Heavy Hitters over Interval Queries
在诸如负载均衡、QoS和网络安全等许多网络应用中,重打击和频率测量是基本的。本文考虑了一个广义滑动窗口模型,支持频率和重命中查询在\emph{query time}给定的时间间隔。这使得可以进行下钻查询,在这种查询中,可以以越来越细的粒度检查网络的行为。对于这个模型,我们渐近地改善现有工作的空间界限,减少更新和查询时间为常数,并提供确定性的解决方案。当在真实的互联网数据包跟踪评估,我们最快的算法处理数据包$90$ - $250$倍快,服务查询至少$730$倍快,消耗至少$40\%$少的空间比已知的方法。
2018-11-13 cs.DS
Shortest Beer Path Queries in Interval Graphs
我们感兴趣的是通过至少一个称为啤酒顶点的顶点子集的顶点对之间的路径。这样的路径被称为啤酒路径,两个顶点之间的啤酒距离是最短的啤酒路径的长度。我们表明,我们可以表示未加权区间图使用$2n \log n + O(n) + O(|B|\log n)$位,其中$2n \log n + O(n) + O(|B|\log n)$是啤酒顶点的数量。该数据结构在$O(\log^\varepsilon n)$时间内回答任何恒定$\varepsilon > 0$的啤酒距离查询,并在$O(\log^\varepsilon n + d)$时间内回答最短啤酒路径查询,其中$d$是两个节点之间的啤酒距离。我们还表明,适当的间隔图可以表示使用$3n + o(n)$位,以支持啤酒距离查询在$O(f(n)\log n)$时间为任何$f(n) \in ω(1)$和最短啤酒路径查询在$O(d)$时间。所有这些结果也有时间-空间权衡。最后,我们证明了Beer真区间图的信息论下界非常接近于我们的结构空间,即$\log(4+2\sqrt{3})n - o(n)$(或约$ 2.9 n$)位.
2022-09-28 cs.DS
Succinct Data Structures for Families of Interval Graphs
我们考虑的问题,设计简洁的数据结构的区间图与$n$顶点,同时支持度,邻接,邻域和最短路径查询在最佳时间的$Θ(\log n)$位字RAM模型。度查询报告在恒定时间内到给定顶点的关联边的数量,如果在恒定时间内两个顶点之间存在边,则邻接查询返回true,邻域查询报告与所查询顶点的度成比例的所有相邻顶点的时间集合,并且最短路径查询返回与其长度成比例的时间最短路径,因此这些查询的运行时间是最佳的。为了展示简洁性,我们首先证明了至少$n\log{n} - 2n\log\log n - O(n)$位是表示任何具有$n$顶点的未标记区间图$G$所必需的,回答了Yang和Pippenger的一个公开问题[Proc. Amer. Math. Soc. 2017]。这通过大小为$n\log{n} +O(n)$位的数据结构来增强,同时不仅最佳地支持上述查询,而且还能够执行各种组合算法(如适当着色、最大独立集等)。在输入区间图上有效地。最后,我们将我们的想法扩展到其他变体的区间图,例如,适当/单位区间图,k-适当和k-不适当的区间图,圆弧图,并设计简洁/紧凑的数据结构,这些图形类,以及随着支持他们的查询效率。
2020-04-27 cs.DS
Shortest unique palindromic substring queries in optimal time
回文是一个字符串,它的正反读都是一样的。字符串$S$的回文子串$P$称为最短唯一回文子串($\mathit{SUPS}$),在PDTMAX中的间隔$[x, y]$内@ THABMN,如果$P$在$S$中只出现一次,则$P$的该次出现包含间隔$[x, y]$,以及$S$的每个回文子串,其包含间隔$[x, y]$并且短于$P$在$S$中至少出现两次。$\mathit{SUPS}$问题是,给定一个字符串$S$,对$S$进行预处理,以便对于任何后续查询间隔$[x, y]$,可以快速回答间隔$[x, y]$的所有$\mathit{SUPS}\mbox{s}$。我们提出了一个最佳的解决方案,这个问题。也就是说,我们展示了如何预处理一个给定的字符串$S$的长度$n$在$O(n)$的时间和空间,使所有$\mathit{SUPS}\mbox{s}$的任何后续查询间隔可以回答在$O(k+1)$时间,其中$k$是输出的数量。
