Randomized Shellsort: A Simple Oblivious Sorting Algorithm
在本文中，我们描述了随机Shellsort-一个简单的，随机的，数据不经意的版本的Shellsort算法，总是运行在O（n log n）的时间，正如我们所示，成功地排序任何给定的输入置换具有非常高的概率。因此，随机化Shellsort同时是简单的，时间最优的和数据遗忘的。两者合计，这些属性意味着在设计新的高效的隐私保护计算的基础上的安全多方计算（SMC）范式的应用。此外，通过将这个蒙特卡洛算法简单地转换为它在拉斯维加斯的等价算法，可以得到第一个版本的Shellsort，其运行时间可以证明是O（n log n），并且具有很高的概率。
2010-08-04 cs.DS
Cache-Oblivious Selection in Sorted X+Y Matrices
令X[0.. n-1]和Y[0. m-1]是两个有序数组，并通过A[j][i]=X[i]+Y[j]定义mXn矩阵A。Frederickson和Johnson给出了从A中选择第k个最小元素的有效算法。我们展示了如何使该算法IO有效。我们的缓存无关算法执行O（（m+n）/B）IO，其中B是内存传输的块大小。
2008-04-06 cs.DS
Data-Oblivious Graph Algorithms in Outsourced External Memory
出于对外包数据的隐私保护的动机，数据无关外部存储器是一种计算框架，其中客户端以不向服务器泄露其数据的方式对存储在半信任服务器处的数据执行计算。这种方法比传统框架更有利于协作和可靠性，并且它提供了隐私保护，即使服务器完全访问数据，并且他可以监视客户端如何访问数据。挑战在于，即使数据被加密，服务器也可以基于客户端数据访问模式来学习信息;因此，访问模式也必须被混淆。我们调查的隐私保护算法外包外部存储器的基础上使用的数据不经意的算法，也就是说，算法中的每个可能的数据访问序列是独立的数据值。我们给出了新的高效的数据不经意算法在外包外部存储器模型的一些基本的图形问题。我们的研究结果包括新的数据不经意的外部存储器的方法，用于构建最小生成树，进行各种根树遍历，回答最少的共同祖先查询树，计算双连接组件，并形成开放的耳朵分解。我们的算法都没有使用恒定时间的随机预言。
2014-09-02 cs.DS
Oblivious Routing via Random Walks
我们提出了新的不经意路由算法的可分割和不可分割的多商品流。我们的算法，最大限度地减少\emph{unsplittable}多商品流的拥塞是第一个不经意的路由算法，这种设置。作为该算法的中间步骤，我们提出了一种新的推广Valiant的经典负载均衡计划的分组交换网络的任意图形，这是独立的利益。我们的算法为\emph{splittable}多商品流的拥塞最小化改进后的最先进的，在运行时间和性能方面，表现出良好的扩展保证的图形。我们的算法依赖于扩散交通通过迭代应用的随机游走算子。因此，我们的算法的性能保证是来自随机游走算子的收敛到平稳分布，并表示在图的频谱间隙（占主导地位的混合时间）。
2017-12-06 cs.DS
Distortion-Oblivious Algorithms for Minimizing Flow Time
我们考虑经典的在线调度问题，在一台机器上，以尽量减少总流时间。在STOC 2021中，引入了对处理时间中的失真的鲁棒性的概念：对于每个失真因子$μ$，提出了处理高达$μ$的失真的$O(μ^2)$ -竞争算法$\operatorname{ALG}_μ$。然而，使用该结果需要预先知道输入的失真，这是不切实际的。我们提出的第一个\emph{distortion-oblivious}算法：算法是竞争\emph{every}失真的\emph{every}输入，因此不需要知识的失真在前面。此外，我们的算法的竞争比是$\tilde{O}(μ)$，这是一个二次改进的算法从STOC 2021，是近最优的（我们显示了一个随机下界的$Ω(μ)$的竞争力）。
2021-09-17 cs.DS
A Simple 1-1/e Approximation for Oblivious Bipartite Matching
研究了不经意匹配问题，即在一个边集未知的图上寻找一个最大匹配。这个问题的任何算法都指定了顶点对的排序。然后通过探测遵循排序的对来产生匹配，并且如果它们两者都不匹配并且它们之间存在边缘，则包括一对。该问题的未加权（Chan等人（SICOMP 2018））和顶点加权（Chan等人（TALG 2018））版本得到了很好的研究。本文研究了二部图上的边加权不经意匹配问题，它推广了随机二部匹配问题。最近，Gamlath等人（SODA 2019）研究了随机二分匹配问题，并提出了一种（1-1/e）近似算法。我们从Karp等人的Ranking算法（STOC 1990）出发，给出了一个非常简单的算法，并证明了该算法对于二分图上的不经意匹配问题也能达到相同的（1-1/e）近似比。
2020-02-14 cs.DS
Cache Oblivious Algorithms for Computing the Triplet Distance Between Trees
本文研究了两棵具有$n$标记叶子的根无序树之间的三元组距离的计算问题。由Dobson在1975年引入，三元组距离是在两棵树中引起不同拓扑的叶三元组的数量。目前理论上最好的算法是Brodal等人的$\mathrm{O}(n \log n)$时间算法（SODA 2013）。最近Jansson和Rajaby提出了一种新的算法，虽然理论上较慢，需要$\mathrm{O}(n \log^3 n)$时间，但实际上它优于理论上更快的$\mathrm{O}(n \log n)$算法。这两种算法都不能扩展到外部存储器。我们提出了两个高速缓存不经意的算法，结合了这两个世界的最好的。第一个算法是当两个输入树是二叉树的情况下，第二个任意度的两个输入树的广义算法。在RAM模型下分析，两种算法都需要$\mathrm{O}(n \log n)$时间，而在缓存不经意模型下分析，两种算法都需要$\mathrm{O}(\frac{n}{B} \log_{2} \frac{n}{M})$ I/O，它们相对简单，并且可以扩展到外部存储器，这使得它们具有最佳的实际性能。我们注意到，这些是第一个算法，扩展到外部存储器，在理论和实践中，这个问题。
