Having Hope in Hops: New Spanners, Preservers and Lower Bounds for Hopsets
Hopsets和Spectron是基本的图结构,在最短路径计算,分布式通信等方面发挥着关键作用。给定图$G$的(近似精确)跳集是加权边$H$的(小)子集,当将其添加到图$G$时,减少了近似精确最短路径的跳(边)数。另一方面,生成器和距离生成器要求从图中删除许多边,同时近似保留最短路径距离。我们提供了一个一般的减少计划,从图跳集的spectrometric压缩计划,仿真器和距离转换器。因此,我们得到了新的和改进的上界结构,以及新的下界结果的跳集。我们的工作在关于跳集和spp之间的形式联系的一个令人感兴趣的公开问题上取得了重大进展,例如,由Elkin和Neiman提出[Bull.EATCS 2020]。
2022-11-13 cs.DS
Simple Dynamic Spanners with Near-optimal Recourse against an Adaptive Adversary
设计动态图算法来对抗自适应攻击,并使其性能与假设对手不经意攻击时的性能相匹配,是动态图算法领域的一个重要研究课题。遗忘与自适应差距保持最大的突出例子之一是\emph{fully dynamic spanner}问题;存在假设遗忘对手仅使用$\operatorname{polylog}(n)$更新时间进行接近最优大小-拉伸权衡的算法[Baswana,Khurana和Sarkar TALG'12; Forster和Goranci STOC'19;伯恩斯坦,福斯特和Henzinger SODA'20],而对一个适应性的对手,即使我们有无限的时间,(即,在所维护的图中每次更新的边改变的数量),所有先前的具有最多$\log^{5}(n)$的拉伸的算法至少需要$Ω(n)$摊销追索权[Ausiello,Franciosa,and Italiano ESA'05]。在本文中,我们完全关闭这一差距,就追索权显示算法对自适应对手接近最佳的大小拉伸权衡和追索权。更准确地说,对于任何$k\ge1$,我们的算法保持了一个$(2k-1)$的大小$O(n^{1+1/k}\log n)$与$O(\log n)$摊销追索权,这是最佳的所有参数高达一个$O(\log n)$因素。作为一个小的更新时间(不只是追索权)的算法的一步,我们展示了另一种算法,它保持了一个$3$的大小$\tilde O(n^{1.5})$与$\…
2022-07-11 cs.DS
Improved Weighted Additive Spanners
图空间和模拟器是近似保持原始图的距离的稀疏结构。虽然有大量的工作在可加性空间上,但到目前为止,很少有人关注加权图。直到最近[ABSKS 20]才扩展了大小为$O(n^{3/2})$的未加权图的经典+2(分别为+4)空间(分别为,$O(n^{7/5})$)到加权设置,其中,加性误差是$+2W$(相应地,$+4W$)。这意味着对于每一对$u,v$,加法拉伸至多为$+2W_{u,v}$,其中$W_{u,v}$是最短$u-v$路径上的最大边权重。此外,[ABSKS20]显示了一种算法,该算法产生大小为$O(n^{4/3})$的$+8W_{max}$,其中$W_{max}$是整个图中的最大边权重。在这项工作中,我们改进了后者的结果,设计了一个简单的确定性算法的$+(6+\varepsilon)W$的加权图的大小$O(n^{4/3})$(任何常数$\varepsilon>0$),从而几乎匹配的经典+6的大小$O(n^{4/3})$的未加权图。此外,我们给出了一个$+(2+\varepsilon)W$子集的大小为$O(n\cdot\sqrt{|S|})$,改进了[ABSKS20]的$+4W_{max}$结果(具有相同的大小)。我们还展示了一个简单的随机算法的大小为$\tilde{O}(n^{4/3})$的$+4W$仿真器。此外,我们表明,我们的技术是适用于非常稀疏的加法spectrum,具有线性…
2021-02-28 cs.DS
New Techniques and Fine-Grained Hardness for Dynamic Near-Additive Spanners
图中最短路径信息的维护和更新是许多应用中的一个基本问题。由于密集图上的计算可能非常昂贵,并且优选的是在粗略地保留最短路径信息的给定图的稀疏骨架上执行计算。Spanner和emulator服务于此目的。本文开发了快速的动态算法,稀疏的并行计算和仿真器维护,并提供证据,从细粒度的复杂性,这些算法是紧密的。根据流行的OMv猜想,我们表明,可以有没有递减或递增的算法,保持一个$n^{1+o(1)}$边缘(纯添加剂)$+n^δ$ -模拟器的任何$δ<1/2$任意多项式的预处理时间和总更新时间$m^{1+o(1)}$。而且,在组合$k$ -集团假设下,任何维护$n^{1+o(1)}$边$(1+ε,n^{o(1)})$ -子系统或仿真器的完全动态组合算法必须具有预处理时间$mn^{1-o(1)}$或分摊更新时间$m^{1-o(1)}$ .我们的两个条件下界都是紧的。由于上述完全动态下界仅适用于组合算法,我们还开发了一种代数迭代算法,该算法改进了稠密图的$m^{1-o(1)}$更新时间。对于任何恒定的$ε\in (0,1]$,存在具有最坏情况更新时间$O(n^{1.529})$的完全动态算法,其whp保持$n^{1+o(1)}$边缘$(1+ε,n^{o(1)})$ -k。我们的新的代数技术和递归算法使我们能够获得(1)一个新的全动态算法的所有对最短路径(APSP)的更新和路径查询时间$O(n^{1…
2021-09-20 cs.DS
Near-Additive Spanners and Near-Exact Hopsets, A Unified View
