Losing Treewidth by Separating Subsets
本文研究了删除最小顶点集$S$的问题(分别为:边),使得导出的子图(分别子图)$G \setminus S$属于某个类$\mathcal{H}$。我们考虑的情况下,图在$\mathcal{H}$有树宽有界的$t$,并给出了一个通用的框架,以获得近似算法的顶点和边缘删除设置从近似算法的某些自然图划分问题称为$k$ -子集顶点分离和$k$ -子集边缘分离,分别。对于顶点删除设置,我们的框架结合当前最好的结果$k$ -子集顶点分隔符,产生一个显着的改善,在近似比的基本问题,如$k$ -树宽顶点删除和平面- $F$顶点删除。我们的算法比以前的工作更简单,并给出了自然参数化下的第一个一致近似算法。对于边缘删除设置,我们给出了改进的近似算法$k$ -子集边缘分离器结合LP松弛和重要的分离器的想法。我们给出了它们在有界度图中的应用,并给出了边删除问题的APX-硬度结果。
2018-10-23 cs.DS
Hardness and Approximation Algorithms for Balanced Districting Problems
Rutgers University(罗格斯大学);National Taiwan University(台湾大学);Boston College(波士顿学院);Osaka University(大阪大学);George Mason University(乔治梅森大学)
针对政治划区驱动的平衡分区问题,证明了多类图上的近似难度,提出基于改进Whack-a-Mole算法的近似方案,引入平衡散射分隔器实现紧近似比。
2025-05-31 cs.DS
Towards an $O(\sqrt[3]{\log n})$-Approximation Algorithm for {\sc Balanced Separator}
{ \sc $c$ -平衡分离器}问题是一个图划分问题,其中给定图$G$,目标是找到最小尺寸的切割,使得切割的两侧至少具有$cn$顶点。在本文中,我们提出了新的进展方向的{ \sc $c$ -平衡分离器}问题。更具体地说,我们提出了一个新的家庭的数学计划,这取决于一个参数$ε> 0$,并延长开创性的工作阿罗拉饶-Vazirani({ \sf ARV})\cite{ARV}表明,多项式时间的可解性所提出的家庭的程序意味着改善的近似因子$O(\log^{{1/3} + ε} n)$从最知名的因素$O(\sqrt{\log n})$由于{ \sf ARV}。实际上,对于$ε= 1/3$,我们得到的程序是{ \sf ARV}提出的SDP。对于$ε< 1/3$,这一系列的程序是不凸的,但可以将它们转换成所谓的\emph{\textbf{concave programs}},其中一个优化凸可行集上的凹函数。凹规划的性质允许应用Hoffman \cite{H81}或Tuy \emph{et al} \cite{TTT85}的技术来以任意精度解决这些问题。但是找到一种方法来解决这些程序在多项式时间内收敛的问题仍然是开放的。我们的结果,虽然有条件的,引入了一个新的家庭的程序,这是更强大的半定规划的近似算法的背景下,因此,它将感兴趣的调查这个家庭都在设计高效的算法和证明硬度结果的方向。
2009-07-08 cs.DS
Maximum Clique in Disk-Like Intersection Graphs
研究了平面上凸体交图的最大团的复杂性。在算法方面,我们扩展多项式时间算法的单位磁盘[克拉克'90,Raghavan和Spinrad '03]的任何固定的凸集的翻译。我们还推广了有效的多项式时间近似方案(EPTAS)和次指数算法的磁盘[Bonnet等。'18,Bonamy等。'18]到一个固定的中心对称凸集的同位。关于这个主题的主要开放问题是圆盘图中最大团的复杂性。目前还不知道这个问题是否是NP难的。我们观察到,到目前为止,所有的硬度证明最大团的交集图类$\mathcal I$遵循相同的道路。证明了对于一个足够大的类$\mathcal C$的图$G$,其偶数剖分的补图属于交类$\mathcal I$ .然后他们得出结论调用类$\mathcal C$上的最大独立集的硬度,以及偶数细分保持该硬度的事实。然而,有一个强有力的证据表明,这种方法不能工作的磁盘图[Bonnet等人。我们提出了一种新的方法,基于一个问题,我们称之为最大间隔排列避免,我们证明不太可能有一个次指数时间近似方案。我们转移的硬度最大团相交图形的对象,可以是半平面(或单位磁盘)或轴平行的矩形。这个问题不适用于以前的办法。我们希望最大间隔置换避免的一个缩小的(仅仅是NP难的)变体可以帮助在磁盘的情况下取得进展,例如通过显示(凸)伪磁盘的NP难。