2017-07-04 cs.DS
Windows into Geometric Events: Data Structures for Time-Windowed Querying of Temporal Point Sets
我们研究基于点的时间事件集的几何数据结构,回答时间窗口查询,即,给定一个连续的时间间隔,我们用该间隔中的时间戳来回答关于点事件的普通几何查询。我们考虑的几何查询包括查询的基础上的天际线,凸包,和邻近关系的点集。我们提供了空间有效的数据结构,在多对数时间内回答查询。
2014-09-18 cs.DS
Efficient Genomic Interval Queries Using Augmented Range Trees
基因组区间的高效大规模注释对于精准医学领域中的个人基因组解释至关重要。根据艾伦的区间代数,两个区间之间有13种可能的关系。传统的区间树通常用于识别满足与查询区间的粗略关系的基因组区间,但不能支持对更精细的关系(诸如所有Allen关系)的高效查询。我们设计并实施了一种新的方法来解决这一未满足的需求。通过重写Allen的区间关系,将区间查询转化为范围查询,并利用范围树进行查询。我们实现了两种类型的范围树:一个基本的二维范围树(2D-RT)和一个扩展的范围树与分数级联(RTFC),并将它们与传统的区间树(IT)。理论分析表明,RTFC可以实现最佳的时间复杂度的区间查询的所有艾伦的关系,在三个树。我们还进行了比较实验的效率RTFC,2D-RT和IT在查询非编码元件注释在一个大的个人基因组集合。我们的实验结果表明,2D-RT是更有效的比IT的间隔查询关于大多数的艾伦的关系,RTFC是更有效的比2D-RT。结果表明,RTFC是一个有效的数据结构查询大规模的数据集关于基因组间隔之间的艾伦的关系,如所需的解释在大群体的全基因组变异。
2018-06-04 cs.DB cs.DS q-bio.QM
Using Ray-shooting Queries for Sublinear Algorithms for Dominating Sets in RDV Graphs
David R. Cheriton School of Computer Science, University of Waterloo(滑铁卢大学大卫·R·切里顿计算机科学学院);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文利用射线查询数据结构,在O(n log n)时间内解决RDV图的最小支配集问题,并为区间图提供新的O(n)时间证明。
2026-01-08 cs.CG cs.DS
External Memory Three-Sided Range Reporting and Top-$k$ Queries with Sublogarithmic Updates
提出了一种外部存储器数据结构,用于在点的插入和删除下维护$N$二维点的动态集合,并支持3边范围报告查询和顶- $k$查询,其中顶- $k$查询报告在给定$x$范围内具有最高$y$值的$k$点。对于任何常数$0<\varepsilon\leq \frac{1}{2}$,构建支持摊销的$O(\frac{1}{\varepsilon B^{1-\varepsilon}}\log_B N)$ IO中的更新和摊销的$O(\frac{1}{\varepsilon}\log_B N+K/B)$ IO中的查询的数据结构,其中$B$是外部存储器块大小,$K$是查询的输出大小(对于顶部$k$查询,$K$是$k$和查询间隔中的点数的最小值)。数据结构使用线性空间。更新边界是一个显着的因素$B^{1-\varepsilon}$改善以前的最佳更新边界的两个查询问题,同时保持在相同的查询和空间的界限。
2015-09-28 cs.CG cs.DS
The Complexity of Boolean Conjunctive Queries with Intersection Joins
