A Linear-Time Algorithm for Maximum-Cardinality Matching on Cocomparability Graphs
在无向图中寻找最大基数匹配可以说是最核心的图问题之一。对于一般的m-边和n-顶点图,它在$O(m \sqrt{n})$时间内是可解的.我们开发了一个线性时间算法,以找到最大基数匹配的协可比图,完美的图,包含区间图以及置换图的一个突出的子类。我们的算法是基于最近发现的词典深度优先搜索(LDFS)。
2018-10-19 cs.DS
A Weighted Linear Matroid Parity Algorithm
拟阵奇偶(或拟阵匹配)问题,作为匹配和拟阵相交问题的一个常见推广,是如此普遍,它需要指数数量的Oracle调用。尽管如此,Lovász(1980)证明了这个问题允许线性表示拟阵的最小-最大公式和多项式算法。从那时起,有效的算法已开发的线性拟阵奇偶问题。本文给出了加权线性拟阵奇偶问题的一个组合的、确定的、多项式时间算法。该算法建立在一个多项式矩阵公式,使用Pfwestan,并采用了原始-对偶方法的基础上的增广路径算法的Gabow和Stallmann(1986)的未加权问题。
2019-05-31 cs.DS
Fully dynamic $3/2$ approximate maximum cardinality matching in $O(\sqrt{n})$ update time
我们提出了一个随机算法,以保持最大匹配没有3个长度增加的路径在全动态设置。因此,我们保持一个$3/2$近似最大基数匹配。我们的算法需要预期的摊销$O(\sqrt{n})$时间,其中$n$是图中的顶点数时,更新序列是由一个不经意的对手。对于不经意攻击者提出的任意$t$边插入和删除序列,算法的总更新时间为期望$O(t\sqrt{n})$和高概率$O(t\sqrt{n} + n \log n)$.据我们所知,我们的算法是第一个保持一个近似匹配,其中所有的增广路径的长度至少$5$在$o(\sqrt{m})$更新时间。
2018-11-03 cs.DS
An O(log(n)) Fully Dynamic Algorithm for Maximum matching in a tree
在本文中,我们已经开发了一个全动态的算法,保持基数的最大匹配树使用的顶树的建设。其时间复杂度如下:1.创建时间:$O(n(log(n)))$以构建顶层树。2.更新时间:$O(log(n))$ 3.查询时间:O(1)查询最大匹配的基数和$O(log(n))$查找特定边是否匹配。
2009-01-19 cs.DS
Maximum Cardinality $f$-Matching in Time $O(n^{2/3}m)$
提出一种在 $O(n^{2/3}m)$ 时间内求简单图最大基数 $f$-匹配的算法,基于 level graph 概念并分析最短增广轨迹的 blossom 性质,推广了二分图算法且无需修改即可高效应用于多重图。
2023-11-24 cs.DS
Polynomial-Delay Enumeration of Large Maximal Matchings
枚举匹配是枚举算法领域中的一个经典问题。有多项式延迟枚举算法用于几种设置,例如枚举完美匹配,最大匹配和特定顺序的(加权)匹配。本文给出了基数至少为给定阈值$t$的极大匹配的多项式延迟枚举算法。我们的算法在指数空间的$O(nm)$延迟中枚举所有这样的匹配,其中$n$和$m$分别是输入图的顶点数和边数。我们还提出了一个多项式延迟和多项式空间枚举算法。作为该算法的一个变种,我们给出了一个算法,枚举所有的最大匹配在其基数的非递减顺序和运行在$O(nm)$延迟。
2022-09-06 cs.DS
Remote Matching: Exact-Cardinality Approximation and Tight UGC Hardness
Tehran Institute for Advanced Studies (TeIAS), Khatam University(德黑兰高等研究院(TeIAS),哈塔姆大学);University of Augsburg(奥格斯堡大学);Sharif University of Technology(谢里夫理工大学)
研究无限制最大-最小度量T-join问题,证明UGC下3/2近似紧性,并针对精确基数变体提出基于层状割打包与树动态规划的确定性多项式时间近似算法,实现分段最优因子。
2026-09-23 cs.DS
Algebraic Structures and Algorithms for Matching and Matroid Problems (Preliminary Version)
由Cunningham和Geelen(FOCS 1996)引入的基本路径匹配是拟阵交和非二部匹配的一种常见推广。本文的主要结果是基本路径匹配问题的一个新的代数刻画和一个在O(n^w)时间内构造基本路径匹配的算法,其中n是顶点数,w是矩阵乘法的指数。我们的算法是随机的,我们的方法假设给定的拟阵是线性的,可以表示在同一领域。我们的主要结果有几个特殊情况下的路径匹配问题的有趣的后果。对于拟阵的交,我们得到了一个运行时间为O(nr^(w-1))=O(nr ^1.38)的算法,其中拟阵有n个元素,秩为r.这改进了Gabow和Xu(FOCS 1989)提出的O(nr^1.62)的长期边界。此外,我们得到了一个简单的,纯代数算法的非二部匹配的运行时间为O(n^w)。这解决了Mucha和Sankowski(FOCS 2004)的核心开放问题。
2006-01-09 cs.DM cs.DS
