Fast Multiple Pattern Cartesian Tree Matching
笛卡尔树匹配是在给定文本中找到所有与给定模式具有相同笛卡尔树的子串的问题。在本文中，我们处理笛卡尔树匹配的情况下，多个模式。我们提出了两种指纹识别方法，即，父母距离编码和二进制编码。通过将一种有效的指纹方法与传统的多串匹配算法相结合，可以有效地解决多模式笛卡尔树匹配问题。提出了三种实用的多模式笛卡尔树匹配算法，分别基于Wu-Manber算法、Rabin-Karp算法和Alpha Skip Search算法。在实验中，我们将我们的解决方案与之前的算法进行比较[18]。我们的解决方案运行速度比以前的算法作为模式长度的增加。特别是，我们的算法基于Wu-Manber运行速度高达33倍。
2019-11-05 cs.DS
Fast Multiple Order-Preserving Matching Algorithms
给定一个文本$T$和一个模式$P$，保序匹配问题是找到$T$中与$P$具有相同相对顺序的所有子串。保序匹配自Kubica等人的\cite{kubica2013linear}和Kim等人的\cite{kim2014order}提出以来一直是一个活跃的研究领域。本文提出了两种求解多重保序匹配问题的算法，其中一种算法的平均运行时间为次线性，另一种算法的平均运行时间为线性。这两种算法的运行速度都比以前的算法快得多。
2015-06-17 cs.DS
A Fast String Matching Algorithm Based on Lowlight Characters in the Pattern
提出了一种新的字符串匹配算法，该算法不从模式的左端或右端进行匹配，而是从一个特定的位置进行匹配。与Knuth-Morris-Pratt算法和Boyer-Moore算法相比，新算法在选择比较起始位置时更加灵活。该选项确实节省了成本。
2014-01-28 cs.DS
Fast Cartesian Tree Matching
笛卡尔树匹配是寻找给定文本的所有子串的问题，这些子串具有与给定模式相同的笛卡尔树。到目前为止，笛卡尔树匹配的线性时间解决方案是基于KMP算法的。我们通过引入新的表示来提高以前的解决方案的运行时间。我们提出了一个二叉过滤方法和一个有效的笛卡尔树匹配验证技术的框架。在我们的框架上，任何精确的字符串匹配算法都可以用作笛卡尔树匹配的过滤。我们还提出了一个适合于短模式的笛卡尔树匹配的SIMD解决方案。通过实验，我们表明，已知的字符串匹配算法结合我们的框架的二进制过滤和有效的验证产生的算法性能良好的笛卡尔树匹配。
2019-08-14 cs.DS
Vectorized Character Counting for Faster Pattern Matching
许多现代序列比对工具使用称为FM索引的空间有效的数据结构来实现快速字符串匹配。这种数据结构的简洁性给算法设计者带来了独特的挑战。在本文中，我们探讨的机会，并行化的精确和不精确的匹配，并提出了一个有效的SIMD解决方案的OCC部分的算法。我们的实现在一个过程中计算不精确匹配算法步骤所需的所有八个Occ值。我们展示了算法的性能在多核基因组比对，并讨论了内存预取的影响。
2019-09-03 cs.DS
A fast implementation of the good-suffix array for the Boyer-Moore string matching algorithm
本文针对Boyer-Moore算法中好后缀表计算存在冗余操作的问题，基于对模式的精细分析提出一种快速实现，实验证明其两个版本在几乎所有测试场景中均为最快。
2024-02-26 cs.DS
Faster Deterministic Algorithms for Packing, Matching and $t$-Dominating Set Problems
本文设计了求解$m$ -集$k$ -填充、$m$ -维$k$ -匹配和$t$ -支配集问题的三个确定性算法，分别为$O^*(5.44^{mk})$、$O^*(5.44^{(m-1)k})$和$O^*(5.44^{t})$.虽然最近有显着的进展，这些问题的随机解决方案，我们的界限作出了很好的改进，最有名的界限确定性解决方案，这些问题。
