便舍入,同时保证在树宽的对数因子损失。
2022-11-11 cs.DM cs.DS
Randomized Rounding over Dynamic Programs
针对解具有动态规划递推关系的问题,提出通过将其转化为网络设计问题并构造强LP松弛进行随机舍入的方法,在额外装箱约束下实现了多项式或准多项式时间的近似保证。
2025-11-05 cs.DS
Lipschitz Continuous Algorithms for Covering Problems
针对组合算法在输入微小扰动下输出不稳定的问题,本文基于Lipschitz连续性概念,为最小顶点覆盖、集合覆盖和反馈顶点集等覆盖问题设计了Lipschitz连续算法,并在反馈顶点集算法中开发了基于线性规划的循环稀疏化技术。
2024-10-15 cs.DS
LP Rounding and Combinatorial Algorithms for Minimizing Active and Busy Time
我们认为基本的调度问题的能源问题。在这个框架中,我们给出了一组作业,每个作业都有发布时间,截止日期和所需的处理长度。作业需要在机器上进行调度,以便在任何给定时间最多有g个作业处于活动状态。机器处于活动状态的持续时间(即,“开”)被称为其活动时间。其目标是为所有工件找到一个可行的调度方案,使总的活动时间最小化。当抢占是允许在整数时间点,我们表明,一个最小的可行的时间表已经产生了3-近似(这个界是紧的),我们进一步改善这2-近似通过LP舍入技术。我们的第二个贡献是这个问题的非抢占式版本。然而,由于即使询问在一台机器上是否存在可行的调度也是NP难的,因此我们允许无限数量的虚拟机,每个虚拟机的容量为g。这个问题在文献中被称为忙时问题,并且已知这个问题的4-近似。我们开发了一个新的组合算法,给出了一个3-近似。在此基础上,考虑了抢占式忙时问题,在允许无限并行的情况下,给出了一个简单而精确的贪心算法,即,G是无限的。对于任意的g,这产生了一个2-近似的算法。
2016-10-26 cs.DS
Rounding the Ball LP for Fair Max-Min Diversification
The University of Sydney(悉尼大学)
针对公平最大最小多样化问题,提出两种新算法:改进舍入获得高概率ε-公平的2-近似,以及多项式时间和固定参数时间内精确公平的4-近似,并证明球LP舍入无法实现更小精确公平因子。
2026-09-29 cs.DS
Differentiable Extensions with Rounding Guarantees for Combinatorial Optimization over Permutations
针对排列上组合优化目标缺乏有效连续扩展方法的问题,提出Birkhoff扩展(BE),可将排列上实值函数扩展到双随机矩阵,提供舍入保证且几乎处处可微,适用于梯度优化及树结构问题。
2025-11-12 cs.DS math.OC
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
Vertex Sparsifiers and Abstract Rounding Algorithms
在\cite{M}中引入了顶点稀疏化的概念,其中示出了对于任何图$G = (V, E)$和$k$终端$K \subset V$的子集,存在多项式时间算法来仅在终端集上构造图$H = (K, E_H)$,使得同时对于所有切割$(A, K-A)$,将$A$与$K -A$分开的$G$中的最小切割值与$H$中的相应切割值大致相同。我们给出了第一个超常数下界如何以及切割稀疏$H$可以同时近似所有最小切割$G$。我们证明了一个下界的$Ω(\log^{1/4} k)$ -这是多项式相关的$O(\log k/\log \log k)$已知的上界。这是对\cite{LM}中给出的$Ω(\log \log k)$界的指数级改进,该界实际上是为了更强的顶点稀疏化保证,并且不适用于切割稀疏器。尽管有这个负面的结果,我们表明,对于许多自然问题,我们不需要招致我们的减少乘法处罚。得到了最优的$O(\log k)$竞争Steiner不经意路由方案,推广了\cite{R}中的结果.我们还表明,对于广泛的图包装问题(其中包括最大并发流,最大多流和组播路由,除其他外,作为一个特殊情况),线性规划的完整性差距总是在最多$O(\log k)$倍的完整性差距限制树。这一结果有助于解释$O(\log k)$对此类问题的保证的普遍性。最后,我们使用我们的想法,给出一个有效的顶点稀疏匹配当前最好的存在结果的构造-这是以前开放的。…