On a Cardinality-Constrained Transportation Problem With Market Choice
众所周知,匹配多面体与基数约束的交集是整数[8]。当需求在集合$\{1,2\}$中时,我们证明了[4]中引入的带市场选择的运输问题(TPMC)对应的多面体的类似结果.这个结果推广了关于匹配多面体的结果,也意味着一些特殊类的最小重量完美匹配问题的基数约束的一个子集的边缘可以在多项式时间内解决。
2014-12-30 cs.DS math.OC
Submodular Secretary Problems: Cardinality, Matching, and Linear Constraints
我们研究了具有次模目标函数的秘书问题的各种推广。一般来说,一组请求以随机顺序逐步显示给算法。对于每个请求,必须选择一个选项,以便在确保可行性的同时最大化单调子模函数。对于我们的结果,我们假设,我们给出了一个离线算法计算各自的问题的$α$近似。通过这种方式,我们将计算限制与由于在线性质造成的限制分开。当只关注在线方面时,我们可以假设$α= 1$。在次模秘书问题中,可行性约束是基数约束。也就是说,从随机排序的实体流中,必须选择子集大小$k$。对于这个问题,我们提出了一个$0.31α$ -竞争算法,对于大的$k$,该算法渐近地达到竞争比$\fracα{e}$.在次模秘书匹配中,二部图的一侧在线显示。到达后,每个节点必须永久匹配到离线节点或可替换地丢弃。我们给出了一个$\fracα{4}$ -竞争算法。在这两种情况下,我们提高了以前最好的竞争比,使用的经典秘书问题的算法的泛化。此外,我们给出了一个$O(αd^{-\frac{2}{B-1}})$ -竞争算法的子模函数最大化的线性包装约束。这里,$d$是列稀疏性,即约束矩阵的列中非零条目的最大数量,并且$B$是约束的最小容量。值得注意的是,这个界限与约束的总数无关。我们改进的算法是$O(αd^{-\frac{1}{B-1}})$ -竞争,如果$d$和$B$是已知的算法。
2016-07-29 cs.DS
Estimating Weighted Matchings in $o(n)$ Space
我们考虑的问题估计的最大加权匹配的加权图$G(V,E)$的边缘显示在一个流的方式。我们开发了一个减少从最大加权匹配问题的最大基数匹配问题,只有一倍的近似因子的流算法开发的最大基数匹配问题。我们的研究结果适用于仅插入和动态(即插入和删除)边缘到达流模型。之前最著名的减少是由于Bury和Schwiegelshohn(ESA 2015)开发了一种算法,其近似保证按多项式因子缩放。作为一个应用,我们通过将Esfandiari等人(SODA 2015)和Chitnis等人(SODA 2016)的最新估计量输入到我们的约简中,获得了加权平面图的改进估计量,更一般地说,获得了加权有界荫度图的改进估计量。特别是,我们得到了一个$(48+ε)$近似估计的最大加权匹配的平面图的重量。
2016-09-05 cs.DS
Set-merging for the Matching Algorithm of Micali and Vazirani
Micali和Vazirani的算法\cite{MV}在时间上找到最大基数匹配$O(\sqrt n m)$,如果使用有效的集合合并算法。后者由\cite{GabTar}的增量树集合合并算法提供。\cite{GabTar}中省略了该匹配应用的详细信息,并在本说明中介绍。
2014-12-31 cs.DS
Reducing Maximum Weighted Matching to the Largest Cardinality Matching in CONGEST
本文将最大加权匹配问题归结为{ \bf CONGEST}中的最大基数匹配问题。本文提出了两项技术贡献。第一个是一个简单的$poly(\log n, \frac{1}{\varepsilon}, t, \ln w_t)$轮{ \bf CONGEST}算法,用于减少最大加权匹配问题的最大基数匹配问题。这是在假设所有顶点都知道所有边权重$\{w_1,....,w_t\}$(具体地,它们知道$t$,不同边权重的数量)的情况下实现的,尽管特定顶点可能不知道特定边的权重。我们的第二个成分是一个简单的舍入算法(类似于装箱问题的近似算法),允许减少一般情况下的最大加权匹配问题的第一个成分,其中$t\leq poly'(\log n, \frac{1}{\varepsilon})$的假设满足。最后,我们简要讨论了实现我们的算法在{ \bf CONGEST}的文件。我们的主要结论是,我们只需要常数轮的减少。
2023-01-03 cs.DC cs.DS math.CO
A More Reliable Greedy Heuristic for Maximum Matchings in Sparse Random Graphs
针对最大基数匹配问题提出了一种新的贪心算法。我们给出了实验证据,该算法是可能找到一个最大匹配的随机图与常数期望度c>0,独立的c值。这与通常使用的贪婪匹配算法的行为相反,贪婪匹配算法已知具有一定范围的c,其中它们可能无法计算最大匹配。
2012-03-19 cs.DS
A Weighted Approach to the Maximum Cardinality Bipartite Matching Problem with Applications in Geometric Settings
