NP-Hardness of Speed Scaling with a Sleep State
现代处理器可以在活动时动态设置其速度,并可以在需要时转换到睡眠状态。当处理器以速度$s$操作时,每单位时间消耗的能量由凸幂函数$P(s)$给出,该凸幂函数具有对于所有$s$值的$P(0) > 0$和$P"(s) > 0$的性质。此外,需要$C > 0$单位的能量来进行从睡眠状态到活动状态的转换。作业由它们的到达时间、截止日期和处理量指定。我们考虑一个调度问题,称为睡眠状态下的速度缩放,每个作业必须在其到达时间和最后期限内调度,目标是最小化处理这些作业所需的总能耗。Albers et.等人证明了这个问题的NP-困难减少一个NP-困难的分区问题的一个实例,这个调度问题。该调度问题的实例除了包含$P$和$C$外,还包含每个工件的到达时间、截止时间和处理量。由于$P$和$C$依赖于划分问题的实例,当$P$和$C$固定时,睡眠状态下速度缩放问题的NP-困难性的证明不再有效。本文证明了带睡眠状态的速度缩放问题对任何固定正数$C$和凸$P$都是NP-难的,且对$s$的所有值都满足$P(0) > 0$和$P"(s) > 0$.
2013-04-27 cs.DS
A $ϕ$-Competitive Algorithm for Scheduling Packets with Deadlines
针对带截止期限的在线包调度问题(PacketSchD),提出一个 $ϕ$-竞争($ϕ\approx 1.618$)的确定性在线算法,匹配已知下界,解决了自2001年以来长期未决的最优竞争比这一开放问题。
2023-10-20 cs.DS
Learning-Augmented Competitive Algorithms for Spatiotemporal Online Allocation with Deadline Constraints
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);California Institute of Technology(加州理工学院);University of Waterloo(滑铁卢大学);Massachusetts Institute of Technology(麻省理工学院)
本文提出带截止期限约束的时空在线分配问题 SOAD,设计学习增强竞争算法 ST-CLIP,给出匹配下界,并在碳感知工作负载调度实验中显著优于启发式基线。
2025-03-12 cs.DC cs.DS cs.LG
Finite Pinwheel Scheduling: the k-Visits Problem
National Technical University of Athens(雅典国立技术大学);Archimedes, Athena Research Center(阿基米德,雅典研究中心);Paderborn University(帕德博恩大学);University of Ioannina(约安尼纳大学)
本文研究了有限轮转调度问题k-访问,证明了当k=2时问题强NP完全,并探讨了其复杂性及求解方法。
2026-08-03 cs.DS
Online Line Aggregation with Deadlines: Randomized Guarantees and Learning-Augmented Tradeoffs
School of Mathematics Science, Ocean University of China(中国海洋大学数学科学学院)
研究带截止时间的在线线路聚合问题,提出最优e-竞争随机算法及学习增强算法,在鲁棒性与一致性间取得权衡,并给出离线动态规划解法。
2026-09-23 cs.DS math.OC
Learnable and Instance-Robust Predictions for Online Matching, Flows and Load Balancing
Carnegie Mellon University(卡内基梅隆大学);Zhejiang University(浙江大学)
我们提出了一个新的模型,要求他们正式学习和实例强大的预测增强算法。可学习性确保可以从合理数量的过去数据中有效地构建预测。实例鲁棒性确保预测对于问题输入中的适度变化是鲁棒的,其中变化的度量可以是特定于问题的。实例鲁棒性坚持作为变化的函数的性能的平滑降级。理想情况下,性能永远不会比最坏情况下的边界差。这也使得预测能够客观地进行比较。我们设计了在线算法,预测网络流量分配问题和限制分配最大完工时间最小化。对于这两个问题,建立了两个关键属性:高质量的预测可以从先前实例的小样本中学习,并且这些预测对于随着底层问题实例的变化而平滑降级的错误是鲁棒的。