2019-11-07 cs.DS
Zig-zag Sort: A Simple Deterministic Data-Oblivious Sorting Algorithm Running in O(n log n) Time
我们描述和分析曲折排序-一个确定性的数据不经意的排序算法运行在O（n log n）的时间，可以说是简单的比以前已知的算法具有类似的属性，这是基于AKS排序网络。因为它是数据不经意和确定性的，所以曲折排序可以实现为一个简单的O（n log n）大小的排序网络，从而为Incerpi和Sedgewick在1985年提出的一个开放问题提供了解决方案。此外，Zig-zag Sort是Shellsort的一个变体，实际上是第一个在O（n log n）时间内运行的确定性Shellsort变体。Plaxton等人在1992年和Sedgewick在1996年提出了这样一个算法的存在性问题。然而，与今天更相关的事实是，在O（n log n）时间内运行的简单数据不经意确定性排序算法的存在简化了几种提议的遗忘RAM模拟方法（其利用AKS排序网络）中的内部循环计算，并且这反过来意味着在几种云计算应用中用于隐私保护数据外包的简化机制。我们提供了曲折排序的建设性和非建设性的实现，基于被称为ε-halver的电路的存在，使得在我们的建设性实现中的常数因子比AKS排序网络的建设性变体的常数因子小几个数量级，AKS排序网络的建设性变体也基于ε-halver的使用。
2014-03-11 cs.DS
A Non-Oblivious Reduction of Counting Ones to Multiplication
本文提出了一种按时间运行的二进制字中1的计数算法$O(\log\log b)$，其中$b$是1的个数。可用的操作包括逐位逻辑操作和乘法。
2015-06-10 cs.DS
Oblivious Algorithms for Maximum Directed Cut: New Upper and Lower Bounds
本文针对最大有向割问题，通过设计算法空间与下界空间的有原则参数化并执行计算机搜索，将无记忆算法的最佳近似比上界和下界分别改进为0.4853和0.4889，缩小了已知界限差距。
2024-11-20 cs.DS
Network-Oblivious Algorithms
提出了一个框架的设计和分析的\emph{network-oblivious algorithms}，即算法，可以运行不变，但有效地，在各种机器上，其特征在于不同程度的并行性和通信能力。该框架规定，一个网络无关的算法被指定在一个并行计算模型，其中唯一的参数是问题的输入大小，然后评估模型与两个参数，捕获并行粒度和通信延迟。结果表明，对于广泛的一类网络无关的算法，后者模型中的最优性意味着最优性的可分解BSP模型，这是已知的有效地描述了广泛的和重要的一类并行平台。所提出的框架可以被视为一种尝试，端口的遗忘，以及建立在高速缓存层次结构的上下文中，并行计算的领域的概念。它的有效性说明了一些关键问题提供最佳的网络不经意的算法。讨论了不经意方法的局限性。
2014-04-12 cs.DC cs.DS
Bucket Oblivious Sort: An Extremely Simple Oblivious Sort
我们提出了一个概念上简单的不经意排序和不经意随机置换算法，称为桶不经意排序和桶不经意随机置换。桶不经意排序使用$6n\log n$时间（由内存访问次数测量）和$2Z$客户端存储，错误概率在$Z$中呈指数级小。上面的运行时只比非遗忘合并排序基线慢$3\times$;对于$2^{30}$元素，它比双调排序快$5\times$，双调排序是实际实现中事实上的遗忘排序算法。
2021-04-29 cs.CR cs.DS
Universally-Optimal Distributed Shortest Paths and Transshipment via Graph-Based L1-Oblivious Routing
我们为$(1+\varepsilon)$ -近似最短路径问题，包括最短路径树和转运，提供了普遍最优的分布式图算法。我们的算法的普适最优性保证，在任何$n$节点网络$G$上，只要存在用于$G$的$T$轮算法，我们的算法就在$T \cdot n^{o(1)}$轮中完成.这包括用于任何平面或排除次要网络的$D \cdot n^{o(1)}$轮算法。我们的算法从来没有需要超过$(\sqrt{n} + D) \cdot n^{o(1)}$轮，从而在第一个子线性轮转运分布式算法。导致这些结果的关键技术贡献是第一个高效的$n^{o(1)}$ -竞争性线性$\ell_1$ -不经意路由运营商，不需要使用$\ell_1$ -嵌入。我们的构造很简单，仅仅基于低直径分解，并且-与所有已知的构造相反-直接产生不经意的流，而不仅仅是最优流成本的近似值。这也有利于简化分布式环境中与谢尔曼乘法权重框架[SODA'17]的相互作用及其后续舍入程序。
2021-10-29 cs.DS
Spin-the-bottle Sort and Annealing Sort: Oblivious Sorting via Round-robin Random Comparisons
我们研究基于随机循环比较的排序算法。具体来说，我们研究旋转瓶排序，其中比较是不受限制的，和退火排序，其中比较被限制到一个由\emph{temperature}参数界定的距离。这两种算法都是简单的，随机的，数据无关的排序算法，这是有用的隐私保护计算，但正如我们所示，退火排序是更有效的。我们表明，有一个输入置换，导致旋转瓶排序需要$Ω(n^2\log n)$预期的时间，以成功，并在$O(n^2\log n)$时间，该算法成功的概率很高的任何输入。我们还展示了退火排序的一个实现，它在$O(n\log n)$时间内运行，并且以非常高的概率成功。