本文提出了一种计算任意二部图中最大基数匹配的加权方法。我们的主要结果是一个新的算法,作为输入的加权二分图$G(A\cup B,E)$与$0$或$1$的边权重。让$w \leq n$是$G$中任何匹配的权重的上限。考虑由$G$的所有边导出的具有权重$0$的子图。假设这个子图中的每个连通分支都有$\mathcal{O}(r)$顶点和$\mathcal{O}(mr/n)$边。我们提出了一个算法来计算一个最大的基数匹配$G$在$\tilde{\mathcal{O}}( m(\sqrt{w}+ \sqrt{r}+\frac{wr}{n}))$时间。当所有的边权重都是$1$时(当所有的权重都是$0$时是对称的),我们的算法将与著名的Hopcroft-Karp(HK)算法相同,该算法在$\mathcal{O}(m\sqrt{n})$时间内运行。然而,如果我们可以仔细地在其边缘上分配$0$和$1$的权重,使得$w$和$r$在$n$和$wr=\mathcal{O}(n^γ)$中对于$γ< 3/2$都是次线性的,那么我们可以在$o(m\sqrt{n})$时间内计算$G$中的最大基数匹配。利用我们的算法,我们得到了一个新的$\tilde{\mathcal{O}}(n^{4/3}/\varepsilon^4)$时间算法来计算$A,B\subset\mathbb{R}^2$的$\varepsilon$-近似…
2019-03-25 cs.CG cs.DS
Data Reduction for Maximum Matching on Real-World Graphs: Theory and Experiments
在(边加权)无向图中找到最大基数或最大权重匹配是算法图论中最突出的问题之一。对于$n$ -顶点图和$m$ -边图,最著名的算法在$\widetilde{O}(m\sqrt{n})$时间内运行.我们建立在最近的理论工作,重点是线性时间数据减少规则,寻找最大基数匹配和补充的理论结果,提出和分析(从而采用核化方法的参数化复杂性分析)新的(近)线性时间数据减少规则的未加权和正整数加权的情况下。此外,我们的实验表明,这些数据减少规则提供了显着的加速的最先进的实现计算匹配在现实世界的图形:平均加速因子为4.7在未加权的情况下,在加权的情况下,12.72。
2021-05-07 cs.DS
Approximate Generalized Matching: $f$-Factors and $f$-Edge Covers
本文对非二部图上的几个广义匹配问题提出了线性时间近似方案。我们的结果包括$(1-ε)$ -最大权$f$ -因子和$(1+ε)$ -近似最小权$f$ -边覆盖的$O_ε(m)$ -时间算法.作为一个副产品,我们还获得了这些问题的确切基数版本运行在$O(m\sqrt{f(V)})$时间的直接算法。这项工作的技术贡献包括一个有效的方法保持{ \em松弛互补松弛}在广义匹配问题和近似保持减少之间的$f$ -因子和$f$ -边缘覆盖问题。
2020-05-08 cs.DS
Online Algorithm for Fractional Matchings with Edge Arrivals in Graphs of Maximum Degree Three
University of Waterloo(滑铁卢大学);University of Toronto(多伦多大学)
本文针对最大度数为三的图,提出了一个分数匹配的在线算法,其竞争比为0.5914,并展示了整数匹配与分数匹配之间的竞争比差异。
2026-02-07 cs.DS cs.GT
Online Graph Matching Problems with a Worst-Case Reassignment Budget
在二部图的在线二部匹配重排序问题中,算法最初只给出二部图顶点集的一侧,另一侧的顶点连同其关联边一起被逐个显示给算法。该算法需要在当前图中保持匹配,其中该算法在每个顶点到达之后通过重新分配顶点来修改匹配。Bernstein、Holm和Rotenberg表明,在线算法可以通过对每个到达执行摊销的$O(\log^2 n)$重新排序来保持最大基数的匹配。在本文中,我们建议考虑的一般问题,如何要求一个非摊销的硬预算$k$的数量重新分配影响算法的性能,在各种模型从文献。我们表明,一个简单的,广泛使用的算法是一个最好的确定性算法,所有这些模型。对于未加权的最大基数问题,该算法是一个$(1-\frac{2}{k+2})$ -竞争算法,这是一个确定性算法在顶点到达和边缘到达的最佳可能。应用于负载均衡问题,这产生了一个双因子在线算法。对于加权的问题,这是传统上研究假设三角不等式,我们表明,权力的重新分配,使我们能够解除这一假设,该算法成为一个$\frac{1}{2}$ -竞争算法$k=4$,改进后的$\frac{1}{3}$以前的算法没有重新分配。我们表明,这也是一个最好的可能的确定性算法。
2020-03-11 cs.DS
On the Communication Complexity of Maximum Matching and Negative-Weight Shortest Paths
Brown University(布朗大学);Duke University(杜克大学);Princeton University(普林斯顿大学)
研究在确定性两方通信模型下的基本图问题,提出计算一般图最大匹配的\(\widetilde{O}(n^{3/2})\)比特协议、负环检测等的\(\widetilde{O}(n)\)比特协议及二分图最大匹配的组合\(\widetilde{O}(n)\)比特协议,简化了相关问题的协议。
2026-07-08 cs.CC cs.DS
On vertex covers and matching number of trapezoid graphs