2021-07-02 cs.DS cs.LG
Packing Sporadic Real-Time Tasks on Identical Multiprocessor Systems
在实时的【形】系统中,除了功能正确性外,循环任务还必须满足时间约束,以确保系统的正确行为。分区调度广泛应用于实时的【形】系统中,即,任务被静态地分配到处理器上,同时确保满足所有定时约束。决策版本的问题,这是检查是否可以满足任务的最后期限约束在一个给定的相同的处理器数量,已被称为${\cal NP}$ -完全的强意义。关于这个问题的几项研究是基于涉及资源增加的近似,即,加速单个处理器。本文研究了另一种类型的资源增加分配额外的处理器,一个主题,直到最近才被探索。我们提供多项式时间算法和分析,其中的近似因子取决于输入实例。具体而言,这些因素与给定任务集中任务的周期与相对截止日期的最大比率有关。我们还表明,不幸的是,这些算法不能实现一个常数的近似因子一般情况下。此外,我们证明了该问题不允许任何渐近多项式时间近似方案(APTAS),除非${\cal P}={\cal NP}$时,任务集有约束的最后期限,即,任务的相对截止期不超过任务的周期。
2018-09-12 cs.DS
The Popular Roommates problem
我们认为流行的匹配问题,在一个严格的偏好列表的室友的情况下。虽然流行的配对总是存在于双方实例中,但它们不一定存在于室友实例中。在室友实例中流行的匹配问题的复杂性已经是一个开放的问题了好几年,在这里我们证明它是NP难的。在二部图中,一类称为支配匹配的最大流行匹配已经得到了很好的研究。我们表明,在室友的情况下,占主导地位的匹配问题也是NP-难的,这是即使当实例承认一个稳定的匹配的情况。
2018-04-09 cs.DS
Balancing Flow Time and Energy Consumption
在本文中,我们研究了以下批调度模型:找到一个时间表,最小化总流动时间为$n$均匀长度的工作,释放时间和最后期限,其中机器只积极处理作业在最多$k$同步批次的大小最多$B$。以前的工作,这样的批调度模型只考虑了可行性,没有考虑流时间的时间表。但是,从调度程序的角度最小化成本的算法(例如最小化处理器活动时间的算法)可能导致总流时间任意高的调度\cite{ChangGabowKhuller}。从客户的角度来看,这样的时间表没有价值。作为回应,我们的工作提供了动态的程序,最大限度地减少流动时间的活动时间限制。我们的主要贡献集中在工作与同意的最后期限,对于这样的工作实例,我们引入动态程序,实现运行时的O $(B \cdot k \cdot n)$的单位作业和O $(B \cdot k \cdot n^5)$的统一长度的工作。这些结果改进后,我们修改了一个不同的,经典的动态规划的方法,由巴蒂斯特。虽然修改后的DP在最后期限不一致时工作,但该解决方案更昂贵,具有运行时$O(B \cdot k^2 \cdot n^7)$ \cite{Baptiste00}。
2022-06-03 cs.DS
Improved Approximation Algorithms for the Non-preemptive Speed-scaling Problem
我们有一组作业,每个作业都由它的发布日期、截止日期和处理量(工作)指定,还有一个(或一组)速度可伸缩的处理器。我们采用速度缩放的标准模型,其中如果处理器以速度s运行,则每个时间单位的能耗为s^α,其中α>1。我们的目标是找到一个时间表尊重发布日期和工作的最后期限,使总的能源消耗最小化。虽然大多数以前的作品已经研究了抢占式的情况下的问题,一个工作可能会被中断,并恢复以后,我们专注于非抢占式的情况下,一旦一个工作开始执行,它必须继续,直到其完成没有任何中断。我们提出了改进的近似算法的多处理器非抢占式的速度缩放问题的特定情况下。
2012-11-23 cs.DS
Generating Satisfiable Benchmark Instances for Stable Roommates Problems with Optimization
Faculty of Engineering and Natural Sciences, Sabanci University(萨班哲大学工程与自然科学学院)
本文提出了一种新算法,用于生成具有大量解的稳定室友问题基准实例,使得通过枚举所有稳定匹配难以找到平等稳定匹配。
2025-07-26 cs.DS
Cost-efficient Scheduling on Machines from the Cloud