2010-11-10 cs.DS
Improved Parallel Cache-Oblivious Algorithms for Dynamic Programming and Linear Algebra
新兴的非易失性主存储器（NVRAM）技术提供字节寻址能力、低空闲功率和改进的存储器密度，并且很可能成为未来存储层次结构中的关键组件。然而，实现高性能的一个关键挑战是考虑NVRAM写入可能比NVRAM读取昂贵得多的不对称性。在本文中，我们考虑了一个大类的高速缓存不经意算法的动态规划（DP）和线性代数，并试图减少写在非对称设置，同时保持高并行性。为了实现这一点，我们的关键方法是显示这些问题之间的对应关系和它们的计算抽象，这被称为$k$ -d网格。然后通过展示计算$k$ -d网格的下界和新算法，我们展示了许多DP递归和线性代数中的非对称设置的改进的高速缓存无关算法的列表，顺序和并行。令人惊讶的是，即使不考虑读写不对称性（即，在算法中将写成本设置为与读成本相同），新算法改善了许多问题的现有高速缓存复杂度。我们认为原因是$k$ -d网格的额外抽象级别有助于我们更好地理解这些问题的复杂性和困难。我们认为，我们的框架的新颖性是有意义的，并为未来的工作带来许多新的问题。
2019-08-20 cs.DS
Balanced Partitioning of Several Cache-Oblivious Algorithms
Frigo等人提出了一种理想的缓存模型和递归技术，以缓存无关的方式设计顺序缓存高效算法。Ballard等人指出，将该技术扩展到任意架构是一个基本的开放问题。Ballard等人提出了另一个悬而未决的问题，即如何在任意数量的处理器上准确有效地并行化Strassen算法。我们提出了一种新的方式分区的高速缓存不经意的算法，以实现完美的强缩放任意数量，甚至是素数，在一定范围内的共享内存设置的处理器。我们的方法是处理器感知但缓存不经意（PACO）。我们展示了我们的方法在几个重要的高速缓存无关算法，包括LCS，一维，GAP，经典的矩形矩阵乘法的半环，和Strassen的算法。我们将讨论如何将我们的方法扩展到分布式内存架构，甚至异构计算系统。因此，我们的工作可能会提供一个新的角度上的基本开放的问题，扩展递归缓存无关技术的任意架构。我们提供了一个几乎精确的解决方案，并行化Strassen的开放问题。我们的方法可能会提供一个新的角度扩展递归缓存无关技术的任意架构。我们的所有算法都比最著名的算法表现出更好的可扩展性或更好的总体并行缓存复杂性。初步的实验证明了我们的理论预测，PACO算法可以显着优于最先进的处理器不经意（PO）和处理器感知（PA）的同行。
2020-11-03 cs.DC cs.DS
Cache-Oblivious Priority Queues with Decrease-Key and Applications to Graph Algorithms
我们提出了优先级队列中的缓存无关外部存储器模型与块大小$B$和主存储器大小$M$，支持$N$元素，操作\textsc{UPDATE}（\textsc{INSERT}和\textsc{DECREASEKEY}的组合）在$O \left(\frac{1}{B}\log_{\fracλ{B}} \frac{N}{B}\right)$分期I/O和操作\textsc{EXTRACT-MIN}和\textsc{DELETE}在$O \left(\lceil \frac{λ^{\varepsilon}}{B} \log_{\fracλ{B}} \frac{N}{B} \rceil \log_{\fracλ{B}} \frac{N}{B}\right)$分期I/O，使用$O \left(\frac{N}{B}\log_{\fracλ{B}} \frac{N}{B}\right)$块，为用户定义的参数$λ\in [2, N ]$和任何真正的$\varepsilon \in (0,1)$。我们的结果改进了以前的I/O高效缓存无关和缓存感知优先级队列[Chowdhury和Ramachandran，TALG 2018]，[Brodal等人，SWAT 2004]，[Kumar和Schwabe，SPDP 1996]，[Arge等人，SICOMP 2007]，[Fadel等人，TCS 1999]。我们还提出了缓…
2020-08-04 cs.DS
Content-Oblivious Leader Election on Rings
本文研究无特殊根节点的内容无关计算，通过在环上实现内容无关领导者选举来移除根假设，给出有向环算法及消息复杂度下界，并扩展至无向环。
2024-05-06 cs.DC cs.DS
Data-Oblivious External-Memory Algorithms for the Compaction, Selection, and Sorting of Outsourced Data
我们提出了数据不经意的算法在外部存储器模型的压缩，选择和排序。这些问题的动机来自使用外包数据存储服务并希望掩盖其数据访问模式的客户端。我们表明，压缩和选择可以做数据遗忘使用$O(N/B)$ I/O，排序可以做，成功的概率很高，使用$O((N/B)\log_{M/B} (N/B))$ I/O。我们的方法使用了一些新的算法技术，包括数据遗忘使用可逆的布鲁姆查找表，蝴蝶般的压缩网络，随机数据细化，和“洗牌和交易”数据扰动。此外，由于数据不经意的排序是在现有的不经意的RAM模拟的“内循环”的瓶颈，我们的排序结果提高了摊销的时间开销做不经意的RAM模拟的对数因子在外部存储器模型。
2011-03-26 cs.CR cs.DC cs.DS
Approximation Algorithms for Hop Constrained and Buy-at-Bulk Network Design via Hop Constrained Oblivious Routing
