HENN: A Hierarchical Epsilon Net Navigation Graph for Approximate Nearest Neighbor Search
提出层次化ε-网导航图HENN,结合理论保证与实践效率,实现多对数查询时间并保持高召回率,在多种数据分布下优于现有方法。
2025-05-23 cs.DS
Covering Cubes and the Closest Vector Problem
我们提供了目前最快的随机(1+ 1)-近似算法的最接近的向量问题的无穷范数。我们的方法的运行时间取决于维数n和近似保证的2^O(n)(log 1/n)^O(n)$,这改进了Blömer和Naewe以前最好的算法的(2+1/n)^O(n)运行时间。我们的算法是基于下面的几何覆盖问题的解决方案,这是它自己的兴趣:给定n在(0,1),有多少个椭球是必要的,以覆盖立方体[-1+ n,1-n]^n,使所有的椭球都包含在标准单位立方体[-1,1]^n?我们提供了一个几乎最佳的情况下,椭球被限制为轴平行的界限。然后,我们将覆盖方案应用于这个覆盖问题的一个变体,其中人们希望用平行六面体覆盖[-1 + ε,1-ε]^n,如果缩放2,仍然包含在单位立方体中。由此,我们得到了一种方法,可以将无穷范数下最接近向量的任意2-近似算法提升为具有所需运行时间的(1+ n)-近似算法.
2010-12-10 cs.CG cs.DS
ProbeWalk: Fast Estimation of Biharmonic Distance on Graphs via Probe-Driven Random Walks
Fudan University(复旦大学)
ProbeWalk通过探针驱动的随机游走方法,高效估计图上的双调和距离,显著降低计算复杂度并提升处理速度。
2026-01-15 cs.DS cs.SI
Maximizing a Nonnegative, Monotone, Submodular Function Constrained to Matchings
次模函数有许多应用。比赛有很多应用。双文本词对齐问题可以建模为最大化约束于完全二分图中的匹配的非负、单调、子模函数的问题,其中每个顶点对应于两个输入句子中的一个词,并且每个边表示潜在的词到词的翻译。我们提出了一个更一般的问题,最大化的非负,单调,子模函数定义在一个完整的图约束匹配的边缘集,我们称之为CSM匹配问题。CSM-匹配也推广了最大权匹配问题,它有一个多项式时间的算法,然而,我们表明,它是NP-困难的近似CSM-匹配的一个因素内e/(e-1)通过减少最大k-覆盖问题,我们的主要结果是一个简单的,贪婪的,3-近似算法的CSM-匹配。然后,我们减少CSM匹配最大化一个非负的,单调的,子模函数在两个拟阵,即,CSM-2-Matroids。CSM-2-拟阵有一个(2+ N)-近似算法-称为LSV 2。我们表明,我们可以找到一个(4+)-近似的解决方案,CSM匹配使用LSV 2。我们将这种方法扩展到类似的问题。
2013-01-10 cs.AI cs.CC cs.DS
Faster Maximium Priority Matchings in Bipartite Graphs
最大优先级匹配是无向图中的匹配,其最大化关于给定顶点优先级定义的优先级分数。早期的一篇论文展示了如何在未加权图中找到最大优先级匹配。本文介绍了一种算法的二分图,是更快的不同的优先级类的数量是有限的。对于具有$k$不同优先级类别的图,它在$O(kmn^{1/2})$时间内运行,其中$n$是图中的顶点数,$m$是边数。
2015-12-31 cs.DS
Fast and Compact Regular Expression Matching
我们研究了字符串匹配中的4个问题,即正则表达式匹配,近似正则表达式匹配,字符串编辑距离,和子序列索引,在一个标准的字RAM模型的计算,允许在恒定的时间内操作的字符串大小的字。我们展示了如何提高空间和/或删除依赖于字母表的大小,为每个问题使用现有算法的改进制表技术或通过结合已知的算法在一个新的方式。
2008-09-22 cs.DS
Fast Set Intersection and Two Patterns Matching