区间数据上的相交连接在空间和时间数据设置中是相关的。如果一组区间的交集非空,则将它们连接起来。如果是点间隔,则相交连接将成为标准相等连接。我们建立了复杂的布尔合取查询与相交连接的多一等价的析取布尔合取查询与相等连接。任何具有交集连接的查询的复杂性都是我们的等价所展示的析取中具有相等连接的最难查询的复杂性。这是由一个新的宽度测量称为IJ-width捕获的。我们还引入了一个新的语法概念,称为iota-acyclicity的布尔查询类的交叉连接,承认线性时间计算模的多对数因子的数据大小。Iota-acyclicity用于交集连接,而alpha-acyclicity用于相等连接。它严格地位于γ-无环性和Berge-acyclicity之间。非iota非循环的交集连接查询至少与具有相等连接的布尔三角形查询一样困难,后者被广泛认为在线性时间内不可计算。
2022-04-14 cs.DB cs.DS
Reducing a Target Interval to a Few Exact Queries
许多涉及权重的组合问题可以被公式化为所谓的范围问题。也就是说,它们的输入包括一个全域$U$、一个(简洁表示的)集合族$\mathcal{F} \subseteq 2^{U}$、一个权重函数$ω:U \rightarrow \{1,...,N\}$和整数$0 \leq l \leq u \leq \infty$。那么问题是决定是否存在一个$X \in \mathcal{F}$,使得$l \leq \sum_{e \in X}ω(e) \leq u$。这类问题的著名例子包括背包,子集和,最大匹配,和旅行推销员。在本文中,我们开发了一个通用的方法来转换一个范围内的问题到一个确切的问题(即一个范围内的问题,$l=u$)。我们表明,我们的方法有几个有趣的应用程序在精确的指数算法和参数化的复杂性,即:-在精确的指数算法,我们提出了新的见解是否子集和背包有效率的算法在时间和空间。特别是,我们证明了子集和和背包的时间和空间复杂度是等价的,直到一个小的多项式因子的输入大小。我们还给出了一个算法,有效地解决背包的稀疏实例的空间和时间。- 在参数化的复杂性,我们提出了第一个核化结果的几个著名的问题的加权变体。特别是,我们表明,加权变种的顶点覆盖,支配集,旅行商和背包都承认多项式随机图灵内核时,参数化$|U|$。奇怪的是,我们的方法依赖于一种在近似算法中更常见的技术。
2012-08-21 cs.DS
Fast Algorithms for the Shortest Unique Palindromic Substring Problem on Run-Length Encoded Strings
对于字符串$S$,回文子字符串$S[i..j]$被称为$S$中的$[s, t]$间隔的\emph{shortest unique palindromic substring}($\mathit{SUPS}$),如果$S[i..j]$在$S$中恰好出现一次,则间隔$[i, j]$包含$[s, t]$,并且每个包含比$S[i..j]$短的$[s, t]$的回文子字符串在$S$中至少出现两次。在本文中,我们研究的问题,回答$\mathit{SUPS}$查询行程编码字符串。我们展示了如何预处理一个给定的运行长度编码的字符串$\mathit{RLE}_{S}$的大小$m$在$O(m)$空间和$O(m \log σ_{\mathit{RLE}_{S}} + m \sqrt{\log m / \log\log m})$时间,使所有的$\mathit{SUPSs}$的任何后续查询间隔可以回答在$O(\sqrt{\log m / \log\log m} + α)$时间,其中$α$是输出的数量,和$σ_{\mathit{RLE}_{S}}$是不同的运行的$\mathit{RLE}_{S}$的数量。此外,我们考虑的SUPS问题的一个变种,其中的查询间隔也给出了游程编码的形式。对于这个变种的问题,我们提出了两种替代算法更快的查询。第一个在$O(\sqrt{\log\log m /\log\log\log …
2020-03-24 cs.DS
Towards Optimal Range Medians
我们考虑以下问题:给定一个未排序的$n$元素数组,以及数组中的一个区间序列,计算由区间定义的每个子数组的中值。我们描述了一个简单的算法,它使用O(n)的空间,并需要$O(n\log k + k\log n)$时间来回答第一个$k$查询。这通过对数因子改进了先前的算法,并且匹配$k=O(n)$的下限。由于该算法分解的是元素值的范围而不是数组,因此它对高维问题具有自然的概括性-它将范围中值查询减少为对数数量的范围计数查询。