本文基于跳跃约束无意识路由技术，通过自然的LP松弛解决了非均匀多商品批量购买网络设计问题，并首次为容错跳跃约束网络设计提出了多对数双准则近似算法。
2024-04-25 cs.DS
Data Oblivious Algorithms for Multicores
随着诸如英特尔SGX（具有超线程）等安全处理器的广泛采用，对大数据的私人分析的需求越来越大。大多数数据不经意算法的工作采用经典的PRAM模型来捕获并行性。然而，人们普遍认为PRAM并不能最好地捕捉现实的多核处理器，也不能反映实际中采用的并行编程模型。在本文中，我们开始研究并行数据不经意算法在现实的多核，最好的捕获的二进制fork-join模型的计算。我们首先证明了数据无关排序可以通过具有最佳总工作和最佳（缓存无关）缓存复杂度的二进制fork-join算法来完成，并且在O（log n log log n）跨度（即，并行时间）匹配最著名的不安全算法。使用我们的排序算法作为核心原语，我们展示了如何在二进制fork-join模型中以非平凡的效率模拟一般PRAM算法。我们还提出了几个应用程序，包括列表排名，欧拉之旅，树收缩，连接组件，最小生成森林的结果。对于这些应用程序的一个子集，我们的数据无关算法渐近优于最知名的不安全算法。对于其他应用程序，我们展示了数据不经意的算法，其性能界限匹配最知名的不安全算法。补充这些渐近有效的结果，我们提出了一个实际的变种，我们的排序算法，是独立的和潜在的实现。它具有最佳的缓存成本，它是从最佳的工作和关于一个log n的因素关闭的跨度，而且，它实现了小的常数因子在其边界。
2021-06-29 cs.CR cs.DC cs.DS
Cache-Oblivious Peeling of Random Hypergraphs
随机生成超图中剥离顺序的计算是许多构造中最耗时的步骤，例如完美散列方案、随机$r$ -SAT求解器、纠错码和近似集编码。虽然有一个简单的线性时间算法，其I/O性能差，使其不切实际的超图的大小超过可用的内部存储器。我们展示了如何减少剥离顺序的计算，以少量的顺序扫描和排序，并分析其I/O复杂性的高速缓存遗忘模型。所得到的算法需要$O(\mathrm{sort}(n))$ I/O和$O(n \log n)$时间来剥离具有$n$边的随机超图。我们实验评估我们的实现该算法在现实世界中的情况下，使用最小完美哈希函数（MPHF）的建设作为我们的测试用例的性能：我们的算法建立了一个MPHF的$7.6$十亿键在不到$21$小时在一台机器上。所得到的数据结构比用当前最先进的用于大规模密钥集的MPHF构造所获得的数据结构更节省空间并且更快。
2013-12-02 cs.DS
Cost-oblivious storage reallocation
数据库需要分配和释放磁盘上的存储块。释放的块会在没有数据存储的地方引入洞。分配系统试图重用这些释放的区域，以便最小化磁盘上的占用空间。如果先前分配的块不能被移动，则该问题被称为内存分配问题，已知该问题在占用空间中具有对数开销。本文定义了存储重新分配问题，以前分配的块可以移动，或重新分配，但在一定的成本。这里提出的算法是成本无关的，因为它们适用于广泛而合理的成本函数类，即使它们不知道成本函数是什么。目标是最小化存储占用空间，即包含已分配对象的最大内存地址，同时最小化重新分配成本。本文给出了一种渐进最优的存储再分配算法，该算法的存储占用最多为（1+ 1/2）倍最优，再分配费用最多为原分配费用的（1/1/2）倍，也是最优的.只要分配/再分配成本函数是次加性的，算法是成本无关的。
2017-03-26 cs.DS
Efficient cache oblivious algorithms for randomized divide-and-conquer on the multicore model
在本文中，我们提出了随机算法的排序和凸包，实现最佳性能（加速和缓存未命中）的多核模型与私有缓存模型。我们的算法是高速缓存不经意和概括的随机划分和征服的策略，由Reischuk和Reif和Sen。虽然这种方法产生了最佳的速度在PRAM模型，我们需要额外的技术来优化高速缓存未命中在一个不经意的设置。在对输入和处理器数量的温和假设下，我们的算法将具有最佳的时间和高速缓存未命中的高概率。虽然类似的结果已经得到最近排序，我们觉得我们的方法是简单和一般的，我们应用它来获得一个最佳的并行算法的三维凸包具有类似的界限。我们还提出了一个简单的随机处理器分配技术，没有明确的知识的处理器的数量，很可能会发现额外的应用程序在资源遗忘的环境。
2012-05-27 cs.CG cs.DC cs.DS
Oblivious Stacking and MAX $k$-CUT for Circle Graphs
堆垛是物流中的一个重要过程。要堆放的物品的一些显著的例子是钢堆场中的钢筋或钢板或集装箱码头或船上的集装箱。如果两个项目的存储时间间隔重叠，我们说这两个项目是冲突的，在这种情况下，其中一个项目需要重新处理，如果项目存储在相同的后进先出存储位置。我们考虑使用$k$ LIFO位置的堆叠项目的问题，共享一个位置的项目之间的冲突数量最少。我们提出了一个非常简单的在线堆叠算法，是不经意的存储时间间隔和存储位置的所有其他项目时，它挑选一个存储位置的项目。分配相同的存储位置的两个冲突的项目的风险被证明是顺序$1/k^2$下的项目的存储时间间隔的分布的温和的假设。直觉上，在不经意的设置中随机均匀地选择一个存储位置似乎是很自然的，这意味着$1/k$的风险，因此我们的算法的风险出奇地低。我们的结果也可以表示的上下文中的最大$k$ -切问题的圆图。结果表明，平均而言，圆图具有相对较大的$k$ -割相比，总的边缘数。
2021-06-03 cs.DM cs.DS
CacheShuffle: An Oblivious Shuffle Algorithm Using Caches