2013-06-15 cs.DS
Faster Exponential Algorithm for Permutation Pattern Matching
排列模式匹配问题询问，给定$n$元素和$π$上的两个排列$σ$，$σ$是否允许具有与$π$相同的相对顺序的子序列（或者，在计数版本中，有多少这样的顺序）。这个自然问题被Bose，Buss和Lubiw [IPL 1998]证明是NP完全的，因此我们应该寻求精确的指数时间解。Berendsohn、Kozma和Marx [IPEC 2019]提出的迄今为止渐进最快的此类解决方案在$\mathcal{O}(1.6181^n)$时间内有效。我们设计了一个简单而快速的$\mathcal{O}(1.415^{n})$时间算法的检测和计数版本。我们还证明，这是最佳的算法之间的一定的自然类。
2021-08-25 cs.DS
A Fast Generic Sequence Matching Algorithm
一个字符串匹配-更一般地说，序列匹配-算法，有一个线性的最坏情况下的计算时间界限，一个低的最坏情况下的界限上的比较次数（2n），和次线性平均情况下的行为，这是优于最快版本的Boyer-Moore算法。该算法在各种各样的序列匹配问题中保留了其效率优势，包括传统的字符串匹配;大字母问题（如Unicode字符串）;和小字母，长模式问题（如DNA搜索）。由于它被表示为在任意类型T上的序列中进行搜索的通用算法，因此它非常适合用于通用软件库，例如C++标准模板库。该算法是通过在Knuth-Morris-Pratt算法中添加来自Boyer-Moore算法的模式移位技术之一而获得的，并在该技术中使用散列。在散列函数或对序列的随机访问不可用的情况下，算法回退到Knuth-Morris-Pratt算法的优化版本。
2008-10-01 cs.DS
A Faster Combinatorial Algorithm for Maximum Bipartite Matching
针对最大二分匹配快速算法是否必须依赖连续技术的问题，提出一种纯组合算法，在中等稠密图上性能优于现有经典算法，并拓展得到顶点容量一致的有向图最大顶点容量s-t流确定性算法。
2023-12-19 cs.DS
Matching through Embedding in Dense Graphs
在稠密图中寻找最优匹配在社会、交通和生物网络中具有重要意义。虽然开发各种匹配问题的最佳解决方案很重要，但最快的最佳匹配算法的运行时间太昂贵。然而，当图的顶点是$R^d$中的点集并且边权重对应于欧几里德距离时，可用的最优匹配算法实质上更快。在本文中，我们提出了一种新的网络嵌入为基础的启发式算法，以解决各种匹配问题的稠密图。特别是，使用现有的网络嵌入技术，我们首先找到一个低维表示的图形顶点在$R^d$，然后运行更快的可用匹配算法的嵌入顶点。据我们所知，这是第一个工作，应用网络嵌入来解决各种匹配问题。实验结果验证了该算法的有效性。
2020-11-13 cs.DS
Fast and linear-time string matching algorithms based on the distances of $q$-gram occurrences
给定一个长度为$n$的文本$T$和一个长度为$m$的模式$P$，字符串匹配问题是一个在$T$中找到所有$P$的任务。在这项研究中，我们提出了一种算法，解决了这个问题，在$O((n + m)q)$时间考虑到两个相邻的出现之间的距离相同的$q$ -gram包含在$P$。我们还提出了一个理论上的改进，它运行在$O(n + m)$的时间，虽然它不一定是更快的实践。我们比较了我们和现有算法在各种真实和人工数据集上的执行时间，例如英文文本，基因组序列和斐波那契字符串。实验结果表明，我们的算法是一样快的国家的最先进的算法在许多情况下，特别是当一个模式经常出现在一个文本。
2020-04-13 cs.DS
Approximate Circular Pattern Matching under Edit Distance