角点位于两条平行线上的一组梯形的交图称为梯形图。利用二叉索引树数据结构,改进了计算最小顶点覆盖(或独立集)的大小和数目以及顶点覆盖总数的算法,并将时间复杂度从$O (n^2)$降低到$O (n \log n)$,其中$n$是顶点覆盖的数目.此外,我们提出了最近提出的算法的时间复杂度$O (n^2)$的梯形图的最大基数匹配计算的反例家庭。
2011-06-12 cs.DS
On the approximability of the stable marriage problem with one-sided ties
经典的稳定婚姻问题要求在一组男性和一组女性之间进行匹配,没有阻塞配对,这是由一个男性和一个女性组成的配对,他们都希望从当前状态切换到一起配对。当男性和女性都对对方有严格的偏好时,所有稳定匹配都具有相同的基数,并且可以使用著名的Gale-Shapley算法来找到一个。显然,如果我们允许偏好列表中的关系,找到一个最大基数的稳定匹配是一个NP难问题,当关系是单侧的,也就是说,它们只出现在一个组的偏好中。为此,许多研究者致力于发展求解该问题的近似算法。本文对Huang和Telikepalli(IPCO 14)给出的单边稳定婚姻问题的一个近似算法进行了精细分析,给出了该问题的一个改进的13/9近似因子.有趣的是,我们的分析是严密的。
2018-05-18 cs.DS
On the Approximation Performance of Degree Heuristics for Matching
在最大基数匹配问题的贪心算法设计中,在选择下一条边时利用度信息是一种行之有效的方法。我们定义了一类“度敏感”的贪婪匹配算法,这使我们能够分析许多著名的算法,并在最坏情况下提供紧近似保证。我们展示算法在这一类的最佳近似保证二分图。特别是Karp-Sipser算法,如果可能的话,它选择与度1节点关联的边,否则选择任意边,结果证明是最佳的,近似保证D/(2D-2),其中D是最大度。
2016-12-20 cs.DS
Navigating Central Path with Electrical Flows: from Flows to Matchings, and Back
给出了求解单位容量有向图中最大s-t流和最小s-t割问题的一个$\tilde{O}(m^{10/7})=\tilde{O}(m^{1.43})$ -时间算法。这是由于Even和Tarjan [Event 75]而对长期存在的$O(m \min(\sqrt{m},n^{2/3}))$时间界限的稀疏图情况的第一次改进。通过著名的约简,这也建立了一个$\tilde{O}(m^{10/7})$时间算法的最大基数二部匹配问题。这反过来又给出了一个改进的著名的著名的$O(m \sqrt{n})$的Hopcroft和Karp [HK 73]的时间界限时,输入图是足够稀疏的。
2013-10-24 cs.DS
Approximation Bounds For Minimum Degree Matching
我们考虑最大基数匹配的MINGREEDY策略。MINGREEDY重复选择具有最小度的节点的边事件。对于度最多$Δ$的图,我们表明,MINGREEDY在最坏的情况下至少达到了$ \frac{Δ-1}{2Δ-3} $的近似比,并且这种性能在顶点模型中的自适应优先级算法中是最优的,其中包括许多突出的贪婪匹配算法。即使在考虑随机贪婪策略的预期近似比时,对于小度数的图,也没有更好的最坏情况界限。
2015-10-31 cs.DS
Maximum Weight b-Matchings in Random-Order Streams
本文研究随机顺序流中最大权重 b-匹配问题,提出基于广义加权边度约束子图的近似算法,首次将近似比突破 2,达到 2-1/(2W)+ε。
2023-08-13 cs.DS
The Power of Data Reduction for Matching
在无向图中寻找最大基数匹配可以说是最核心的图原语之一。对于$m$-边图和$n$-顶点图,众所周知,它可以在$O(m\sqrt{n})$时间内求解;然而,对于一些应用程序,这个运行时间仍然太慢。我们调查如何线性时间(几乎线性时间)数据减少(用作预处理)可以缓解这种情况。更具体地说,我们专注于(几乎)线性时间内核化。本文对一般图和二部图进行了深入系统的研究。我们的数据简化算法很容易遵守(以预处理的形式)每一个解决方案的策略(精确,近似,启发式),从而使他们在各种设置有吸引力。
2020-07-23 cs.DS
A Nearly Linear-Time Distributed Algorithm for Maximum Cardinality Matching
本文提出 CONGEST 模型下最大基数匹配的随机 $\tilde{O}(μ(G))$ 轮算法,并通过完全去中心化的 alternating base trees 方法在 $\tilde{O}(\ell)$ 轮内高概率找到长度为 $\ell$ 的增广路径。
2025-01-10 cs.DC cs.DS math.CO
Decremental Matching in General Weighted Graphs
本文针对一般图加权递减匹配的开放问题,提出一种随机化算法,在自适应敌手的边删除操作下以$O_{\varepsilon}(\text{poly}(\log n))$更新时间维护$(1-\u03b5)$-近似最大权匹配,填补了无权与加权场景的研究空白。
2023-12-14 cs.DS
Polynomial-Delay Enumeration of Large Maximal Common Independent Sets in Two Matroids and Beyond