2010-06-23 cs.DS
Matroid Contention Resolution with Concentration
Tepper School of Business, Carnegie Mellon University(卡内基梅隆大学泰珀商学院);Department of Computer Science, University of Pittsburgh(匹兹堡大学计算机科学系);Department of Computer Science, Pomona College(波莫纳学院计算机科学系)
研究为Adamczyk和Włodarczyk的随机顺序CRS(AW)输出推导下尾界,通过“强λ-有界性”分析,引入顺序选择过程并证明其下尾界,应用于含覆盖约束问题,如改进k-拟阵交色数近似及给出k个拟阵约束下单调子模最大化双准则算法。
2026-10-30 cs.DS math.CO
Faster Deterministic Distributed MIS and Approximate Matching
$ \renewcommand{\tilde}{\widetilde} $针对最大独立集问题提出了一个$\tilde{O}(\log^2 n)$轮确定性分布式算法。通过已知的简化,该轮复杂性还扩展到最大匹配、$Δ+1$顶点着色和$2Δ-1$边着色。这四个问题是分布式图算法中最核心的问题之一,在过去的四十年里得到了广泛的研究。这种改进的轮复杂度更接近最大独立集和最大匹配的$\tildeΩ(\log n)$下限[Balliu et al. FOCS '19]。以前最著名的确定性复杂度为所有这些问题是$Θ(\log^3 n)$。通过粉碎技术,改进也渗透到相应的随机复杂性,例如,$Δ+1$顶点着色的新随机化复杂度现在是$\tilde{O}(\log^2\log n)$轮。我们的方法是先前已知的两种方法的新颖组合,用于开发针对这些问题的确定性算法,即通过网络分解的全局去随机化(例如,[Rozhon,Ghaffari STOC '20; Ghaffari,Grunau,Rozhon SODA' 21; Ghaffari等人SODA '23])和分数解的局部舍入(参见例如,[Fischer DISC '17; Harris FOCS' 19; Fischer,Ghaffari,Kuhn FOCS '17; Ghaffari,Kuhn FOCS' 21; Faour等人SODA '23])。我们考…
2023-03-28 cs.DC cs.DS
Constant Approximation Algorithm for Non-Uniform Capacitated Multi-Item Lot-Sizing via Strong Covering Inequalities
研究了非均匀容量约束下的多产品批量计划(\lotsizing)问题。在这个问题中,在$T$时间段的规划范围内有一组需求,并且所有需求都必须按时满足。我们可以在每个周期$s$开始时下订单,产生订购成本$K_s$。在时间$s$订购的所有产品的总数量不能超过给定的容量$C_s$。另一方面,不时持有存货会产生存货持有成本。该问题的目标是找到一个可行的解决方案,使订购和持有成本之和最小化。Levi等人(Levi,Lodi和Sviridenko,Mathmatics of Operations Research 33(2),2008)给出了当容量$C_s$相同时该问题的2-近似。在本文中,我们将他们的结果推广到非一致容量的情况。即对具有一般能力的多品种批量问题给出了一个常数近似算法。常数逼近是通过增加一个指数大的新的覆盖不等式的自然设施位置型线性规划松弛的问题。沿着我们的算法的方式,我们减少了\lotsizing问题的经典背包覆盖问题的两个概括。我们给LP为基础的常数近似算法的推广,通过迭代舍入技术。
2016-10-06 cs.DS
Precision Arithmetic: A New Floating-Point Arithmetic
本文提出一种新的确定性浮点算术——精确算术,通过新颖舍入方案和基于统计的误差跟踪,在正常使用中比区间算术更紧地跟踪和界定不确定性。
2014-04-12 cs.DM cs.DS cs.NA