本文研究编辑距离下的近似循环模式匹配问题，通过分析近似循环出现的结构并处理几乎周期情形，提出了复杂度为 O(n+(n/m) poly(k)) 的首批算法，在多种场景下优于已有方案。
2024-02-22 cs.DS
Optimal-Hash Exact String Matching Algorithms
字符串匹配是在文本中找到所有出现的模式的问题。我们提出了改进的版本的快速系列的字符串匹配算法的基础上哈希$q$ -gram。该改进包括考虑最小值$q$，使得模式的每个$q$ -gram具有唯一的散列值。新算法是最快的比算法的HASH家庭的短模式大尺寸的字母。
2023-03-10 cs.DS
A family of fast exact pattern matching algorithms
描述了一类基于比较的精确模式匹配算法。它们利用多维数组，以便在搜索周期的每次迭代中处理多个相邻的文本窗口。这种方法以空间为代价降低了平均时间复杂度。这一系列的算法表现良好的短模式和中等大小的字母。在这种情况下，窗口的几个模式的长度一次移动是很有可能的，这是算法成功的主要因素。我们的算法优于Boyer-Moore-Horspool算法，无论是在原始版本中还是在星期天的快速搜索修改中，在一个宽的图案长度-字母表大小的平面区域中。在某些子区域，所提出的算法是所有已知的精确模式匹配算法中最快的。也就是说，当字母大小为约30-40并且模式长度为约4-10时，它们表现最好。这样的参数对于在自然语言文本数据库中的搜索是典型的。
2016-08-30 cs.DS
Lightweight Fingerprints for Fast Approximate Keyword Matching Using Bitwise Operations
我们的目标是通过为每个字符串存储一个轻量级的、固定大小的数据块（称为指纹）来加速近似关键字匹配。它们的工作方式与哈希值类似;但是，它们也可以用于匹配错误。它们使用单个位存储关于符号出现的信息，并且可以通过恒定数量的逐位操作来相互比较。以这种方式，某些字符串可以被推断为彼此至少在距离$k$内（使用汉明或Levenshtein距离），而无需执行显式验证。我们的实验表明，对于预处理的字符串集合，指纹可以提供大量的加速$k = 1$，即超过$2.5$倍的汉明距离和超过$10$倍的Levenshtein距离。对合成和真实世界的英语和URL数据进行了测试。
2017-11-22 cs.DS
Designing optimal- and fast-on-average pattern matching algorithms
给定模式$w$和文本$t$，关于$w$的$t$上的模式匹配算法的速度是$t$的长度与为了将$w$搜索到$t$中而执行的文本访问的数量的比率。首先，我们提出了一个通用的方法来计算的极限的模式匹配算法，关于$w$，在iid文本的预期速度。接下来，我们将展示如何确定最大的速度，可以实现一个大类的算法，连同运行此速度的算法。由于这一决定的复杂性使得它不可能处理模式的长度大于4，我们提出了多项式启发式。最后，我们的方法进行了比较与9个预先存在的模式匹配算法从理论和实践的角度来看，即无论是在IID文本的限制预期速度，并在实际数据上观察到的平均速度。在所有情况下，预先存在的算法都优于。
2016-11-25 cs.DS
Fast Algorithms for Exact String Matching
给定长度为$n$的模式字符串$P$和长度为$m$的查询字符串$T$，其中$P$和$T$的字符是从大小为$Δ$的字母表中提取的，{ \em精确字符串匹配}问题包括在$T$中查找所有出现的$P$。对于这个问题，我们提出的算法，在$O(nΔ^2)$时间预处理$P$，基本上确定$sparse(P)$，一个很少出现的子串$P$，然后用它来找到$P$在$T$有效的出现。我们的算法需要$O(m)$的最坏情况下的搜索时间，和$O(m/min(|sparse(P)|, Δ))$的预期搜索时间，其中$|sparse(P)|$至少是$δ$（即$P$中不同字符的数量），并且对于大多数模式字符串，它被观察到是$Ω(n^{1/2})$。
2015-09-30 cs.DS
Approximate Circular Pattern Matching
