Scaling algorithms for approximate and exact maximum weight matching
{ \em最大基数}和{ \em最大权重匹配}问题可以在时间$\tilde{O}(m\sqrt{n})$内解决,尽管经过数十年的研究,但该界限一直无法改进。(Here $m$和$n$是边和顶点的数量。)在这篇文章中,我们证明了这个“$m\sqrt{n}$屏障”是非常脆弱的,在以下意义上。对于任意的$ε>0$,我们给出了一个算法,该算法在$O(mε^{-1}\logε^{-1})$时间内计算$(1-ε)$ -近似最大权匹配,即对于任意固定的$ε$,计算最优的{ \em线性时间}。我们的算法是显着简单比最好的精确最大权重匹配算法一般图,应该是有吸引力的所有应用程序,可以容忍一个可以忽略不计的相对误差。我们的第二个贡献是一个新的{ \em精确}最大权匹配算法的整数加权二部图,运行在时间$O(m\sqrt{n}\log N)$。这改进了自20世纪80年代中期以来已知的用于$1\ll \log N \ll \log n$的$O(Nm\sqrt{n})$ -时间和$O(m\sqrt{n}\log(nN))$ -时间算法。这里$N$是最大整数边权重。
2011-12-04 cs.DS
Solving a "Hard" Problem to Approximate an "Easy" One: Heuristics for Maximum Matchings and Maximum Traveling Salesman Problems
我们考虑几何实例的最大加权匹配问题(MWMP)和最大旅行商问题(MTSP)与多达300万顶点。利用MWMP,MTSP,和费马韦伯问题(FWP)之间的几何对偶关系,我们开发了一种启发式方法,产生近线性时间的解决方案以及上界。使用各种计算工具,我们得到的解与最优解的偏差远小于1%。我们的方法的一个有趣的特点是,即使一个FWP是很难计算的理论和埃德蒙兹的算法最大加权匹配产生一个多项式的解决方案的MWMP,实际行为恰恰相反,我们可以解决FWP以高精度,以找到一个很好的启发式解决方案的MWMP。
2002-12-16 cs.DS
Fully dynamic $3/2$ approximate maximum cardinality matching in $O(\sqrt{n})$ update time
我们提出了一个随机算法,以保持最大匹配没有3个长度增加的路径在全动态设置。因此,我们保持一个$3/2$近似最大基数匹配。我们的算法需要预期的摊销$O(\sqrt{n})$时间,其中$n$是图中的顶点数时,更新序列是由一个不经意的对手。对于不经意攻击者提出的任意$t$边插入和删除序列,算法的总更新时间为期望$O(t\sqrt{n})$和高概率$O(t\sqrt{n} + n \log n)$.据我们所知,我们的算法是第一个保持一个近似匹配,其中所有的增广路径的长度至少$5$在$o(\sqrt{m})$更新时间。
2018-11-03 cs.DS
Distributed Approximate Maximum Matching and Minimum Vertex Cover via Generalized Graph Decomposition
Durham University(杜伦大学)
本文提出基于广义图分解的新算法,解决分布式环境下近似最大匹配和最小顶点覆盖问题,复杂度为O(logn/(log^2 logn)),并扩展了Miller等人方法以降低高阶图的有效度。
2026-05-13 cs.DS
Communication complexity of approximate maximum matching in the message-passing model
我们考虑了在多方消息传递通信模型中寻找图中的近似最大匹配的通信复杂性。最大匹配问题是最基本的图组合问题之一,有着广泛的应用。该问题的输入是一个图$G$,该图具有$n$顶点和在$k$站点上划分的边集,以及一个逼近比参数$α$。要求输出是$G$中的匹配,必须由其中一个站点报告,其大小至少是$G$中最大匹配大小的因子$α$。我们证明了这个问题的通信复杂性是$Ω(α^2 k n)$信息位。这个界限被证明是紧到一个$\log n$因素,通过构建一个算法,建立其正确性,和上界的通信成本。该下界也适用于消息传递通信模型中的其他图组合问题,包括最大流和图稀疏化。
2017-04-27 cs.DS
Fast Algorithms for the Maximum Clique Problem on Massive Sparse Graphs
