Fully Online Matching II: Beating Ranking and Water-filling
Karp,Vazirani和Vazirani(STOC 1990)发起了在线二分匹配的研究,从那时起,它就在在线算法中发挥了核心作用。特别重要的是积分匹配的排名算法和分数匹配的注水算法。文献中的大多数算法都可以看作是这两种算法在相应模型中的适应。最近,黄等人~ (STOC 2018年,SODA 2019年)引入了一个更通用的模型,称为\emph{fully online matching},它考虑了一般图,并允许所有顶点在线到达。他们还将Ranking和Water-filling推广到完全在线匹配,并给出了一些严密的分析:Ranking在$Ω$ -常数满足$Ωe^Ω= 1$的二分图上是$Ω\approx 0.567$ -竞争的,Water-filling在一般图上是$2-\sqrt{2} \approx 0.585$ -竞争的。我们提出完全在线匹配算法严格优于排名和注水。针对二部图上的积分匹配问题,本文基于Ranking和Water-filling的在线原始对偶分析,设计了一种$0.569$ -竞争混合算法--平衡Ranking。据我们所知,这是第一个完整的在线匹配文献中的算法,成功地整合了注水的想法。对于一般图上的分数匹配,我们给出了一个$0.592$ -竞争算法,称为Eager Water-filling,它可以在顶点到达时进行匹配。相比之下,原始的Water-filling算…
2020-05-13 cs.DS
Online Service with Delay
本文介绍了具有延迟的在线服务问题。在这个问题中,度量空间中有$n$点随时间发出服务请求,还有一个服务器为这些请求提供服务。目标是最小化服务器所经过的距离和服务请求的总延迟之和。该问题模拟了在请求调度以提高局部性和减少延迟以提高响应时间之间的基本权衡,其在操作管理、操作系统、物流、供应链管理和调度中有许多应用。我们的主要结果是显示一个多对数竞争比的在线服务延迟问题。这个结果是通过我们称之为抢占式服务算法的算法获得的。该算法的显着特点是一个过程称为抢占式服务,它使用了一种新的组合(递归)的时间转发和空间探索的度量空间。我们希望这种技术将是有用的相关问题,如重新排序缓冲区管理,在线TSP,车辆路径等,我们还推广我们的研究结果$k > 1$服务器。
2017-08-18 cs.DS
Online Primal Dual Meets Online Matching with Stochastic Rewards: Configuration LP to the Rescue
Mehta和Panigrahi(FOCS 2012)引入了随机奖励的在线匹配问题,其中边缘与成功概率相关联,匹配成功与相应边缘的概率相关联。这是迄今为止为数不多的挑战Devanur,Jain和Kleinberg(SODA 2013)的随机在线原始对偶框架的在线匹配问题之一。本文通过采用配置线性规划而不是以往工作中使用的标准匹配线性规划,揭示了随机在线原始对偶在具有随机奖励的在线匹配中的能力。我们的主要结果是针对消失和不等概率的情况的0.572竞争算法,改进了Mehta,Waggoner和Zadimoghousehold(SODA 2015)的最佳前界0.534,事实上,甚至优于Mehta和Panigrahi(FOCS 2012)的最佳前界0.567。对于消失和等概率,我们得到更好的竞争比0.576。我们的结果进一步推广到顶点加权的情况下,由于内在的鲁棒性的随机在线原始对偶分析。
2020-02-05 cs.DS
Online Matching in a Ride-Sharing Platform
我们提出了一个正式的图论模型研究的问题,在乘车共享平台的在线匹配乘坐。与大多数在线匹配的文献,我们的模型,我们称之为{ \em在线窗口非二分匹配}($\mbox{OWNBM}$),涉及在线匹配{ \em非二分}图。我们表明,我们的模型的边加权和顶点加权版本在乘车共享平台中自然出现。我们提供了一个随机$\frac{1}{4}$竞争算法的边缘加权的情况下,使用美丽的结果Lehmann,Lehmann和Nisan(EC 2001)的组合拍卖。我们还提供了一个$\frac{1}{2} (1 - \frac{1}{e})$ -竞争算法的顶点加权的情况下(有一些约束放松)使用的见解,从一个优雅的随机原始对偶分析技术的Devanur,Jain和Kleinberg(SODA 2013)。
2018-06-27 cs.DS
Online Matching: A Brief Survey
本文是一篇在线匹配领域的简要综述,介绍其经济学背景与研究动因,并重点梳理近期在技术和概念层面的发展趋势。
2024-07-07 cs.DS
Tight Competitive Ratios of Classic Matching Algorithms in the Fully Online Model
黄等人~ (STOC 2018)引入了完全在线匹配问题,这是经典在线二分匹配问题的推广,因为它允许所有顶点在线到达并考虑一般图。他们表明,Karp等人的排名算法。(STOC 1990)严格优于$0.5$ -竞争的,并且该问题严格比在线二分匹配问题困难,因为没有算法可以是$(1-1/e)$ -竞争的。针对完全在线匹配问题,给出了经典算法的两个紧竞争比。对于分数版本的问题,我们表明,一个自然的实例化的注水算法是$2-\sqrt{2} \approx 0.585$ -竞争,以及匹配的硬度结果。有趣的是,我们的硬度结果适用于任意算法的边缘到达模型的在线匹配问题,提高了最先进的$\frac{1}{1+\ln 2} \approx 0.5906$上限。对于积分算法,我们在二分图上的排名算法中显示了$\approx 0.567$的紧密竞争比,与Huang等人的硬度结果相匹配。(STOC 2018)。