该研究针对汉明与编辑距离下的近似环形模式匹配问题，改进了现有算法的时间复杂度，给出了条件下界并证明了编辑距离下强亚二次算法与SETH的矛盾关系。
2025-06-12 cs.DS
Pattern matching in Lempel-Ziv compressed strings: fast, simple, and deterministic
Lempel-Ziv压缩的无数变体广泛用于许多实际应用中。这篇论文关注的是经典的模式匹配问题的一个自然的修改，这是受到这种压缩方法的流行的启发：给定一个未压缩的模式s [1]。m]和字符串t [1.. n]，s在t中发生吗？Farach和Thorup给出了这个问题的随机化O（nlog^2（N/n）+m）时间解，其中n是t的压缩表示的大小。我们改进了他们的结果，开发了一个更快的和完全确定的O（nlog（N/n）+m）时间算法具有相同的空间复杂度。请注意，对于高度可压缩的文本，log（N/n）可能是n阶，因此对于此类输入，改进非常显著。我们的方法的一个（微小的）片段可以用来给出Farach和Muthukrishnan考虑的子串哈希问题的渐近最优解。
2011-04-21 cs.DS
Faster Approximate String Matching for Short Patterns
研究了经典的近似字符串匹配问题，即给定字符串$P$和$Q$以及一个错误阈值$k$，找出$Q$中与$P$的编辑距离至多为$k$的子串的所有结束位置.令$P$和$Q$分别具有长度$m$和$n$。在一个标准的单位成本字RAM的字大小$w \geq \log n$，我们提出了一种算法，使用时间$$ O(nk \cdot \min(\frac{\log^2 m}{\log n},\frac{\log^2 m\log w}{w}) + n) $$当$P$是短的，即$m = 2^{o(\sqrt{\log n})}$或$m = 2^{o(\sqrt{w/\log w})}$，这提高了以前最好的已知的时间界限的问题。该结果是使用基于制表和字级并行的Landau-Vishkin算法的新型实现的。
2011-03-17 cs.DS
Tight Vector Bin Packing with Few Small Items via Fast Exact Matching in Multigraphs
我们在$O^*(2^k)$时间内解决装箱问题，其中$k$是小于或等于箱子容量的三分之一的物品数量。该参数测量从多项式可解的情况仅大（即，三分之一以上）。我们的算法实际上是为更一般的向量装箱问题而设计的，其中的项目是多维向量。我们改进了以前最快的$O^*(k! \cdot 4^k)$时间算法。我们的算法的工作原理是通过减少问题找到一个确切的重量完美匹配的（多）图与$O^*(2^k)$边，其权重是整数的顺序$O^*(2^k)$。为了在所需的时间内解决匹配问题，我们给出了经典Mulmuley-Vazirani-Vazirani算法的一个变体，该算法仅对边缘权重和边缘数量具有线性依赖性，这可能是独立的兴趣。此外，我们给出了一个严格的下界，在强指数时间假设（SETH），表明常数$2$的基础上的指数不能进一步改善矢量装箱。我们的技术还导致改进算法的向量多背包，向量箱覆盖，完美匹配命中约束。
2022-07-18 cs.DS
Linear-Time Algorithms for the Paired-Domination Problem in Interval Graphs and Circular-Arc Graphs
在图$G$中，如果每个不在$S$中的顶点都与$S$中的顶点相邻，则称顶点子集$S\subseteq V(G)$是$G$的支配集。如果图$G$的导出子图$G[S]$包含完美匹配，则称图$G$的支配集$S$为成对支配集。配对支配问题涉及到寻找$G$的最小配对支配集。在给定端点排序区间图的交模型$G$的基础上，Cheng等人设计了区间图的$O(m+n)$ -时间算法和圆弧图的$O(m(m+n))$ -时间算法.针对区间图的成对控制问题，提出了一个$O(n)$ -时间算法，该算法以贪心的方式逐步搜索$G$的最小成对支配集.然后，我们扩展的结果，设计一个算法圆弧图，也运行在$O(n)$时间。