最大团问题是一个著名的NP-难问题,在数据采掘、网络分析、信息学和许多其他领域都有应用。虽然有几个算法与可接受的运行时间为某些类的图,他们中的许多是不可行的大规模图。我们提出了一个新的精确算法,采用新的修剪技术,非常迅速地找到最大的集团在大型稀疏图。在几种类型的合成图和真实世界的图上进行的大量实验表明,我们的新算法在大多数情况下比现有算法快几个数量级。我们还提出了一个启发式的变种,运行速度比精确算法的数量级,同时提供最佳或接近最佳的解决方案。
2012-11-14 cs.DS cs.IR
Incremental Approximate Maximum Flow via Residual Graph Sparsification
Faculty of Computer Science, University of Vienna(维也纳大学计算机学院);Institute of Science and Technology Austria (ISTA)(奥地利科学与技术研究所);Technical University Munich(慕尼黑工业大学);UniVie Doctoral School Computer Science DoCS(维也纳大学计算机科学博士学校)
本文提出了一种算法,在高概率下能够维持无向、无容量限制的n顶点图在经历m次边插入操作后的(1-ε)近似s-t最大流,总更新时间为~O(m + nF*/ε),其中F*是最终图的最大流。这是首个在密集图(m=Ω(n²))中实现多项式对数平均更新时间的算法,更一般地适用于F*=~O(m/n)的图。
2026-05-21 cs.DS
Faster Approximate Multicommodity Flow Using Quadratically Coupled Flows
最大多商品流问题是最大流问题的自然推广,用于路由多个不同的流。图上多商品流问题的$1-ε$近似是一个研究得很好的问题。在本文中,我们提出了一个适应单商品流算法的最新进展,这个问题。由于多商品流问题的电气问题中的基本线性系统不再是拉普拉斯算子,我们的方法是定制的,以生成专门的系统,可以使用拉普拉斯算子进行预处理和有效地解决。给定一个m边k商品的无向图,给出了求解最大并发流问题和最大加权多商品流问题的$1-ε$时间近似解的算法$\tilde{O}(m^{4/3}\poly(k,ε^{-1}))$ .
2012-05-08 cs.DS
An Almost-Linear-Time Algorithm for Approximate Max Flow in Undirected Graphs, and its Multicommodity Generalizations
在本文中,我们介绍了一个新的框架,近似解决流问题的能力,无向图,并应用它提供渐近更快的算法的最大$s$ - $t$流和最大并发多商品流问题。对于具有$n$顶点和$m$边的图,它允许我们在时间$O(m^{1+o(1)}ε^{-2})$中找到一个$ε$ -近似最大$t$流,改进了以前的$\tilde{O}(mn^{1/3} poly(1/ε))$的最佳界.在多商品环境中应用相同的框架,解决了在$O(m^{1+o(1)}ε^{-2}k^2)$时间内使用$k$商品的最大并发多商品流问题,改进了现有的$\tilde{O}(m^{4/3} poly(k,ε^{-1})$的界。我们的算法利用几个新的技术工具,我们相信可能是独立的利益:-我们给出了一个非欧几里德广义梯度下降,并提供其性能的界限。利用这一点,我们展示了如何减少近似最大流和最大并发流的不经意路由的有效建设具有较低的竞争比。- 我们定义并提供了一种新型的流稀疏器的有效构造。除了提供一个削减稀疏的标准属性,我们的建设允许在稀疏图中的流路由(非常有效)在原始图低拥塞。- 我们给出了第一个几乎线性时间构造的$O(m^{o(1)})$竞争不经意路由方案。以前没有这样的算法比$\tilde{Ω}(mn)$在时间上运行得更好。我们还注意到,独立乔纳谢尔曼产生了一个几乎线性时间算法的最大流量,我们感谢他协调提交。
2013-09-23 cs.DS
Fast Algorithms for the Maximum Clique Problem on Massive Graphs with Applications to Overlapping Community Detection