给定一个{ \em无权}无向图$G = (V,E)$,和一对参数$ε> 0$,$β= 1,2,\ldots$,$G$的一个子图$G' =(V,H)$,$H \subseteq E$是一个{ \em $(1+ε,β)$ -MQ}(也称为{ \em近加性矩阵}),如果对于每个$u,v \in V$,$$d_{G'}(u,v) \le (1+ε)d_G(u,v) + β~.$$在\cite{EP01}中示出,对于如上的任何$n$ -顶点$G$,以及任何$ε> 0$和$κ= 1,2,\ldots$,存在$(1+ε,β)$ -双$G'$,其具有$O_{ε,κ}(n^{1+1/κ})$边缘,具有$$β= β_{EP} = \left({{\log κ} \over ε}\right)^{\log κ- 2}~.$$。该边界保持现有技术,并且其对$ε$的依赖性(对于小$κ$的情况)在\cite{ABP18}中显示为紧密的。给定一个{ \em加权}无向图$G = (V,E,ω)$和一对参数$ε> 0$,$β= 1,2,\ldots$,如果对于每个$u,v \in V$,$$d_G(u,v) \le d_{G\cup G'}^{(β)}(u,v) \le (1+ε)d_G(u,v)~,$$,其中$ d_{G\cup G'}^{(β)}(u,v)$代表并图$G \cup G'$中$u$和$v$之间的$…
2020-01-21 cs.DS
$(α, β)$ Spanners and Hybrid Spanners with Nearly Tight Bounds
Tel Aviv University(特拉维夫大学)
本文提出新的生成子图构造,在$O(n^{1+1/k})$边数下将乘法拉伸改进至$O(\log k)$,并改进$k$-混合生成子图至$O(n^{1+1/k}+kn)$边,逼近最优界。
2026-10-01 cs.DM cs.DS
Directed Spanners via Flow-Based Linear Programs
我们通过基于流的线性规划松弛检查有向空间。我们设计了一个$Õ(n^{2/3})$ -近似算法,适用于所有的$k\geq 1$,这是第一次对任意边长的次线性近似的有向$k$ -规划问题。即使在更严格的设置单位边长,我们的算法改进了以前的$Õ(n^{1-1/k})$近似Bhattacharyya等人。当$k\ge 4$。对于$k=3$的特殊情况,我们设计了一个不同的算法,实现了$Õ(\sqrt{n})$ -近似,改进了以前的$Õ(n^{2/3})$。我们的算法很容易扩展到容错设置,最近引起了人们的注意,但不是从近似的角度来看。对于任意常数$ε> 0$,我们还证明了$Ω(n^{\frac13 - ε})$的一个几乎匹配的完整性间隙.我们所有算法的优点是它们相对简单。从技术上讲,我们引入了一个新的但自然的基于流的松弛,并展示了如何近似解决它,即使它的大小不是多项式。主要的挑战是设计一个四舍五入的计划,“协调”之间的许多需求对流路径的选择,而使用很少的边缘整体。粗略地说,我们通过在顶点级别上进行随机化来实现这一点。
2010-11-21 cs.DS
Parallel Batch-Dynamic Algorithms for Spanners, and Extensions
本文提出首个并行批量动态算法,用于维护生成树和稀疏化器,支持批量边更新,实现低深度和近线性摊销工作,并扩展到稀疏生成树和割/谱稀疏化器。
2025-07-08 cs.DS
Everywhere-Sparse Spanners via Dense Subgraphs
在构造稀疏(少量边)或轻(低总权重)的图空间方面的重大进展已经跳过了到处稀疏(最大度小)的空间。这种差异与其他网络设计问题是一致的,其中最大程度的目标一直是一个臭名昭著的技术挑战。我们的主要结果是最低度2-生成器(LD 2S)问题,其中的目标是计算输入图的2-向量,以最小化最大度。我们设计了一个多项式时间的算法,实现近似因子$\tilde O(Δ^{3-2\sqrt{2}}) \approx \tilde O(Δ^{0.172})$,其中$Δ$是输入图的最大程度。之前的$\tilde O(Δ^{1/4})$ -近似在近20年前由Kortsarz和Peleg证明[SODA 1994,SICOMP 1998]。我们的主要概念贡献是在LD 2S和最密k子图(DkS)问题的变体之间建立正式联系。具体而言,我们设计这两个问题的强松弛的基础上的Sherali-Adams线性规划(LP)的层次结构,并表明,“忠实”的DKS-变量的随机舍入可以用来圆LD 2S的解决方案。我们的忠实性概念直观地意味着所有的顶点和边都是以与它们的LP值成比例的概率被选择的,但精确的公式更微妙。不幸的是,DkS已知的最好算法以不忠实的方式使用Lovász-Schrijver LP层次结构[Bhaskara,Charikar,Chlamtac,Feige和Vijayaraghavan,STOC 2010]。我们的主要技术…
2012-05-01 cs.DS
A Fast Algorithm for Source-wise Round-trip Spanners
本文研究了加权有向图中源往返空间的快速构造问题。对于图$G(V,E)$中的源顶点集$S\subseteq V$,拉伸$k$的$G$的$S$ -源往返图是$G$的子图$H$,使得对于每对顶点$u,v\in S\times V$,它们在$H$中的往返距离至多是它们在$G$中的往返距离的$k$倍。我们发现,对于一个图$G(V,E)$与$n$顶点和$m$边,$s$大小的源顶点集$S\subseteq V$和整数$k>1$,存在一个算法,在时间$O(ms^{1/k}\log^5n)$构建一个$S$ -sourcewise往返的伸展$O(k\log n)$和$O(ns^{1/k}\log^2n)$边的概率很高。与构造全对往返空间\cite{PRS+18,CLR+20}的快速算法相比,当$k$为超常数时,该算法在运行时间和边数上都有明显的改善.与现有的算法相比,我们的算法显着提高了他们的建设时间\cite{ZL17}(其中$ω\in [2,2.373)$和2.373是矩阵乘法指数)接近线性$O(ms^{1/k}\log^5n)$,在付出额外的$O(\log n)$在拉伸。作为算法的一个重要组成部分,我们开发了一个图划分算法划分$G$到有界半径的集群,并证明了对于每个$u,v\in S\times V$在小往返距离,分离它们在不同的集群的概率是小的。该算法以$S$的大小作为输入,不需要$S$的知识…