Proportionally Fair Matching via Randomized Rounding
针对边着色图的比例公平匹配问题,提出δ-可能近似公平的概率松弛概念,并设计二部图上的常数因子近似算法,克服了精确比例公平的NP难与亚指数下界。
2024-12-15 cs.DS
Online Packing and Covering Framework with Convex Objectives
我们考虑在线分数覆盖问题的凸目标,覆盖约束随着时间的推移。形式上,我们想要求解$\min\,\{f(x) \mid Ax\ge \mathbf{1},\, x\ge 0\},$,其中目标函数$f:\mathbb{R}^n\rightarrow \mathbb{R}$是凸的,并且约束矩阵$A_{m\times n}$是非负的。$A$的行随着时间的推移而在线,并且我们希望始终保持可行的解决方案$x$,同时仅增加$x$的坐标。我们还考虑“对偶”包装问题的形式$\max\,\{c^\intercal y - g(μ) \mid A^\intercal y \le μ,\, y\ge 0\}$,其中$g$是一个凸函数。在在线设置中,变量$y$和$A^\intercal$的列随时间到达,我们希望保持非递减解$(y,μ)$。我们提供了一个在线的原始-对偶框架,这两类问题的竞争比取决于某些“单调性”和“平滑性”参数的$f$ ;我们的结果匹配或改进的保证,为一些特殊的功能类$f$考虑以前。使用这个分数求解器与问题相关的随机舍入程序,我们获得了以下问题的竞争算法:在线覆盖LP最小化$\ell_p$ -规范的任意包装约束,集覆盖多个成本函数,容量约束的设施位置,容量限制的组播问题,集覆盖与集请求,和利润最大化与不可分离的生产成本。其中一些结果是新的,其他的提供了一个统一的观点,以前的结果,匹配或稍差的竞…
2014-12-29 cs.DS
On the Request-Trip-Vehicle Assignment Problem
请求-出行-车辆分配问题是在线车辆路径问题中一种流行的分解策略的核心。在这个框架中,任务是批量完成的,以便利用车辆和传入的旅行请求之间的任何共享性。我们研究了一个自然的ILP公式及其LP松弛。我们的主要结果是一个基于LP的随机舍入算法,只要实例是可行的,利用温和的假设,以返回一个分配,其:i)预期成本是最优的解决方案,和ii)未分配的请求的预期分数是最多$1/e$。如果出行-车辆分配成本是$α$ -近似的,我们在期望成本中支付额外的因子$α$。我们可以通过考虑问题的惩罚版本来放松可行性要求,其中为每个未分配的请求支付惩罚。我们发现,每当一个请求是重复未分配后,一个数轮,具有很高的概率,它是按照LP解决方案的序列,而不是因为舍入误差。我们还介绍了一个确定性的舍入启发式我们的随机技术。我们的计算实验表明,我们的舍入算法实现了类似的ILP在减少计算时间的性能,远远提高了我们的理论保证。其原因是,虽然分配问题在理论上很难,但自然LP松弛在实践中往往非常紧。
2021-07-31 cs.DS
A Randomized Rounding Approach for DAG Edge Deletion
针对DAG边删除问题,提出基于顶点标签分布的随机舍入框架,分别获得0.585(k+1)、0.549(k+1)近似比,并证明独立分布下界0.542(k+1),对二分图等实例可达0.5(k+1)。
2025-07-10 cs.DS
Approximate Description Length, Covering Numbers, and VC Dimension
最近,Daniely和Granot [arXiv:1910.05697]引入了一个新的复杂性概念,称为近似描述长度(ADL)。他们用它来推导神经网络的新的泛化边界,尽管做了大量的工作,但对于更经典的技术,如离散化,覆盖数和Rademacher复杂性,这些都是遥不可及的。在本文中,我们将探讨ADL与经典的函数复杂性概念,如覆盖数和VC维。我们发现,对于值域为实数的函数,ADL本质上等价于这些经典的复杂性度量。然而,这种等价性在高维范围的函数中被打破。
2022-09-26 cs.DS cs.LG stat.ML
Polylogarithmic Approximation for Covering and Connecting Multi-Interface Networks