最大团问题是一个著名的NP难题,在数据采掘、网络分析、信息检索以及与万维网相关的许多其他领域都有应用。有几个算法的问题与可接受的运行时间为某些类别的图,但他们中的许多是不可行的大规模图。我们提出了一个新的精确算法,采用新颖的修剪技术,并能够找到最大的团非常大,稀疏的图形迅速。在不同类型的合成图和真实世界图上的大量实验表明,我们的新算法可以比现有的算法快几个数量级。我们还提出了一个启发式的运行速度比精确算法的数量级,同时提供最佳或接近最佳的解决方案。我们说明了一个简单的应用程序的算法在开发方法,在网络中的重叠社区的检测。
2014-11-27 cs.DS cs.SI
Multiplicative Auction Algorithm for Approximate Maximum Weight Bipartite Matching
本文提出乘法权重更新的拍卖算法,以 $O(m\varepsilon^{-1})$ 时间求二分图 $(1-\varepsilon)$-近似 MWM,并支持单侧顶点插入与删除的动态维护。
2024-01-23 cs.DS
Deterministic Streaming Lower Bounds for Approximate Maximum Clique and Maximum Independent Set
University of Cambridge(剑桥大学);University of Bristol(布里斯托大学)
本研究针对单遍边到达流中的最大团和最大独立集问题,证明了任何确定性算法需 Ω(n^2/(β log n)) 位空间,填补了与随机算法的差距,凸显随机性的优势。
2026-10-30 cs.DS
An Approximate Pareto Set for Minimizing the Maximum Lateness and Makespan on Parallel Machines
研究了两台平行机排序问题,目标函数为最小化最大延迟时间和最大完工时间。形式上,问题定义如下。我们必须在两台相同的机器上调度n个作业的集合J。J中的每个工件i都有一个加工时间p_i和一个交货时间q_i。每台机器在给定的时间只能执行一项工作。机器在时间t=0时可用,并且它们中的每一个在给定时间最多可以处理一个作业。该问题是寻找一个工件序列,目标函数为最小化最大延迟时间L_max和最大完工时间C_max。不失一般性,我们认为所有的数据都是整数,工件的索引是按照其交付时间的非递增顺序:q_1 >= q_2 >=. >= q_n。本文提出了一种精确算法(基于动态规划),在伪多项式时间内生成完全的Pareto前沿。在此基础上,提出了一种基于动态规划转换的全多项式时间近似算法(FPTAS),用于生成近似的Pareto前沿。建议的FPTAS是强多项式。为了比较这两种方法,我们提供了一些数值实验。
2018-02-28 cs.DS
Tiered Sampling: An Efficient Method for Approximate Counting Sparse Motifs in Massive Graph Streams
我们介绍了分层采样,一种新的技术,用于近似计数稀疏图案在大规模的图形,其边缘观察到的流。我们的技术只需要一个单一的数据通过,并使用固定大小的内存$M$,这可以是幅度小于边缘的数量。我们的方法解决了具有挑战性的任务,计数稀疏图案-子图模式,有低概率出现在一个样本的$M$边缘的图形,这是最大量的数据可用于算法在每一步。为了获得计数的无偏和低方差估计,我们将可用存储器划分为储层样本的层(层)。虽然基础层是边缘的标准储集层样本,但其他层是所需基序的子结构的储集层样本。通过存储主题的更频繁的子结构,我们增加了检测到我们正在计数的稀疏主题的出现的概率,从而降低了估计的方差和误差。我们证明了我们的方法的优势,在具体的应用程序中计数稀疏4和5团在大量的图形。我们提出了一个完整的分析和广泛的实验结果,使用合成和真实世界的数据。我们的研究结果表明,我们的方法在获得高质量的近似的4和5团的大型图形使用非常有限的内存量,显着优于单边样本方法计数稀疏图案在大规模的图形。
2017-10-05 cs.DS
Tight Bounds for Linear Sketches of Approximate Matchings
我们解决了线性草图的空间复杂度,用于近似动态图流中的最大匹配问题,其中流可能包括边插入和删除。具体来说,我们表明,对于任何$ε> 0$,存在一个单程流算法,它只保持一个线性草图的大小$\tilde{O}(n^{2-3ε})$位和恢复$n^ε$ -近似最大匹配的动态图流,其中$n$是在图中的顶点数。与广泛研究的仅插入模型相反,据我们所知,以前没有已知的非平凡的单通流算法用于近似一般动态图流的最大匹配问题。此外,我们证明了我们的上界本质上是紧的。即,用于将最大匹配近似为$O(n^ε)$的因子内的任何线性草图必须具有$n^{2-3ε-o(1)}$位的大小。我们通过分析相应的同时数字在手通信模型,建立了这个下界,与Ruzsa-Szemerédi图的基础上的组合结构。