2023-02-19 cs.DS
Efficient Algorithms for Constructing Very Sparse Spanners and Emulators
Miller等人的\cite{MPVX15}在CONGEST模型中设计了一种分布式\footnote{They actually showed a PRAM algorithm. The distributed algorithm with these properties is implicit in \cite{MPVX15}.}算法,该算法给定一个参数$k = 1,2,\ldots$,在$O(k)$通信回合中构造一个输入未加权$n$ -顶点图的$O(k)$ -图,该图具有$O(n^{1+1/k})$期望边.在本文中,我们改进的结果\cite{MPVX15},通过显示一个$k$轮分布式算法在同一模型中,构造一个$(2k-1)$ -图与$O(n^{1+1/k}/ε)$边,概率$1- ε$,对于任何$ε>0$。此外,当$k = ω(\log n)$时,我们的算法产生(仍然在$k$轮中){ \em超稀疏} spatial,即,大小为$n(1+ o(1))$的空间,概率为$1- o(1)$。据我们所知,这是CONGEST或PRAM模型中构造spatial或骨架(即,连接生成子图)的稀疏。我们的算法也可以在线性时间在标准的集中式模型中实现,对于大型$k$,它提供的空间比已知的(近)线性时间算法给出的任何其他空间都要稀疏。我们还设计了改进的界限(和算法实现这些界限)的$(1+ε,β)$ -…
2017-02-06 cs.DS
Lightweight Near-Additive Spanners
该研究聚焦近加性生成子图构造问题,提出首个轻量近加性生成子图构建方法,在$α=1+\varepsilon$的设定下实现了$\tilde{O}(n^{1/k})$的轻量性与$O(kn^{1+3/k})$的边数上界。
2024-10-31 cs.DS math.CO
New $(α,β)$ Spanners and Hopsets
一个无权$n$ -顶点图$G=(V,E)$的$f(d)$ -图是一个子图$H$,它满足对每个$u,v \in V$,$dist_H(u, v)$至多是$f(dist_G(u, v))$.我们提出了新的构造,实现了几乎最佳的拉伸$O(\lceil k /d \rceil)$的任何距离值$d \in [1,k^{1-o(1)}]$,和$d \geq k^{1+o(1)}$。我们显示以下内容:1.对于具有预期大小$O_{k}(n^{1+1/k})$的任何$d \in [1,\sqrt{k}/2]$,存在$f(d)$ -具有$f(d)\leq 7k$的$H \subseteq G$。这尤其使$(α,β)$与$α=O(\sqrt{k})$和$β=O(k)$相容。2.对于任何$ε\in (0,1/2]$,存在具有$α=O(k^ε)$、$β=O_ε(k)$和预期大小$O_{k}(n^{1+1/k})$的$(α,β)$ -链。这意味着任何$d \in [\sqrt{k}/2, k^{1-ε}]$和每个$d\geq k^{1+ε}$都有一段$O(\lceil k/d \rceil)$。特别地,它已经为距离$k^{1+o(1)}$处的顶点对提供了恒定的拉伸(改进了之前已知的$d=(\log k)^{\log k}$)。直到指数中的$o(1)$因子和拉伸中的常数因子,这是周长参数的最佳可能。3.对于任何…
2020-01-18 cs.DS
Improved Roundtrip Spanners, Emulators, and Directed Girth Approximation
本文研究有向图往返距离生成子、模拟器及围长近似的高效构造,分别给出近线性于边数的3-伸缩生成子、稠密图近最优模拟器,以及稀疏图更快的4-近似围长算法。
2023-10-31 cs.DS
An Alternate Proof of Near-Optimal Light Spanners
该研究针对图的轻量生成树问题,通过直接分析greedy spanner,以Moore界扩展的方式给出了具备改进ε依赖度的近最优轻量生成树结果的新证明。
2025-01-09 cs.DM cs.DS math.CO
Steiner Transitive-Closure Spanners of d-Dimensional Posets
给定一个有向图G和一个整数k >= 1,G的一个k-传递闭包图(k-TC图)是一个有向图H,它具有(1)与G相同的传递闭包和(2)至多为k的直径.在某些应用中,为了获得小直径而添加到图中的捷径路径可以使用Steiner顶点,即不在原始图G中的顶点。由此产生的闭包称为Steiner传递闭包(Steiner TC闭包)。出于应用程序的属性重建和访问控制层次结构,我们专注于施泰纳TC-speries的有向无环图,或者等价地,偏序集。在这些应用中,目标是找到偏序集G的稀疏Steiner k-TC-ε,对于给定的k和G。本文主要研究偏序集的维数与其稀疏SteinerT_C_m的大小之间的关系。偏序集G的维数是使得G可以通过保序嵌入嵌入到d维有向超网格中的最小d。本文给出了d维有向超网格的Steiner 2-TC-空间的大小的一个几乎紧的下界。这意味着单调函数和低Lipschitz常数函数的局部重构的复杂性的较好的下界。下界的证明构造了Steiner 2-TC-Boundary问题的线性规划松弛的对偶解。我们还表明,可以有效地构建一个施泰纳2-TC-的,大小匹配的下界,任何低维偏序集。最后,我们给出了d维偏序集的Steiner k-TC-空间的大小的下界,这表明由于De Santis等人,无法得到显著改善。