2014-01-29 cs.DS
Circ-Tree: A B+-Tree Variant with Circular Design for Persistent Memory
已经开发了几种B+树变体来利用字节可寻址非易失性存储器（NVM）的性能潜力。在本文中，我们仔细研究了B+树的性质，发现，一个传统的B+树节点是一个线性结构，其中的关键字-值（KV）对保持从零偏移的节点。对于插入和缺失，这些对以单向方式移位。插入和删除一个KV对可能由于移位KV对而造成大量写入放大。这严重损害了NVM内B+树的性能。在本文中，我们提出了一种新的循环设计的B+树。关于NVM的字节寻址能力，我们的Circ-tree设计包含树节点在一个循环结构中没有一个固定的基地址，并双向移动KV对在一个节点中的插入和删除，以尽量减少写入放大。我们已经实现了Circ-Tree的原型，并进行了广泛的实验。实验结果表明，Circ-Tree明显优于两种最先进的NVM B+树变体，即，NV-tree和FAST+FAIR在写入性能方面分别提高了1.6倍和8.6倍。通过运行构建在NV-tree、FAST+FAIR和Circ-Tree上的YCSB到KV存储系统的端到端比较显示，Circ-Tree的写入性能分别比NV-tree和FAST+FAIR高出29.3%和47.4%。
2020-02-11 cs.DS
A Fast Heuristic for Exact String Matching
给定由$δ$不同字符组成的长度为$n$的模式字符串$P$和长度为$m$的查询字符串$T$，其中$P$和$T$的字符是从大小为$Δ$的字母表$Σ$中提取的，{ \em精确字符串匹配}问题包括在$T$中找到所有出现的$P$。针对这个问题，我们提出了一个随机启发式算法，在$O(nδ)$时间预处理$P$，以确定$sparse(P)$，一个很少出现的子串$P$，然后使用它来找到所有出现的$P$在$T$有效。该试探法的预期搜索时间为$O( \frac{m}{min(|sparse(P)|, Δ)})$，其中$|sparse(P)|$至少为$δ$。我们还表明，对于一个模式字符串$P$的字符是随机均匀地从一个字母表的大小$Δ$，$E[|sparse(P)|]$是$Ω(Δlog (\frac{2Δ}{2Δ-δ}))$。
2015-12-11 cs.DS
Fast Indexes for Gapped Pattern Matching
我们描述了用于搜索可变长度间隔（VLG）模式的大型数据集的索引。VLG模式由两个或多个子模式组成，在每个相邻的子模式对之间是指定子模式之间允许的距离的上限和下限的间隙约束。VLG模式在计算生物学（基序搜索）、信息检索（例如，用于语言模型、片段生成、机器翻译），并捕获在实践中通常用于搜索源代码的正则表达式的有用子类。我们的最佳方法在广泛的图案和文本范围内提供比现有技术快几倍的搜索速度。
2020-02-28 cs.DS
A fast algorithm for maximal propensity score matching
我们提出了一种新的算法，该算法检测当相对于标量索引进行二分匹配时满足给定卡尺的匹配不相交对的最大可能数量（例如，倾向得分），并构造相应的匹配。可变宽度卡尺与该技术兼容，前提是卡尺的宽度是指数的Lipschitz函数。如果观察值是根据索引排序的，则匹配需要$O(N)$操作，其中$N$是要匹配的受试者总数。还考虑了1对$n$匹配的情况。我们还提供了一个新的快速算法，当治疗组和对照组的大小相同时，在标量索引上进行最佳完全一对一匹配。这允许我们改进标量索引上的贪婪最近邻匹配。关键词：倾向得分匹配，最近邻匹配，与卡尺匹配，可变宽度卡尺。
2019-04-29 cs.DS stat.CO
Fast and Heavy Disjoint Weighted Matchings for Demand-Aware Datacenter Topologies