本文研究两个拟阵中基数至少为τ的极大公共独立集枚举问题,提出多项式延迟和多项式空间算法,并扩展至拟阵匹配及三次子图小最小连通顶点覆盖枚举,同时给出带基数约束枚举转排序枚举的框架。
2024-02-09 cs.DS math.CO
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
Computing the sequence of $k$-cardinality assignments
$k$ -基数分配问题要求在加权二部图$K_{n,n}$,$k \leq n$中找到基数匹配$k$的最大(最小)权. Gassner和Klinz在2010年提出的参数分配问题的算法在时间$O(n^3)$中计算了那些整数$k \leq n$的$k$ -基数分配的集合,这些整数指的是相应的最大多项式的“基本”项。我们在这里表明,可以扩展该算法和计算在第二阶段的其他“半必要”的条款在时间$O(n^2)$,这导致在整个序列的$k=1,...,n$ -基数分配的时间复杂度$O(n^3)$。在第二阶段要计算的分配越多,两阶段算法运行得越快。然而,通常,这种两阶段算法对现有算法没有益处,例如,基于连续最短路径算法的更简单的网络流算法,其也计算所有的$k$ -在时间上的基数分配$O(n^3)$。
2021-04-08 cs.DS math.OC
Matching in Stochastically Evolving Graphs
研究随机演化图的最大基数匹配问题。我们正式定义了随机出发的到达-出发模型。在那里,从特定的概率分布中采样一个图形,并将其显示为一系列快照。我们的目标是研究在采样图中创建大匹配的算法。我们定义了这个问题的随机性的价格,直观地捕捉到任何算法的损失,在最坏的情况下,由于模型的不确定性的匹配的大小。此外,我们证明了存在一个确定性的最优算法的问题。在我们的第二组结果中,我们表明,我们可以有效地近似的最大基数匹配的预期大小,通过推导出一个完全随机化的近似方案(FPRAS)为it. The FPRAS是骨干的概率算法,是最佳的模型定义在两个时间步。我们的最后一个结果是$\frac{2}{3}$的随机价格的上界。这意味着事后看来,没有算法可以匹配超过$\frac{2}{3}$的最佳匹配边缘。
2020-05-17 cs.DM cs.DS
Distributed Algorithms for Matching in Hypergraphs
$ $我们研究了$d$ -一致超图匹配($d$ -UHM)问题:给定一个$n$ -顶点超图$G$,其中每个超边的大小都是$d$,找出不相交超边的最大基数集.对于$d\geq3$,寻找最大匹配的问题是NP-完全问题,是Karp的21个$\mathcal{NP}$ -完全问题之一。在本文中,我们有兴趣在超图中的大规模并行计算(MPC)模型,这是一个常见的抽象MapReduce风格的计算中找到匹配的问题。在这个模型中,我们提出了前三个并行算法的$d$ -均匀超图匹配,我们分析他们的资源,如内存使用,轮的通信需要,和近似比。亮点包括:$\bullet$一种$O(\log n)$ -轮$d$ -近似算法,每台机器使用$O(nd)$空间。$\bullet$一种$3$ -循环、$O(d^2)$ -近似算法,每台机器使用$\tilde{O}(\sqrt{nm})$空间。$\bullet$一种$3$轮算法,它计算包含$(d-1+\frac{1}{d})^2$近似的子图,对于线性超图使用每机器的$\tilde{O}(\sqrt{nm})$空间,一般使用$\tilde{O}(n\sqrt{nm})$。
2020-09-21 cs.DS
Scaling algorithms for approximate and exact maximum weight matching
{ \em最大基数}和{ \em最大权重匹配}问题可以在时间$\tilde{O}(m\sqrt{n})$内解决,尽管经过数十年的研究,但该界限一直无法改进。(Here $m$和$n$是边和顶点的数量。)在这篇文章中,我们证明了这个“$m\sqrt{n}$屏障”是非常脆弱的,在以下意义上。对于任意的$ε>0$,我们给出了一个算法,该算法在$O(mε^{-1}\logε^{-1})$时间内计算$(1-ε)$ -近似最大权匹配,即对于任意固定的$ε$,计算最优的{ \em线性时间}。我们的算法是显着简单比最好的精确最大权重匹配算法一般图,应该是有吸引力的所有应用程序,可以容忍一个可以忽略不计的相对误差。我们的第二个贡献是一个新的{ \em精确}最大权匹配算法的整数加权二部图,运行在时间$O(m\sqrt{n}\log N)$。这改进了自20世纪80年代中期以来已知的用于$1\ll \log N \ll \log n$的$O(Nm\sqrt{n})$ -时间和$O(m\sqrt{n}\log(nN))$ -时间算法。这里$N$是最大整数边权重。
2011-12-04 cs.DS
Optimizing for Fairness in Generalized Kidney Exchange: Theory and Computations
Cornell University(康奈尔大学)
本文研究了如何在一般肾脏交换中通过理论和计算方法优化公平性,提出在加权设置中可以使用强多项式算法保证相同的公平性质,并通过实验证明在更一般的肾脏交换机制中加入公平性考虑具有显著优势。
2026-05-19 cs.DS math.OC