2010-11-28 cs.DM cs.DS
Graph Spanners in the Message-Passing Model
图的稀疏子图是指近似保持输入图中所有两两最短路距离的稀疏子图。近似的概念可以是加法的,乘法的,或两者兼而有之,这个问题的许多变体已经被广泛研究。我们研究了当输入图的边分布在两个或多个站点中的任意,可能是最坏情况下的分区时计算图的问题,目标是使用于输出图的通信最小化。我们假设通信的消息传递模型,对于该模型,在所有站点对之间存在点对点链路以及负责产生输出的协调器。我们强调,每个站点的边的子集是不相关的网络拓扑结构,这是固定的点对点。虽然这个模型已经被广泛研究了相关的问题,如图的连通性,它还没有被系统地研究图的空间。我们提出了第一个权衡总通信与质量的speries计算,两个或多个网站,以及添加剂和乘法的概念失真。我们显示分离的通信复杂性时,边缘被允许发生在多个站点上,与每个边缘发生在最多一个站点上。我们获得几乎紧界(polylog因子)的通信添加剂$2$ -spectrum在有和没有重复的模型,乘法$(2k-1)$ -spectrum在有重复的模型,乘法$3$和$5$ -spectrum在没有重复的模型。我们的乘法$3$ -spectrometer的下界采用双正则二部图,而不是通常的Erdos的围长猜想图,可能会更广泛的兴趣。
2019-11-16 cs.DC cs.DS
Distributed Construction of Light Networks
加权图$G=(V,E,w)$的一个$t$ -{ \em} $H$是一个子图,它将所有成对距离近似到$t$的一个因子。$H$的{ \em亮度}被定义为$H$的权重与最小生成树的权重之间的比率。$(α,β)$ -{ \em浅光树}(\em Shallow Light Tree)是亮度$β$的树,其近似从指定根顶点到$α$的因子的所有距离。一长串的工作产生了有效的算法,产生(几乎)最佳的光spectrum和SLT。一些最值得注意的算法应用的光spectrum和SLT是在分布式设置。令人惊讶的是,到目前为止,还没有已知的有效的分布式算法来构建这些对象的一般图。在本文中,我们设计了有效的分布式算法,在CONGEST模型构建光spectrum和SLT,接近最佳的参数。具体来说,对于任何$k\ge 1$和$0<ε<1$,我们显示了一个$(2k-1)\cdot(1+ε)$ -具有亮度的$O(k\cdot n^{1/k})$可以在$\tilde{O}\left(n^{\frac12+\frac{1}{4k+2}}+D\right)$轮中构建(其中$n=|V|$和$D$是$G$的跳直径)。此外,对于任何$α>1$,我们提供了一个$(α,1+\frac{O(1)}{α-1})$ -循环$(\sqrt{n}+D)\cdot n^{o(1)}$轮。我们的算法的运行时间不能得到实质性的改善。我们还考虑了加倍图…
2019-05-07 cs.DS
On Constructing Spanners from Random Gaussian Projections
图绘制是一种强大的范例,用于通过Ahn,Guha和McGregor(SODA'12)引入的线性测量来分析图结构,此后在流,分布式计算和大规模并行算法等中找到了许多应用。图的草图已被证明是相当成功的各种问题,如连接,最小生成树,边或顶点连接,削减或频谱稀疏。然而,一个图的近似最短路径度量的问题,特别是计算一个最短路径的问题,显然是从成功的列表中缺失的。这使这一根本问题的地位成为这一领域最长期悬而未决的问题之一。我们提出了一个部分的解释,这种缺乏成功的证明一个强大的下限为一个大家庭的图形绘制算法,包括以前的工作spectrometry和许多(但重要的是不是所有)相关的切割为基础的问题上面提到的。我们的下界匹配的算法边界的Filtser,Kapralov,和Nouri(SODA'21),最近的结果,低阶项,通过相同的图形素描家庭构建spectrometry。这建立了这些界限的近最优性,至少限于这个家庭的图形素描技术,并在后者的工作中提出的猜想取得进展。
2022-09-29 cs.DS
Fast Geometric Spanners via Approximate Nearest Neighbor Search
Columbia University(哥伦比亚大学);University of Pennsylvania(宾夕法尼亚大学)
本文利用批量近似最近邻搜索黑盒,在一般度量空间中实现了次二次时间构造低失真稀疏生成器,并应用于快速近似Wasserstein距离,首次在$\ell_p$空间($p>2$)取得突破。
2026-09-24 cs.CG cs.DS
Computing the Greedy Spanner in Linear Space
贪婪算法是一个高质量的算法:它的总权重、边数和最大度都是渐近最优的,并且在实践中明显优于任何其他具有合理构造时间的算法。不幸的是,所有已知的计算n个点的贪婪矩阵的算法都使用Omega(n^2)空间,这在大型实例中是不切实际的。据我们所知,到目前为止,计算出的最大的贪婪图实例大约有13,000个顶点。我们提出了一个O(n)空间算法,对于任何固定的拉伸因子和维数,该算法在O(n^2 log^2 n)时间内计算R^d中的点的相同的时间。我们讨论和评估了一些优化其运行时间,这使我们能够计算贪婪的图上有一百万个顶点。据我们所知,这也是第一个实际实现的具有近二次运行时间保证的贪婪算法。
2013-06-20 cs.CG cs.DS