Gdańsk University of Technology(格但斯克理工大学);Université Paris-Dauphine, PSL Research University, CNRS, UMR 7243, LAMSADE(巴黎第九大学,PSL研究大学,法国国家科学研究中心,联合研究单位7243,LAMSADE)
本文研究多接口网络中的连接问题,提出基于线性规划松弛的随机取整算法,为覆盖问题提供O(log m)近似算法,为连接问题提供O(log² m)近似算法。
2026-07-14 cs.DS cs.NI
Capacitated Covering Problems in Geometric Spaces
在这篇文章中,我们考虑以下容量限制覆盖问题。我们给出了一个$n$点的集合$P$和一个来自某个度量空间的球的集合$\mathcal{B}$,以及一个表示$\mathcal{B}$中每个球的容量的正整数$U$。我们想计算一个球的子集$\mathcal{B}' \subseteq \mathcal{B}$,并将$P$中的每个点分配给包含它的$\mathcal{B}$中的某个球,这样分配给任何球的点数最多为$U$。我们想要最小化的目标函数是$\mathcal{B}$的基数。我们考虑这个问题在任意度量空间以及欧氏空间的常数维。在度量设置中,即使是无能力限制的问题版本也很难近似到对数因子内。在欧几里德设置中,在维度$3$和更高维度上的最佳已知近似保证是点数的对数。因此,我们专注于获得“双标准”近似。特别是,我们可以将解中的球扩大一些因子,但最优解没有这种灵活性。我们的主要结果是,允许输入球的常数因子扩展足以获得这些问题的常数近似。事实上,在欧几里德设置中,对于任何$ε> 0$,只有$(1+ε)$因子展开是足够的,近似因子是$1/ε$中的多项式。我们得到这些结果使用一个统一的计划,四舍五入的自然LP松弛,这个计划可能是有用的其他capacitated覆盖问题。我们还补充这些双标准近似获得硬度的近似结果,揭示了我们对这些问题的理解。
2017-12-12 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
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
Rounding Sum-of-Squares Relaxations
Microsoft Research(微软研究院);Massachusetts Institute of Technology(麻省理工学院);Cornell University(康奈尔大学)
我们提出了一个一般的方法,四舍五入半定规划松弛的平方和方法(拉塞尔层次)。我们的方法是基于使用这些松弛和平方和证明系统之间的连接转换 * 组合算法 * -一个算法,将分布的解决方案映射到一个(可能较弱)的解决方案-到一个 * 舍入算法 *,将松弛的解决方案映射到原始问题的解决方案。使用这种方法,我们得到的算法,产生改进的结果的自然变量的三个著名的问题:1)我们给出了一个准多项式时间算法,近似的最大值的低次多元多项式与非负系数的欧几里德单位球。除了自身的利益之外,这与量子信息论中的一个悬而未决的问题有关,我们的技术已经导致了这一领域的改进结果(Brandão和Harrow,STOC '13)。2)我们给出一个多项式时间算法,给定R^n的一个d维子空间(几乎)包含一个大小为n/k的集合的特征函数,在该子空间中找到一个满足$|v|_4^4 > c(k/d^{1/3}) |v|_2^2$的向量$v$,其中$|v|_p = (E_i v_i^p)^{1/p}$ .除了是一个自然的放松,这也是由一个连接到小集扩张问题所示的Barak等人(STOC 2012),我们的结果产生了一定的改进,该问题。3)我们使用L_4与L_2稀疏性的概念来获得一个多项式时间算法,该算法在R^n的随机d维子空间中恢复种植的$μ$稀疏向量v时具有显著改进的保证。如果v有m n个非零坐标,则无论何时$μ< O(\min(…
2013-12-23 cs.DS cs.LG quant-ph
An Approximate Dynamic Programming Approach to The Incremental Knapsack Problem