2015-05-06 cs.DS
Approximate Maximum Matching in Random Streams
在本文中,我们研究的问题,找到一个最大匹配的半流模型时,边缘到达随机顺序。在半流模型中,算法接收边流,并且允许具有$\tilde{O}(n)$的存储器,其中$n$是图中的顶点数。Assadi等人最近的一项鼓舞人心的工作表明,存在一种使用$\tilde{O}(n^{1.5})$存储器的$\frac{2}{3}$近似比的流算法。然而,他们的算法的内存是远远大于半流算法的内存约束。在这项工作中,我们进一步研究这个问题的半流模型,我们提出了简单的算法近似最大匹配的半流模型。我们的主要结果如下。我们发现,存在一个单通确定性半流算法,发现一个$\frac{3}{5} (= 0.6)$近似的最大匹配的二分图使用$\tilde{O}(n)$内存。该结果显著优于Konrad的最新结果,Konrad使用$\tilde{O}(n)$存储器找到最大匹配的$0.539$近似。通过给出一个黑盒减少找到一个匹配的一般图中找到一个匹配的二分图,我们发现存在一个单通确定性半流算法,找到一个$\frac{6}{11} (\approx 0.545)$近似的最大匹配一般图,改进后的最先进的结果$0.506$近似Gamlath等。
2019-12-22 cs.DS
Deterministic $(1+\varepsilon)$-Approximate Maximum Matching with $\mathsf{poly}(1/\varepsilon)$ Passes in the Semi-Streaming Model and Beyond
本文提出半流模型中poly(1/ε)遍的确定性(1+ε)-近似最大匹配算法,首次打破对1/ε的指数依赖,并通过通用框架将改进扩展到CONGEST和MPC模型。
2024-04-02 cs.DS
Electrical Flows, Laplacian Systems, and Faster Approximation of Maximum Flow in Undirected Graphs
我们介绍了一种新的方法来计算一个容量限制,无向图的近似最大的S-T流。这个流量是通过求解一系列的电流问题来计算的。每个电流由拉普拉斯矩阵中的线性方程组的解给出,因此可以在近似线性时间内近似计算。使用这种方法,我们开发了最快的已知算法计算近似最大的S-T流。对于一个有n个顶点和m条边的图,我们的算法计算了一个(1-ε)-近似最大的时间s-t流\tilde{O}(mn^{1/3} ε^{-11/3}).我们的方法的对偶版本计算(1+ε)-近似最小s-t时间切割\tilde{O}(m+n^{4/3} \eps^{-8/3}),这也是该问题的最快已知算法。以前,通过Goldberg和Rao(J. ACM 1998)的算法实现了对m和n的最佳依赖,该算法可用于计算时间上的近似最大s-t流\tilde{O}(m \sqrt{n} ε^{-1})和时间上的近似最小s-t割\tilde{O}(m+n^{3/2}ε^{-3})。
2010-10-19 cs.CC cs.DS
Incremental Approximate Maximum Flow on Undirected Graphs in Subpolynomial Update Time
该研究提出基于ℓ_p-范数迭代细化和乘法权重更新的算法,实现无向图增量近似最大流的次多项式摊销更新时间,还可改进动态有效电阻维护算法。
2023-11-06 cs.DS
Approximate Maintenance of Maximum Subarray Sum in the Sliding Window Model
Graduate School of Information Science and Technology, Osaka University(大阪大学信息科学技术研究生院)
本文研究在滑动窗口模型中如何用亚线性空间近似维护最大子数组和,提出基于Smooth Histogram框架的改进方法,实现任意误差率下的近似解。
2026-04-25 cs.DS
Fully Dynamic $(1+ε)$-Approximate Matchings