Graph Spanners by Sketching in Dynamic Streams and the Simultaneous Communication Model
图素描是一个强大的技术介绍的开创性工作的Ahn,Guha和McGregor'12的连接在动态图形流,从那时起,在文献中享有相当大的关注,并导致了近最佳的动态流算法的许多基本问题,如连接,削减和频谱稀疏和匹配。然而,有趣的是,近似图的最短路径度量的草图和动态流的复杂性仍然远未得到很好的理解。除了经典构造的直接$k$ -通路实现(最近由Fernandez、Woodruff和Yasuda改进为$\lfloor\frac k2\rfloor+1$ -通路'20)之外,现有技术相当于Ahn、Guha和McGregor'12的$O(\log k)$ -通路算法,以及Kapralov和Woodruff'14的$2$ -通路算法.特别是,没有单遍算法是已知的,并且遍数、拉伸和空间复杂度之间的最佳折衷是开放的。在本文中,我们介绍了几个新的图形素描技术近似的最短路径度量的输入图。我们给出了第一个{ \em单遍}绘制算法,用于构建图空间:我们展示了如何使用$\widetilde{O}(n)$空间获得$\widetilde{O}(n^{\frac23})$ -图,以及在一般情况下,对于每个$α\in [0, 1]$,使用$\widetilde{O}(n^{1+α})$空间获得$\widetilde{O}(n^{\frac23(1-α)})$ -图,我们认为这种折衷可能接近最优。我们还给出了新的构造算法,任…
2020-11-12 cs.DS
Distributed Spanner Approximation
我们解决的基本网络设计问题,构建近似最小空间。我们的贡献是分布式设置,提供算法和硬度的结果。我们的主要硬度结果表明,$α$ -近似的最小有向$k$-问题$k \geq 5$需要$Ω(n /\sqrtα\log{n})$轮使用确定性算法或$Ω(\sqrt{n }/\sqrtα\log{n})$轮使用随机的,在分布式计算的CONGEST模型。结合[Barenboim,Elkin and Gavoille,2016]中的CONGEST模型中的常数轮$O(n^ε)$ -近似算法,以及我们在这里展示的CONGEST模型中的多对数轮$(1+ε)$ -近似算法,我们对CONGEST模型的下界意味着CONGEST和CONGEST模型之间的严格分离。值得注意的是,据我们所知,这是这些模型之间的局部近似问题的第一次分离。类似地,有向和无向情况之间的分离是隐含的。我们还证明了一个近似线性下界的最小加权$k$-问题的$k \geq 4$,我们显示的加权2-问题的下界。在算法方面,除了上述的$(1+ε)$ -近似算法的最小$k$ -空间,我们的主要贡献是一个新的分布式结构的最小2-空间,只使用多项式的本地计算。我们的算法有一个保证的近似比为$O(\log(m/n))$的图与$n$顶点和$m$边,它匹配的多项式时间序列算法[Kortsarz和Peleg,1994]的最佳已知的比率,如果我们限制自己的多项式本地…
2018-02-09 cs.DC cs.DS
Distribution-Sensitive Construction of the Greedy Spanner
贪婪矩阵是已知在多项式时间内可计算的最高质量的几何矩阵(例如,在理论和实践中的边计数和权重)。不幸的是,所有已知的计算它的算法都需要Omega(n^2)时间,限制了它在大型数据集上的适用性。我们观察到,对于许多点集,贪婪的边缘有许多“短”的边缘,可以确定本地和通常很快,很少或没有“长”的边缘,通常可以快速确定使用本地信息和分离对分解。我们给出的实验结果显示,在几乎所有的测试和现实生活中的数据集上,大到大规模的性能提高超过了最先进的水平。在理论方面,我们证明了一致点集上的近线性期望时间界和近二次最坏情况界。我们的边界均匀和独立的随机绘制的点集在一个正方形如下从局部特征的t-空间,我们给这样的点集:我们给出了一个几何性质,持有高概率的点集。这个性质意味着,如果在这些点上的边集在彼此“接近”的点对之间有t-路径,那么它在所有点对之间都有t-路径。这个特征给出了一个O(n log^2 n log^2 log n)的期望时间限制在我们的贪婪算法,使其成为第一个次二次时间算法这个问题上的任何有趣的点类。我们还使用这个特征给出了一个O((n + |E|)log^2 n log log n)的均匀分布点上的期望时间算法,该算法确定E是否是t-时间,使其成为该问题的第一个次二次时间算法,不对E做假设。
2014-06-30 cs.CG cs.DS
Truly Optimal Euclidean Spanners
欧几里德空间是重要的几何结构,多年来已经发现了许多应用。80年代末和90年代初在这一领域的基石结果表明,对于任何$d$维$n$点欧氏空间,都存在一个具有$nO(ε^{-d+1})$边和亮度$O(ε^{-2d})$的$(1+ε)$点.令人惊讶的是,对于小$d$,这些对$ε$和$d$的依赖性是否可以改进的基本问题仍然是难以捉摸的,即使对于$d = 2$也是如此。这个问题自然出现在任何应用欧几里德空间的精度是必要的。利用{ \em greedy}算法实现了空间物体大小和亮度的最新界$nO(ε^{-d+1})$和$O(ε^{-2d})$。在2016年,Filtser和Solomon证明了在低维空间中,贪婪算法是接近最优的。到目前为止,关于贪婪策略是否真的是最优策略的问题仍然没有定论。本文的贡献是双重的。我们通过确定对$ε$和$d$的确切依赖关系并证明贪婪扳手确实是最佳的,解决了这些长期存在的问题。具体来说,对于任何$d= O(1), ε= Ω({n}^{-\frac{1}{d-1}})$:-我们表明,任何$(1+ε)$ -的,必须有$n Ω(ε^{-d+1})$边缘,这意味着贪婪(和其他)的spectum实现最佳的大小。- 我们证明了任何$(1+ε)$ -图必须具有亮度$Ω(ε^{-d})$,然后将贪婪图的亮度上界从$O(ε^{-2d})$提高到$O(ε^{-d})$。然后,我们用一个相当…
