Faster sublinear approximations of $k$-cliques for low arboricity graphs
给定查询访问一个无向图$G$,我们考虑的问题,计算一个$(1\pmε)$ -近似的$k$ -团在$G$的数量。一般图的标准查询模型允许度查询、邻居查询和对查询。令$n$为顶点数,$m$为边数,$n_k$为$k$ -团数。Eden、Ron和Seshadhri之前的工作(STOC 2018)为这个问题提供了一个$O^*(\frac{n}{n^{1/k}_k} + \frac{m^{k/2}}{n_k})$时间算法(我们使用$O^*(\cdot)$来抑制$\poly(\log n, 1/ε, k^k)$依赖性)。此外,当表达式在图的大小上是次线性的时,这个界是接近最优的。我们的动机是绕过这个下限,参数化的复杂性方面的\emph{graph arboricity}。$G$的荫度是对图的“处处”密度的度量。设计了一个荫度最大为$α$的图类的算法,其运行时间为$O^*(\min\{\frac{nα^{k-1}}{n_k},\, \frac{n}{n_k^{1/k}}+\frac{m α^{k-2}}{n_k} \})$。我们还证明了一个几乎匹配的下界。对于所有的图,荫度是$O(\sqrt m)$,所以这个界包含了所有以前的结果次线性团近似。作为感兴趣的特殊情况,考虑具有常数荫度的图的次闭族。我们的结果意味着,对于任何小闭图族,有一个$(1\pmε)$ -近似算法的$n_k$,有运行时间$O^*…
2018-11-11 cs.DS
Improved Lower Bounds for Testing Triangle-freeness in Boolean Functions via Fast Matrix Multiplication
了解线性不变性质测试的查询复杂度一直是代数性质测试研究中的一个中心问题。布尔函数的无三角形性是一个简单的性质,其测试复杂度是未知的。三个布尔函数$f_1$、$f_2$和$f_3: \mathbb{F}_2^k \to \{0, 1\}$被称为无三角形,如果不存在$x, y \in \mathbb{F}_2^k$使得$f_1(x) = f_2(y) = f_3(x + y) = 1$。已知该属性是强可测试的(Green 2005),但是所需的查询数量的上限仅由高度为$1 / \epsislon$中的多项式的二进制塔限定,其中$\epsislon$是测试的函数三元组和无三角形之间的距离,即,需要修改以使三重三角形自由的函数值的最小分数。Bhattacharyya和Xie(2010)给出了任何单侧测试者的$(1 / ε)^{2.423}$下限。在这项工作中,我们改进了这个绑定到$(1 / ε)^{6.619}$。有趣的是,我们证明了这一点的组合结构称为\emph{uniquely solvable puzzles},这是在Coppermith和Winograd著名的矩阵乘法算法的核心。
2013-08-07 cs.CC cs.DS
Improved Massively Parallel Triangle Counting in $O(1)$ Rounds
本文针对有界树荫度图提出一种简单的大规模并行三角形计数算法,在不增加每台机器空间和总空间的情况下将轮数从 O(log log n) 改进到最优的 O(1),解决了 Im 等人综述中列出的开放问题。
2024-05-01 cs.DC cs.DS
Tolerant Testers for Subgraph-Freeness
Efi Arazi School of Computer Science, Reichman University(Reichman大学 Efi Arazi计算机科学学院)
本文针对一般图模型和有界度模型,提出了容错测试H-无属性的算法,其查询复杂度为荫度或度界的多项式,改进了现有最优结果。
2026-10-16 cs.DS
Distributed Triangle Detection via Expander Decomposition
我们提出了改进的分布式算法的三角形检测及其变种的CONGEST模型。我们表明,三角形检测,计数和枚举可以解决$\tilde{O}(n^{1/2})$轮。相比之下,由于Izumi和LeGall(PODC 2017),三角形检测和枚举的先前最先进界限分别为$\tilde{O}(n^{2/3})$和$\tilde{O}(n^{3/4})$。在这项工作中的主要技术新颖性是一个分布式图划分算法。我们发现,在$\tilde{O}(n^{1-δ})$轮,我们可以划分成三个部分$E=E_m\cup E_s\cup E_r$的网络$G=(V,E)$的边缘集,使(a)每个连接组件诱导的$E_m$有最小度$Ω(n^δ)$和电导$Ω(1/\text{poly} \log(n))$。因此,分量内的随机游走的混合时间是$O(\text{poly} \log(n))$。(b)由$E_s$导出的子图至多在$n^δ$处有荫度。(c)$|E_r| \leq |E|/6$。我们所有的算法都基于以下通用框架,我们相信这是超越这项工作的兴趣。粗略地说,我们用一种对低荫度图有效的算法来处理集合$E_s$,并用递归调用来处理集合$E_r$。对于$E_m$诱导的每个连接组件,我们能够通过应用Ghaffari,Kuhn和Su(PODC 2017)的路由算法来模拟具有小开销的拥塞集团算法。