在本文中,我们提出了一个新的问题,快速集合相交问题,这是预处理集合,以有效地报告集合中的任何两个集合的交集。此外,我们提出了新的解决方案的二维子串索引问题和文件列表问题的两个模式减少到快速集相交问题。
2010-03-11 cs.DS
Fast Multiple Pattern Cartesian Tree Matching
笛卡尔树匹配是在给定文本中找到所有与给定模式具有相同笛卡尔树的子串的问题。在本文中,我们处理笛卡尔树匹配的情况下,多个模式。我们提出了两种指纹识别方法,即,父母距离编码和二进制编码。通过将一种有效的指纹方法与传统的多串匹配算法相结合,可以有效地解决多模式笛卡尔树匹配问题。提出了三种实用的多模式笛卡尔树匹配算法,分别基于Wu-Manber算法、Rabin-Karp算法和Alpha Skip Search算法。在实验中,我们将我们的解决方案与之前的算法进行比较[18]。我们的解决方案运行速度比以前的算法作为模式长度的增加。特别是,我们的算法基于Wu-Manber运行速度高达33倍。
2019-11-05 cs.DS
Fast Multiple Order-Preserving Matching Algorithms
给定一个文本$T$和一个模式$P$,保序匹配问题是找到$T$中与$P$具有相同相对顺序的所有子串。保序匹配自Kubica等人的\cite{kubica2013linear}和Kim等人的\cite{kim2014order}提出以来一直是一个活跃的研究领域。本文提出了两种求解多重保序匹配问题的算法,其中一种算法的平均运行时间为次线性,另一种算法的平均运行时间为线性。这两种算法的运行速度都比以前的算法快得多。
2015-06-17 cs.DS
A Fast String Matching Algorithm Based on Lowlight Characters in the Pattern
提出了一种新的字符串匹配算法,该算法不从模式的左端或右端进行匹配,而是从一个特定的位置进行匹配。与Knuth-Morris-Pratt算法和Boyer-Moore算法相比,新算法在选择比较起始位置时更加灵活。该选项确实节省了成本。
2014-01-28 cs.DS
Fast Cartesian Tree Matching
笛卡尔树匹配是寻找给定文本的所有子串的问题,这些子串具有与给定模式相同的笛卡尔树。到目前为止,笛卡尔树匹配的线性时间解决方案是基于KMP算法的。我们通过引入新的表示来提高以前的解决方案的运行时间。我们提出了一个二叉过滤方法和一个有效的笛卡尔树匹配验证技术的框架。在我们的框架上,任何精确的字符串匹配算法都可以用作笛卡尔树匹配的过滤。我们还提出了一个适合于短模式的笛卡尔树匹配的SIMD解决方案。通过实验,我们表明,已知的字符串匹配算法结合我们的框架的二进制过滤和有效的验证产生的算法性能良好的笛卡尔树匹配。
2019-08-14 cs.DS
Vectorized Character Counting for Faster Pattern Matching
许多现代序列比对工具使用称为FM索引的空间有效的数据结构来实现快速字符串匹配。这种数据结构的简洁性给算法设计者带来了独特的挑战。在本文中,我们探讨的机会,并行化的精确和不精确的匹配,并提出了一个有效的SIMD解决方案的OCC部分的算法。我们的实现在一个过程中计算不精确匹配算法步骤所需的所有八个Occ值。我们展示了算法的性能在多核基因组比对,并讨论了内存预取的影响。
2019-09-03 cs.DS
A fast implementation of the good-suffix array for the Boyer-Moore string matching algorithm
本文针对Boyer-Moore算法中好后缀表计算存在冗余操作的问题,基于对模式的精细分析提出一种快速实现,实验证明其两个版本在几乎所有测试场景中均为最快。
2024-02-26 cs.DS
Polylogarithmic Approximation for Edit Distance and the Asymmetric Query Complexity