2021-04-05 cs.CG cs.DS
Partially Optimal Edge Fault-Tolerant Spanners
最近的工作已经确定,对于每个正整数$k$,每个$n$ -节点图在$O(f^{1-1/k} n^{1+1/k})$边上都有一个$(2k-1)$ -节点,它对$f$边或顶点故障是有弹性的.对于顶点故障,这个界是紧的。然而,边缘故障的情况并没有得到很好的理解:一般$k$的最佳已知下限是$Ω(f^{\frac12 - \frac{1}{2k}} n^{1+1/k} +fn)$。我们的主要结果是接近这个差距与改进的上限,从而分离的情况下,边缘和顶点故障。对于奇数$k$,我们的新上界是$O_k(f^{\frac12 - \frac{1}{2k}} n^{1+1/k} + fn)$,它紧到隐藏的$poly(k)$因子。对于偶数$k$,我们的新上界是$O_k(f^{1/2} n^{1+1/k} +fn)$,这留下了$poly(k) f^{1/(2k)}$的间隙。我们的证明是一个分析的容错贪婪算法,这需要指数时间,但我们也表明,有一个多项式时间算法,创建边缘容错spectrum,只有$k$的因素更大。
2021-02-22 cs.DM cs.DS math.CO
From Hierarchical Partitions to Hierarchical Covers: Optimal Fault-Tolerant Spanners for Doubling Metrics
在本文中,我们设计了一个最佳结构的容错空间加倍度量。具体地说,对于任意$n$ -点加倍度量、任意$\eps > 0$和任意整数$0 \le k \le n-2$,我们的构造提供了一个在最优时间$O(n \log n + k n)$内具有最优度$O(k)$的$k$ -容错$(1+\eps)$ -模型.然后,我们加强这一结果,以提供接近最佳的($\log k$的一个因素)保证我们的spectum的直径和重量,即直径$O(\log n)$和重量$O(k^2 + k \log n) \cdot ω(MST)$,同时保持最佳的保证程度$O(k)$和运行时间$O(n \log n + k n)$。我们的结果解决了这一领域的几个基本的开放问题,最终结束了从Arya等人的STOC'95论文开始的一系列研究。以及Levcopoulos等人的STOC'98论文。在得到这一结果的过程中,我们发展了一种新的技术,用于在加倍度量中构造空间。我们的构造是基于一个新的\emph{hierarchical cover}的度量,而大多数以前的构造spiritual加倍和欧几里德度量(如网树的spiritual)是基于\emph{hierarchical partitions}的度量。我们证明了权力的层次覆盖的背景下,几何speries通过提高国家的最先进的结果在这方面。
2013-05-08 cs.CG cs.DS
Light, Reliable Spanners
本文发起了对轻量级可靠生成器的研究,通过引入遗忘型随机生成器和轻量级树覆盖,为 $k$-HST、一般度量及倍增度量等空间构造了具有近最优权重参数的可靠生成器。
2023-07-31 cs.CG cs.DS
Efficient and Simple Algorithms for Fault Tolerant Spanners
最近表明,一个版本的贪心算法给出了一个结构的容错空间是大小最优的,至少对于顶点故障。然而,构造该时间序列的算法不是多项式时间的,并且最著名的多项式时间算法明显是次优的。设计一个多项式时间算法来构造(近)最优的容错空间是最近两篇关于容错空间的论文([Bodwin,Dinitz,Parter,Vassilevka Williams SODA '18]和[Bodwin,Patel PODC '19])中的一个公开问题。我们给出了一个令人惊讶的简单算法,在多项式时间内运行,并通过修改贪心算法运行在多项式时间,构造非常接近最优的容错spectrum(关闭只有一个线性因子的拉伸)。为了补充这一结果,我们还给出了简单的分布式结构的两个模型的CONGEST和CONGEST。
2020-05-24 cs.DC cs.DM cs.DS
A dynamic $(1+\varepsilon)$-spanner for disk intersection graphs
IT University of Copenhagen(哥本哈根信息技术大学);University of Copenhagen(哥本哈根大学)
本文提出一种动态(1+ε)-spanner,用于维护盘交图的近似距离结构,具有近线性大小和多项式对数更新时间,同时改进了动态连接性查询的空间效率。
2026-07-13 cs.CG cs.DS
Parks and Recreation: Color Fault-Tolerant Spanners Made Local
针对颜色容错生成树的快速分布式算法开放问题,提出以边为中心的Baswana-Sen算法变体,引入“parks”短路径集合,实现近似最优规模与最优局部性的分布式构造。
2024-10-10 cs.DS
Ultra-Sparse Near-Additive Emulators