2009-01-13 cs.DS
A Practical Index Structure Supporting Fréchet Proximity Queries Among Trajectories
Sportlogiq(Sportlogiq公司)
我们提出了一个可扩展的方法范围和$k$最近邻查询计算昂贵的指标,如连续Fréchet距离轨迹数据。基于度量指标的聚类,我们得到一个动态的树结构,其大小是线性的轨迹的数量,无论轨迹的个人大小或空间维度,这使得一个利用低“内在维度”的数据集有效的搜索空间修剪。由于距离计算是昂贵的,通用的度量索引方法是不切实际的。我们提出的策略,(i)提高已知的上限和下限计算,(ii)建立集群树,没有任何或很少的距离调用,和(iii)搜索使用范围的度量修剪,减少间隔排序,和随机旋转报告的最终结果。我们分析了我们的方法的效率和有效性,并在不同的合成和真实世界的数据集上进行了广泛的实验。结果表明,改进国家的最先进的方法,准确的查询,甚至进一步加快查询,可能会返回近似的结果。令人惊讶的是,在真实数据集上的大多数精确最近邻查询都是在没有任何距离计算的情况下回答的。
2020-05-28 cs.CG cs.DS cs.LG
Range Queries on Uncertain Data
给定实线上的$n$不确定点的集合$P$,每个点由其一维概率密度函数表示,我们考虑在$P$上构建数据结构以回答对于任何查询间隔$I$的以下三种类型的范围查询的问题:(1)顶部- $1$查询:找到$P$中以最高概率位于$I$中的点,(2)顶部- $k$查询:给定任何整数$k\leq n$作为查询的一部分,返回$P$中位于$I$中的概率最高的$k$点,以及(3)阈值查询:给定任何阈值$τ$作为查询的一部分,返回$P$中位于$I$中的概率至少为$τ$的所有点。我们提出的数据结构,这些范围查询线性或近似线性的空间和有效的查询时间。
2015-01-10 cs.CG cs.DB cs.DS
Frequency-Competitive Query Strategies to Maintain Low Congestion Potential Among Moving Entities
本文研究移动实体拥塞监测的对偶问题,即在保证拥塞势固定界的前提下最小化查询频率,提出适配算法并得到查询频率的紧竞争界,结果与此前最小化拥塞势的研究相呼应且存在意外差异。
2023-05-06 cs.CG cs.DS
Set Selection with Uncertain Weights: Non-Adaptive Queries and Thresholds
研究权重不确定的集合选择问题,提出基于阈值的最小费用容许查询方法,证明了计算阈值与查询问题的等价性,并在多种图论环境下给出了高效算法或NP困难性结果。
2024-04-26 cs.DS
Algorithms for Subpath Convex Hull Queries and Ray-Shooting Among Segments
本文首先考虑子路径凸包查询问题:给定$n$顶点的简单路径$π$,对其进行预处理,使查询子路径$π$的凸包可以快速得到。以前,Guibas、Hershberger和Snoeyink [SODA 90 ']提出了一种$O(n)$空间和$O(\log n\log\log n)$查询时间的数据结构;将查询时间减少到$O(\log n)$将空间增加到$O(n\log\log n)$。我们提出了一个改进的结果,使用$O(n)$空间,同时实现$O(\log n)$查询时间。像以前的工作一样,我们的查询算法返回一个紧凑的区间树表示的凸包,使标准的二进制搜索为基础的查询的外壳可以在$O(\log n)$时间每个执行。我们的新结果导致其他几个问题的改进。特别是,在上述结果的帮助下,我们提出了新的算法的射线拍摄问题之间的部分。给定平面上的一组$n$(可能相交)线段,对其进行预处理,以便快速找到查询射线所到达的第一个线段,给出了一种$O(n\log n)$空间的数据结构,该数据结构能在$(\sqrt{n}\log n)$时间内回答每个查询。如果线段不相交或线段为直线,则空间可缩小为$O(n)$。所有这些都是已经被广泛研究的经典问题。以前的数据结构的$\widetilde{O}(\sqrt{n})$查询时间(符号$\widetilde{O}$抑制多对数因子)是已知的在20世纪90年代初,几乎没有取得进展,超…