2018-10-18 cs.DS
Improved Bounds for Fractional Online Matching Problems
自Karp,Vazirani和Vazirani(STOC 1990)的开创性工作以来,单边到达的在线二分匹配及其变体已被广泛研究。受现实生活中的应用与动态的市场结构,如乘车共享,两个推广的经典单边到达模型,提出了允许非二部图,并允许所有顶点到达在线。也就是说,Wang和Wong(ICALP 2015)介绍了一般顶点到达的在线匹配,Huang等人(JACM 2020)介绍了完全在线匹配。在本文中,我们研究了这两个模型的分数版本。我们改进了两个模型的四个最先进的上限和下限中的三个。对于完全在线匹配,我们设计了一个$0.6$ -竞争算法,并证明了没有任何算法是$0.613$ -竞争的.对于一般顶点到达的在线匹配,我们证明了没有算法可以是$0.584$ -竞争的。此外,我们给出了一个可以说是更直观的算法一般的顶点到达模型,相比,王和黄的算法,而达到相同的竞争比的$0.526$。
2022-02-08 cs.DS
Semi-Online Bipartite Matching
在本文中,我们介绍了\emph{semi-online}模型,推广了经典的在线计算模型。半在线模型假设未知的未来有一个可预测的部分和一个对抗的部分;这些部分可以任意交错。该模型中的算法如标准在线模型中那样操作,即,在每一步都做出不可撤销的决定。我们认为二分匹配的半在线模型,积分和分数的情况下。我们的主要贡献是竞争力的算法,这个问题是接近或匹配的硬度界。算法的竞争比率很好地插入了真正的离线设置(没有对抗部分)和真正的在线设置(没有可预测部分)之间。
2019-09-04 cs.DS
Exact Online String Matching Bibliography
在这个简短的说明中,我们提出了一个全面的参考书目在线精确字符串匹配问题。问题在于找到文本中给定模式的所有出现。它是计算机科学中广泛研究的问题,主要是由于其直接应用于文本、图像和信号处理、语音分析和识别、数据压缩、信息检索、计算生物学和化学等不同领域。自1970年以来,已经提出了120多个字符串匹配算法。在本文中,我们给出了一个(几乎)所有字符串匹配算法的综合列表。该名单已更新至2016年5月。
2016-05-17 cs.DS
Tighter bounds for online bipartite matching
我们研究了由Karp,Vazirani和Vazirani [1990]提出的在线二分匹配问题。对于匹配大小为$n$的二分图,已知Ranking随机算法至少匹配期望中的$(1 - \frac{1}{e})n$边。还已知的是,当从我们称为$D_n$的特定分布中选择输入时,没有在线算法匹配期望中的多于$(1 - \frac{1}{e})n + O(1)$的边缘。这个上限也适用于分数匹配。我们回顾了这最后一个陈述的已知证明。顺便说一下,我们观察到$O(1)$的加法项(在分数匹配的上限中)是$\frac{1}{2} - \frac{1}{2e} + O(\frac{1}{n})$,并且这项是紧的:称为Balance的在线算法确实产生了这种大小的分数匹配。我们提供了一个新的证明,准确地描述了预期的基数的(积分)匹配排名时,输入图来自$D_n$的支持。这个期望结果是$(1 - \frac{1}{e})n + 1 - \frac{2}{e} + O(\frac{1}{n!})$,并作为任何在线(积分)匹配算法的性能比的上限。
2018-12-31 cs.DS
Online Facility Location with Linear Delay
研究了带时滞的在线设施选址问题。在这个问题中,一系列$n$客户端出现在度量空间中,它们最终需要连接到某个开放设施。客户端不必立即连接,但这样的选择会带来惩罚:每个客户端都会产生等待成本(到达时间和连接时间之间的差异)。在任何时间点,一个算法都可以决定打开一个设施,并将任何客户端的子集连接到它。这是一个研究得很好的问题,既有它自己的问题,也有一般的网络设计问题。我们主要关注的是这个问题的一个新的变体,客户端也可以连接到一个已经打开的设施,但这样的行动会产生额外的成本:算法支付等待的设施(成本分别为每个这样的“晚”连接)。这让人想起了延迟的在线匹配,连接的双方都会产生等待成本。我们称之为双边时滞,以区别于以前研究的单边时滞。我们提出了一个$O(1)$竞争确定性算法的双边延迟变量。在技术方面,我们研究了一个贪婪的策略,增加预算增加等待延迟和开放设施的子集的客户端,一旦这些预算的总和达到一定的阈值。我们的技术是一个很大的扩展的方法所使用的Jain,Mahdian和Saberi [STOC 2002]的离线算法的性能分析设施的位置。然后,我们将展示如何将我们的$O(1)$竞争算法的双边延迟变量的$O(\log n / \log \log n)$竞争确定性算法的单边延迟。我们注意到,所有以前的在线算法的延迟问题,一般度量至少有对数比。
2022-09-28 cs.DS
Online Matching with Set and Concave Delays