我们研究的增量背包问题,其中一个希望顺序包装物品到背包的容量扩大在有限的规划范围内,与时间平均利润最大化的目标。虽然各种近似算法减轻结构假设下开发,获得非平凡的性能保证,这个问题在其最大的一般性仍然是一个悬而未决的问题。在本文中,我们设计了一个多项式时间近似方案的一般情况下的增量背包问题,这是最强的保证可能现有的硬度结果。与以前的工作相比,我们的算法方法利用近似的动态规划制定。从一个简单的指数大小的动态程序,我们证明了一个适当的组合状态修剪的想法产生一个多项式大小的状态空间,最优性损失可以忽略不计。这个配方的分析综合了各种技术,包括新的问题分解,简约的计数参数,有效的舍入方法,可能是更广泛的兴趣。
2020-10-15 cs.DS
Maximum Quadratic Assignment Problem: Reduction from Maximum Label Cover and LP-based Approximation Algorithm
我们表明,对于每一个积极的$ε> 0$,除非NP $\subset$ BPQP,这是不可能的近似最大二次分配问题的一个因素比$2^{\log^{1-ε} n}$减少从最大标签覆盖问题。我们的结果还表明,近似图同构是不健全的,事实上,$1 - ε$与$ε$很难假设唯一的游戏猜想。然后,我们提出了一个$O(\sqrt{n})$ -近似算法的基础上舍入的线性规划松弛经常使用的最先进的精确算法。
2014-03-30 cs.CC 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
A Randomized Algorithm Based on Threshold Accepting to Approximate the Star Discrepancy
提出了一种新的估计任意点集的星差的算法。类似于Winker和Fang [SIAM J. Numer. Anal. 34(1997),2028- 2042]它是基于最优化算法阈值接受。我们的改进包括,除其他外,一个非均匀的采样策略,这是更适合于更高的维度的输入,和四舍五入的步骤,转换轴平行的盒子,其中的差异是要测试,到\emph{critical test boxes}。这些关键测试盒可证明产生更高的差异值,并包含显示局部差异最大值的盒。我们提供了全面的实验来测试新算法。我们的随机算法在可以检查的所有情况下频繁地计算精确的差异(即,其中可以在可行时间内计算点集的精确差异)。最重要的是,在更高的维度,新方法的行为明显优于所有以前已知的方法。
2011-05-12 cs.DS
Sequential Submodular Maximization and Applications to Ranking an Assortment of Products
我们研究了一个子模极大化问题的应用在网上零售。平台响应于搜索查询向用户显示产品列表。用户检查列表中的第一个$k$项目,以获得从给定分布中随机选择的$k$,并基于选择模型决定是否从该组中购买项目。平台的目标是最大限度地提高购物者的参与度,即购买概率。这个问题引起了一个较少研究的变化submodular最大化,我们被要求选择一个$\textit{ordering}$的一组元素,以最大限度地提高不同的submodular函数的线性组合。首先,利用拟阵上极大化次模函数的约化,给出了该问题的最优$\left(1-1/e\right)$ -近似。然后,我们考虑一个变体,其中平台不仅关心用户参与度,还关心不同用户群体的多样化,即保证每个群体中的购买概率。通过对线性规划松弛问题的近似解进行舍入,给出了该问题的双准则$((1-1/e)^2,(1-1/e)^2)$ -近似解。对于四舍五入,我们依赖于我们的约简和拟阵多面体的特殊四舍五入技术。对于特殊的情况下,其中底层子模块功能的覆盖函数-这是实际相关的在线零售-我们提出了一个替代LP松弛和一个更简单的随机舍入的问题。这种方法产生一个最佳的双准则$(1-1/e,1-1/e)$ -近似算法的特殊情况下的问题的覆盖功能。
2022-10-20 cs.DM cs.DS cs.GT
On the Number of Iterations for Dantzig-Wolfe Optimization and Packing-Covering Approximation Algorithms