我们考虑一个调度问题,机器需要从云租用,以处理工作。有两种类型的机器可供租用的机器类型依赖的价格和任意的持续时间。然而,在机器可用于加工之前,需要依赖于机器类型的设置时间。工作随着时间的推移而在线,具有机器类型依赖的大小,并且具有单独的截止日期。我们的目标是租用机器和安排工作,以满足所有的最后期限,同时最大限度地减少租赁成本。由于我们观察到的松弛的工作竞争力有一个根本性的影响,我们研究的模型时,实例参数化的(最小)松弛。对于所有作业,如果作业的发布时间与作业需要启动的最后时间点之间的差值至少为$β$,则调用实例以使其具有$β$的松弛时间。虽然对于$β< s$没有有限的竞争力是可能的,我们的主要结果是一个$O(\frac{c}{\varepsilon} + \frac{1}{\varepsilon^3})$竞争的在线算法$β= (1+\varepsilon)s$与$\frac{1}{s} \leq \varepsilon \leq 1$,其中$s$和$c$表示最大的设置时间和成本比的机器类型,分别。它由$Ω(\frac{c}{\varepsilon})$的下界补充。
2016-12-21 cs.DS
Finding Stable Matchings that are Robust to Errors in the Input
我们研究的问题,找到解决方案的稳定匹配问题,是强大的错误的输入,我们得到了一个多项式时间算法的一类特殊的错误。在这个过程中,我们还开始工作的一个新的结构问题的稳定匹配问题,即寻找两个“附近”的情况下的解决方案的格之间的关系。我们的主要算法结果如下:我们确定了一个多项式大类的错误,$D$,可以引入一个稳定的匹配实例。给定稳定匹配的实例$A$,令$B$为随机变量,该随机变量表示从$D$引入{ \em one}错误后产生的实例,通过给定的离散概率分布选择。问题是找到$A$的稳定匹配,其也最大化对于$B$稳定的概率。通过上述问题所描述的新的结构性质,我们给出了该问题的组合多项式时间算法。我们还表明,一组强大的稳定匹配,例如$A$,概率分布$p$下,形成一个子格的稳定匹配$A$的格。我们给出了一个有效的算法,找到一个简洁的表示,这个表示具有的属性,可以有效地从它的集合中检索的任何成员。
2018-12-14 cs.DS
Extending Stable and Popular Matching Algorithms from Bipartite to Arbitrary Instances
Institute of Economics, Centre for Economic and Regional Studies (ELTE KRTK KTI)(匈牙利经济研究所区域经济与研究中心)
本文针对稳定室友等任意图实例,将二部图中的最大弱稳定匹配3/2近似算法及流行匹配算法成功扩展,解决了二十余年的开放问题。
2025-10-04 cs.DM cs.DS cs.GT
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
Popular Matching with Lower Quotas
我们认为,充分研究的住院医师(HR)的问题,在存在较低的配额(LQ)。输入实例由二分图$G = (\mathcal{R} \cup \mathcal{H}, E)$组成,其中$\mathcal{R}$和$\mathcal{H}$分别表示居民和医院的集合。每个顶点都有一个偏好列表,对它的邻居施加严格的排序。此外,每个医院的$h$都有一个相关的上限$q^+(h)$和下限$q^-(h)$。$G$中匹配的$M$是指将住院医师分配到医院,如果每个住院医师最多分配到一家医院,并且医院$h$至少分配到$q^-(h)$,最多分配到$q^+(h)$住院医师,则称$M$可行。稳定性是模型中两组顶点都有偏好的事实上的最优性概念。一个匹配是稳定的,如果没有未分配的对有动机偏离它。众所周知,HRLQ问题的一个实例不需要承认一个可行的稳定匹配。在本文中,我们考虑HRLQ问题的流行度的概念。当顶点在$M$和$M'$之间投票时,如果没有其他匹配的$M'$获得比$M$更多的选票,则匹配的$M$是流行的。当没有更低的配额时,总是存在稳定匹配,并且已知每个稳定匹配都是受欢迎的。我们表明,在一个HRLQ的情况下,虽然一个可行的稳定匹配不需要存在,总是有一个匹配,是流行的可行匹配。我们给出了一个有效的算法来计算一个最大的基数匹配,这是流行的所有可行的匹配在一个HRLQ实例。
2017-04-26 cs.DS
Rank Maximal Matchings -- Structure and Algorithms