本文首次研究具有集合延迟的在线最小成本完美匹配问题,在非透视设定下提出首个在请求数m上具有竞争性的算法,并证明确定性算法Ω(n)与随机化算法Ω(log n)的下界,同时给出透视设定下均匀凹延迟的m-竞争确定性算法。
2023-07-10 cs.DS
Online TCP Acknowledgment under General Delays
Indian Institute of Technology Bombay(印度理工学院孟买分校);University of Warsaw(华沙大学);Sapienza University of Rome(罗马第一大学);IDEAS NCBR;The University of Melbourne(墨尔本大学)
本文研究了在线TCP确认问题在两种新通用延迟成本模型下的表现,提出在批处理感知模型中,贪心算法的竞争力为Θ(log n),并证明在批处理无关模型中,贪心算法对连续子模函数和ℓ_𝑝范数具有2-竞争性。
2026-07-15 cs.DS
Improved Competitive Ratio for Edge-Weighted Online Stochastic Matching
本文针对边权在线随机匹配问题提出 Evolving Suggested Matching(ESM)算法,将一般到达率情形下的竞争比从 0.645 提升至 0.650。
2023-11-30 cs.DS
A General Framework for Matching with Delays
Google Research(谷歌研究院);The University of Texas at Austin(德克萨斯大学奥斯汀分校);Harvard University(哈佛大学)
针对任意未知度量空间的在线最小代价带延迟完美匹配问题,提出了O(log n)竞争比的确定性算法,改进了现有算法,可扩展至凹延迟函数与k向匹配。
2026-10-16 cs.DS
Competitive Analysis for Two Variants of Online Metric Matching Problem
在本文中,我们研究了两个变种的在线度量匹配问题。第一个问题是在线度量匹配问题,其中所有的服务器被放置在度量空间中的两个位置之一。我们证明了一个简单的贪心算法达到了3的竞争比,并给出了一个匹配下界。第二个问题是在线设施分配问题,其中服务器具有容量,服务器和请求被放置在一维线上,并且任意两个相邻服务器之间的距离相同。当服务器数目分别为3、4和5时,我们给出了竞争比的下界$1+ \sqrt{6}$ $(> 3.44948)$、$\frac{4+\sqrt{73}}{3}$ $(>4.18133)$和$\frac{13}{3}$ $(>4.33333)$.
2020-09-30 cs.DS
Online Deterministic Minimum Cost Bipartite Matching with Delays on a Line
针对实数直线上度量空间未知的带延迟在线最小成本二部完美匹配,本文扩展RM算法,按最小t-净成本设定等待阈值,实现确定性\ ilde{O}(m^{0.5})竞争比。
2024-08-05 cs.DS
Competitive Algorithms for Online Weighted Bipartite Matching and its Variants
在线二分匹配已经被广泛研究。在未加权的情况下,Karp等人给出了一个最优的$(1 - 1/e)$ -竞争随机算法。在加权设置中,最优算法仅在对边权重的假设下实现。对于一般情况,除了平凡的$1/2$ -竞争性贪心算法之外,几乎一无所知。最近,Fahrbach等人提出了一种0.5086-竞争算法(用于模型中的问题,即自由处置),克服了长期存在的1/2障碍。此外,在设计在线匹配问题及其变体的竞争算法时,已经开发了几种技术,特别是原始-对偶方法。具体来说,Devanur等人给出了一个原始-对偶框架,统一了以前的方法,Devanur和Jain提供了另一个在线匹配问题的推广方案。本文提出了不同模型下的在线加权二部匹配的竞争算法,特别是在自由处置模型和随机报酬模型下,得到了最优的$(1-1/e)$竞争比.我们的工作也统一了以前的方法的原始-对偶技术与配置线性规划的手段。
2021-11-02 cs.DS
A Primal-Dual Online Deterministic Algorithm for Matching with Delays
在具有延迟的最小成本完美匹配(MPMD)问题中,2 m个请求随着时间到达度量空间的点。在线算法必须成对地连接这些请求,但是匹配的决定可以推迟到找到更合适的匹配对。目标是最小化连接的联合成本和所有请求的总等待时间。我们提出了一个O(m)-竞争的确定性算法来解决这个问题,改进了现有的O(m^(log(5.5)= O(m^2.46)。我们的算法还解决了(具有相同的竞争比)的MPMD,其中请求是积极的或消极的,只有不同极性的请求可以相互匹配的二分变体。与现有的随机解不同,我们的方法不依赖于度量空间的大小,也不必事先知道它。
2018-09-10 cs.DS
Online Knapsack Problem and Budgeted Truthful Bipartite Matching