我们提出了一个近似线性时间算法,它在一个多对数因子内近似两个字符串之间的编辑距离;具体地说,对于长度为n的字符串和每个固定的>0,它可以在n^(1+)时间内计算出(log n)^O(1/)近似值。这是对先前已知因子2^(O(sqrt(log n)的指数改进,具有可比的运行时间(Ostrovsky和Rabani J.ACM 2007; Andoni和Onak STOC 2009)。以前,对于涉及编辑距离的任何计算任务(例如,最近邻搜索或草图绘制)。这一结果是在研究一种新的非对称查询模型时自然产生的。在这个模型中,输入由两个字符串x和y组成,算法可以以不受限制的方式访问y,同时对查询x的每个符号进行收费。事实上,我们得到我们的主要结果,通过设计一个算法,使少量的查询在这个模型中。然后,我们提供了一个近乎匹配的下限查询的数量。我们的下界是第一个暴露出编辑距离的困难的输入字符串是“重复的”,这意味着它们的许多子字符串是近似相同的。因此,我们的下限提供了编辑距离和Ulam距离之间的第一个严格分离,Ulam距离是非重复字符串上的编辑距离,例如排列。
2010-05-21 cs.DS
Faster Deterministic Algorithms for Packing, Matching and $t$-Dominating Set Problems
本文设计了求解$m$ -集$k$ -填充、$m$ -维$k$ -匹配和$t$ -支配集问题的三个确定性算法,分别为$O^*(5.44^{mk})$、$O^*(5.44^{(m-1)k})$和$O^*(5.44^{t})$.虽然最近有显着的进展,这些问题的随机解决方案,我们的界限作出了很好的改进,最有名的界限确定性解决方案,这些问题。
2013-06-15 cs.DS
Faster Exponential Algorithm for Permutation Pattern Matching
排列模式匹配问题询问,给定$n$元素和$π$上的两个排列$σ$,$σ$是否允许具有与$π$相同的相对顺序的子序列(或者,在计数版本中,有多少这样的顺序)。这个自然问题被Bose,Buss和Lubiw [IPL 1998]证明是NP完全的,因此我们应该寻求精确的指数时间解。Berendsohn、Kozma和Marx [IPEC 2019]提出的迄今为止渐进最快的此类解决方案在$\mathcal{O}(1.6181^n)$时间内有效。我们设计了一个简单而快速的$\mathcal{O}(1.415^{n})$时间算法的检测和计数版本。我们还证明,这是最佳的算法之间的一定的自然类。
2021-08-25 cs.DS
A Fast Generic Sequence Matching Algorithm
一个字符串匹配-更一般地说,序列匹配-算法,有一个线性的最坏情况下的计算时间界限,一个低的最坏情况下的界限上的比较次数(2n),和次线性平均情况下的行为,这是优于最快版本的Boyer-Moore算法。该算法在各种各样的序列匹配问题中保留了其效率优势,包括传统的字符串匹配;大字母问题(如Unicode字符串);和小字母,长模式问题(如DNA搜索)。由于它被表示为在任意类型T上的序列中进行搜索的通用算法,因此它非常适合用于通用软件库,例如C++标准模板库。该算法是通过在Knuth-Morris-Pratt算法中添加来自Boyer-Moore算法的模式移位技术之一而获得的,并在该技术中使用散列。在散列函数或对序列的随机访问不可用的情况下,算法回退到Knuth-Morris-Pratt算法的优化版本。
2008-10-01 cs.DS
Fast Circular Pattern Matching
精确循环模式匹配(ECPM)问题包括报告文本$T$中模式$P$的每次旋转。在许多现实世界的应用中,特别是在计算生物学中,圆旋转是感兴趣的,因为它们在病毒DNA中的突出性。因此,在没有预处理时间限制的情况下,所有这些圆形旋转发生的速度对许多研究领域都很有意义。我们强调,尽我们所知,一种新的方法来解决ECPM问题,并提出了四个数据结构,伴随着这种方法,每个都有自己的时间-空间权衡,除了实验结果,以确定最计算可行的数据结构。
2022-04-20 cs.DS
A Faster Combinatorial Algorithm for Maximum Bipartite Matching