给出了一类自然的近似求解填充/覆盖线性规划的拉格朗日松弛算法的迭代复杂度的下界。我们表明,给定一个输入与$m$随机0/1约束$n$变量,具有很高的概率,任何这样的算法需要$Ω(ρ\log(m)/ε^2)$迭代计算$(1+ε)$近似解,其中$ρ$是输入的宽度。对于参数$(m,n,ρ,ε)$的范围,界限是紧的。该类中的算法包括Dantzig-Wolfe分解,Benders分解,Held和Karp [1971]为下界TSP开发的拉格朗日松弛,以及许多其他算法(例如Plotkin,Shmoys和Tardos [1988]以及Grigoriadis和Khachiyan [1996])。为了证明这个界,我们使用了一个差异参数来证明随机两人零和0/1矩阵博弈的$(1+ε)$ -近似混合策略的支持大小的一个类似的下界。
2015-11-19 cs.CC cs.DS
Improved Greedy Algorithm for Set Covering Problem
提出了一种计算近似最小集合覆盖的贪心算法--大步长贪婪集合覆盖算法。大步长贪心算法在每一步中选择p个集合,使得所选p个集合的并集包含最大数量的未覆盖元素,并将所选p个集合添加到部分集合覆盖。重复添加p个集合的过程,直到覆盖所有元素。当p=1时,它的行为类似于经典的贪心算法。
2015-06-13 cs.DS
Scheduling to Approximate Minimization Objectives on Identical Machines
本文考虑同类机器上的排序问题。本文所考虑的调度目标一般大多数调度最小化问题。在该问题中,有$n$作业,并且每个作业$j$与单调递增函数$g_j$相关联。目标是设计一个最小化$\sum_{j \in [n]} g_{j}(C_j)$的进度表,其中$C_j$是进度表中作业$j$的完成时间。一个$O(1)$ -近似是已知的单机情况。在多台机器上,本文表明,如果调度程序需要是非迁移或非抢占,那么任何算法都有一个无界的近似比。利用抢占和迁移,本文给出了多机上的$O(\log \log nP)$ -近似,这是多机上的第一个结果。这些结果意味着第一个非平凡的积极的结果考虑的问题,如吞吐量最小化和拖期的几种特殊情况下。自然的线性规划已知的问题有一个差的完整性差距。结果是通过加强一个自然的线性规划的问题与一组覆盖不等式,我们称之为工作覆盖不等式。这个线性规划是四舍五入到一个完整的解决方案,通过建立准均匀采样和舍入技术。
2019-04-21 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
A sub-constant improvement in approximating the positive semidefinite Grothendieck problem
半定松弛是近似求解组合优化问题如MAX-CUT和Grothendieck问题的有力工具。通过利用半定锥中端点的有界秩性质,我们对此类问题的逼近比进行了亚常数改进。准确地说,我们描述了一个多项式时间算法的半正定Grothendieck问题-四舍五入的基础上,从标准的放松-实现的比率为$2/π+ Θ(1/{\sqrt n})$,而以前最好的是$2/π+ Θ(1/n)$。我们进一步证明了$2/π+\tilde{O}(1/n^{1/3})$的完整性缺口。
2014-08-10 cs.CC cs.DS math.OC
Reconstruction of Causal Networks by Set Covering
我们提出了一种重建网络的方法,基于随机分支过程访问的节点的顺序。我们的算法重建了一个最小尺寸的网络,以确保与数据的一致性。至关重要的是,我们表明,全球一致性的数据可以实现通过纯粹的本地考虑,依次推断每个节点的邻域。为每个单独的节点解决的优化问题可以简化为集合覆盖问题,这是已知的NP难,但在实践中可以很好地近似。然后,我们扩展我们的方法来考虑嘈杂的数据,基于最小描述长度原则。我们证明了我们的算法上的合成数据,由一个类似SIR的流行病学模型。
2010-06-04 cs.DS stat.ML
A Primal-Dual Extension of the Goemans--Williamson Algorithm for the Weighted Fractional Cut-Covering Problem
本文通过反阻塞器和规范对偶将加权分数割覆盖问题与最大割问题关联,提出基于半定规划松弛的1/α_GW近似算法,并引入组合证书及随机多项式时间算法,同时证明算法在多个方面最优。
2025-02-25 cs.DM cs.DS math.OC