两个相关的在线问题:背包和真实的二分匹配被认为是。对于这两个问题,共同的主题是如何“匹配”到达的左顶点在一个在线的方式与任何可用的右顶点,如果有的话,以便最大化的值的总和匹配的边缘,满足对匹配的左顶点的总重量约束。假设左顶点按均匀随机顺序到达(秘书模型),分别给出了两个几乎相似的算法:$2e$竞争算法和$24$竞争算法.建议的在线二分匹配算法也被证明是真实的:没有任何左顶点误报其出价/权重的动机。这些问题的直接应用包括具有负载均衡的作业分配、广义广告词、众包拍卖以及使能设备到设备通信的蜂窝网络中的无线用户与协作中继的匹配。
2016-11-28 cs.DS
Online minimum matching with uniform metric and random arrivals
我们考虑在线最小二分匹配下的统一度量。我们发现,随机贪婪实现了竞争比等于$(1+1/n) (H_{n+1}-1)$,这符合下限。与RG在对抗顺序下对同一问题达到最优的$Θ(\ln n)$比的事实相比,我们发现随机顺序的较弱到达假设并没有为RG提供任何额外的算法优势,或者使模型严格地更易处理。
2021-12-09 cs.DS
Optimal Online Bipartite Matching in Degree-2 Graphs
University of California, Riverside(加州大学河滨分校);Tata Institute of Fundamental Research(塔塔基础研究所)
本文研究了二度图中的在线二分匹配问题,展示了Half-Half算法在确定性分数匹配和随机积分匹配中的最优竞争比率差异。
2025-11-20 cs.DS
A Stronger Impossibility for Fully Online Matching
我们重新审视完全在线匹配模型(Huang et al.,J. ACM,2020),这是由于Karp,Vazirani和Vazirani(STOC 1990)而引起的经典在线匹配模型的扩展,其最近受到了很多关注(Huang等人,SODA 2019和FOCS 2020),部分原因是拼车平台的应用。已经表明,完全在线版本比经典版本更难,对于经典版本,可实现的竞争比至多是$0.6317$,而不是精确的$1-\frac{1}{e}\approx 0.6321$。我们引入了两个新的想法的建设。通过数值优化修正构造的参数,得到了改进的$0.6297$不可能性结果.与前一个界限一样,新的界限甚至适用于二分图上的分数(而不是随机)算法。
2021-09-04 cs.DS
Online Scheduling to Minimize the Maximum Delay Factor
本文讨论了两种调度模型。第一种是标准模型(单播),其中请求(或作业)是独立的。另一种是广播模型,广播一个页面可以满足对该页面的多个未完成请求。我们考虑在有最后期限的情况下在线安排请求。与以前的模型不同,这些模型主要考虑在遵守最后期限的同时最大化吞吐量的目标,在这里,我们把重点放在调度所有给定的请求的目标最小化最大{ \em延迟因子}.我们证明了强下界的延迟因子调度的可实现的竞争比,即使与单位时间的请求.对于单播模型,我们给出的算法是$(1 + \eps)$ -速度$O({1 \over \eps})$ -在单机和多机设置上都具有竞争力。在广播模型中,我们给出了一个算法,类似大小的页面,是$(2+ \eps)$ -速度$O({1 \over \eps^2})$ -竞争。对于任意的页面大小,我们给出了一个算法,是$(4+\eps)$ -速度$O({1 \over \eps^2})$ -竞争。
2008-07-11 cs.DS
Online Vertex-Weighted Bipartite Matching: Beating 1-1/e with Random Arrivals
我们引入了Karp等人(STOC 1990)的排序算法的加权版本,并证明了当在线顶点以随机顺序到达时,顶点加权在线二分匹配问题的竞争比为0.6534。我们的结果表明,即使在顶点加权的情况下,随机到达有助于击败1-1/e障碍。我们建立在Devanur等人(SODA 2013)的随机原始-对偶框架上,设计了一个二维的增益共享函数,该函数不仅依赖于离线顶点的秩,还依赖于在线顶点的到达时间。据我们所知,这是第一个竞争比严格大于1-1/e的在线二分匹配问题下实现的随机原始-对偶框架。我们的算法有一个自然的解释,即随着时间的推移,离线顶点提供更大部分的权重给在线顶点,并且每个在线顶点在其到达时匹配具有最高报价的邻居。
2019-09-11 cs.DS
An $O(\log n)$-Competitive Posted-Price Algorithm for Online Matching on the Line
针对需求响应式停车定价系统,本文研究了直线上在线度量匹配问题,提出了一种 $O(\log n)$ 竞争比的标价随机算法,并展示了如何利用价格机制实现 guess-and-double 技术。
2023-10-19 cs.DS
Online Stochastic Max-Weight Bipartite Matching: Beyond Prophet Inequalities
关于在线贝叶斯选择问题的丰富文献长期以来都集中在所谓的先知不等式上,将在线算法的收益与知道未来的“先知”的收益进行比较。一个同样自然,但研究得少得多的基准是最佳在线算法,它可能是万能的(即,“知者,不知者。在线最优解的计算复杂性是多少?一个多项式时间算法能在多大程度上近似它?本文针对顶点到达情况下的在线随机最大权匹配问题研究了上述问题。对于这个问题,一些$1/2$竞争算法是已知的最佳离线。这是这个问题的最佳比例,因为它推广了原始的单项预言者不等式问题。我们提出了一个多项式时间算法,它近似的最佳在线算法的一个因素内的$0.51$ -击败最好的可能的先知不等式。与此相反,我们表明,它是PSPACE困难的近似这个问题内的一些常数$α< 1$。