近加性(又名$(1+ε,β)$ -)仿真器和spectron是一种基本的图形算法构造,具有许多用于计算近似最短路径的应用程序以及分布式,流式和动态设置中的相关问题。近加性仿真器的已知构造使得人们能够在它们的稀疏性(即,边数)和附加拉伸$β$。具体地,对于任何一对参数$ε>0$、$ κ=1,2,\dots$,可以具有具有$O(n^{1+1/κ})$边的$(1+ε,β)$ -仿真器,具有$β= \left(\frac{\log κ}ε\right)^{\log κ}$。在它们的sparterly,这些仿真器使用$c\cdot n$边缘,对于一些恒定的$c\geq 2$。我们收紧这一界限,并表明,事实上正是$n^{1+1/κ}$边缘足够。特别地,我们的仿真器可以是\emph{ultra-sparse},即,我们可以有一个模拟器与$n+o(n)$边缘和$β= \left(\frac{\log {\log n}}{ε}\right)^{\log {\log n}(1+o(1))}$。我们还在CONGEST模型中设计了一个分布式确定性算法,该算法在低多项式时间内构建这些仿真器(即,在$O(n^ρ)$时间中,对于任意小常数参数$ρ>0$)。最后,我们还改进了PODC'19论文[ElkinM 19]中设计的$(1+ε,β)$ -spectrometry的最先进的分布式确定性\congest -模型…
2021-06-02 cs.DC cs.DS
Near Isometric Terminal Embeddings for Doubling Metrics
给定度量空间$(X,d)$、终端集合$K\subseteq X$和参数$t\ge 1$,我们考虑度量结构(例如,空间、距离预言器、嵌入到赋范空间中),其将$K\times X$中的所有对的距离保持到$t$的因子,并且具有小的大小(例如,空间的边的数量、嵌入的维度)。虽然已知这样的终端(也称为按源)度量结构存在于若干设置中,但是没有终端嵌入或嵌入失真接近1,即,$t=1+ε$是目前已知的一些小型$0<ε<1$。在这里,我们设计这样的终端度量结构{ \em加倍}度量,并表明,基本上任何度量结构与失真$1+ε$和大小$s(|X|)$有其终端对应,与失真$1+O(ε)$和大小$s(|K|)+1$。特别地,对于$n$点、$k=o(n)$终端集和常数$0<ε<1$上的任何加倍度量,存在:(1)对于$K\times X$中的对,具有$n+o(n)$边的具有拉伸$1+ε$的矩阵。(2)一种使用$1+ε$对$K\times X$中的对进行拉伸的标记方案,标记大小为$\approx \log k$。(3)一种嵌入到$\ell_\infty^d$中的方法,对于$K\times X$中的对,具有失真$1+ε$,其中$d=O(\log k)$。此外,令人惊讶的是,最后两个结果适用于只有PDMATHBNE是一个加倍度量,而PDMATHBNF可以是任意的。
2018-02-22 cs.CG cs.DS
Massively Parallel Algorithms for Distance Approximation and Spanners
在过去的十年中,有越来越多的兴趣在分布式/并行算法处理大规模的图形。到目前为止,对于大规模并行计算(MPC)模型中的一些基本图形问题,我们已经有了相当快的算法--通常是亚临界时间,通常是$poly(\log\log n)$时间,甚至更快。该模型是MapReduce风格设置的广泛采用的理论抽象,其中许多机器以全对全的方式进行通信以处理大规模数据。贡献这一行的MPC图形算法的工作,我们提出了$poly(\log k) \in poly(\log\log n)$轮MPC算法计算$O(k^{1+{o(1)}})$ -spectrometry在强次线性制度的本地存储器。据我们所知,这些是第一个亚临界时间MPC算法的结构。作为主要的应用程序,我们得到两个重要的影响,如下:-对于MPC设置,我们得到了一个$O(\log^2\log n)$轮算法的$O(\log^{1+o(1)} n)$近似的所有对最短路径(APSP)在近线性制度的本地内存。据我们所知,这是第一个用于距离近似的亚临界时间MPC算法。- 我们上面的结果也扩展到分布式计算的拥塞集团模型,具有相同的轮复杂度和近似保证。这给出了拥塞集团模型中加权图中近似APSP的第一个亚对数算法。
2021-06-28 cs.DC cs.DS
Communication-Efficient Distributed Graph Clustering and Sparsification under Duplication Models
在本文中,我们考虑的问题,聚类图节点和稀疏图边缘分布图,当图边缘可能边缘重复观察到在物理上遥远的网站。虽然不同站点之间的边缘重复乍一看似乎是有益的,但实际上它们可能会使聚类和稀疏化更加复杂,因为它们的处理可能需要额外的计算和通信。我们提出了两个完善的通信模型,即消息传递和黑板模型的第一个通信优化算法。具体来说,给定一个图上的$n$节点与边缘观察在$s$网站,我们的算法实现的通信成本$\tilde{O}(ns)$和$\tilde{O}(n+s)$($\tilde{O}$隐藏一个多对数因子),几乎匹配它们的下界,$Ω(ns)$和$Ω(n+s)$,分别在消息传递和黑板模型。在边分布的假设下,通信成本与非重复模型下的通信成本渐近相同。我们的算法也可以保证聚类质量几乎一样好,集中所有的边缘,然后应用任何标准的聚类算法。此外,我们进行了第一次调查的分布式结构的图空间的黑板模型。我们为乘法和加法扳手提供了几乎匹配的通信下限和上限。例如,在有和没有复制模型的黑板中构造$(2k-1)$ -模型的通信下界分别是$Ω(s+n^{1+1/k}\log s)$和$Ω(s+n^{1+1/k}\max\{1,s^{-1/2-1/(2k)}\log s\})$,它们几乎匹配两个模型的上界$\tilde{O}(s+n^{1+1/k})$。
2023-02-19 cs.DS
On Weighted Graph Sparsification by Linear Sketching