2018-07-17 cs.DC cs.DS
Distributed Testing of Excluded Subgraphs
我们研究的背景下,分布式计算的经典CONGEST模型下的属性测试。众所周知,测试一个图是否是无三角形的可以在一个恒定的回合数,其中常数取决于输入图是从三角形自由多远。我们证明了,对于每个连通的4-节点图H,测试一个图是否是H-自由也可以在一个常数轮数。该常数还取决于输入图距离无H有多远,并且该依赖性与测试三角形的情况相同。因此,特别地,测试一个图是否是K_4-free的,以及测试一个图是否是C_4-free的可以在常数轮数中完成(其中K_k表示k节点团,并且C_k表示k节点圈)。另一方面,我们证明了当k>4时,检验K_k-自由性和C_k-自由性似乎要困难得多。具体来说,我们研究了两种自然类型的通用算法测试H-自由,称为DFS测试仪和BFS测试仪。后者捕获了先前已知的算法来测试三角形的存在,而前者捕获了我们的通用算法来测试4节点图模式H的存在。我们证明了DFS和BFS测试器都不能测试K_k-自由度和C_k-自由度在一个常数轮数k>4。
2016-05-12 cs.DC cs.DS
Sampling and counting triangle-free graphs near the critical density
针对临界密度附近无三角图的采样与计数难题,提出两种分别适用于不同密度区间的高效采样及概率近似算法,为超图硬核模型相关问题提供新解法。
2024-10-30 cs.DS math.CO
On Distributed Computation of the Minimum Triangle Edge Transversal
本文研究分布式网络中最小三角形边横截的计算,证明精确求解在CONGEST模型中需近二次方轮数,并提出在poly log n轮内获得(1+ε)-近似及通过归约到超图顶点覆盖实现更快近似的方法。
2024-02-21 cs.DC cs.DS
A Note on the Conditional Optimality of Chiba and Nishizeki's Algorithms
本研究针对Chiba和Nishizeki提出的4-环、k-团枚举算法的最优性悬题,基于经典硬度猜想证明其运行时间下界与上界匹配,补全了该类子图枚举算法的条件最优性结论。
2024-07-11 cs.DS
Efficient Estimation of Graph Trussness
$k$ -桁架是边诱导子图$H$,使得其每条边至少属于$H$的$k-2$三角形。这个概念大约在十年前就已经在社会网络分析和安全中引入,作为一种内聚子图的形式,它富含三角形,并且比团不那么严格。图的\emph{trussness}是使得存在$k$ -桁架的最大$k$。$k$ -桁架的计算问题已从实用和工程的观点进行了大量的研究。另一方面,这个问题的理论方面得到的关注要少得多,尽管提出了有趣的挑战。现有的方法共享一个共同的设计,基于迭代地删除边与最小的支持,其中支持的边是包含它的三角形的数量。虽然它是可能的,以表明,计算的时间复杂度的图形trussness和计数/列出所有三角形的本质上是相同的,我们提供了有效的算法估计其值,在适当的条件下,显着降低复杂度比精确的方法。特别是,我们提供了一个$(1 \pm ε)$近似算法,是渐近快于精确的方法,在图中包含$ω(m \, polylog(n))$三角形,并具有相同的运行时间的图形,不。对于后者的情况下,我们还表明,它是不可能获得一个近似算法的运行时间比一个准确的方法时,三角形的数量是$O(m)$,除非众所周知的无三角形和布尔矩阵乘法是假的。
2020-10-02 cs.DS
Testing Properties of Edge Distributions
Massachusetts Institute of Technology(麻省理工学院)
本文研究了图边分布的概率分布检验问题,提出了测试二分图性、三角形自由性和平方自由性近紧界,揭示了其样本复杂度与图结构的关系。
2026-08-14 cs.CC cs.DS
Almost Optimal Bounds for Sublinear-Time Sampling of $k$-Cliques: Sampling Cliques is Harder Than Counting