我们提出了第一个数据结构,保持近最佳的最大基数和最大加权匹配稀疏图在次线性时间每次更新。我们的主要结果是一个数据结构,保持$(1+ε)$近似的最大匹配下的边缘插入/删除在最坏的情况下,每次更新$O(\sqrt{m}ε^{-2})$时间。这改进了[Neiman,Solomon,STOC 2013]中给出的3/2近似,该近似在类似的时间内运行。这个结果基于两个想法。第一种方法是在选定数量的更新后重新运行静态算法,以确保近似保证。第二种是尽可能明智地将图修剪成更小的等价图。我们还研究了我们的方法的加权设置的扩展,并将其与已知的框架,以获得任意的近似比。对于一个常数$ε$和1和N之间的边权重的图,我们设计了一个算法,保持$(1+ε)$ -近似最大加权匹配在$O(\sqrt{m} \log N)$时间每次更新。在动态图上保持加权匹配的唯一先前结果的近似比为4.9108,并在[Anand,Baswana,Gupta,Sen,FSTTCS 2012,arXiv 2012]中显示。
2013-04-10 cs.DS
Approximate maximum entropy principles via Goemans-Williamson with applications to provable variational methods
Princeton University(普林斯顿大学)
众所周知的最大熵原理是由Jaynes提出的,该原理指出,给定平均参数,匹配它们的最大熵分布是指数族,由于其“奥卡姆剃刀”解释,该原理在机器学习中非常流行。不幸的是,计算最大熵分布中的势是棘手的\cite{bresler2014hardness}。当平均参数是成对矩时,我们提供了这一原则的计算效率版本:我们设计了近似匹配给定成对矩的分布,同时具有与匹配这些矩的最大熵分布相当的熵。我们还提供了令人惊讶的应用程序的近似最大熵原理设计可证明的变分方法的伊辛模型的配分函数计算没有任何假设的潜力的模型。更确切地说,我们表明,在每一个温度下,我们可以得到近似保证的对数配分函数相比,在低温极限,这是设置优化的二次型的超立方体。\cite{alon2006approximating}
2016-07-12 cs.DS cs.LG stat.ML
Decremental $(1+ε)$-Approximate Maximum Eigenvector: Dynamic Power Method
针对正半定矩阵的递减更新,本文基于动态幂法提出维护 $(1+ε)$-近似最大特征向量与特征值的算法,实现每个非零项多对数摊还更新时间,并讨论自适应对手下的下界含义。
2025-01-05 cs.DS
An O(nlogn) approximate knapsack algorithm
该算法通过改进的动态规划方法,以O(n log n)的时间复杂度高效解决大规模0/1背包问题,实现高精度的近似解。
2025-12-27 cs.DS
R(QPS-Serena) and R(QPS-Serenade): Two Novel Augmenting-Path Based Algorithms for Computing Approximate Maximum Weight Matching
在本附录中,我们表明,切换算法QPS-SERENA可以转换为R(QPS-SERENA),一种计算近似最大权重匹配(MWM)的算法。在经验上,R(QPS-SERENA)对于任意固定的$(1-ε)$,对于{$N^2$ i.i.d.}均匀的边权重分布。这种功效与最先进的解决方案相匹配,尽管我们到目前为止还不能证明任何理论保证达到一定的近似比所需的时间复杂度。然后,我们已经类似地将QPS-SERENADE转换为R(QPS-SERENADE),对于如上所述的相同类型的完全二分图,其根据经验应该仅在$O(N \log N)$时间内输出$(1-ε)$。
2017-11-08 cs.DC cs.DS
Massively Parallel Approximate Distance Sketches
允许有效距离估计的数据结构(距离预言、距离草图等)已经被广泛研究,特别是在集中式模型和经典的分布式模型(如CONGEST)中研究得很好。我们开始他们的研究在较新的(可以说是更现实的)分布式计算模型:拥塞集团模型和大规模并行计算(MPC)模型。我们在这两个模型中提供了有效的构造,但我们的核心结果是MPC。在MPC中,我们给出了两个主要结果:构造拉伸/空间最佳距离草图但需要(小)多项式数量的轮次的算法,以及构造拉伸较差但只需要多对数轮次的距离草图的算法。一路上,我们表明,其他有用的组合结构也可以计算在MPC。特别是,我们用来构建距离草图的一个关键组件是Elkin和Neiman(2016)的跳集的MPC构造。这一结果有额外的应用,如第一次多项式时间算法恒定近似单源最短路径加权图在低内存MPC设置。