一个开创性的工作[Ahn-Guha-McGregor,PODS'12]表明,可以计算一个削减稀疏的一个未加权无向图采取近线性数量的线性测量图。随后的工作还研究了使用线性草图计算其他图稀疏因子,并获得了谱稀疏因子的近线性上界[Kapralov-Lee-Musco-Musco-Sidford,FOCS'14]和spatial的第一个非平凡上界[Filtser-Kapralov-Nouri,SODA'21]。然而,所有这些线性草图算法都只适用于未加权的图形。在本文中,我们开始研究加权图稀疏线性素描调查一类自然的线性草图,我们称之为关联草图,其中每个测量是一个线性组合的权重的边缘事件在一个单一的顶点。我们的结果是:1.加权切割稀疏化:我们给出了一个算法,计算$(1 + ε)$削减稀疏使用$\tilde{O}(n ε^{-3})$线性测量,这是近最优的。2.加权频谱稀疏化:我们给出了一个算法,计算一个$(1 + ε)$ -频谱稀疏使用$\tilde{O}(n^{6/5} ε^{-4})$线性测量。补充我们的算法,然后,我们证明了一个超线性下界的$Ω(n^{21/20-o(1)})$测量计算一些$O(1)$ -频谱稀疏使用发病率草图。3.加权平均计算:我们专注于图的最大/最小边的权重相差一个$O(1)$因子,并证明,对于关联草图,由~[Filtser-Kapralov-Nouri,SODA'2…
2022-09-16 cs.DS
Near-Optimal Approximate Shortest Paths and Transshipment in Distributed and Streaming Models
我们提出了一种方法来解决转运问题-也被称为无容量限制的最小成本流-直到$1 + \varepsilon$在无向图中的乘法误差与非负边权重使用定制的梯度下降算法。使用$\tilde{O}(\cdot)$来隐藏$n$中的多对数因子(图中的节点数),我们的梯度下降算法进行$\tilde O(\varepsilon^{-2})$迭代,并且在每次迭代中,它解决转运问题的一个实例,直到$\operatorname{polylog} n$的乘法误差。特别是,这使我们能够通过计算对数拉伸的稀疏矩阵上的解来执行单次迭代。使用随机舍入方案,我们可以进一步扩展的方法,找到近似的单源最短路径(SSSP)问题的解决方案。因此,我们通过获得以下结果改进了先前的工作:(1)广播拥塞模型:$(1 + \varepsilon)$ -使用$\tilde{O}((\sqrt{n} + D)\varepsilon^{-3})$轮的近似SSSP,其中$ D $是网络的(跳)直径。(2)广播拥塞集团模型:$(1 + \varepsilon)$ -使用$\tilde{O}(\varepsilon^{-2})$轮的近似转运和SSSP。(3)多通道流式传输模型:$(1 + \varepsilon)$ -使用$\tilde{O}(n)$空间和$\tilde{O}(\varepsilon^{-2})$通道的近似转运和SSSP。这些模型…
2021-02-02 cs.DS
Fully-Dynamic Graph Sparsifiers Against an Adaptive Adversary
设计动态图算法对抗自适应攻击是动态图算法领域的一个主要目标。虽然有一些这样的算法是已知的生成树,匹配,和单源最短路径,很少有人知道一个重要的原语,如图稀疏。挑战在于如何近似地保留关于图的如此多的信息(例如,所有对距离和所有切割),而不向自适应对手揭示算法的潜在随机性。在本文中,我们提出了第一个非平凡的有效的自适应算法,以保持sparisifers和削减sparisifers。这些算法反过来又意味着对其他问题的现有算法的改进。我们的第一个算法在polylog $(n)$分摊更新时间中维护一个大小为$\tilde O(n)$的polylog $(n)$ -表。第二种算法在$\tilde O(n^{1/k})$分摊更新时间内为任何$k\ge1$维护大小为$\tilde O(n)$的$O(k)$近似切割稀疏因子,当$k=\log(n)$时,$k\ge1$是polylog $(n)$时间。第三种算法在polylog $(n)$分摊更新时间中保持polylog $(n)$近似谱稀疏因子。两种算法的摊销更新时间可以通过支付一些次多项式因子使最坏情况下。在我们的结果之前,存在针对不经意对手的接近最优的算法(例如Baswana等人[TALG'12]和Abraham等人[FOCS'16]),但是唯一的非平凡自适应动态算法需要$O(n)$分摊更新时间来分别维持大小为$O(n^{1+1/2})$和$O(n…
2020-11-10 cs.DS
Nearly Tight Spectral Sparsification of Directed Hypergraphs by a Simple Iterative Sampling Algorithm
针对有向超图谱稀疏化,提出首个构造 $O^*(n^2)$ 大小 $\varepsilon$-谱稀疏化器的迭代采样算法,达到最优界,并给出非平凡下界,同时扩展至无向情形。
2023-05-11 cs.DS
A nearly optimal and deterministic summary structure for update data streams
由于引理1中的错误,该论文已被撤回。
2007-01-05 cs.DS
Deterministic Distance Approximation in MPC via Improved Hitting Sets
本文通过确定性击中集技术,在多种MPC模型下首次实现了亚对数轮复杂度的生成树和近似最短路径算法,显著改进了确定性Congested Clique的现有结果。
2026-06-02 cs.DC cs.DS
Greedy Algorithms for Shortcut Sets and Hopsets
CWI(荷兰数学与计算机科学研究学会);Vrije Universiteit(阿姆斯特丹自由大学);University of Michigan(密歇根大学);University of Salzburg(萨尔茨堡大学)
本文提出贪心算法用于图度量增强中的捷径集和跳集,改进了大小与跳步界之间的平衡,并证明了算法在特定参数范围内的子多项式改进。
2026-04-26 cs.DM cs.DS