Submodular Maximization over Bipartite Perfect Matchings and Matroid Intersection Bases
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Southern Denmark(南丹麦大学);EPFL Lausanne(洛桑联邦理工学院);Stanford University(斯坦福大学);ETH Zürich(苏黎世联邦理工学院)
研究二分图完美匹配与拟阵交基上的单调子模最大化,证明其与有向图子模定向近似等价,并给出多项式时间双准则近似,目标值达到最优的1/2减epsilon。
2026-09-21 cs.DS
A Weight-scaling Algorithm for $f$-factors of Multigraphs
我们讨论的组合算法找到一个最大的重量$f$ -因子的任意多重图,给定的整数权重的幅度最多$W$。对于简单二部图,最著名的时间界是$O(n^{2/3}\, m\, \log nW)$(\cite{GT89} ; $n$和$m$分别是顶点和边的数目)。Duan和He等人最近的一个算法\cite{DHZ} for $f$ -factors of simple graphs在这个界的对数因子之内,$\widetilde{O} (n^{2/3}\, m\, \log W)$。二部多重图最著名的界是$O(\sqrt Φ\, m\, \log ΦW)$($Φ\le m$是$f$ -因子的大小,$Φ=\sum_{v\in V}f(v)/2$)。这个界限比对简单图的限制更一般,并且在“小”简单图上甚至更优越,即,$Φ=o(n^{4/3})$。我们提出了一种算法,该算法在该界限的$\sqrt {\log Φ}$因子内,即,$O(\sqrt {Φ\log Φ}\,m \,\log ΦW)$。该算法是Gabow和Tarjan的\cite{GT}算法在普通匹配的特殊情况下($f\equiv 1$)的直接推广。我们提出我们的算法首先为普通匹配,分析是一个简化版本的\cite{GT}。此外,该算法和分析都得到合并,而无需修改的多重图算法。为了将这些想法扩展到$f$ -因子,第一步是“扩展”边(即,用长度3的交替…
2020-10-02 cs.DS
Fully Dynamic $(1+ε)$-Approximate Matchings
我们提出了第一个数据结构,保持近最佳的最大基数和最大加权匹配稀疏图在次线性时间每次更新。我们的主要结果是一个数据结构,保持$(1+ε)$近似的最大匹配下的边缘插入/删除在最坏的情况下,每次更新$O(\sqrt{m}ε^{-2})$时间。这改进了[Neiman,Solomon,STOC 2013]中给出的3/2近似,该近似在类似的时间内运行。这个结果基于两个想法。第一种方法是在选定数量的更新后重新运行静态算法,以确保近似保证。第二种是尽可能明智地将图修剪成更小的等价图。我们还研究了我们的方法的加权设置的扩展,并将其与已知的框架,以获得任意的近似比。对于一个常数$ε$和1和N之间的边权重的图,我们设计了一个算法,保持$(1+ε)$ -近似最大加权匹配在$O(\sqrt{m} \log N)$时间每次更新。在动态图上保持加权匹配的唯一先前结果的近似比为4.9108,并在[Anand,Baswana,Gupta,Sen,FSTTCS 2012,arXiv 2012]中显示。
2013-04-10 cs.DS
Kernelization via Sampling with Applications to Dynamic Graph Streams
在本文中,我们提出了一个简单但功能强大的子图采样原语,适用于各种计算模型,包括动态图流(其中输入图是由一系列的边/超边插入和删除定义)和分布式系统,如MapReduce。在动态图流的情况下,我们使用这个原语来证明以下结果:-匹配:首先,存在一个$\tilde{O}(k^2)$空间算法,返回一个确切的最大匹配的假设基数是最多$k$。最好的以前的算法使用$\tilde{O}(kn)$空间,其中$n$是在图中的顶点数,我们证明了我们的结果是最佳的对数因子。我们的算法有$\tilde{O}(1)$更新时间。其次,存在一个$\tilde{O}(n^2/α^3)$空间算法,它返回一个$α$ -近似的匹配任意大小。(Assadi et al.(2015)表明这是最佳的,并且独立和同时建立了相同的上限。我们推广这两个结果加权匹配。第三,存在一个$\tilde{O}(n^{4/5})$空间算法,返回一个常数近似图有界荫度。--顶点覆盖和命中集:存在解决最小命中集问题的$\tilde{O}(k^d)$空间算法,其中$d$是输入集的基数,而$k$是最小命中集大小的上限。我们证明这是最佳的对数因子。我们的算法有$\tilde{O}(1)$更新时间。情况$d=2$对应于最小顶点覆盖。最后,我们考虑一个更大的家庭参数化问题(包括$b$匹配,不相交的路径,顶点着色等),我们的子图采样原语产生快速,小空间的动态图…
2015-05-07 cs.DS
Maximum Matchings in Graphs for Allocating Kidney Paired Donation
终末期肾病患者的亲属和朋友提出捐献肾脏,往往被发现与预期的接受者不相容。肾脏配对捐赠将一名患者及其不相容的捐赠者与另一名患者和捐赠者在相同的情况下进行器官交换。设患者-供体对是无向图G的顶点,其边连接任意两个相容的顶点。G中的匹配是配对捐赠的可行集合。我们描述了各种优化问题的肾脏配对捐赠图G和每一个在临床移植的优点。由于某些匹配在地理上是不期望的,并且移植肾的预期寿命取决于供体和受体的免疫一致性,因此我们对G的边缘进行加权并寻求最大边缘权重匹配。不幸的是,这种匹配可能没有最大基数;配对捐赠的质量和数量之间存在不可预测的权衡风险。我们提出了一个边加权的G,保证每个匹配的最大权重也有最大的基数,也最大限度地提高移植的数量为一个特殊的子集的收件人,同时减少旅行和有利于免疫一致性。