2020-03-05 cs.CC cs.CG cs.DS
The Complexity of Finding Small Separators in Temporal Graphs
时间图是具有时间戳边缘的图。我们研究的问题,找到一个小的顶点集(分离器)相对于两个指定的终端顶点,这样的集合的删除消除了所有的时间路径连接一个终端到其他。在这里,我们考虑两种模型的时间路径:路径,通过任意多个边缘,每个时间步(非严格)和路径,通过最多一个边缘,每个时间步(严格)。关于时间图的时间步数,我们显示了两个问题的复杂性二分法(NP-硬度与多项式时间可解性)。此外,我们证明了这两个问题的变种是NP-完全的,即使在时间图的基础图是平面的。我们进一步表明,在平面底层图的时间图,如果另外的时间步数是常数,那么严格路径的问题的变种是可解的准线性时间。最后,我们介绍和激励的概念,一个时间的核心(顶点的事件边随时间变化)。我们证明了非严格的变体是固定参数易处理时,参数化的时间核心的大小,而严格的变体仍然是NP完全的,即使是恒定大小的时间核心。
2018-07-25 cs.CC cs.DM cs.DS
Subexponential and Parameterized Mixing Times of Glauber Dynamics on Independent Sets
ENS de Lyon, CNRS, Université Claude Bernard Lyon 1, LIP, UMR 5668(里昂高等师范学校,法国国家科学研究中心,克洛德·贝尔纳里昂第一大学,LIP)
研究了几何交集图上Glauber动力学的亚指数和参数化混合时间,证明了在特定结构参数下混合时间的界限,并提供了一种高效采样算法。
2025-11-21 cs.DM cs.DS
Small Independent Sets versus Small Separator in Geometric Intersection Graphs
ENS de Lyon, CNRS, Université Claude Bernard Lyon 1, LIP, UMR 5668(里昂高等师范学院,法国国家科学研究中心,克洛德·贝尔纳里昂大学,LIP实验室)
研究发现某些几何交图中存在亚指数算法,但不满足平方根现象,引入弱平方根现象概念及新的图参数α-调制数。
2026-04-29 cs.CG cs.DS
Exact Matching and Top-k Perfect Matching Parameterized by Neighborhood Diversity or Bandwidth
ETH Zurich(苏黎世联邦理工学院)
本文研究膨胀图场景下的精确匹配(EM)与Top-k完美匹配(TkPM)问题,提出了以k和邻域多样性为参数的FPT算法及近似方案,并针对带宽有界原型开发了适配EM的递归亚指数时间算法。
2025-10-14 cs.CC cs.DS
Cryptographic Hardness of Learning Halfspaces with Massart Noise
UW Madison(威斯康星大学麦迪逊分校);UC San-Diego(加州大学圣地亚哥分校);Google Research(谷歌研究院)
我们研究了在Massart噪声存在下PAC学习半空间的复杂性。在这个问题中,我们被赋予了独立同分布。标记示例$(\mathbf{x}, y) \in \mathbb{R}^N \times \{ \pm 1\}$,其中$\mathbf{x}$的分布是任意的,并且标记$y$是$f(\mathbf{x})$的Massart讹误,对于未知半空间$f: \mathbb{R}^N \to \{ \pm 1\}$,具有翻转概率$η(\mathbf{x}) \leq η< 1/2$。学习器的目标是计算一个具有0-1小误差的假设。我们的主要结果是这个学习问题的第一个计算硬度的结果。具体来说,假设(广泛认为)次指数时间硬度的学习错误(LWE)的问题,我们表明,没有多项式时间Massart半空间学习者可以实现错误比$Ω(η)$,即使最佳的0-1错误是小的,即$\mathrm{OPT} = 2^{-\log^{c} (N)}$的任何通用常数$c \in (0, 1)$。以前的工作提供了定性相似的证据的硬度在统计查询模型。我们的计算硬度的结果基本上解决了多项式PAC学习Massart半空间,通过显示已知的有效的学习算法的问题几乎是最好的可能。