设G =(A UP,E)是一个二分图,其中A表示一组代理,P表示一组帖子,边上的秩表示代理对帖子的偏好。G中的一个匹配M是秩最大的,如果它匹配了最大数量的申请者到他们的第一个职位,在此基础上,匹配了最大数量的申请者到他们的第二个职位等等.本文给出了秩最大匹配的一个开关图刻画,这是一个有用的工具,可以在一个实例中编码所有的秩最大匹配.的表征导致几个有趣的问题,简单而有效的算法。特别是,我们给出了一个有效的算法来计算一个实例中的秩极大对的集合。我们证明了秩极大匹配数的计数问题是P-完全的,并给出了该问题的一个FPRAS。最后,我们考虑了在给定的实例中,在所有的秩最大匹配中,判断一个秩最大匹配是否受欢迎的问题,并给出了一个有效的算法。
2014-09-17 cs.DS
Robust Popular Matchings
University of Bristol(布里斯托大学);ELTE KRTK KTI(罗兰大学KRTK KTI);University of California Irvine(加州大学尔湾分校)
该研究针对偏好下的鲁棒流行匹配问题,给出了单智能体偏好差异场景下的多项式时间判定算法,同时证明了多类差异场景下的NP完全性与复杂性二分性,结果也适用于支配匹配。
2025-10-22 cs.DS cs.GT
An optimal algorithm for 2-bounded delay buffer management with lookahead
Kesselman等人提出的有界延迟缓冲区管理问题(STOC 2001和SIAM Journal on Computing 33(3),2004)是一个在线问题,其关注支持服务质量(QoS)的交换机的缓冲器管理。问题定义如下:数据包随时间到达缓冲区,每个数据包由{ \em释放时间}、{ \em截止时间}和{ \em值}指定。算法可以在每个整数时间从缓冲器发送最多一个分组,并且如果在其释放时间之后在其截止日期之前发送分组,则可以获得其值作为{ \em利润}。这个问题的目标是最大化获得的利润。我们说这个问题的一个实例是$s$有界的,如果对于任何数据包,一个算法最多有$s$机会发送它。对于任何$s \geq 2$,Hajek(CISS 2001)表明,任何确定性算法的竞争比至少是$(1 + \sqrt{5})/2 \approx 1.619$。证明了对于任何$s$,存在一个算法,其竞争比与该下界相匹配.然而,它尚未显示。然后,当$s = 2$,B{<$}hm等人~(ISAAC 2016)将{ \em lookahead}能力引入到一种在线算法中,即该算法可以获得关于未来到达分组的信息,并表明该算法达到了$(-1 + \sqrt{13})/2 \approx 1.303$的竞争比。此外,他们还表明,任何确定性算法的竞争比至少是$(1 + \sqrt{17})/4 \approx 1.281…
2018-06-30 cs.DS
Maximum-utility popular matchings with bounded instability
在一个图中,顶点对它们的邻居有偏好,当顶点在匹配之间投票时,如果匹配没有失去任何其他匹配的头对头选举,那么它被称为流行。流行匹配可以被看作是稳定匹配和最大匹配之间的中间类别。在本文中,我们的目标是最大限度地提高效用的匹配,是流行的,但承认只有少数阻塞边缘。对于一般的图,已经找到一个流行的匹配与最多一个阻塞边是NP完全的。对于二分的情况下,我们研究的问题,找到一个最大的效用流行匹配的数量(或更一般地说,成本)的限制,采用多元方法的阻塞边缘。我们展示了经典和参数化的严格限制的情况下的硬度结果。相比之下,我们设计了一个算法的情况下,在一侧的偏好承认一个主列表,并表明,该算法是最佳的。
2022-05-04 cs.DM cs.DS
Online Flexible Busy Time Scheduling on Heterogeneous Machines
Research Institute of the University of Bucharest(布加勒斯特大学研究所);Northwestern University(西北大学);Illinois Institute of Technology(伊利诺伊理工学院);Department of EECS and the Simons Institute for the Theory of Computing, UC Berkeley(加州大学伯克利分校电气工程和计算机科学系及西蒙斯理论计算研究所);Department of Computer Science, Northwestern University(西北大学计算机科学系);Paulson School of Engineering and Applied Sciences, Harvard University(哈佛大学保罗森工程与应用科学学院)