2020-02-25 cs.CG cs.DS
THAAD: Efficient Matching Queries under Temporal Abstraction for Anomaly Detection
本文提出了一种新的基于时态数据的异常检测算法和高效的数据结构。时间序列数据表示的符号时间间隔序列,描述增加和减少的趋势,在一个紧凑的方式使用梯度时间抽象技术。然后,我们发现不寻常的序列中使用动态数据结构的几何观测支持多对数更新和查询时间的基础上。此外,我们引入了一个新的参数来控制相应的符号之间的成对差异,除了一个距离度量之间的连续性。在公共DNS网络流量数据集上的实验结果表明,与基线相比,我们的方法具有优越性。
2019-11-04 cs.DB cs.DS
The Power of an Example: Hidden Set Size Approximation Using Group Queries and Conditional Sampling
研究了在已知论域$U$中逼近未知集$S$的大小的基本问题。我们考虑两个版本的问题。在这两个版本中,算法可以指定子集$T\subseteq U$。在第一个版本中,我们称之为组查询或子集查询版本,算法被告知$T\cap S$是否为非空。在第二个版本中,我们称之为子集采样版本,如果$T\cap S$非空,则算法从$T\cap S$接收统一选择的元素。我们研究了这两个版本之间的差异在不同的条件下的子集,该算法可以查询/采样,并在这两种情况下,该算法是自适应的情况下,它是非自适应的。特别是,我们专注于一个自然的家庭允许的子集,这对应于间隔,以及这个家庭的变体。
2014-04-20 cs.DS
Query-Competitive Sorting with Uncertainty
我们研究了不完全信息下的排序问题,当查询被用来解决不确定性。每个$n$数据项都有一个未知值,已知该值位于给定区间内。我们可以支付查询成本来学习实际值,并且我们可以在排序中允许错误阈值。我们的目标是通过执行一组最小成本的查询来找到一个近似排序的排列。我们证明了可以在多时间内找到离线最佳查询集,并且不经意问题和自适应问题都有简单的竞争算法。不经意问题的竞争比是$n$的统一查询成本,和无界的任意成本;自适应问题,该比率是2。本文提出了一种统一的一致代价自适应策略,得到了以下改进结果:(1)一个3/2竞争随机算法;(2)一个5/3竞争确定性算法,如果依赖图经过一定的预处理后不含2-分量,则该算法具有竞争比$3/2+\mathrm{O}(1/k)$,如果得到的分量的大小至少为$k$ ;(3)层状区间族的精确算法。前两个结果具有匹配的下限,对于大分量,我们的下限为7/5。我们还给出了一个随机的自适应算法与竞争比$1+\frac{4}{3\sqrt{3}}\approx 1.7698$为任意查询成本,我们表明,2-竞争确定性自适应算法可以推广到查询返回间隔和更一般的顶点覆盖问题,通过使用本地比率技术。此外,我们证明了自适应问题的建议复杂性是$\lfloor n/2\rfloor$,如果没有错误阈值是允许的,和$\lceil n/3\cdot\lg 3\rceil$的一般情况下。最后,我们提出了一…
2021-04-14 cs.DS
Optimal Verification of a Minimum-Weight Basis in an Uncertainty Matroid
New York University(纽约大学);University of Bremen(不来梅大学);Centrum Wiskunde & Informatica (CWI)(荷兰数学与计算机科学研究中心)
本文提出一种多项式时间算法,用于验证不确定性区域内的最小权基,解决了探索性不确定性中的优化问题,并展示了其在学习增强型问题中的应用。
2026-04-08 cs.DS
Reachability in Directed Acyclic Graphs with Near-Linear Cut Queries
School of Engineering and Applied Sciences, Harvard University(哈佛大学工程与应用科学学院)