2021-08-18 cs.DS
Almost Tight Bounds for Online Hypergraph Matching
本文研究在线超图匹配问题,证明了随机化算法竞争比的上界为 $\frac{2+o(1)}{k}$,并为分数分配及分数边加权版本给出了竞争比为 $\frac{1-o(1)}{\ln(k)}$ 的算法及其紧的下界。
2024-02-13 cs.DS
On the Advice Complexity of Online Matching on the Line
本文研究线上在线匹配的建议复杂度,给出最优匹配所需建议位的紧界,并构造随建议量调节竞争比的在线算法。
2024-11-21 cs.DS
Online Stochastic Matching with Unknown Arrival Order: Beating $0.5$ against the Online Optimum
针对未知到达顺序的在线随机匹配问题,设计超越 $0.5$ 竞争比的算法,基于顺序竞争分析,实现 $0.5+Ω(1)$ 竞争比。
2025-03-25 cs.DS
Deterministic Min-Cost Matching with Delays
我们考虑Emek等人(STOC 2016)提出的在线最小成本延迟完美匹配(MPMD)问题,其中给出了一个通用度量空间,并且对手在该空间中的不同时间提交请求。目标是匹配请求,同时最小化匹配对之间的距离之和以及从每个请求出现到匹配的时间间隔。在Ashlagi等人(APPROX/RANDOM 2017)引入的在线最小成本二分完美匹配(MBPMD)问题中,每个请求也与两个类中的一个相关联,并且请求只能与另一个类的请求匹配。用于上述问题的先前算法包括用于已知和有限度量空间的随机$O\left(\log n\right)$竞争算法,$n$是度量空间的大小,以及确定性$O\left(m\right)$竞争算法,$m$是请求的数量。我们引入$O\left(m^{\log\left(\frac{3}{2}+ε\right)}\right)$竞争确定性算法的问题和任何固定的$ε> 0$。特别地,对于足够小的$ε$,竞争比变为$O\left(m^{0.59}\right)$。这些是第一个确定性算法的在线匹配问题,实现了次线性的竞争比。我们的算法不需要事先知道度量空间。
2018-08-06 cs.DS
Advice Complexity bounds for Online Delayed F-Node-, H-Node- and H-Edge-Deletion Problems
设F是一个固定的有限阻塞图集,G是一个以在线方式逐点显示的图。在线延迟F-节点删除问题(F-Edge-Deletion Problem)是通过删除节点(边)来保持G不含F中的每个H,直到在G中找不到与F中任何图同构的导出子图为止。任务是保持删除的数量最小。建议复杂度是一种模型,其中在线算法可以访问无限长的二进制磁带,预言机可以在其上编码信息以提高算法的性能。我们感兴趣的是最小数量的建议位是必要的和足够的最佳解决删除问题。在这项工作中,我们首先给出了延迟的F-节点删除问题和F-边删除问题的建议复杂性的本质上紧的界限,其中F由一个单一的,任意的图H组成。然后,我们表明,用于证明这些结果的小工具可以用来给紧界的情况下,节点删除,如果F只包括断开的图形或连接的图形。最后,我们证明了解决一般延迟F节点删除问题所需的建议位数在很大程度上取决于障碍集F。为此,我们提供了一套,这个数字是恒定的,对数或线性的最佳删除数。
2023-03-30 cs.DS
Online matching on stochastic block model
本文在随机块模型框架下研究在线二分匹配,分析了Myopic和Balance两种算法,证明匹配规模分别收敛到常微分方程和微分包含的解,并探讨了在线估计连接概率带来的探索-利用权衡。
2025-06-05 cs.DS
Online Minimum Cost Matching on the Line with Recourse
在线路上的在线最小成本匹配中,$n$请求一个接一个地出现,并且必须立即且可替换地匹配到一组给定的服务器,所有这些都在实际线路上。目标是最小化从请求到其各自服务器的距离之和。尽管所有的研究工作,它仍然是一个有趣的开放式问题,是否存在一个$O(1)$竞争的算法。Raghvendra [SoCG 18]的最知名在线算法实现了$Θ(\log n)$的竞争因子。该结果与$Ω(\log n)$ [Latin18]的下限相匹配,该下限适用于相当大的一类在线算法,包括文献中的所有确定性算法。在这项工作中,我们在一个追索权模型中处理这个问题,在这个模型中,我们允许在一定程度上撤销在线决策。我们展示了一个$O(1)$竞争算法在线匹配上使用最多$O(n\log n)$ reasonable。这是第一个非平凡的结果,最小成本的二部匹配与追索。对于所谓的交替实例,两个服务器之间不超过一个请求,我们获得了接近最优的结果。我们给出了一个$(1+\varepsilon)$竞争算法,重新分配任何请求在最多$O(\varepsilon^{-1.001})$倍。这种特殊情况是有趣的,因为上述相当普遍的下限$Ω(\log n)$适用于这种情况。