针对最大二分匹配快速算法是否必须依赖连续技术的问题,提出一种纯组合算法,在中等稠密图上性能优于现有经典算法,并拓展得到顶点容量一致的有向图最大顶点容量s-t流确定性算法。
2023-12-19 cs.DS
Matching through Embedding in Dense Graphs
在稠密图中寻找最优匹配在社会、交通和生物网络中具有重要意义。虽然开发各种匹配问题的最佳解决方案很重要,但最快的最佳匹配算法的运行时间太昂贵。然而,当图的顶点是$R^d$中的点集并且边权重对应于欧几里德距离时,可用的最优匹配算法实质上更快。在本文中,我们提出了一种新的网络嵌入为基础的启发式算法,以解决各种匹配问题的稠密图。特别是,使用现有的网络嵌入技术,我们首先找到一个低维表示的图形顶点在$R^d$,然后运行更快的可用匹配算法的嵌入顶点。据我们所知,这是第一个工作,应用网络嵌入来解决各种匹配问题。实验结果验证了该算法的有效性。
2020-11-13 cs.DS
Balancing Minimum Spanning and Shortest Path Trees
本文给出了一个简单的线性时间算法,该算法在给定一个加权有向图的情况下,找到一棵同时逼近最短路树和最小生成树的生成树。该算法提供了一个连续的权衡:给定两棵树,并且n> 0,该算法返回一个生成树,其中任何顶点与最短路径树的根之间的距离最多为最短路径距离的1+ 1/3倍,而树的总权重最多为最小生成树的权重的1+2/1/3倍。这是可能的最佳折衷。本文还介绍了一种快速并行实现。
2002-05-18 cs.DM cs.DS
Fast and linear-time string matching algorithms based on the distances of $q$-gram occurrences
给定一个长度为$n$的文本$T$和一个长度为$m$的模式$P$,字符串匹配问题是一个在$T$中找到所有$P$的任务。在这项研究中,我们提出了一种算法,解决了这个问题,在$O((n + m)q)$时间考虑到两个相邻的出现之间的距离相同的$q$ -gram包含在$P$。我们还提出了一个理论上的改进,它运行在$O(n + m)$的时间,虽然它不一定是更快的实践。我们比较了我们和现有算法在各种真实和人工数据集上的执行时间,例如英文文本,基因组序列和斐波那契字符串。实验结果表明,我们的算法是一样快的国家的最先进的算法在许多情况下,特别是当一个模式经常出现在一个文本。
2020-04-13 cs.DS
Optimal-Hash Exact String Matching Algorithms
字符串匹配是在文本中找到所有出现的模式的问题。我们提出了改进的版本的快速系列的字符串匹配算法的基础上哈希$q$ -gram。该改进包括考虑最小值$q$,使得模式的每个$q$ -gram具有唯一的散列值。新算法是最快的比算法的HASH家庭的短模式大尺寸的字母。
2023-03-10 cs.DS
A family of fast exact pattern matching algorithms
描述了一类基于比较的精确模式匹配算法。它们利用多维数组,以便在搜索周期的每次迭代中处理多个相邻的文本窗口。这种方法以空间为代价降低了平均时间复杂度。这一系列的算法表现良好的短模式和中等大小的字母。在这种情况下,窗口的几个模式的长度一次移动是很有可能的,这是算法成功的主要因素。我们的算法优于Boyer-Moore-Horspool算法,无论是在原始版本中还是在星期天的快速搜索修改中,在一个宽的图案长度-字母表大小的平面区域中。在某些子区域,所提出的算法是所有已知的精确模式匹配算法中最快的。也就是说,当字母大小为约30-40并且模式长度为约4-10时,它们表现最好。这样的参数对于在自然语言文本数据库中的搜索是典型的。
2016-08-30 cs.DS
Lightweight Fingerprints for Fast Approximate Keyword Matching Using Bitwise Operations