研究有向无环图基本问题,通过\(O(n \log^3 n)\)次割查询可计算单顶点可达性与拓扑排序,由此得到判断任意有向图是否含环的算法,填补有向图割查询算法设计的空白。
2026-07-24 cs.DS
Cell-probe Lower Bounds for Dynamic Problems via a New Communication Model
在本文中,我们发展了一个新的通信模型来证明一个数据结构下界的动态区间并问题。问题是在具有整数坐标的$[0, n]$上维护区间$\mathcal{I}$的多集合,支持以下操作:- insert(a,b):将区间$[a, b]$添加到$\mathcal{I}$,前提是$a$和$b$是$[0, n]$中的整数; - delete(a,b):删除区间$[a, b]$,前提是$a$和$b$是$[0, n]$中的整数。从$\mathcal{I}$返回(之前插入的)间隔$[a, b]$; - query():返回$\mathcal{I}$中所有间隔的并集的总长度。它涉及到二维情况下的克利的措施问题。我们证明,有一个分布在序列的操作与$O(n)$插入和删除,和$O(n^{0.01})$查询,任何数据结构与任何恒定的错误概率需要$Ω(n\log n)$时间的期望。有趣的是,我们使用Hastad和Wigderson [ToC'07]的稀疏集不相交协议来加速一种新的不确定性通信游戏的还原,我们证明了下界。在应用方面,我们证明了几个动态图问题的下界,通过减少他们从动态区间并。
2015-12-04 cs.DS
Explaining the Inherent Tradeoffs for Suffix Array Functionality: Equivalences between String Problems and Prefix Range Queries
Department of Computer Science, Max Planck Institute for Informatics(马克斯·普朗克信息学研究所计算机科学系);Stony Brook University(石溪大学);Saarland Informatics Campus(萨尔兰信息学校区)
本研究提出首个双向归约,证明后缀数组查询与前缀选择查询在查询时间仅差$O(\log\log n)$项时参数等价,还推导了六类字符串问题与前缀查询的等价关系,为字符串处理效率分析提供统一基础。
2025-10-22 cs.DS
On Optimal Top-K String Retrieval
令${\cal{D}}$ = $\{d_1, d_2, d_3, ..., d_D\}$是总长度为$n$的给定的$D$(字符串)文档集合。top-$k$文档检索问题是索引$\cal{D}$,使得当长度为$p$的模式$P$和参数$k$作为查询到来时,索引返回与模式$P$最相关的$k$文档。Hon et. \cite{HSV09}等人给出了第一个线性空间框架来解决$O(p + k\log k)$时间上的这个问题。Navarro和Nekrich \cite{NN12}将其改进为$O(p + k)$。这些结果足够强大,可以支持任意相关函数,如频率,接近度,PageRank等。在桌面或电子邮件搜索等许多应用程序中,数据驻留在磁盘上,因此需要磁盘绑定索引。尽管这个问题在理论、实践和压缩方面不断取得进展,但到目前为止,外部存储模型中的任何非平凡边界都是难以捉摸的。内部存储器(或RAM)解决这个问题分解成$O(p)$的子问题,从而导致$O(p)$的附加因子。在外部存储器中,这些方法将导致$O(p)$ I/O而不是最佳$O(p/B)$ I/O项,其中$B$是块大小。我们重新解释的问题独立的$p$,作为间隔刺优先于树形结构。这导致我们在外部存储器中的线性空间索引,其支持对于任何恒定$h$ { $\log^{(1)}n =\log n$和$\log^{(h)} n = \log (\log^{(h-1)…
2012-11-17 cs.DS
HINT: A Hierarchical Index for Intervals in Main Memory