在这项工作中,我们考虑的问题,采样的$k$ -团在一个图中的一个几乎均匀分布在次线性时间的一般图查询模型。具体地说,算法应该以概率$(1\pm ε)/n_k$输出每个$k$ -团,其中$n_k$表示图中$k$ -团的数量,$ε$是给定的近似参数.我们证明了这个问题的查询复杂度是\[ Θ^*\left(\max\left\{ \left(\frac{(nα)^{k/2}}{ n_k}\right)^{\frac{1}{k-1}} ,\; \min\left\{nα,\frac{nα^{k-1}}{n_k} \right\}\right\}\right). \],其中$n$是图中的顶点数,$α$是它的荫度,$Θ^*$抑制了对$(\log n/ε)^{O(k)}$的依赖。有趣的是,这建立了近似计数和近似均匀采样在次线性制度之间的分离。例如,如果$k=3$、$α= O(1)$和$n_3$(三角形的数量)是$Θ(n)$,那么我们得到$Ω(n^{1/4})$的下界(对于常数$ε$),而在这些条件下,可以通过执行$\textrm{poly}(\log(n/ε))$查询(Eden,Ron和Seshadhri,SODA 20)来获得$n_3$的$(1\pm ε)$ -近似。我们的下界来自于一个具有荫度$α$的图族的构造,使得在每个图中有$n_k$团(大小为$k$),其中一个团是“隐藏的”,因此很难采…
2020-12-07 cs.DS
Testing perfection is hard
一个图的性质P是强可测的,如果对于每个固定的ε>0,存在P的单侧ε-测试器,其查询复杂度由ε的函数限定。在强可测图性质的分类中,第一作者和Shapira证明了任何遗传图性质(如完美图族P)都是强可测的。如果一个属性是强可测试的,并且查询复杂度由ε^{-1}的多项式函数限制,则该属性是容易测试的,否则它是困难的。我们的一个主要结果表明,测试完美性是困难的。证明表明,测试完美性至少和测试无三角形性一样难,这是很难的。另一方面,我们证明了诱导P_3-freeness是容易检验的。这解决了两个例外图之一,另一个是C_4(及其补充),在第一作者和Shapira的图H的特征化中留下了空白,其中诱导H-自由度是容易测试的。
2011-10-13 cs.DM cs.DS math.CO
Equivalent Dichotomies for Triangle Detection in Subgraph, Induced, and Colored H-Free Graphs
Weizmann Institute of Science(魏茨曼科学研究所);Courant Institute of Mathematical Sciences at New York University(纽约大学库朗数学科学研究所)
本文证明了在H-自由图中三角形检测问题的二元假设等价于诱导和着色H-自由图中的类似假设,并提出了一种新的减少方法。
2026-07-20 cs.CC cs.DS math.CO
Fast Distributed Algorithms for Girth, Cycles and Small Subgraphs
在本文中,我们给快速分布式图算法检测和上市的小子图,并计算或近似的围长。我们的算法通过多项式因子改进了现有技术,对于围长,我们得到了拥塞集团中加性+1近似的常数时间算法,以及CONGEST中精确计算的第一个参数化算法。在拥挤的集团,我们开发了一种技术,学习小的邻域,并将其应用到获得一个$O(1)$轮算法,计算周长只有一个加性+1错误。接下来,我们介绍了一种新的技术(分区树技术),允许有效地和确定性地列出任何子图的所有副本,改进了非稠密图的最新技术。我们给出了这种技术的两个应用:首先,我们表明,对于恒定的$k$,$C_{2k}$ -检测可以解决在$O(1)$轮拥塞集团,改善以前的工作,使用矩阵乘法和多项式轮复杂度。第二,我们证明了在无三角形图中,围长可以在时间上以多项式的速度精确计算,比一般图的最佳已知界要快。在CONGEST中,我们描述了一种新的方法来寻找周期,并将其应用在两个方面:首先,我们展示了一个快速的参数化算法周长与轮复杂度$\tilde{O}(\min(g\cdot n^{1-1/Θ(g)},n))$的任何周长$g$;第二,我们展示了如何找到小的偶数长度周期$C_{2k}$的$k = 3,4,5$在$O(n^{1-1/k})$轮,这是一个多项式的改善以前的运行时间。最后,利用我们改进的$C_6$ -freeness算法和Eden等人关于证明三角形-freeness下界的障…
2021-01-19 cs.DC cs.DS
Testing properties of signed graphs
在图属性测试中,任务是区分一个图是否满足给定的属性或“远离”具有该属性,最好使用次线性查询和时间复杂度。在这项工作中,我们开始在签署的图,其中每一个边缘有一个积极的或一个消极的符号的性质测试的研究。我们发现,存在次线性算法测试三个关键属性的签署图:平衡(或2-clusterability),clusterability和签署三角形自由。我们既考虑稠密图模型,在那里我们可以查询一个有符号图的(有符号)邻接矩阵,也考虑有界度模型,在那里我们可以查询节点的邻居和连接边的符号。我们的算法使用各种工具,从图形属性测试,以及减少从一个设置到其他。我们的主要技术贡献是在有界度模型中测试聚类性的次线性算法。这与k-聚类性的属性形成对比,k-聚类性的属性不能用次线性数量的查询来测试。这个测试器建立在Goldreich和Ron的开创性工作之上,用于测试二分性。