我们认为，不经意的洗牌和K-不经意的洗牌，是其中的一种改进。我们提供了有效的算法，并讨论了它们的应用程序的设计不经意的RAM。K-Oblivious Shuffling的任务是对服务器上随机分配的N个加密块进行Oblivious Shuffling，使得对手对新的块分配一无所知。安全保证也应该保持相对于已经学习了N个块中的K个被触摸的块的初始位置的对手。当K = N时，得到了不经意洗牌的经典概念.我们提出了一个家庭的算法不经意洗牌。我们的第一个构造CacheShuffleRoot是为具有$O(\sqrt{N})$内存块的客户端量身定制的，并为每个$ε> 0$使用$(4+ε)N$带宽块。CacheShuffleRoot比之前关于N的实际大小的最佳已知结果提高了4.5倍。我们还提出了CacheShuffle，它使用O（S）块的客户端内存和$O(N\log_S N)$块的带宽进行随机洗牌。然后，我们转向K-不经意的洗牌，并给出算法，需要2N + f（K）块的带宽，为一些功能f。也就是说，高于2N下限的任何额外带宽仅取决于K。我们提出了KCacheShuffleBasic，它使用O（K）客户端存储和正好2N块带宽。对于较小的客户端存储需求，我们展示了KCacheShuffle，它使用O（S）客户端存储，并需要$2N+(1+ε)O(K\log_S K)$带宽块。最后，我们考虑的情况下，除了N…
2017-10-17 cs.CR cs.DC cs.DS
Wireless Capacity with Oblivious Power in General Metrics
无线网络的容量是考虑干扰的同时通信的最大可能量。形式上，我们处理以下问题。给定一组链路，每个链路都是位于度量空间中的发送器-接收器对，并将功率分配给发送器。我们寻求一个最大的子集的链接是可行的SINR模型：即，在每个链路上接收到的信号应该大于来自其他链路的干扰的总和。我们给出了一个常数因子的近似，适用于任何长度单调，次线性功率分配和任何距离度量。我们用这个给本质上紧的功率控制下使用不经意的功率分配的容量最大化的特征。具体来说，我们表明，平均功率分配是最佳的双向链路的容量最大化，并给出了一个紧密的$θ(\log n)$ -近似调度双向链路的功率控制使用不经意的权力。对于单向链路，我们给出了一个接近最优的$O(\log n + \log \log Δ)$近似的功率控制问题，使用平均功率，其中$Δ$是最长和最短的链路的比例。结合起来，这些结果明确了无线通信问题的集中复杂性。
2010-10-21 cs.DS cs.NI
The Semi-Oblivious Cup Game: an Imperfect Information Setting
University of Cambridge（剑桥大学）；MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；MIT（麻省理工学院）
本文研究了贪心算法在杯游戏中的性能，证明其积压量下界为2.076，推翻了之前的猜想，并提出了一种混合算法在三种不同设置中均实现渐进最优性能。
2026-09-21 cs.DS
Optimal Fully Dynamic $k$-Center Clustering for Adaptive and Oblivious Adversaries
在完全动态聚类问题中，当通过插入和删除单个点来修改度量空间中给定数据集的聚类时，必须保持该聚类。在本文中，我们解决了全动态$k$中心聚类的复杂性对自适应和不经意的对手。针对不经意的对手，我们提出了第一个算法，完全动态$k$ -中心在任意度量空间，保持最佳的$(2+ε)$ -近似在$O(k \cdot \mathrm{polylog}(n,Δ))$摊销更新时间。这里，$n$是任何时候活动点数量的上限，$Δ$是度量空间的纵横比。以前，最著名的摊销更新时间是$O(k^2\cdot \mathrm{polylog}(n,Δ))$，是由于Chan，Gourqin和Sozio（2018）。此外，我们证明了我们的运行时是最佳的$\mathrm{polylog}(n,Δ)$因素。事实上，我们证明，即使是离线算法的$k$ -聚类任务在任意度量空间，包括$k$ -中位数，$k$ -手段，和$k$ -中心，必须至少$Ω(n k)$距离查询，以实现任何非平凡的近似因子。这意味着$Ω(k)$的下限，即使对于仅插入设置也成立。我们还显示了确定性的下限和上限的自适应对手，证明了更新时间次线性的$k$是可能的，对不经意的对手的度量空间，承认局部敏感的哈希函数（LSH），并给出了第一个完全动态的$O(1)$近似算法密切相关的$k$ -半径和$k$ -直径和问题。
2023-03-21 cs.DS
Cache-Oblivious Parallel Convex Hull in the Binary Forking Model
本文在 Binary Forking 模型中提出两种缓存无关并行凸包算法，分别针对预排序点集和一般输入，达到相应的工作、跨度与缓存复杂度界。
2023-07-17 cs.CG cs.DS
The Melbourne Shuffle: Improving Oblivious Storage in the Cloud
我们提出了一个简单，高效，安全的数据遗忘随机洗牌算法。这是第一个不基于排序的安全数据无关洗牌。我们的方法可以用来改善以前的不经意的存储解决方案，基于网络的数据外包。
2014-02-22 cs.CR cs.DC cs.DS
A $(k + 3)/2$-approximation algorithm for monotone submodular maximization over a $k$-exchange system
研究了$k$ -交换系统中单调次模函数的最大化问题.这些系统由Feldman等人引入，将拟阵k-奇偶问题推广到更广泛的拟阵类中，并捕获了许多其他组合优化问题。Feldman等人证明了一种简单的非遗忘局部搜索算法可以获得$(k + 1)/2$近似比，用于求解$k$ -交换系统中的线性最大化问题。在这里，我们扩展这种方法的情况下，单调的子模目标函数。对于$k$ -交换系统中的单调子模函数最大化问题，给出了一个确定的非遗忘局部搜索算法，该算法的逼近比为$(k + 3)/2$.