2019-09-12 cs.DC 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
An efficient heuristic for approximate maximum flow computations
针对大型大脑网络最大流计算的可扩展性问题,提出结合图划分的近似最大流算法,将Edmonds-Karp算法的O(|V||E|^2)复杂度降至O(|V||E|^2/k^2),并在模拟图和公开脑网络图上验证了其准确率与运行效率。
2024-09-12 cs.DS stat.ME
Dynamic Approximate Maximum Matching in the Distributed Vertex Partition Model
Augusta University(奥古斯塔大学);Aalto University(阿尔托大学)
研究在分布式顶点分区模型中提出了一种随机算法,以维持近似最大匹配,并在动态更新下保持高效性能。
2025-12-31 cs.DC cs.DS
Massively Parallel Maximum Coverage Revisited
本文针对大规模并行模型中的最大集合覆盖问题,提出一种随机化近似算法,在每台机器仅使用 Õ(n) 内存的条件下,以 O(1/ε³·log m·(log(1/ε)+log m)) 轮达到 1-1/e-ε 近似比,显著改善了此前方案对内存或轮数的过高要求。
2024-11-24 cs.DC cs.DS
Coordinate Methods for Accelerating $\ell_\infty$ Regression and Faster Approximate Maximum Flow
我们提供了更快的算法近似解决$\ell_{\infty}$回归,一个基本的问题,在组合和连续优化。特别是,我们提供了加速坐标下降的方法,能够证明利用动态措施的坐标平滑度,并将它们应用到$\ell_\infty$回归框给算法收敛在$k$迭代在$O(1/k)$率。我们的算法可以被视为Sherman [She 17]最近突破性结果的替代方法,该方法实现了与经典算法方法(即平滑和梯度下降)相似的运行时间改进,这些算法要么以$O(1/\sqrt{k})$速率收敛,要么运行时间对问题参数的依赖性更差。我们的运行时在广泛的参数范围内与[She 17]相匹配,并在某些结构化情况下实现了改进。我们证明了我们的结果的有效性,提供更快的算法研究的最大流问题。直接利用我们的加速$\ell_\infty$回归算法意味着一个$\tilde{O}\left(m + \sqrt{mn}/ε\right)$运行时来计算一个$ε$ -近似最大流的无向图与$m$边和$n$顶点,一般改善了以前最好的已知运行时的$\tilde{O}\left(m/ε\right)$在[She 17]每当图是稍微密集。我们进一步设计了一个算法,适应于最大流引起的回归问题的结构,获得运行时间的$\tilde{O}\left(m + \max(n, \sqrt{ns})/ε\right)$,其中$s$是平方$\ell_2$规范的任何最优流的拥塞…
2020-04-02 cs.DS math.OC
Dynamic Approximate Maximum Independent Set of Intervals, Hypercubes and Hyperrectangles
独立集是组合优化中的一个基本问题。虽然在一般图形的问题基本上是不可近似的,对于许多重要的图形类有近似算法已知的离线设置。这些图形类包括区间图和几何相交图,其中顶点对应于区间/几何对象,并且边指示两个对应对象相交。给出了$d$维上区间、超立方体和超矩形的独立集的动态逼近算法。它们在完全动态模型中工作,其中每次更新都会插入或删除一个几何对象。我们的所有算法都是确定性的,并且对于常数$d$和$ε> 0$,最坏情况下的更新时间是多对数的,假设所有输入对象的坐标都在$[0, N]^d$中,并且它们的每条边的长度至少为1。我们得到以下结果:$\bullet$对于加权区间,我们保持一个$(1+ε)$ -近似解。$\bullet$对于$d$维超立方体,我们在未加权情况下保持一个$(1+ε)2^{d}$ -近似解,在加权情况下保持一个$O(2^{d})$ -近似解.此外,我们表明,为了保持一个未加权的$(1+ε)$ -近似的解决方案,一个需要多项式更新时间为$d\ge2$,如果ETH持有。对于加权$\bullet$维超矩形,我们提出了一个具有逼近比$(1+ε)\log^{d-1}N$的动态算法.