我们的目标是通过为每个字符串存储一个轻量级的、固定大小的数据块(称为指纹)来加速近似关键字匹配。它们的工作方式与哈希值类似;但是,它们也可以用于匹配错误。它们使用单个位存储关于符号出现的信息,并且可以通过恒定数量的逐位操作来相互比较。以这种方式,某些字符串可以被推断为彼此至少在距离$k$内(使用汉明或Levenshtein距离),而无需执行显式验证。我们的实验表明,对于预处理的字符串集合,指纹可以提供大量的加速$k = 1$,即超过$2.5$倍的汉明距离和超过$10$倍的Levenshtein距离。对合成和真实世界的英语和URL数据进行了测试。
2017-11-22 cs.DS
Designing optimal- and fast-on-average pattern matching algorithms
给定模式$w$和文本$t$,关于$w$的$t$上的模式匹配算法的速度是$t$的长度与为了将$w$搜索到$t$中而执行的文本访问的数量的比率。首先,我们提出了一个通用的方法来计算的极限的模式匹配算法,关于$w$,在iid文本的预期速度。接下来,我们将展示如何确定最大的速度,可以实现一个大类的算法,连同运行此速度的算法。由于这一决定的复杂性使得它不可能处理模式的长度大于4,我们提出了多项式启发式。最后,我们的方法进行了比较与9个预先存在的模式匹配算法从理论和实践的角度来看,即无论是在IID文本的限制预期速度,并在实际数据上观察到的平均速度。在所有情况下,预先存在的算法都优于。
2016-11-25 cs.DS
Fast Algorithms for Exact String Matching
给定长度为$n$的模式字符串$P$和长度为$m$的查询字符串$T$,其中$P$和$T$的字符是从大小为$Δ$的字母表中提取的,{ \em精确字符串匹配}问题包括在$T$中查找所有出现的$P$。对于这个问题,我们提出的算法,在$O(nΔ^2)$时间预处理$P$,基本上确定$sparse(P)$,一个很少出现的子串$P$,然后用它来找到$P$在$T$有效的出现。我们的算法需要$O(m)$的最坏情况下的搜索时间,和$O(m/min(|sparse(P)|, Δ))$的预期搜索时间,其中$|sparse(P)|$至少是$δ$(即$P$中不同字符的数量),并且对于大多数模式字符串,它被观察到是$Ω(n^{1/2})$。
2015-09-30 cs.DS
On Problems as Hard as CNFSAT
在过去的十年中,NP难问题的精确指数时间算法领域蓬勃发展。虽然穷举搜索仍然是一些基本问题的最快算法,但对于无数问题,包括图着色,Hamilton路,支配集和3-CNF-Sat,已经发现了困难的和非平凡的指数时间算法。在某些情况下,进一步改进这些算法似乎遥不可及。CNF-Sat问题是一个典型的例子,对于这个问题,平凡穷举搜索算法在时间上运行O(2^n),其中n是输入公式中变量的数量。虽然存在CNF-Sat的非平凡算法在时间上运行o(2^n),但没有算法能够将增长率2提高到更小的常数,因此很自然地推测2是最佳增长率。Impagliazzo和Paturi [JCSS 2001]的强指数时间假设(SETH)更进一步,并断言,对于每个<1,存在一个(大)整数k,使得k-CNF-Sat不能在时间2^{n}中计算。在本文中,我们证明了,对于任何n < 1,问题击中集,集分裂,和NAE-Sat不能在时间O(2^{n})计算,除非SETH失败。这里n是输入中元素或变量的数量。对于这些问题,我们实际上得到了某种意义上与SETH的等价。我们猜想,SETH意味着一个类似的声明集覆盖,并证明,在此假设下,最快的已知算法的Steinter树,连接顶点覆盖,集划分,和伪多项式时间算法的子集和不能显着改善。最后,我们证明了我们关于集合覆盖的硬度的假设,通过证明对于任何<1的集合覆盖数的奇偶性不能在O(2^{n})…
2014-03-27 cs.CC cs.DM cs.DS
A fast algorithm for maximal propensity score matching
我们提出了一种新的算法,该算法检测当相对于标量索引进行二分匹配时满足给定卡尺的匹配不相交对的最大可能数量(例如,倾向得分),并构造相应的匹配。可变宽度卡尺与该技术兼容,前提是卡尺的宽度是指数的Lipschitz函数。如果观察值是根据索引排序的,则匹配需要$O(N)$操作,其中$N$是要匹配的受试者总数。还考虑了1对$n$匹配的情况。我们还提供了一个新的快速算法,当治疗组和对照组的大小相同时,在标量索引上进行最佳完全一对一匹配。这允许我们改进标量索引上的贪婪最近邻匹配。关键词:倾向得分匹配,最近邻匹配,与卡尺匹配,可变宽度卡尺。