2021-02-15 cs.DS
Faster and Simpler Distributed Algorithms for Testing and Correcting Graph Properties in the CONGEST-Model
在本文中,我们提出了CONGEST模型中图属性的分布式测试算法[Censor-Hillel et al. 2016]。在一般图模型中,我们提出了单边误差测试算法。我们首先描述了一个通用的程序转换$ε$ -测试仪与若干轮$f(D)$,其中$D$表示直径的图形,以$O((\log n)/ε)+f((\log n)/ε)$轮,其中$n$是网络的处理器的数量。然后,我们应用这个过程来获得一个最佳测试器,根据$n$,用于测试二分性,其轮复杂度为$O(ε^{-1}\log n)$,它改进了Censor-Hillel等人的$poly(ε^{-1} \log n)$轮算法。(DISC 2016)。此外,对于无圈性,我们得到了一个局部修正图的\emph{corrector},使得修正后的图是无圈的。请注意,与测试人员不同,校正人员需要在图形远离属性的情况下在许多地方修补图形。在本文的第二部分中,我们设计了算法来测试网络是否是$H$ -自由的任何连接的$H$的大小高达四轮复杂度为$O(ε^{-1})$。这改进了Censor-Hillel等人(DISC 2016)用于测试三角形自由度的$O(ε^{-2})$轮算法,以及Fraigniaud等人(DISC 2016)用于测试大小为$4$的排除图。在最后一部分中,我们将Iwama和Yoshida(ITCS 2014)测试$k$ -路径自由度的全局测试器推广到…
2017-05-13 cs.DC cs.DS
Fast Distributed Algorithms for Testing Graph Properties
我们开始一个彻底的研究\emph{distributed property testing} -生产算法的近似问题的属性测试的CONGEST模型。特别是,对于所谓的\emph{dense}测试模型,我们模拟顺序测试几乎所有的图形属性具有$1$边的测试,而在\emph{sparse}和\emph{general}模型,我们分别获得更快的测试三角自由和二分性。在大多数情况下,并行性的帮助下,分布式算法有一个更短的运行时间相比,他们的对手从传统的属性测试的顺序查询模型。最简单的属性测试算法允许相对平滑地过渡到分布式模型。对于更复杂的任务,我们开发了独立感兴趣的新机器。这包括用于多个随机游走的分布式维护的方法。
2016-05-02 cs.DC cs.DS
Noisy Boolean Hidden Matching with Applications
布尔隐藏匹配(BHM)的问题,在Gavinsky等人的开创性论文中介绍。[STOC'07],在三角形和子图计数、最大匹配、MAX-CUT、Schatten $p$ -范数逼近、最大无环子图、测试二分性、$k$ -连通性和无环性等图问题的流下界中起了重要作用。在$n$大小的论域上的布尔隐匹配问题的单向通信复杂性是$Θ(\sqrt{n})$,导致对于上述几个图问题的常数因子近似的$Ω(\sqrt{n})$下界。Verbin和Yu [SODA'11]引入的相关(并且实际上更一般)布尔隐藏超匹配(BHH)问题提供了一种证明整数$t\geq 2$的$Ω(n^{1-1/t})$的更高下界的方法。基于布尔隐超匹配的约简生成了直径约为$t$的连通分量的图上的分布,并且基本上表明,在具有对抗到达的计算流模型中,长距离探索是困难的。在本文中,我们介绍了一个自然的变种的BHM问题,称为嘈杂的BHM(和它的自然嘈杂的BHH变体),我们用它来获得高于$Ω(\sqrt{n})$下界近似图流中的几个上述问题时,输入图只包括由一个固定常数的直径范围内的组件。我们还使用嘈杂的BHM问题表明,分类的问题是否是一个基础的图同构于一个完整的二叉树中只插入流需要$Ω(n)$空间,这似乎具有挑战性,显示单独使用BHM或BHH。
2022-01-28 cs.DS
Testing classical properties from quantum data
University of Warwick(华威大学);Freie Universität Berlin(柏林自由大学);California Institute of Technology(加州理工学院)
本文研究了从量子数据测试布尔函数性质的量子算法,展示了量子方法在恢复经典测试速度优势方面的有效性,并揭示了量子数据与经典查询在测试任务中的不可比性。
2025-09-12 cs.CC cs.DS cs.LG