2011-09-28 cs.DS
Separating Oblivious and Adaptive Differential Privacy under Continual Observation
Boston University（波士顿大学）
研究通过相关向量查询问题区分连续观察下的盲目与适应性差分隐私，展示了在盲目设置下(ε,0)-DP算法的准确性，而适应性设置下任何(ε,δ)-DP算法在仅释放常数时间步后都会失效。
2026-04-03 cs.CR cs.DS
Random-Shift Revisited: Tight Approximations for Tree Embeddings and L1-Oblivious Routings
本文重新分析随机平移分解，证明其在多尺度下具有紧常数权衡，从而得到树嵌入和L1-oblivious路由的紧近似，并支持高效并行与分布式实现。
2025-10-10 cs.DS
Separations between Oblivious and Adaptive Adversaries for Natural Dynamic Graph Problems
基于细粒度复杂度假设，我们首次在自然动态图问题中证明 oblivious 与 adaptive 对手间存在指数级更新时间分离，并附带三角形检测的增量与减量算法分离。
2025-10-23 cs.DS
Dynamic Algorithms Against an Adaptive Adversary: Generic Constructions and Lower Bounds
针对自适应对手的动态算法要求在对手看到算法的前一次输出后选择下一次更新时是正确的。我们获得了更快的动态算法对自适应对手和分离的结果是什么是可以实现的遗忘与自适应设置。为了得到这些结果，我们利用技术从差分隐私，密码学，和自适应数据分析。我们给出了将针对不经意对手的动态算法转化为针对自适应对手的鲁棒动态算法的一般约简。这种减少维护了不经意算法的几个副本，并使用差分隐私来保护它们的随机位。使用这种减少，我们获得动态算法对自适应对手的改进更新和查询时间的全球最小切割，所有对的距离，和所有对有效的阻力。我们进一步提高我们的更新和查询时间，展示了如何维护一个稀疏的扩展分解，可以快速刷新。这种快速刷新使它能够抵抗我们所说的闪烁对手，这种对手只能在刷新后观察算法的输出。我们相信，这些技术将被证明是有用的其他问题。另一方面，我们指定的动态问题，假设一个随机的预言，每一个动态算法，解决他们对自适应对手必须多项式慢于一个相当简单的动态算法，解决他们对一个不经意的对手。我们首先显示搜索问题的分离结果，然后显示估计问题的分离结果。在后一种情况下，我们的分离结果来自自适应数据分析的下限。
2021-11-07 cs.DS
An Empirical Study of Cache-Oblivious Priority Queues and their Application to the Shortest Path Problem
近年来，外部存储器计算的Cache-Oblivious模型为海量数据集上的算法分析提供了一个有吸引力的理论基础。在发现渐近最优或接近最优的算法方面已经取得了很大的进展。然而，迄今为止，成功的实验研究仍然相对较少。在本文中，我们比较了两种不同的基于漏斗和桶堆的Cache-Oblivious优先级队列，并将它们应用于具有正边权重的图上的单源最短路径问题。我们的研究结果表明，当RAM是有限的，数据交换到外部存储，缓存不经意的优先级队列实现了数量级的加速比标准的内部存储器技术。然而，对于模拟和真实世界的图形数据上的单源最短路径问题，由于访问图形邻接列表本身所需的时间，这些加速比明显较低。
2008-02-07 cs.DS cs.SE
Oblivious Median Slope Selection
研究了不经意RAM模型中的中值斜率选择问题。在这种模型中，存储器访问必须独立于所处理的数据，即，对手不能使用观察到的访问模式来导出关于输入的附加信息。我们展示了如何修改Matoušek（1991）的随机算法以获得$\mathbb{R}^2$中$n$点的具有$\mathcal{O}(n \log^2 n)$期望时间的不经意版本。这种复杂性与理论上的上限相匹配，该上限可以通过一般的不经意变换获得。此外，从概念验证的实施结果表明，我们的算法也是实际有效的。
2023-02-24 cs.CG cs.CR cs.DS
Speed-Oblivious Online Scheduling: Knowing (Precise) Speeds is not Necessary
University of Bremen（不来梅大学）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文研究速度无关的异构机器在线调度，证明透视与非透视算法的下界，并提出基于可能错误预测的学习增强算法及速度有序模型算法，首次在真实多核处理器上验证带预测调度算法的性能。
2026-10-14 cs.DS cs.LG
Resource Oblivious Sorting on Multicores
我们提出了一个确定性排序算法，SPMS（样本，分区，合并排序），交错的样本排序与合并的分区。按顺序，它对$O(n \log n)$时间缓存中的$n$元素进行排序，并具有最佳的缓存未命中数量。该算法的并行复杂度（或关键路径长度）是$O(\log n \cdot \log\log n)$，它改进了以前的最佳缓存不经意排序的界限。该算法还具有较低的虚假共享成本。当在具有全局共享存储器和$p$核的多核计算环境中由工作窃取调度器调度时，由于该并行执行而导致的附加高速缓存未命中和假共享未命中的成本分别由$O(S\cdot M/B)$和$O(S \cdot B)$高速缓存未命中的成本限制，其中每个$p$核具有以大小为$B$的块组织的大小为$M$的高速缓存，其中，$S$是在执行期间执行的窃取次数。最后，SPMS算法是资源无关的，对机器参数的依赖性只出现在对算法性能的分析中，而不是算法本身。
2017-11-02 cs.DC cs.DS
Efficient Tree Layout in a Multilevel Memory Hierarchy
我们考虑的问题，布局一棵树与固定的父/子结构的层次存储器。我们的目标是最大限度地减少预期数量的块传输搜索期间沿根到叶路径，叶上的概率分布。这个问题以前被Gil和Itai考虑过，他们在块传输大小B已知的情况下开发了最优但速度较慢的算法。我们提出了更快的，但近似算法相同的问题，最快的算法运行在线性时间，并产生一个解决方案，是在一个附加常数的最佳。此外，我们将展示如何扩展任何近似最优算法的缓存不经意设置中的块传输大小是未知的算法。缓存无关布局的查询性能是在一个恒定的因素的查询性能的最佳已知块大小的布局。计算缓存无关布局只需要在数学上多次调用已知块大小的布局算法;特别是，缓存无关布局可以在O（N lg N）时间内计算，其中N是节点数。最后，我们分析了两个贪婪的策略，并表明，他们有一个性能比之间的Omega（lg B / lg lg B）和O（lg B）的最佳布局相比。