2022-07-28 cs.CC cs.DS cs.LG
Detecting and Counting Small Patterns in Planar Graphs in Subexponential Parameterized Time
我们提出了一个算法,作为输入$n$ -顶点平面图$G$和$k$ -顶点模式图$P$,并计算在$2^{O(k/\log k)}n^{O(1)}$时间$G$中的$P$(诱导)副本的数量。如果$P$是一个匹配的、独立集的或连通的有界最大度图,则运行时将简化为$2^{\tilde{O}(\sqrt{k})}n^{O(1)}$。虽然我们的算法计数的所有副本的$P$,它也提高了最快的算法,只检测副本的$P$。在我们的工作之前,没有已知的用于检测非限制模式$P$的$2^{O(k/\log k)}n^{O(1)}$时间算法,并且根据Bodlaender等人[ICALP 2016]的结果,$2^{o(k/\log k)}n^{O(1)}$时间算法将违反指数时间假设(ETH)。此外,它只知道如何检测一个固定的连接有界的最大程度模式$P$在$2^{\tilde{O}(\sqrt{k})}n^{O(1)}$时间概率的副本。对于计数问题,这是一个反复问开放的问题,是否存在$2^{o(k)}n^{O(1)}$时间算法,即使是特殊的模式,如独立集,匹配和平面图中的路径计数。上述结果通过给出算法来计算运行时间等于其决策版本的ETH下界的问题的版本,在很大程度上解决了这个问题。一般来说,我们的算法计数$P$的副本在时间上成比例的顺序$\tilde{O}(\sqrt{k})$的非同构分离的数量。该算法引入了一种新的递…
2019-04-25 cs.CC cs.DM cs.DS
Pseudodeterministic Constructions in Subexponential Time
我们研究伪确定性构造,即,在大多数计算路径上输出相同解的随机算法。我们无条件地建立,有一个无限序列$\{p_n\}_{n \in \mathbb{N}}$的增加素数和随机算法$A$运行在预期的次指数时间,使每个$n$,在输入$1^{|p_n|}$,$A$输出$p_n$概率$1$。换句话说,我们的结果提供了一个伪确定性的结构素数在次指数时间,工程无限频繁。这个结果来自于一个关于伪确定性构造的更一般的定理。如果对于足够大的$n$,$|Q \cap \{0,1\}^n| \geq γ2^n$,则属性$Q \subseteq \{0,1\}^{*}$是$γ$密集的。我们证明了对于每个$c > 0$,至少有下列之一成立:(1)存在一个集合族$\{H_n\}$,$H_n \subseteq \{0,1\}^n$的伪确定多项式时间构造,使得对于每个$(1/n^c)$ -稠密性质$Q \in \mathsf{DTIME}(n^c)$和每个足够大的$n$,$H_n \cap Q \neq \emptyset$ ;或(2)存在集合族$\{H'_n\}$的确定性次指数时间构造,$H'_n \subseteq \{0,1\}^n$,使得对于每个$(1/n^c)$密集属性$Q \in \mathsf{DTIME}(n^c)$和对于$n$的无穷多个值,$H'_n \cap Q \neq \emptyset$。…
2016-12-06 cs.CC cs.DM cs.DS
On Fine-Grained Exact Computation in Regular Graphs
我们表明,没有次指数时间算法计算的最大独立集问题的d-正则图的精确解,除非ETH失败。我们扩大我们的方法,以表明它有助于提供下界的其他覆盖问题,如顶点覆盖和集团。利用该结构证明了MIS在5-正则平面图上的NP-困难性,从而封闭了MIS在正则平面图上的精确复杂性状态。
2021-03-24 cs.CC cs.DS
Subexponential Parameterized Algorithms for Hitting Subgraphs
本文提出通用框架,在具有次线性平衡分隔器的图类上将 $\mathcal{F}$-Hitting 归约为低树宽 hitting-set 实例,获得 $2^{O(k^c)}n+O(m)$ 次指数参数算法并支持加权情形。