索引间隔是一个基本问题,有着广泛的应用。最近的工作集中在内存中的时间间隔管理大型集合的重叠连接和时间聚集问题。在本文中,我们提出了新的和有效的内存索引技术的间隔,重点是区间范围查询,这是许多搜索和分析任务的基本组成部分。首先,我们提出了一个优化版本的单级(平面)域分区的方法,这可能会有大量的空间需求,由于过度复制。然后,我们提出了一个分层分区的方法,它分配给每个间隔最多两个分区,每级和控制空间的要求。我们的技术的新元素包括在每个分区的间隔划分成组的基础上,他们是否开始内部或之前的分区边界,减少存储在每个分区的信息,绝对必要的,和有效处理的数据稀疏性和偏斜。对不同特征的真实和合成区间集的实验结果表明,我们的方法通常比最先进的方法快一个数量级。
2022-03-07 cs.DB cs.DS
Round-Competitive Algorithms for Uncertainty Problems with Parallel Queries
不确定性计算领域考虑的是一些关于输入元素的信息是不确定的,但可以通过查询获得的问题。例如,代替元素的权重,我们可以给出一个保证包含权重的区间,并且可以执行查询以揭示权重。虽然以前的工作已经考虑了模型,查询被要求顺序(自适应模型)或一次(非自适应模型),目标是最小化的查询,需要解决给定的问题,我们提出并研究了一个新的模型,$k$查询可以并行在每一轮,目标是尽量减少查询轮数。我们使用竞争分析,并提出了上限和下限的查询轮数所需的任何算法的查询轮数的最佳数量相比。给定一组不确定元素和该集合的$m$子集族,我们提出了一种算法,用于确定每个子集的最小值,该算法对于每个$0<\varepsilon<1$最多需要$(2+\varepsilon) \cdot \mathrm{opt}_k+\mathrm{O}\left(\frac{1}{\varepsilon} \cdot \lg m\right)$轮,其中$\mathrm{opt}_k$是最佳轮数,以及几乎匹配的下限。对于确定不确定元素集合中的第$i$个最小值并识别所有具有该值的元素的问题,我们给出了一个$2$轮竞争算法.我们还表明,家庭的不确定元素的集合排序的问题承认一个$2$轮竞争算法,这是最好的可能。
2021-01-14 cs.DS
The update complexity of selection and related problems
我们提出了一个计算框架,输入数据指定的区间,表示输入参数的值的不确定性。为了计算解,该算法可以查询输入参数,以子区间的形式产生更精确的估计,目标是最小化查询的数量。前面的方法解决了每个查询都返回精确值的情况。我们的框架是更一般的,因为它可以处理更广泛的各种输入和查询响应,我们建立有趣的关系,他们之间还没有被调查过。虽然以前的限制模型的一些方法可以适应更一般的模型,我们需要更复杂的技术进行分析,我们也得到了改进的算法,以前的模型。我们解决选择问题的广义模型,并表明存在2更新的竞争算法,不依赖于子区间的长度或分布,并保持对最坏情况下的对手。我们也得到了类似的界限上的竞争比图中的MST问题。
2011-08-29 cs.DS
Active Learning with Simple Questions
UT Austin(得克萨斯大学奥斯汀分校);UW-Madison(威斯康星大学麦迪逊分校);University of Athens(雅典大学);Archimedes AI(阿基米德人工智能公司)
本文研究主动学习中区域查询的查询数量与查询语言复杂度之间的权衡,证明 VC 维为 O(d) 的查询族可用 O(d log n) 次查询完美标注 n 个示例,并给出匹配下界及针对区间并集、高维盒和半空间的高效算法。
2024-06-10 cs.DS cs.LG
Dualities in Tree Representations
给出了树$T^*$的一个特征,使得$\mathrm{BP}(T^*)=\overleftrightarrow{\mathrm{DFUDS}(T)}$是$\mathrm{DFUDS}(T)$的逆.一个直接的结果是树$\hat{T}$的严格表征,使得$\mathrm{BP}(\hat{T})=\mathrm{DFUDS}(T)$。总之,$\mathrm{BP}$和$\mathrm{DFUDS}$在一个包含框架内是统一的,这可能意味着未来对$\mathrm{BP}$和/或$\mathrm{DFUDS}$中的查询进行简化。这里显示的直接好处是识别到目前为止未注意到的共性在最近的工作范围最小查询问题,并提供最小长度间隔查询问题的改进。
2018-04-13 cs.DM cs.DS