2020-03-05 cs.CG cs.DS
Improved Asymmetric Locality Sensitive Hashing (ALSH) for Maximum Inner Product Search (MIPS)
Cornell University(康奈尔大学);Rutgers University(罗格斯大学)
最近的研究表明,最大内积搜索(MIPS)问题是有效的,它允许可证明的次线性散列算法。哈希之前的非对称变换是解决MIPS的关键,否则很难。在先前的工作中,作者使用非对称变换,将近似MIPS的问题转换为近似近邻搜索的问题,可以使用散列有效地解决。在这项工作中,我们提供了一个不同的变换,将近似MIPS的问题转化为近似余弦相似性搜索的问题,可以有效地解决使用有符号的随机投影。理论分析表明,新方案明显优于原方案的MIPS。实验评估有力地支持了理论研究结果。
2014-11-13 cs.DS cs.IR cs.LG
Diamond Sampling for Approximate Maximum All-pairs Dot-product (MAD) Search
给定两组向量,$A = \{{a_1}, \dots, {a_m}\}$和$B=\{{b_1},\dots,{b_n}\}$,我们的问题是找到顶部- $t$点积,即,所有可能对中最大的$|{a_i}\cdot{b_j}|$。这是一个基本的数学问题,出现在许多数据应用程序中,包括相似性搜索,链接预测和协同过滤。我们提出了一种基于采样的方法,避免了直接计算的所有$mn$点积。我们选择钻石(即,四个循环)从$A$和$B$的加权三重表示中。选择对应于对$(i,j)$的菱形的概率与$({a_i}\cdot{b_j})^2$成比例,放大了对最大幅度条目的关注。实验结果表明,菱形采样是数量级快于直接计算,并需要更少的样本比任何竞争的方法。我们还将菱形抽样应用于最大内积搜索的特殊情况,并获得了比最先进的哈希方法更好的结果。
2015-06-19 cs.DS cs.SI
Instance Based Approximations to Profile Maximum Likelihood
Stanford University(斯坦福大学)
在本文中,我们提供了一个新的有效算法近似计算轮廓最大似然(PML)分布,对称属性估计中的一个突出的数量。我们提供了一个算法,它匹配以前最好的已知的高效算法计算近似PML分布和改进时,在给定的情况下,不同的观察到的频率的数量是小的。我们实现这一结果,利用新的稀疏结构的近似PML分布,并提供了一个新的矩阵舍入算法,独立的利益。利用这一结果,我们获得了第一个可证明的计算效率的实现伪PML,一个通用的框架,估计广泛的对称属性。此外,我们获得了有效的基于PML的估计分布与小轮廓熵,一个自然的基于实例的复杂性措施。此外,我们提供了一个更简单,更实用的伪PML实现,匹配最知名的理论保证这样的估计和评估这种方法的经验。
2020-11-05 cs.DS cs.IT cs.LG