可重构光网络拓扑通过对物理网络进行动态优化，有望提高光网络的性能。最先进的光技术允许在微秒或更短的时间内建立和更新架顶式交换机之间的直接连接（以边缘不相交匹配的形式）。然而，为了充分利用需求中的时间结构，这种细粒度的重新配置还需要用于优化互连匹配的快速算法。出于将最大量的需求卸载到可重构网络的愿望，本文开始研究在图中找到k个不相交重匹配的快速算法。我们提出并分析了六种算法，基于迭代匹配，b-匹配，边着色，和节点排名。我们表明，该问题一般是NP-难的，并研究可实现的近似比。对我们的算法在真实世界和合成痕迹（总共88个）上进行的广泛的实证评估，包括在Facebook搜索中心和HPC集群中收集的痕迹，表明我们所有的算法都提供了高质量的匹配，并且非常快的算法在最佳解决方案的95%或更多。然而，运行时间有很大的不同，什么是最好的算法取决于k和可接受的运行时间质量权衡。
2022-01-17 cs.DS cs.NI
New Subgraph Isomorphism Algorithms: Vertex versus Path-at-a-time Matching
在许多应用领域中，图被广泛用于对复杂的数据语义进行建模。本文提出了两个新的有效算法Fast-ON和Fast-P来解决子图同构问题。这两种算法都是在Ullman算法[Ullmann 1976]的基础上，分别采用逐点匹配和逐路径匹配的方式，并采用有效的算法来切割搜索空间。与已有的算法相比，Fast-ON和Fast-P算法在密集和稀疏图数据上的速度都提高了1-4个数量级。
2019-04-18 cs.DB cs.DS
Faster and simpler approximation of stable matchings
我们给出了一个3/2近似算法的稳定匹配，运行在$O(m)$时间。McDermid以前最著名的算法具有相同的近似比，但在$O(n^{3/2}m)$时间内运行，其中$n$表示人数，$m$是给定实例中偏好列表的总长度。算法和分析也简单得多。我们还给出了多对多设置的算法的扩展。(This是2011年3月的版本）
2014-04-04 cs.DM cs.DS
Scout Algorithm For Fast Substring Matching
精确的子串匹配是许多软件应用程序中的常见任务。尽管存在几种算法来查找模式字符串是否存在于目标字符串中，但最常见的实现是一种简单的蛮力方法。替代方法要么不能为增加的复杂性提供足够的好处，要么对现代字符集不切实际，例如，Unicode。我们提出了一个新的算法，侦察，这是简单，快速和适合所有的应用程序。我们还比较了性能特点的侦察算法与其他几个。
2020-11-08 cs.AI cs.DS
Quantum pattern matching fast on average
$d$ -维模式匹配问题是在长度为$n \times \dots \times n$的文本中使用$n \ge m$查找长度为$m \times \dots \times m$的模式的出现。该任务对文本和图像处理以及其他应用领域中的各种问题进行建模。本文描述了一种量子算法，它解决了随机模式和文本在时间上的模式匹配问题$\widetilde{O}((n/m)^{d/2} 2^{O(d^{3/2}\sqrt{\log m})})$。对于大的$m$，这是超多项式快于最好的可能的经典算法，这需要时间$\widetildeΩ( (n/m)^d + n^{d/2} )$。该算法是基于使用的量子子程序寻找隐藏的移位$d$尺寸，这是一个变种的Kuperberg提出的算法。
2015-08-26 cs.DS quant-ph
Ultra-fast Multiple Genome Sequence Matching Using GPU
本文基于Intel Core i7 3770 K四核处理器和NVIDIA GeForce GTX 680 GPU，对后缀树和后缀数组的大规模并行实现进行了对比分析。此外，后缀数组仅占后缀树的20%~30%的空间，合并的二叉搜索和瓦片优化使后缀数组在GPU上的性能明显优于后缀树。实验结果表明，基于后缀数组的多基因组序列匹配比CPU串行实现的多基因组序列匹配有99倍以上的加速比。毫无疑问，基于后缀数组的大规模并行匹配算法是实现高性能生物信息学应用的有效途径。
2015-05-03 cs.DC cs.DS
Fast Template Matching by Subsampled Circulant Matrix