2025-02-18 cs.DS
A Framework for ETH-Tight Algorithms and Lower Bounds in Geometric Intersection Graphs
我们给出了一个算法和下界框架,有利于建设次指数算法和匹配的条件复杂性界限。它可以应用于类似大小的脂肪对象的相交图,产生算法的运行时间$2^{O(n^{1-1/d})}$为任何固定的尺寸$d \geq 2$为许多著名的图形问题,包括独立集,$r$ -支配集恒定$r$,和斯坦纳树。对于大多数问题,我们得到改进的运行时间相比,以前的工作,在某些情况下,我们给出了第一个已知的次指数算法在几何求交图。此外,大多数获得的算法是表示不可知的,即,它们在图形本身上工作并且不需要几何表示。我们的算法框架是基于加权分离定理和各种树宽技术。下界框架是基于一个建设性的嵌入图到d维网格,它允许我们得到匹配的$2^{Ω(n^{1-1/d})}$下界下的指数时间假设,即使在更严格的类$d$维诱导网格图。
2020-12-17 cs.CG cs.DS
The Hardness of Subgraph Isomorphism
子图同构是一个非常基本的图问题,其中给定两个图$G$和$H$,一个是检验$G$是否是$H$的子图。尽管它的定义很简单,但子图同构问题是非常广泛的,因为它推广了诸如团,$r$ -着色,Hamilton性,集合包装和带宽等问题。然而,对于所有提到的问题都存在$2^{\mathcal{O}(n)}$时间算法,因此过去一个自然且经常被问到的问题是是否存在子图同构的$2^{\mathcal{O}(n)}$时间算法。在Fomin和Kratsch [Springer'10]的专着中,这个问题被强调为一个开放的问题。我们的主要结果是减少从3-SAT,产生一个次指数数量的次线性实例的子图同构问题。特别地,我们的约简隐含了指数时间假设下子图同构的$2^{Ω(n \sqrt{\log n})}$下界。这表明,存在一类图,严格难以嵌入比团或哈密顿圈。我们减少的核心包括两个步骤。首先,我们预处理和包装变量和条款的3-SAT公式成对数大小的组。然而,分组不是任意的,因为作为结果,我们只获得组之间的有限的相互作用。在第二步中,我们克服了技术上的困难,编码评价的排列由一个简单的,但富有成效的方案猜测的大小任意映射的原像,减少的情况下,任意映射双射。事实上,当应用这一步,最近的独立结果Fomin等人。[arXiv:1502.05447(2015)],他们证明了图同态的硬度,我们可以将他们的硬度结果转移到子图同构,这…
2015-04-11 cs.DS
Conspiracies between Learning Algorithms, Circuit Lower Bounds and Pseudorandomness
Charles University in Prague(布拉格查理大学);University of Oxford(牛津大学)
我们证明了几个结果给新的和更强的学习,电路下界和伪随机性之间的联系。在其他结果中,我们展示了一个通用的学习加速引理,各种学习模型之间的等价关系,在指数时间和次指数时间制度,学习和伪随机之间的二分法,电路下界的非平凡学习的后果,卡普-利普顿定理概率指数时间,和NC $^1$ -硬度的最小电路尺寸问题。
2016-11-03 cs.CC cs.CR cs.DS
Hardness of approximation for H-free edge modification problems
$H$ -Free Edge Deletion问题询问,对于给定的图$G$和整数$k$,是否有可能从$G$中删除至多$k$边以使其无$H$,即不包含$H$作为导出子图。$H$ -自由边完成问题的定义类似,但我们添加边而不是删除它们。这两个问题的家庭的研究最近已经从参数化的复杂性和内核化的角度深入研究的主题。特别是,它表明,问题不承认多项式内核(合理的复杂性假设下),几乎所有的图$H$,有几个重要的例外时发生的类的$H$ -自由图表现出一些结构特性。在这项工作中,我们补充的参数化研究的边缘修改问题,$H$ -自由图,考虑其逼近。我们证明,只要$H$是$3$连接,并有至少两个非边缘,那么$H$ -自由边删除和$H$ -自由边完成是很难近似:他们不承认$\mathrm{poly}(\mathsf{OPT})$ -近似多项式时间,除非$\mathrm{P}=\mathrm{NP}$,或甚至在时间次指数在$\mathsf{OPT}$,除非指数时间假设失败。两个非边缘的存在的假设似乎是重要的:我们表明,每当$H$是一个完整的图没有一个边缘,然后$H$ -自由边删除是紧密相连的最小角的问题,其近似性仍然是开放的。最后,在试图扩大我们的硬度结果超出$3$连接图,我们认为的情况下,$H$是一个路径或循环,我们实现了几乎完全二分法。