2020-01-09 cs.DS
Asymptotically Tight Fractional Online Matching Under Edge Arrivals
Technion(以色列理工学院)
本短文填补边到达场景下分数在线匹配的渐近界缺口,证明其最优竞争比为$1/2+\u0398(1/n)$,相关算法由OpenAI的ChatGPT Sol提出并经讨论优化。
2026-08-25 cs.DS
Matroid Online Bipartite Matching and Vertex Cover
Adwords和在线二分匹配问题在过去的十年中重新受到关注,因为它们与互联网广告有关。除其他外,我们的社区还贡献了新的模型(特别是随机模型)和对经典公式的扩展,以解决实际需要中出现的问题。在本文中,我们提出了一个新的推广的基础上拟阵,并表明,许多以前的结果扩展到这个更一般的设置。由于拟阵丰富的结构和表达能力,我们的新设置是潜在的兴趣在理论和实践中。在经典版本的问题中,离线侧的二分图是已知的,而从在线侧的顶点到达一个时间与他们的事件边。我们的目标是保持一个体面的近似匹配,没有边缘可以删除。我们的推广,称为拟阵在线二分匹配,还要求匹配的离线顶点集是独立的,在一个给定的拟阵。特别地,分区拟阵的情况对应于每个广告商以固定的总预算管理多个广告的自然场景。我们的算法达到了相同的性能,考虑的问题,这往往是可证明的最好的可能的经典版本。我们提出了$1-1/e$ -竞争算法的小出价假设下的拟阵在线二分匹配,以及$1-1/e$ -竞争算法的拟阵在线二分匹配的随机到达模型。我们的研究结果的一个关键技术成分是一个精心设计的原始对偶注水过程,适应拟阵约束。这是受到我们最近在线二分顶点覆盖收费方案的扩展的启发。
2016-06-25 cs.DS
Secretary and Online Matching Problems with Machine Learned Advice
在线算法的经典分析,由于其最坏情况的性质,可以是相当悲观的输入实例时,在手边是远离最坏情况。通常,这不是机器学习方法的问题,它在利用过去输入的模式来预测未来方面表现出色。然而,这样的预测,虽然通常是准确的,可以任意穷人。受最近一系列工作的启发,我们用机器学习的未来预测来增强三个著名的在线设置,并开发考虑到它们的算法。特别是,我们研究了以下在线选择问题:(i)经典的秘书问题,(ii)在线二部匹配和(iii)图形拟阵秘书问题。我们的算法仍然有一个最坏情况下的性能保证的情况下,预测是低于标准的,同时获得一个改进的竞争比(在最著名的经典在线算法的每个问题)时,预测是足够准确的。对于每个算法,我们建立了一个权衡在两个相应的情况下获得的竞争比之间。
2020-10-21 cs.DS
Periodic Reranking for Online Matching of Reusable Resources
我们考虑一个泛化的顶点加权在线二分匹配问题的离线顶点,称为资源,是可重用的。具体地,当资源被匹配时,它在确定性持续时间$d$内不可用,在该确定性持续时间之后,它变得可用于重新匹配。因此,资源可以在一段时间内与许多不同的在线顶点匹配。虽然最近关于这个问题的工作已经解决了我们有大的起始库存的渐近情况(即,许多副本)的每一个资源,我们认为(更一般)的情况下,单位库存,并给出了第一个算法,可证明优于天真的贪婪的方法,有一个竞争比(正好)0.5。特别是,我们实现了竞争比为0.589对LP松弛的离线问题。
2022-07-16 cs.DS
On the limitations of deterministic de-randomizations for online bipartite matching and max-sat
令人惊讶的结果卡普,Vazirani和Vazirani和(分别)Buchbinder等人的例子,相当简单的随机化提供可证明更好的近似比相应的确定性对应的在线二分匹配和(分别)无约束非单调子模最大化。我们表明,看似强大的扩展的确定性在线计算模型可以在最好的匹配天真的随机化的性能。更具体地说,对于二分匹配,我们表明,在优先级模型(允许非常一般的方式来订购的输入流),我们不能提高平凡的1/2近似实现的任何贪婪的最大匹配算法,同样不能提高这种近似的任何日志n/日志日志n数量的在线并行运行的算法。后一个结果产生了一个改进的log log n - log log log n所需的建议位数的下限。对于max-sat,我们适应最近的去随机化方法的Buchbinder和Feldman的Buchbinder等算法的max-sat,以获得一个确定性的3/4-近似算法使用宽度2n并行。为了改善这种近似,我们表明,指数宽度并行的在线算法是必要的(在一个模型,这是更一般的宽度2n算法所需要的)。
2016-08-10 cs.DS
Online Matching with Convex Delay Costs
我们调查的最小成本完美匹配与延迟(MPMD)的问题,其中请求是成对匹配的在线时尚的目标,以最小化的空间成本和时间成本的总和。虽然线性MPMD(即,时间成本在延迟中是线性的)已经在文献中得到了深入的研究,但是它不能很好地对实践中常见的不耐烦请求进行建模。因此,我们提出了凸MPMD的时间成本函数是凸的,捕捉的情况下,时间成本增加得越来越快。由于线性MPMD问题的现有算法不再具有竞争力,我们设计了一个新的凸MPMD问题的确定性算法。对于一大类凸时间代价函数,我们的算法在任何$k$ -点一致度量空间上实现了$O(k)$的竞争比,或者当度量空间具有纵横比$Δ$时,实现了$O(kΔ)$的竞争比.此外,我们证明了下界的确定性和随机算法的竞争比,表明我们的确定性算法是最优的。这种最优性揭示了凸MPMD和线性MPMD之间的实质性差异,因为线性MPMD允许在任何均匀度量空间上具有恒定竞争比的确定性算法。