本文提出了一种在线异构机上灵活的忙碌时间调度算法,针对单位长度作业设计了8竞争性算法,并给出了竞争比率下界为2的理论结果。
2026-09-21 cs.DS
Bridging the Gap Between Stable Marriage and Stable Roommates: A Parameterized Algorithm for Optimal Stable Matchings
University of Wisconsin, Milwaukee(密尔沃基威斯康星大学);University of Liverpool(利物浦大学)
本文研究了稳定房间配对问题中最优稳定匹配的计算,定义了结构距离概念,证明该问题在结构距离k下属于固定参数 tractable。
2026-09-02 cs.DS cs.GT math.CO
Mathematical models for stable matching problems with ties and incomplete lists
我们提出了新的整数线性规划(ILP)模型的NP-难优化问题的稳定婚姻问题的关系和不完整的列表(SMTI)和它的多对一的概括,医院/居民问题的关系(HRT)的情况下。这些模型可以用来有效地解决这些优化问题时,应用于(i)从现实世界的应用程序派生的实例,和(ii)随机生成的较大的实例。在SMTI的情况下,我们考虑的情况下产生的配对的儿童与收养家庭,其中的偏好是从每个可能的配对的儿童家庭的质量测量。在这种情况下,我们寻求最大权重稳定匹配。我们提出了新的算法,用于预处理的SMTI与双方的关系,以及新的ILP模型的实例。基于现有最先进模型的算法只能在每个实例一小时内解决22个真实实例中的6个,而我们的新模型在平均60秒的运行时间内解决所有22个实例。对于HRT,我们考虑的情况下,从分配初级医生在苏格兰医院的基础职位的问题。在这里,我们寻求最大尺寸稳定匹配。我们将展示如何扩展我们的模型SMTI的HRT的情况下。对于真实实例,我们将平均运行时间从使用最先进方法时的平均144秒减少到使用基于ILP的新算法时的3秒。我们还表明,我们的模型在较大的随机生成的SMTI和HRT实例上的表现远远优于最先进的模型。
2019-03-17 cs.DS math.OC
Compressed Pattern-Matching with Ranked Variables in Zimin Words
自敏词是一种非常特殊的限定词,它与模式可避性问题密切相关。这个问题在于测试是否一个给定的模式与变量的实例出现在几乎所有的话在任何有限的字母表。这个问题还没有得到很好的理解,没有多项式时间算法是已知的,它的NP-难也是未知的。模式可避免性问题等价于在一个自敏词中搜索一个模式(带有变量)。主要的困难是潜在的指数大小的自敏词。我们使用的特殊属性的字,特别是他们是高度可压缩的,设计有效的算法的特殊版本的模式匹配,这里称为排名匹配。在压缩环境下给出了Zimin算法的一种新的解释。我们讨论了结构的变量和压缩表示的变量值的排名。此外,对于排名匹配,我们提出了有效的算法来找到最短的实例和模式的实例的估值的数量。
2013-07-05 cs.DS
Matching Augmentation via Simultaneous Contractions
本文研究匹配增广问题,提出近似比为13/8的多项式时间算法,通过近似保持归约和重复同时收缩技术改进此前结果。
2023-05-26 cs.DS
Disjoint Stable Matchings in Linear Time
Princeton University(普林斯顿大学);Keio University(庆应义塾大学);Chennai Mathematical Institute(金奈数学研究所)
该研究提出线性时间算法求稳定匹配实例的最大两两边不相交稳定匹配集合,扩展经典结果,还研究相关链的枚举与期望数量,证明稳定室友问题的相关判定为NP完全问题。
2026-10-22 cs.DS cs.GT
Asymptotic Experiments with Data Structures: Bipartite Graph Matchings and Covers