2018-05-13 cs.DS
A cubic vertex kernel for Diamond-free Edge Deletion and more
菱形是通过从四个顶点上的完全图中移除一条边而获得的图。一个图是无菱形的,如果它不包含诱导菱形。无钻石边删除问题询问在输入图$G$中是否存在最多$k$条边,其删除导致无钻石图。对于这个问题,Fellows等人找到了一个由$O(k^4$)个顶点组成的多项式核.(Discrete Optimization,2011).本文给出了一种改进的无钻石边删除的$O(k^3)$顶点核。进一步,我们给出了一个相关的无{Diamond,K_t}边删除问题的$O(k^2)$顶点核,其中$t\geq 4$为任意固定整数.为了补充我们的结果,我们证明了这些问题是NP-完全的,即使是$K_4$ -free图,也不能在亚指数时间内解决(即,$2^{o(|G|)}$)或参数化的亚指数时间(即,$2^{o(k)}\cdot |G|^{O(1)}$),除非指数时间假设失败。我们的减少意味着硬度和下界的一般类的问题,这些问题作为一个特殊的情况。
2015-12-31 cs.DS
Tight Hardness Results for Training Depth-2 ReLU Networks
Microsoft Research NYC(微软研究院纽约);UT Austin(得克萨斯大学奥斯汀分校);Google Research(谷歌研究院);UC Berkeley(加州大学伯克利分校);WPI(伍斯特理工学院)
我们证明了使用ReLU激活函数训练深度2神经网络的几个硬度结果;这些网络只是ReLU的加权和(可能包含负系数)。我们的目标是输出一个深度为2的神经网络,使给定训练集的平方损失最小化。我们证明了这个问题对于具有单个ReLU的网络已经是NP难的。我们还证明了输出$k$ ReLU的加权和的NP-硬度,即使在可实现的设置中(即,当标签与未知深度-2 ReLU网络一致时)。我们还能够获得所需的附加误差$ε$方面的运行时间的下限。为了获得我们的下界,我们使用了间隙指数时间假设(Gap-ETH)以及一个新的假设,关于在次指数时间近似众所周知的Denmark $κ$ -子图问题的难度(这些假设分别用于证明不同的下界)。例如,我们证明了在合理的硬度假设下,任何用于找到最佳拟合ReLU的适当学习算法必须在$1/ε^2$中以时间指数运行。与之前关于不正确地学习ReLU的工作一起(Goel等人,COLT'17),这意味着学习ReLU的正确算法和不正确算法之间的第一次分离。我们还研究了正确学习具有有界权重的ReLU的深度2网络的问题,在可实现和不可知的设置中,对学习此类网络所需的运行时间给出了新的(最坏情况)上界。我们的运行时间上限基本上与我们对$ε$的依赖性的下限相匹配。
2020-11-27 cs.CC cs.DS cs.LG
Algorithms and Almost Tight Results for 3-Colorability of Small Diameter Graphs
尽管关于几个基本参数的3-着色问题已经有了广泛的研究,但小直径图(即直径为2或3的图)上的3-着色问题的复杂性状态一直是一个长期存在且具有挑战性的公开问题。对于直径为2的图,我们提供了第一个次指数算法的复杂性$2^{O(\sqrt{n\log n})}$,这是渐近相同的,目前最好的已知的时间复杂度的图同构(GI)的问题。证明了直径为2的3-可着色图的图同构问题是GI-完全的。此外,我们提出了一个子类的图直径为2,承认多项式算法的3-着色。对于直径为3的图,我们证明了对于每一个$\varepsilon \in [0,1)$,直径为3,半径为2,顶点为$n$,最小度为$δ=Θ(n^{\varepsilon})$的无三角形图的3-染色是NP-完全的。此外,假设ETH,我们提供了三个不同的放大我们的硬度结果,以获得每个$\varepsilon \in [0,1)$次指数下界的复杂性,3-着色的三角形自由图直径为3和最小度$δ=Θ(n^{\varepsilon})$。最后,我们给出了一个直径为3的图的3-着色算法$2^{O(\min\{δΔ,\frac{n}δ\logδ\})}$,其中$δ$(resp. $Δ$)是最小值(分别为最大)度。据我们所知,该算法是第一个次指数算法的图与$δ=ω(1)$和图与$δ=O(1)$和$Δ=o(n)$。由于3-着色复杂度的上述下界,当输入图为$δ=Θ(n^{…