2004-07-28 cs.DS
Optimal Packet-oblivious Stable Routing in Multi-hop Wireless Networks
稳定性是表征网络性能的一个重要问题，在过去的十年里，它已经成为一个主要的研究课题。粗略地说，如果在任何一个时刻等待被发送的数据包（积压）的数量是有界的，则通信网络系统被称为是稳定的。在本文中，我们介绍了一个新的家庭的组合结构，我们称之为普遍强选择器，用于提供一组传输时间表。利用这些结构，结合一些已知的排队策略，我们提出了一个包不经意路由算法，它是工作在不使用任何全局拓扑信息，并保证一定的注入率的稳定性。我们表明，该协议是渐近最优的注入率的稳定性得到保证。此外，我们还介绍了一个包无关路由算法，保证稳定性较高的流量。该算法是最佳的注射速率，其稳定性得到保证。然而，它需要使用系统拓扑的一些全局信息。
2020-05-05 cs.DS cs.NI
Cache-Friendly Search Trees; or, In Which Everything Beats std::set
虽然理论计算机科学中的大量工作已经进入优化数据结构的运行时间和空间使用，但是这样的工作经常忽略现代计算机的非常重要的组件：高速缓存。在这样做时，经常开发的数据结构实现了理论上良好的运行时间，但是由于大量的高速缓存未命中而在实践中很慢。在1999年，Frigo等人提出了高速缓存不经意算法的概念：一种利用高速缓存的算法，不管高速缓存的大小或结构如何。从那时起，许多作者设计了高速缓存无关算法和数据结构，用于从矩阵乘法到数组排序的问题。在这项工作中，我们专注于高速缓存不经意的搜索树，即实现一个有序的字典在一个高速缓存友好的方式。我们将首先介绍高速缓存无关数据结构的概述，特别是高速缓存无关搜索树。然后，我们给出了在现代机器上使用这些缓存无关结构的实际结果，将它们与标准std：：set和其他缓存友好的字典（如B树）进行比较。
2019-07-02 cs.DS cs.IR
A Certified Universal Gathering Algorithm for Oblivious Mobile Robots
Conservatoire national des arts et métiers（法国国立工艺学院）；Collège de France（法兰西公学院）；Sorbonne Universités, UPMC Univ Paris 06（索邦大学，巴黎第六大学（UPMC））；Institut Universitaire de France（法国大学研究院）；École Nat. Sup. d’Informatique pour l’Industrie et l’Entreprise (ENSIIE)（法国国立工业与企业信息学高等学院（ENSIIE））；Université Paris-Sud（巴黎第十一大学）
我们提出了一个新的算法的问题，普遍收集移动遗忘机器人（即，从任何初始配置，不是二价的，使用任何数量的机器人，机器人到达在有限数量的步骤相同的位置，事先不知道），而不依赖于一个共同的手征。我们给我们的算法的正确性非常强的证明正式证明，它是正确的，使用COQ证明助手。据我们所知，这是在遗忘移动机器人的背景下第一个经过认证的积极（和建设性）结果。它展示了该方法获得真正通用的新算法的有效性，以及其可管理性，因为开发的代码量仍然是人类可读的。
2015-06-04 cs.CG cs.DC cs.DS
A 4/3-competitive randomized algorithm for online scheduling of packets with agreeable deadlines
在2005年，Li等人给出了一个用于调度具有一致截止期限的数据包的phi竞争确定性在线算法，并进行了非常有趣的分析。由于Hajek的下限，这是已知的最佳。我们认为Li等人的算法可以稍微简化，同时保持其竞争比。然后我们在修改后的算法中引入随机性，并认为与不经意对手的竞争比最多为4/3。请注意，这仍然在Chin等人的最佳已知下限5/4之间留下了差距。
2010-02-03 cs.DS
Efficient Resource Oblivious Algorithms for Multicores
我们考虑设计一个多核计算环境的有效算法与全局共享内存和p个核心，每个有一个大小为M的高速缓存，并与数据组织在大小为B的块。我们描述了多核的“层次平衡并行（HBP）”多线程计算类。HBP计算类似于最近工作中考虑的分层分治算法，但具有一些额外的功能，即使在考虑由于错误共享导致的缓存未命中时也能保证良好的性能。我们的HBP算法大多来自已知的高速缓存不经意的算法具有高并行性，但我们采用了新的技术，减少假共享的影响。我们解决虚假共享成本（或者更一般地说，块未命中）的方法是确保任何可能被窃取的任务与其他任务共享O（1）块。我们使用一个缺口技术的计算，有大于O（1）块共享。我们还将在配套文件中分析的有限访问写入的属性，我们绑定的任务的执行堆栈上访问共享块的成本。我们提出了优先工作窃取（PWS）调度程序，我们建立，给定一个足够高的高速缓存，PWS确定性地调度几个高度并行的HBP算法，包括扫描，矩阵计算和FFT，与高速缓存未命中的顺序复杂性的限制，当占传统的高速缓存未命中和虚假共享。我们还提出了一个列表排序算法几乎最优的界限。PWS调度不使用缓存或块大小信息，并使用处理器的知识，仅在确定任务可能被窃取的可用位置的程度上，因此它调度资源遗忘。
2011-03-21 cs.DC cs.DS
Nearly-Tight and Oblivious Algorithms for Explainable Clustering
EPFL（洛桑联邦理工学院）
我们研究了Dasgupta，Frost，Moshkovitz和Rashtchian（ICML 2020）首次正式提出的可解释聚类问题。如果一个$k$ -聚类是由一个决策树给出的，其中每个内部节点在一个维度（特征）上用阈值切割来分割数据点，并且每个$k$叶对应于一个聚类，则它被称为是可解释的。我们给出了一个算法，输出一个可解释的聚类，失去了最多的一个因素$O(\log^2 k)$相比，最佳的（不一定是可解释的）聚类的$k$ -中位数目标，和一个因素的$O(k \log^2 k)$的$k$ -手段目标。这分别改进了$O(k)$和$O(k^2)$的先前最佳上界，并且几乎匹配$k$ -中位数的先前$Ω(\log k)$下限和我们的$k$ -均值的新$Ω(k)$下限。算法非常简单。特别地，给定$\mathbb{R}^d$中的初始不一定可解释的聚类，它不注意数据点并且在时间$O(dk \log^2 k)$中运行，与数据点$n$的数量无关。我们的上界和下界也推广到更高的$\ell_p$ -范数给出的目标。