Institute of Information Science, Academia Sinica（中央研究院信息科学研究所）；National Taiwan University（台湾大学）
模板匹配广泛用于图像和信号处理中的许多应用，并且通常是时间关键的。传统的方法通常侧重于如何通过由粗到精的策略或全搜索结合剪枝策略来减少搜索位置。然而，这些方法的计算成本很容易由信号N的大小而不是模板K的大小决定。提出了一种基于互相关的概率快速匹配算法，其计算量为O（N）次加法和O（K \log K）次乘法。核心思想是首先对信号进行下采样，其大小变为O（K），然后后续操作仅涉及下采样的信号。匹配成功的概率取决于信号和模板之间的互相关。我们给出了成功匹配的充分条件，并证明了对于K^2/log K>= O（N）的二进制信号，匹配成功的概率是高的。实验结果表明，该方案是快速和有效的，并支持理论结果。
2015-09-16 cs.CV cs.DS
Fast Packed String Matching for Short Patterns
在文本中搜索模式的所有出现是计算机科学中的一个基本问题，在许多其他领域，如自然语言处理，信息检索和计算生物学的应用。在过去的二十年里，一个总的趋势已经出现，试图利用字RAM模型的力量，以加快经典的字符串匹配算法的性能。在这个模型中，算法对长度为w的字进行运算，对字符块进行分组，对字进行算术和逻辑运算需要一个时间单位。在本文中，我们使用专门的字长压缩字符串匹配指令，基于英特尔流SIMD扩展（SSE）技术，设计非常快速的字符串匹配算法的情况下，短模式。从我们的实验结果证明，尽管他们的二次最坏情况下的时间复杂度，新提出的算法成为明显的赢家，平均短模式，在文献中已知的最有效的算法相比。
2012-09-28 cs.DS cs.IR cs.PF
Optimality of Fast Matching Algorithms for Random Networks with Applications to Structural Controllability
研究快速可扩展算法在随机网络中寻找最大匹配的最优性，分析Karp和Sipser的启发式方法及其简化版本的渐近最优性，探讨最大匹配大小的渐近结果。
2016-03-24 cs.DS cs.SY eess.SY
Fast Approximation Algorithms for Euclidean Minimum Weight Perfect Matching
Research Institute for Discrete Mathematics and Hausdorff Center for Mathematics, University of Bonn（波恩大学离散数学研究所与豪斯多夫数学中心）；Hamburg University of Technology, Institute for Algorithms and Complexity（汉堡工业大学算法与复杂性研究所）
本文提出了一种在$O(n \log n)$时间内求解欧几里得最小权重完美匹配问题的算法，其近似比为$O(n^{0.206})$，并扩展到高维空间，近似比为$O(n^{0.412})$。
2026-01-08 cs.CG cs.DS math.CO
Fast Approximate Quadratic Programming for Large (Brain) Graph Matching
二次指派问题（Quadratic Assignment Problem，QAP）出现在从运筹学到图论到计算机视觉再到神经科学的广泛领域。在大数据时代，图值数据正变得越来越突出，随之而来的是在更大的图上运行算法的愿望。因为QAP是NP难的，精确算法是难以处理的。近似算法必须采用准确性/效率权衡。提出了一种快速的近似二次分配算法（FAQ）. FAQ在（最坏情况）时间立方中找到顶点数的局部最优值，类似于其他近似QAP算法。我们的经验表明，我们的算法是更快，并实现了较低的目标值超过80%的套件QAP基准，与以前的国家的最先进的。elegans connectomes（脑图），我们发现FAQ在创纪录的时间内实现了最佳性能，而其他人甚至没有找到最佳性能。
2014-09-13 cs.DS math.OC q-bio.NC