2012-10-17 cs.DM cs.DS math.CO
Exact Greedy Influence Maximization in Linear Time on Bounded-Treewidth Graphs
University of Primorska(普里莫斯卡大学)
针对有界树宽图上的IC模型影响力最大化,提出精确全边际增益算法,利用反向模式微分在近线性时间内实现经典贪心算法,并证明其状态复杂度紧致,实验验证了高效性。
2026-09-18 cs.DS
Partitioning a Graph into Small Pieces with Applications to Path Transversal
给定一个图$G = (V, E)$和一个整数$k$,我们分别研究了$k$ -顶点分离器. $k$ -边分隔符),其中的目标是删除最小数量的顶点(分别为边),使得所得图中的每个连通分量最多具有PDMATHAMN顶点。我们主要关注$k$是$n$的常数或缓慢增长函数(例如$O(\log n)$或$n^{o(1)}$)的情况。我们的问题可以被解释为一个特殊的情况下,已分别研究的三个一般类的问题(平衡图分区,超图顶点覆盖(HVC),固定参数易处理性(FPT))。我们的主要结果是一个$O(\log k)$ -近似算法的$k$ -顶点分离器,运行在时间$2^{O(k)} n^{O(1)}$,和一个$O(\log k)$ -近似算法的$k$ -边缘分离器,运行在时间$n^{O(1)}$。我们的$k$ -边缘分离器的结果改进了以前最好的小$k$图分割算法。我们在$k$ -顶点分离器上的结果改进了HVC的简单$(k+1)$ -近似.当$OPT > k$时,运行时间$2^{O(k)} n^{O(1)}$快于假设指数时间假设的精确算法的下限$k^{Ω(OPT)} n^{Ω(1)}$。虽然运行时间的$2^{O(k)} n^{O(1)}$的$k$ -顶点分离器似乎不令人满意,我们表明,超多项式依赖$k$可能需要实现多对数近似比,基于硬度的Denmark $k$ -子图。我们还研究了$k$ -路径transmi…
2016-07-18 cs.DS
Balanced spanning forests of graphs: Hardness and solving methods
KU Leuven(荷语鲁汶大学);Research Centre for Operations Research and Business Statistics (ORSTAT)(运筹学与商业统计研究中心);Institute of Computing, University of Campinas(坎皮纳斯大学计算研究所)
本研究探讨边加权图的平衡连通k划分变体问题,证明其NP难性及亚指数时间算法不存在性,设计近似与精确求解算法并通过实验验证,还公开了实现代码。
2026-11-10 cs.DM cs.DS
Efficient algorithms for the Potts model on small-set expanders
本文针对小集扩张图上的铁磁 Potts 模型,提出一种近似算法,通过高效寻找伪基态并围绕其探索状态空间,解决低温问题在典型实例上的计算可行性。
2024-02-05 cs.DM cs.DS math.CO
On the Complexity of Identifying Groups without Abelian Normal Subgroups: Parallel, First Order, and GI-Hardness
本文研究了无非交换正规子群群的识别复杂度,基于乘法表提出了 AC^3 同构测试,证明生成置换集下为 GI-困难,并证明其可由 O(log log n) 变量的一阶公式识别。
2025-04-28 cs.CC cs.DS cs.LO
Equivalence of Coarse and Fine-Grained Models for Learning with Distribution Shift