2017-10-22 cs.DS cs.GT
Randomized greedy algorithms for independent sets and matchings in regular graphs: Exact results and finite girth corrections
我们得出新的结果的性能的一个简单的贪心算法,寻找大的独立集和匹配的常度正则图。我们发现,$r$ -定期图与$n$节点和围长至少$g$,该算法发现一个独立的预期基数集$f(r)n - O\big(\frac{(r-1)^{\frac{g}{2}}}{\frac{g}{2}!} n\big)$,其中$f(r)$是一个函数,我们明确计算。一个类似的结果是建立匹配。我们的研究结果意味着改进的界限的大小最大的独立集在这些图,并提供了第一个结果,这种类型的匹配。作为一个含义,我们表明,贪心算法返回一个近乎完美的匹配时,度$r$和周长$g$是大的。此外,我们证明了在\emph{arbitrary}有界度图中由贪心算法产生的独立集和匹配的基数集中在均值附近。最后,我们分析了贪心算法在随机独立同分布情况下的性能。加权独立集和匹配,并获得一个非常简单的表达式的限制期望值的算法产生的。事实上,所有其他结果都是从加权情形的结果中得到的直接推论。
2008-07-08 cs.DM cs.DS
Blossom VI: A Practical Minimum Weight Perfect Matching Algorithm
Institute of Science and Technology Austria(奥地利科学技术研究院)
Blossom VI通过改进的樱桃树和樱桃花结构,在处理超线性时间实例时表现出色,实现几乎线性运行时间。
2026-07-22 cs.DS
Submodular Maximization Meets Streaming: Matchings, Matroids, and More
我们研究的问题,找到一个最大的匹配在一个图中给定的输入流列出其边缘在一些任意的顺序,其中要最大化的数量是由一个单调的子模函数的子集的边缘。这个问题,我们称之为最大子模函数匹配(MSM),是最大权重匹配(MWM)的自然推广,而MWM又是最大基数匹配(MCM)的推广。对于这个问题,我们给出了两个无与伦比的算法,其空间使用率在半流范围内-它们仅存储$O(n)$边缘,使用$O(n\log n)$工作存储器-分别在单遍中实现$7.75$的近似比率和在$O(ε^{-3})$遍中实现$(3+ε)$的近似比率。这些算法的操作模仿Zelke和McGregor的MWM各自的算法;新颖之处在于MSM设置的分析。事实上,我们确定了一个通用的框架MWM算法,允许这种适应更广泛的MSM设置。在续集中,我们给出了这些结果的推广,其中最大化是在“独立集”在一个非常普遍的意义。这种推广捕获超图中的超匹配以及多个拟阵的交集中的独立性。
2013-11-16 cs.DS
A PTAS for Triangle-Free 2-Matching
本文针对无三角形2-匹配问题,提出了一种基于局部搜索的简单PTAS,利用当前解离最优解足够远时存在短增广轨迹的性质,简化了原有复杂算法。
2023-11-20 cs.DS
Linear-Time Algorithms for Maximum-Weight Induced Matchings and Minimum Chain Covers in Convex Bipartite Graphs
本文提出凸二分图中最大权重导出匹配和最小链覆盖的线性时间算法,利用紧凑表示在O(n)或O(n+m)时间内求解,优于此前O(n^2)的算法。
2017-11-13 cs.DM cs.DS
The popular assignment problem: when cardinality is more important than popularity
本研究针对二分图匹配场景,提出基于LP对偶的多项式时间算法寻找最大流行匹配,还给出非流行度边际受限的近似最优算法,证明相关变体的NP难性并提出带强制/禁止边变体的高效算法,可应用于住房市场。
2023-10-04 cs.DS cs.GT
A Proof of the MV Matching Algorithm
Micali-Vazirani(MV)算法的最大基数匹配的一般图,这是在1980年出版的\cite{MV},仍然是最有效的已知算法的问题。本文首次给出了该算法的完整正确的证明。我们证明的核心是一些纯粹的图论事实,捕捉最小长度交替路径的性质;这些可能是独立的兴趣。试图使算法更容易理解。
2020-12-07 cs.DS math.CO
Bi-Criteria and Approximation Algorithms for Restricted Matchings