2022-03-07 cs.DS
Online Weighted Matching: Breaking the $\frac{1}{2}$ Barrier
在线匹配及其变体是在线算法文献中最基本的问题之一。本文研究了在线加权二部匹配问题。Karp等人(STOC 1990)给出了一个在未加权情况下的优雅算法,该算法实现了$1-1/e$的紧竞争比。然而,在加权的情况下,我们可以很容易地证明,如果没有普遍接受的自由处置假设,就不可能获得竞争比。在这个假设下,不难证明贪心算法是$1/2$竞争性的,并且这对于确定性算法是严格的。我们提出了第一个随机算法,打破了这一长期存在的$1/2$障碍,并实现了至少$0.501$的竞争比。根据Kapralov等人的硬度结果。(SODA 2013)限制击败单调子模块福利最大化问题的$1/2$竞争比,我们的结果可以被视为强有力的证据,证明在在线设置中,解决加权二分匹配问题比子模块福利最大化更容易。我们的方法依赖于对随机性的非常受控的使用,这使得我们的算法能够根据先前的分配安全地做出自适应决策。
2019-11-21 cs.DS
Online Dependent Rounding Schemes for Bipartite Matchings, with Applications
本研究提出首个无输入限制的通用二分$b$-匹配在线依赖舍入方案,打破在线匹配问题的$1-1/e$壁垒,并将其应用于在线边着色、随机优化等多个领域。
2024-10-29 cs.DS
Online Matching with General Arrivals
在线匹配问题是由Karp、Vazirani和Vazirani在近30年前提出的。在这项开创性的工作中,他们在顶点只到达一侧的二分图中研究了这个问题,并提出了这种设置的最佳确定性和随机算法。相比之下,更一般的到达模型,如边缘到达和一般的顶点到达,已被证明更具挑战性和积极的结果是已知的,只有各种松弛的问题。特别是,即使是随机化是否允许一个人击败这些模型的$\frac{1}{2}$的平凡最优确定性竞争比的基本问题也是开放的。在本文中,我们解决了这两个自然到达模型的这个问题,并显示如下。1.对于边缘到达,随机化没有帮助-没有随机算法优于$\frac{1}{2}$竞争。2.对于一般的顶点到达,随机化有助于-存在一个随机化的$(\frac{1}{2}+Ω(1))$竞争在线匹配算法。
2019-04-17 cs.DS
Fractional Fully Online Matching
The University of Hong Kong(香港大学);Shanghai University of Finance and Economics(上海财经大学);University of Macau(澳门大学);Shanghai Jiao Tong University(上海交通大学)
研究全在线模型下一般图的分数匹配问题,扩展经典注水算法,证明其竞争比为$2-\sqrt{2}$,融入新思想后竞争比提升至$0.599$,还改进了分数全在线匹配的难度上界。
2026-07-28 cs.DS
Online Vertex-Weighted Bipartite Matching and Single-bid Budgeted Allocations
我们研究了以下顶点加权在线二部匹配问题:$G(U, V, E)$是一个二部图。$U$中的顶点具有权重并且是提前已知的,而$V$中的顶点以任意顺序在线到达并且必须在到达时进行匹配。目标是最大化$U$中匹配顶点的权重之和。当所有的权重都相等时,这简化为经典的\emph{online bipartite matching}问题,Karp,Vazirani和Vazirani在他们的开创性工作~ \cite{KVV90}中给出了一个最优的$\left(1-\frac{1}{e}\right)$ -竞争算法。我们的主要结果是一般顶点权重的最优$\left(1-\frac{1}{e}\right)$ -竞争随机算法。我们使用适当选择的乘法因子的权重的\emph{random perturbations}。我们的解决方案构成了第一个已知的推广算法在~ \cite{KVV90}在这个模型中,并提供了新的见解随机化在线分配问题的作用。它还有效地解决了\emph{online budgeted allocations} \cite{MSVV05}的问题,当代理对任何期望的项目进行相同的出价时,即使出价与他的预算相当-补充了\cite{MSVV05, BJN07}的结果,当出价比预算小得多时,该结果适用。
2010-07-08 cs.DS
Randomized Rounding Approaches to Online Allocation, Sequencing, and Matching
本文系统介绍如何利用随机舍入技术设计在线策略,通过在线竞争解决、随机探测、随机背包和随机匹配四个代表性示例,展示其克服维数灾难并近似保持线性规划松弛规定概率的核心方法。
2024-11-20 cs.DS
Online Matching with High Probability