UT Austin(得克萨斯大学);Columbia University(哥伦比亚大学)
本文探讨了在无分布假设下,粗粒度与细粒度学习模型的等价性,证明了通过黑盒减少将PQ学习转换为TDS学习的效率,并展示了通过成员查询可绕过硬度结果,实现半空间的分布自由PQ可学习性。
2026-05-17 cs.DS cs.LG
Finding large sparse induced subgraphs in graphs of small (but not very small) tree-independence number
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);University of Warsaw(华沙大学);Warsaw University of Technology & University of Warsaw(华沙理工大学与华沙大学)
本文提出了一种改进算法,能够在树独立数较小但不非常小的图中以准多项式或亚指数时间解决一大类优化问题。
2026-01-22 cs.DS
Polynomial-Time Pseudodeterministic Construction of Primes
UC Berkeley(加州大学伯克利分校);University of Oxford(牛津大学);University of Warwick(华威大学)
本文提出了一种多项式时间伪确定性构造素数的算法,并扩展到一般密集属性的构造,改进了之前的亚指数时间方法。
2025-12-04 cs.CC cs.DM cs.DS
Algorithms and complexity for monitoring edge-geodetic sets in graphs
研究监控边测地集的计算复杂性,证明其NP难及APX难,并为区间图、参数化及近似算法提供解决方案。
2025-05-26 cs.CC cs.DM cs.DS
Exact Algorithms for Clustered Planarity with Linear Saturators
本文研究带线性饱和器的聚类平面性问题,给出可变与固定嵌入情形下的精确算法和亚指数算法,建立基于顶点覆盖数的核化结果,并证明即使簇数至多为3该问题仍为NP困难。
2024-09-28 cs.CG cs.DS
Drawn Tree Decomposition: New Approach for Graph Drawing Problems
针对图绘制领域标准参数常导致难解、缺乏通用参数化算法设计方法的问题,本研究提出新型绘制树分解及对应参数,可推导XP时间算法,应用于多个核心图绘制问题,还可得到次指数算法并明确了与其他宽度度量的关系。
2023-10-09 cs.CG cs.DS
On the (In)Approximability of the Monitoring Edge Geodetic Set Problem
University of L’Aquila(拉奎拉大学)
本文研究最小监控边测地集问题,证明其不可近似性下界为Ω(log n)(除非P=NP),并针对平面图等遗传图类设计出近似比为O(n^{1/4}√log n)的多项式时间算法。
2026-10-12 cs.CC cs.DS
Approximating the Permanent of a Random Matrix with Polynomially Small Mean: Zeros and Universality
University of Chicago(芝加哥大学)
研究在矩阵条目略微偏离零时近似随机矩阵永久性的算法,通过零点区域分析揭示复杂性理论中的核心问题与贡献。
2026-04-01 cs.DS math-ph math.MP
A Finer View of the Parameterized Landscape of Labeled Graph Contractions
Indian Institute of Science Education and Research Bhopal(印度科学教育研究所博帕尔分校);Indian Institute of Science Education and Research Pune(印度科学教育研究所浦那分校)
本文提出了一种构造性的固定参数算法,用于解决有标签图收缩问题,并证明其参数化复杂度下界,同时改进了相关算法并排除了子指数时间算法的存在。
2026-09-22 cs.DM cs.DS