在这项工作中,我们研究近似算法的\textit{Bounded Color Matching}问题(a.k.a.限制匹配问题),定义如下:给定一个图,其中每个边$e$都有一个颜色$c_e$和一个利润$p_e \in \mathbb{Q}^+$,我们想计算一个最大(基数或利润)匹配,其中不超过$w_j \in \mathbb{Z}^+$颜色$c_j$的边。除了理论上的兴趣之外,这种问题还出现在多光纤光学网络系统中,在该系统中,我们将可以通过光纤传播的每个独特波长解释为颜色类别,并且我们希望在系统对之间建立通信。我们研究这个问题的近似和双标准算法,这是基于线性规划技术,特别是在多面体表征的自然线性制定的问题。在我们的设置中,我们允许违反边界$w_j$,我们将我们的问题建模为双标准问题:我们有两个目标进行优化,即(a)最大化利润(最大匹配),同时(b)最小化对颜色边界的违反。我们证明了我们如何可以“击败”的自然线性规划制定的问题的完整性差距,只允许轻微违反的颜色界限。特别是,我们的主要结果是\textit{constant}逼近界的两个标准相应的双标准优化问题。
2013-11-21 cs.DS
Envy-free Matchings in Bipartite Graphs and their Applications to Fair Division
一个具有部分X和部分Y的二部图的匹配称为无嫉妒,如果X中没有不匹配的顶点与Y中的匹配的顶点相邻。每一个完美的配对都是没有嫉妒的,但即使完美的配对不存在,也存在没有嫉妒的配对。我们证明了每个二部图都有唯一的划分,使得所有的无嫉妒匹配都包含在其中一个划分集中。利用这个结构定理,我们提供了一个多项式时间算法,找到一个最大基数的嫉妒自由匹配。对于边加权二部图,我们提供了一个多项式时间算法来寻找一个最大基数的最小总重量的无嫉妒匹配。我们展示了如何嫉妒免费匹配可以用于各种公平的划分问题,无论是连续的资源(“蛋糕”)或离散的。特别地,我们提出了一个对称算法的比例切蛋糕,一个算法的1-out-of-(2n-2)的最小份额分配的离散货物,和一个算法的1-out-of-floor(2n/3)的最小份额分配的离散bads之间的n代理。
2022-04-14 cs.DS cs.GT math.CO
Simple Deterministic Algorithms for Fully Dynamic Maximal Matching
一个最大的匹配可以保持在完全动态的(支持添加和删除的边缘)$n$ -顶点图使用平凡的确定性算法,最坏情况下的更新时间为O(n)。到目前为止,还没有一个确定性算法的性能优于朴素的O(n)算法。在这个方向上唯一的进展是由于Ivković和Lloyd \cite{IL93},他们在1993年设计了一个确定性算法,\emph{amortized}更新时间为$O((n+m)^{\sqrt{2}/2})$,其中$m$是边的数量。在本文中,我们展示了第一个确定性的完全动态的算法,优于平凡的。具体而言,我们提供了$O(\sqrt{m})$的确定性\emph{worst-case}更新时间。此外,我们的算法保持匹配,这实际上是一个3/2近似的最大基数匹配(MCM)。我们注意到,在这项工作之前,没有完全动态的算法来保持$(2-\eps)$ -近似MCM在朴素O(n)上的改进,甚至允许摊销时间界限和\emph{randomization}。对于低荫度图(例如,平面图和不包括固定子图的图),我们设计了另一个简单的确定性算法与\emph{sub-logarithmic update time}。具体而言,它保持了一个完全动态的最大匹配与摊销更新时间为$O(\log n/\log \log n)$。这一结果解决了Onak和Rubinfeld \cite{OR10}的一个未决问题。我们还展示了一个确定性的算法,…
2013-02-18 cs.DS
Matching Composition and Efficient Weight Reduction in Dynamic Matching
New York University(纽约大学);Stanford University(斯坦福大学);University of Salzburg(萨尔茨堡大学);Rutgers University(罗格斯大学)
研究在n节点动态图中维护(1 - ε)近似最大权重匹配问题,提出通用约简方法,结合其他约简解决开放问题,该方法适用于多种计算模型,还应用技术获高效算法,基于新结构结果和子例程。
2026-07-21 cs.DS
NC Algorithms for Popular Matchings in One-Sided Preference Systems and Related Problems
流行的匹配问题是将一组申请人与一组职位进行匹配,其中每个申请人都有一个偏好列表,按照偏好顺序对一个非空的职位子集进行排序,可能有领带。如果没有其他匹配的M',使得更多的申请者喜欢M'而不是M,则匹配的M是受欢迎的。我们给出了第一个NC算法,以解决流行的匹配问题没有关系。我们还给出了一个NC算法,解决了最大基数流行匹配问题。没有NC或RNC算法是已知的偏好系统中的匹配问题之前,这项工作。此外,我们给出了一个NC算法的稳定匹配问题的一个较弱的版本,即问题的“下一个”稳定匹配给定的稳定匹配。
2019-12-20 cs.DC cs.DS
Semi-Streaming Bipartite Matching in Fewer Passes and Optimal Space
我们提供了$\widetilde{O}(ε^{-1})$ -通过半流算法计算$(1-ε)$ -近似最大基数匹配的二分图。我们最有效的方法是确定性的,并使用最佳的,$O(n)$,空间,提高了空间复杂度,以前的国家的最先进的$\widetilde{O}(ε^{-1})$通过算法的Ahn和Guha。为了获得我们的结果,我们提供了更一般的连续优化工具的半流适应。此外,我们利用这些技术来获得改进的近似线性规划,最佳运输,精确匹配,转运和最短路径问题的流变量。
2021-08-03 cs.DS math.OC