我们研究了经典的,随机排名算法,这是已知的$(1 - \frac{1}{e})$ -竞争的期望在线二分匹配问题。我们给出了一个尾部不等式界,即Ranking是$(1 - \frac{1}{e} - α)$ -竞争的,概率至少为$1 - e^{-2 α^2 n}$,其中$n$是实例中最大匹配的大小.在此基础上,我们显示了类似的浓度结果完全在线匹配问题和在线顶点加权二分匹配问题。
2021-12-14 cs.DS cs.GT
Space Lower Bounds for Online Pattern Matching
我们提出了在线模式匹配的空间下界下的一些不同的距离措施。给定一个长度为m的模式和一个每次到达一个字符的文本,在线模式匹配问题是在新字符到达时立即报告模式和文本的滑动窗口之间的距离。我们要求在每个位置上以恒定的概率给出正确的答案。我们给出了L_1、L_2、L_ \infty、Hamming、编辑和交换距离以及计算互相关/卷积的任何算法的Omega(m)比特空间下界。然后,我们展示了距离函数之间的二分法,具有通配符般的属性和那些没有。在前一种情况下,其中包括,作为一个例子,模式匹配与字符类,我们给欧米茄(m)位空间下界。对于其他距离函数,我们证明了存在Omega(log m)和O(log^2 m)位的空间界。最后,我们讨论了非二进制输入的空间下界,并展示了如何在某些情况下,他们可以得到改善。
2011-06-22 cs.DS
Tight Bounds for Online Matching in Bounded-Degree Graphs with Vertex Capacities
研究了二部图$G=(S,R,E)$中的$b$匹配问题.每个顶点$s\in S$是具有单独容量$b_s$的服务器。顶点$r\in R$是联机到达的请求,必须立即分配给符合条件的服务器。目标是最大化构造的匹配的大小。我们假设$G$是一个$(k,d)$-图~\cite{NW},其中$k$指定每个服务器的度的下界,$d$是每个请求的度的上界.此设置对及时应用中的匹配问题进行建模。我们提出了严格的上限和下限的确定性在线算法的性能。特别是,我们开发了一个新的在线算法,通过原始对偶分析。对于任意的$k\geq d$,随着服务器容量的增加,最优竞争比趋于~1。因此,几乎最优的解决方案可以在线计算。我们的研究结果也适用于顶点加权问题的扩展,因此对于AdWords和拍卖问题,其中每个投标人发出单独的,同等价值的出价。我们的边界改善了以前的最佳竞争比。对于$k/d\geq 1$较小的有趣范围,~1的渐近竞争性是对$1-1/e^{k/d}$的先前因子的显著改进。回想一下$1-1/e\approx 0.63$。匹配问题,承认竞争比任意接近~1是罕见的。先前的结果依赖于随机化或概率输入模型。
2022-06-30 cs.DS
Online Matching Meets Sampling Without Replacement
该研究针对在线匹配中无放回采样缺乏理论支撑的问题,提出势函数分析框架,证明其在在线随机匹配和在线二分匹配中的竞争比,并得到首个突破1−1/e壁垒的多项式时间确定性在线匹配算法。
2024-10-09 cs.DS cs.GT
Efficient Online String Matching through Linked Weak Factors
本文提出基于哈希连接相邻弱因子的新算法Hash Chain,解决在线字符串匹配问题,尽管复杂度为O(nm),但实践中表现次线性且性能优于现有最有效算法。
2023-10-24 cs.DS
Online Stochastic Matching: Online Actions Based on Offline Statistics
我们考虑Feldman等人提出的在线随机匹配问题。[FMMM 09]作为显示广告分配的模型。我们给出一个二分图;图的一边对应于一组固定的箱,另一边代表可能的球类型。在每个时间步,一个球独立于给定的分布进行采样,并且需要在它到达空箱子时进行匹配。目标是最大化分配数量。我们提出了一个在线算法,这个问题的竞争比为0.702。在我们的结果之前,竞争比优于$1-1/e$的算法是已知的,假设每种类型的到达球的预期数量是整数。该算法的一个关键思想是使用蒙特卡洛采样收集关于最佳离线解决方案的决策的统计信息,并使用这些统计信息来指导在线算法的决策。我们还表明,我们的算法实现了0.705的竞争比时,利率是整数。在硬度方面,我们证明了没有在线算法可以有一个竞争比优于0.823下已知的分布模型(和此后的置换模型)。这改进了Goel和Mehta \cite{GM08}对置换模型证明的5/6硬度结果。
2011-08-02 cs.DS
Understanding Zadimoghaddam's Edge-weighted Online Matching Algorithm: Unweighted Case
本文确定了Zadimoghoughs(2017)的边缘加权在线匹配算法中的一个关键算法成分,并提出了一个简化的算法及其分析,以演示它在未加权情况下的工作原理。
2019-10-07 cs.DS cs.GT
Online Bin Packing with Per-Bin Maximum Delay
Southern University of Science and Technology(南方科技大学)
研究每箱最大延迟的在线装箱问题,证明强NP困难性,提出常数因子近似及随机算法,竞争比约2.418,并给出泊松到达下的精确基准。
2026-11-20 cs.DS