我们考虑了二分图的实例和三个项目中的一些渐近性能实验:(1)顶级电影列表,给定的电影和观众数据库,(2)最大匹配,(3)最小集覆盖。实验的目的是衡量抽象数据类型(ADT)在三个程序设计语言:Java,R和C++的渐近运行时性能。这些实验的结果可能令人惊讶。在项目(1)中,R中最好的ADT始终优于公共领域Java库中的所有ADT,包括来自Google的库。最大的电影列表有$2^{20}$标题。在项目(2)中,R中的Ford-Fulkerson算法实现明显优于Java。最难的实例有88452行和729列。在项目(3)中,R中贪心算法的随机版本可以在$num\_rows \ge 300$和$num\_columns \ge 3000$的实例上显著优于C++中最先进的随机求解器。
2022-01-01 cs.DS
The weighted stable matching problem
研究了非二部图中具有不完全但严格偏好列表的稳定匹配问题,其中边具有权值,目标是计算最小或最大权值的稳定匹配.这个问题一般来说是NP难的。我们的贡献是两方面的:一个多面体的特点和近似算法。以前Chen等人已经证明了稳定匹配多面体是整数当且仅当运行Irving算法的第一阶段后得到的子图是二分的。我们改进了这一结果表明,有这样的情况下,这个子图可能不是二部的,但可以进一步消除一些边缘,并达到一个二部子图。我们的消除过程确保了稳定匹配的集合保持不变,因此最终子图的稳定匹配多面体包含了原始图的所有稳定匹配的关联向量。这使我们能够描述更大的一类加权稳定匹配问题是多项式时间可解的实例。我们还表明,我们的边缘消除过程是最好的,这意味着,如果我们到达的子图不是二部的,那么没有二部子图,具有相同的一组稳定匹配的原始图。我们补充这些结果与$2$ -近似算法的最小权重稳定匹配问题的实例中,每个代理最多有两个可能的合作伙伴在任何稳定的匹配。这是具有一般权重的任何类别的实例的第一个近似结果。
2017-03-27 cs.DS cs.GT
Online matching and market imbalance
该研究将供需失衡引入二部图随机奖励在线匹配,定义失衡参数并证明失衡时对抗性和随机性到达的竞争比更高(延迟算法最优),还分析其现实意义并实证验证。
2025-02-11 cs.DS math.OC
On the Assadi Liu Tarjan Auction Algorithm for Bipartite Matching: Simplification, Alternative Analysis, and Hard Instance
University of Bristol(布里斯托大学);Qworky Research(Qworky 研究);University of California, San Diego(加利福尼亚大学圣地亚哥分校)
本文重新审视阿萨迪-刘-塔扬拍卖算法,简化其冻结机制,给出基于增广路径的另类分析,还提供首个算法需$\Omega(\frac{1}{\epsilon^2})$次迭代的困难实例,展现其循环行为阻碍快速进展,改进了对该算法的理解。
2026-10-22 cs.DS
Max-size popular matchings and extensions
我们考虑的最大尺寸流行匹配问题的室友实例G =(V,E)与严格的偏好列表。如果G中不存在匹配M',使得偏好M'的顶点多于偏好M的顶点,则匹配M是流行的。我们证明了在G中计算最大流行匹配是NP难的。这与二分图中这个问题的易处理性相反,在二分图中,可以在线性时间内计算最大大小的流行匹配。我们定义了一个子类的最大规模流行的匹配称为强主导的匹配,并显示了一个线性时间算法来解决强主导的匹配问题的室友的实例。我们考虑二分图中最大大小流行匹配问题的推广:这是最大权重流行匹配问题,其中也有一个边权重函数w,我们寻求最大权重的流行匹配。我们证明了这是一个NP-困难问题,即使对于每个边e,w(e)是1或2,也是如此。我们还给出了一个运行时间为O*(2^{n/4})的算法来找到G =(A U B,E)$中n个顶点上的最大权流行匹配。
2018-02-21 cs.DS
An Approximation Algorithm for Maximum Stable Matching with Ties and Constraints
本文提出了一种多项式时间的$\frac{3}{2}$ -近似算法,用于求解在多对多匹配模型中,在双方都有约束和层约束的情况下,寻找最大基数稳定匹配的问题。我们制定我们的问题使用二分多重图的顶点被称为工人和公司,边被称为合同。我们的算法被描述为计算一个稳定的匹配在一个辅助的实例,其中每个合同被替换为三个副本,所有代理人有严格的偏好复制的合同。这个辅助实例的构造对于两侧是对称的,这有助于简单的对称分析。我们使用的概念,拟阵核的计算在辅助的情况下,并利用层拟阵的基序性,以显示的逼近比。在一个特殊的情况下,每个工人被分配在最多一个合同,每个公司有一个严格的偏好,我们的算法定义了一个$\frac{3}{2}$近似机制,是战略的工人。