2021-10-24 cs.DS cs.LG
Traffic-Oblivious Multi-Commodity Flow Network Design
本文研究最小多商品流子图（MMCFS）问题，旨在寻找边数最少的子图以支持原网络中任意流量矩阵的按比例路由。作者证明了该问题的NP困难性，并提出基于LP舍入方案的紧致近似算法。
2025-09-16 cs.DS
Privacy-Preserving Data-Oblivious Geometric Algorithms for Geographic Data
我们给出了有效的数据不经意算法的几个基本几何问题，是相关的地理信息系统，包括平面凸包和所有最近的邻居。我们的方法是“数据无关的”，因为它们不执行任何依赖于数据的操作，除了在具有恒定数量的输入和输出的低级黑盒电路内执行的操作。因此，一个观察到我们的算法之一的控制流的对手，但他不能看到黑盒电路的输入和输出，不能学习任何关于输入或输出的信息。这种行为使我们的方法适用于安全多方计算（SMC）协议的地理数据中使用的基于位置的服务。在SMC协议中，多方希望对他们的组合数据执行计算，而不向其他方透露单独的数据。例如，我们的方法可以用来解决由Du和Atallah提出的问题，其中Alice在平面上有一个m个私有点的集合A，Bob在平面上有另一个n个私有点的集合B，Alice和Bob想要联合计算A u B的凸包，而不需要透露比从答案中得出的信息更多的信息。特别是，Alice和Bob都不想暴露A u B的凸包内部的任何点。
2010-09-09 cs.CG cs.DS
Deterministic Cache-Oblivious Funnelselect
本文提出确定性缓存遗忘的 funnelselect 算法，通过基于查询秩熵的递归反向漏斗计算替代随机采样，在不使用随机化的情况下达到与随机化版本相同的最优 I/O 复杂度。
2024-02-27 cs.DS
An Oblivious Spanning Tree for Buy-at-Bulk Network Design Problems
我们考虑了双维图的单源批量采购网络设计问题的单生成树构造问题。我们计算一个生成树来沿着图将一组需求（或数据）路由到指定的根结点或从指定的根节点路由。需求可以在中间节点处聚合（或对称地分布到中间节点），其中融合成本由非负凹函数$f$指定。我们描述了一种新的方法来开发一个不经意的生成树的意义上，它是独立的数据源（或需求）和成本函数的数量在中间结点。据我们所知，这是第一篇提出一个单一的生成树解决这个问题（而不是多个覆盖树）。还没有先前的工作，树是不经意的融合成本函数和源（需求）的集合。我们提出了一个确定性的，多项式时间的算法在低倍图，保证$\log^{3}D\cdot\log n$ -近似的最佳成本，其中$D$是直径的图形和$n$的节点总数的生成树。对于恒定的融合成本函数，我们的生成树给出了每个Steiner树到根的$O(\log^3 D)$ -近似。
2010-04-02 cs.DS
Oblivious Sampling Algorithms for Private Data Analysis
University of Waterloo（滑铁卢大学）；Microsoft（微软公司）；The University of Melbourne（墨尔本大学）
我们研究安全和隐私保护的数据分析的基础上执行的查询样本从数据集。可信执行环境（TEE）可用于在查询计算期间保护数据的内容，而在TEE中支持差分私有（DP）查询在查询输出被揭示时提供记录隐私。由于\emph{privacy amplification}，对基于样本的查询的支持是有吸引力的，因为不是所有的数据集都被用来回答查询，而只是一个小的子集。然而，提取数据样本与TEE，同时证明强大的DP保证是不平凡的样本索引的秘密必须得到保护。为此，我们设计了有效的安全变种常见的采样算法。实验表明，对于MNIST和CIFAR-10的差异隐私模型，使用洗牌和采样训练的模型的准确性是相同的，而采样提供了比洗牌更强的隐私保证。
2020-09-28 cs.CR cs.DS cs.LG
Towards a Practical, Budget-Oblivious Algorithm for the Adwords Problem under Small Bids
本研究受在线二分图匹配最优算法启发，尝试推导Adwords小额出价场景的预算无关算法，虽因无超越性质不成立未能完全推广，但实验显示该性质失效概率不足2%，算法性能接近现有最优方案，具备实用潜力。
2023-07-22 cs.DM cs.DS cs.GT
On fully dynamic constant-factor approximation algorithms for clustering problems
聚类是计算机科学中的一个重要课题，在许多领域都有应用。我们研究了完全动态的设置，我们要保持良好的集群有效地输入点（从度量空间）时，可以插入和删除。许多聚类问题是$\mathsf{APX}$ -困难的，但承认多项式时间$O(1)$ -近似算法.因此，这是一个自然的问题，我们是否可以保持$O(1)$ -近似的解决方案，他们在次多项式更新时间，对自适应和遗忘的对手。只有少数的结果是已知的，给这个问题的部分答案。存在$k$ -中心、$k$ -均值和$k$ -中值的动态算法，其在预期的$\tilde{O}(k^{2})$更新时间内保持恒定因子近似以对抗不经意的对手。然而，对于这些问题，有没有已知的算法的更新时间是次多项式在$k$，并对自适应对手甚至没有（非平凡）的动态算法已知的。在本文中，我们完成了所有这些聚类问题的上述问题的图片。1.我们表明，没有完全动态的$O(1)$ -近似算法的任何经典的聚类问题，上述更新时间在$n^{o(1)}h(k)$对自适应对手，为任意函数$h$。2.我们给出了一个下界的$Ω(k)$的更新时间为上述每个问题，即使对一个不经意的对手。3.我们给出了第一个$O(1)$ -近似全动态算法$k$-半径和$k$ -直径和预期更新时间的$\tilde{O}(k^{O(1)})$对一个不经意的对手。4.最后，对于$k$ -中心，我们提出了一个完全动态的$(6+ε)$ -近似算…
2021-12-14 cs.CG cs.DS