2021-10-05 cs.DS cs.GT
An O(m^2 log m)-Competitive Algorithm for Online Machine Minimization
我们考虑在线机器最小化问题,其中硬截止日期的作业随着时间的推移在其发布日期到达在线。任务是在最少数量的机器上确定一个可行的调度。我们的主要结果是一个一般的O(m^2 log m)-竞争算法的抢占式在线问题,其中m是在离线解决方案中使用的机器的最佳数量。这是Phillips等人(STOC 1997)的O(log(p_max/p_min))-竞争算法的第一次改进,该算法是迄今为止最知名的算法,即使m=2。我们的算法是O(1)-竞争的任何m是有界的常数。为了开发该算法,我们调查了两个互补的特殊情况下的问题,即,层状的情况下,愉快的情况下,我们提供了一个O(log m)-竞争和O(1)-竞争的算法,分别。我们的O(1)-竞争算法实际上产生了一个非抢占式调度,这是它自己的兴趣,因为对于Saha(FSTTCS 2013)的一般非抢占式在线机器最小化问题,存在一个强下界n,作业数量,甚至适用于层流实例。
2015-06-18 cs.DM cs.DS
Online Packet Scheduling with Bounded Delay and Lookahead
我们研究了在线有界延迟分组调度问题(BDPS),单位大小的分组随着时间的推移到达路由器,需要通过网络链路传输。每个数据包都有两个属性:非负权重和传输截止日期。目标是最大化传输的数据包的总重量。这个问题已经在文献中得到了很好的研究,但它的最佳竞争比仍然未知:最佳上限是$1.828$,仍然离$ϕ\approx 1.618$的最佳下限很远。在具有$s$边界实例的BDPS的变体中,每个分组可以从其释放时间开始在至多$s$连续时隙中被调度。$ϕ$的下界甚至适用于$2$ -有界实例的特殊情况,Chin等人给出了$3$ -有界实例的$ϕ$ -竞争算法。改进了该结果,并解决了Goldwasser提出的一个问题,我们给出了$4$ -有界实例的$ϕ$ -竞争算法。我们还研究了BDPS的一个变体,其中在线算法具有$1$ -前瞻的额外能力,知道在时间$t$哪些数据包将在时间$t+1$到达。对于$1$ -前视约束为$2$ -有界实例的BDPS,我们提出了一个具有竞争比$(\sqrt{13} - 1)/2 \approx 1.303$的在线算法,并证明了$(1 + \sqrt{17})/4 \approx 1.281$的一个近似紧下界.
2016-06-30 cs.DS
Prime factorisation of stable-matching instances: uniqueness, simultaneous products, and an exact census
Toyohashi University of Technology(丰桥技术科学大学)
本文证明稳定婚姻平衡实例存在唯一最细素块划分,同时分解执行图、反拟阵和格,并给出精确普查,发现可分解比例渐近为n!/n^(2n),且划分可在多项式时间内计算。
2026-10-06 cs.DM cs.DS cs.GT
The Matching Augmentation Problem: A $\frac74$-Approximation Algorithm
针对匹配扩充问题(MAP)提出了一种$\frac74$近似算法:给定一个代价为0或1的多重图,使得代价为0的边构成一个匹配,求出代价最小的2-边连通生成子图(2-ECSS).首先,我们提出了一个减少任何给定的MAP实例的集合结构良好的MAP实例,这样的近似保证被保留。然后,我们提出了一个$\frac74$近似算法的结构良好的MAP实例。该算法从最小成本2-边缘覆盖开始,然后应用耳朵增强步骤。我们使用类似于Vempala和Vetta针对(未加权的)最小尺寸2-ECSS问题提出的方法(“最小2连通子图的因子4/3近似”,APPROX 2000,LNCS 1913,pp.262-273)来分析耳朵增强的成本。
2018-12-04 cs.DS
An Experimental Study of Algorithms for Online Bipartite Matching
我们进行了实验研究的算法在线二分匹配下已知的独立同分布。输入模型与整数类型。在过去的十年中,已经有大量的努力,在设计复杂的算法,以提高最坏情况下的近似比的目标。我们的目标是确定这些算法如何在更实际的情况下执行,而不是在最坏的情况下。特别是,我们感兴趣的是,是否排名的算法,其最坏情况下的性能是一致的排名的算法,其平均情况下/实际性能。我们也感兴趣的预处理时间和实施的困难,这些算法是合理的,在实践中。为此,我们评估这些算法在不同的随机输入,以及现实生活中的实例从公开可用的存储库。我们比较这些算法对几个简单的贪婪风格的算法。文献中的大多数复杂算法都是非贪婪的(即,算法可以有意地跳过匹配具有可用邻居的节点)以简化分析。每一个这样的算法都可以变成贪婪算法,而不会损害其最坏情况下的性能。在我们的基准测试中,这些算法的非贪婪版本比它们的贪婪版本表现得更差。贪婪版本的性能与最简单的贪心算法本身一样好。这一点,连同我们的其他研究结果,表明最简单的贪心算法的竞争力与国家的最先进的最坏情况下的算法在线二分匹配许多平均情况和实际的输入家庭。贪婪性是目前在线二分匹配算法最重要的特性。
2018-08-14 cs.DS
Using Matching to Detect Infeasibility of Some Integer Programs
提出了一种新的基于匹配的启发式算法来检测特殊形式的不可行零一IP。该算法的输入是一组嵌套的双随机子系统和一组E的实例定义变量设置在零水平。该算法推导额外的变量在零水平,直到违反约束(IP是不可行的),或没有更多的变量可以推导为零(IP是未定的)。所有可行IP和所有未检测到不可行的不可行IP都是未决定的。我们成功地将该算法应用到一个小的一套专门制定的不可行的零-一IP实例的汉密尔顿循环决策问题。我们展示了如何建模的图形和子图同构决策问题的输入算法。嵌套双随机子系统的增加的水平可以动态地实现。该算法是为并行处理而设计的,并且除了匹配之外还包括技术。
2017-03-04 cs.DM cs.DS
Approximating the discrete time-cost tradeoff problem with bounded depth
我们重新审视的最后期限版本的离散时间成本权衡问题的特殊情况下,有界深度。这种情况例如发生在VLSI设计中。实例的深度是最长链中作业的数量,用$d$表示。我们证明了新的上界和下界的逼近。首先,我们观察到,该问题可以被视为一个特殊的情况下,找到一个最小重量的顶点覆盖的$d$ -部超图。接下来,我们研究了自然LP松弛,它可以在多项式时间内解决固定的$d$和-时间成本权衡的情况下-一般到一个任意小的错误。改进了Lovász和Aharoni,Holzman和Krivelevich的工作,对于固定的$d$和给定的$d$ -划分,我们描述了一个确定性算法,其近似比略小于$\frac{d}{2}$,用于求解$d$-部超图的最小权顶点覆盖.这是严格的,并且还产生用于一般时间-成本权衡实例的$\frac{d}{2}$ -近似算法。我们还研究了不可逼近性,并表明,没有更好的逼近比$\frac{d+2}{4}$是可能的,假设唯一的游戏猜想和$\text{P}\neq\text{NP}$。这加强了Svensson的结果,他表明在相同的假设下,对于一般的时间-成本权衡实例(无限深度),不存在常数因子近似算法。以前,只有APX硬度已知的边界深度。
2021-04-21 cs.DM cs.DS math.CO
Edge-weighted Online Stochastic Matching Under Jaillet-Lu LP
University of Copenhagen(哥本哈根大学)
本文在Jaillet-Lu线性规划框架下,针对带边权的在线随机匹配问题,给出了竞争比0.663的上界和0.662的下界,并提出了一种通用算法,具有更高的竞争力。
2026-05-11 cs.DS cs.GT
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
Refined Notions of Parameterized Enumeration Kernels with Applications to Matching Cut Enumeration
一个枚举内核定义的Creamusu等人。[理论计算。Syst. 2017]的算法,该算法将每个实例转换为大小受参数限制的实例,再加上一个解提升算法,该算法有效地从内核的解集合中枚举所有解。我们建议考虑两个新版本的枚举内核,要求的解决方案的原始实例可以枚举在多项式时间或多项式延迟的内核解决方案。使用NP-难匹配切割问题参数化的结构参数,如顶点覆盖数或圈数的输入图,我们表明,新的枚举内核提出了一个有用的概念,数据减少枚举问题,它允许competently表示一组可行的解决方案。
2021-01-11 cs.DM cs.DS