2019-04-29 cs.DS stat.CO
Fast and Heavy Disjoint Weighted Matchings for Demand-Aware Datacenter Topologies
可重构光网络拓扑通过对物理网络进行动态优化,有望提高光网络的性能。最先进的光技术允许在微秒或更短的时间内建立和更新架顶式交换机之间的直接连接(以边缘不相交匹配的形式)。然而,为了充分利用需求中的时间结构,这种细粒度的重新配置还需要用于优化互连匹配的快速算法。出于将最大量的需求卸载到可重构网络的愿望,本文开始研究在图中找到k个不相交重匹配的快速算法。我们提出并分析了六种算法,基于迭代匹配,b-匹配,边着色,和节点排名。我们表明,该问题一般是NP-难的,并研究可实现的近似比。对我们的算法在真实世界和合成痕迹(总共88个)上进行的广泛的实证评估,包括在Facebook搜索中心和HPC集群中收集的痕迹,表明我们所有的算法都提供了高质量的匹配,并且非常快的算法在最佳解决方案的95%或更多。然而,运行时间有很大的不同,什么是最好的算法取决于k和可接受的运行时间质量权衡。
2022-01-17 cs.DS cs.NI
New Subgraph Isomorphism Algorithms: Vertex versus Path-at-a-time Matching
在许多应用领域中,图被广泛用于对复杂的数据语义进行建模。本文提出了两个新的有效算法Fast-ON和Fast-P来解决子图同构问题。这两种算法都是在Ullman算法[Ullmann 1976]的基础上,分别采用逐点匹配和逐路径匹配的方式,并采用有效的算法来切割搜索空间。与已有的算法相比,Fast-ON和Fast-P算法在密集和稀疏图数据上的速度都提高了1-4个数量级。
2019-04-18 cs.DB cs.DS
Fast Approximation of Centrality
社会研究的研究人员使用图形来模拟社交网络中的群体活动。在这种情况下,一个重要的属性是顶点的中心性:到每个其他顶点的平均距离的倒数。我们描述了一个加权图中心度的随机近似算法。对于表现出小世界现象的图,我们的方法估计在近线性时间内所有顶点的中心性具有高概率在(1+ 1)因子内。
2000-09-13 cond-mat.dis-nn cs.DS cs.SI
Faster and simpler approximation of stable matchings
我们给出了一个3/2近似算法的稳定匹配,运行在$O(m)$时间。McDermid以前最著名的算法具有相同的近似比,但在$O(n^{3/2}m)$时间内运行,其中$n$表示人数,$m$是给定实例中偏好列表的总长度。算法和分析也简单得多。我们还给出了多对多设置的算法的扩展。(This是2011年3月的版本)
2014-04-04 cs.DM cs.DS
Approximating Nash Equilibrium in Random Graphical Games
Massachusetts Institute of Technology(麻省理工学院)
计算多智能体博弈中的纳什均衡是博弈论和计算机科学之间的一个长期挑战。众所周知,N个参与人和k个策略的一般范式博弈需要指数空间来简单地写下。这种多智能体的诅咒促进了对简洁游戏的研究,这些游戏可以有效地写下来。一个简洁游戏的典型例子是图形游戏,它将玩家建模为图中的节点,只与他们的邻居相互作用,直接类比于马尔可夫随机场。图形游戏已经在无线、金融和社交网络中得到应用。然而,计算图形游戏的纳什均衡已被证明具有挑战性。即使对于多矩阵博弈,一个代理人的收益可以写为与代理人的邻居相互作用的收益之和的模型,它已被证明,计算一个近似的纳什均衡是PPAD很难为小于一个常数。这项工作的重点是通过考虑平均情况图模型,即随机图来规避这种计算难度。本文给出了一个拟多项式时间近似方案(QPTAS),用于计算边密度大于poly(k,1/n,ln(N))$的随机图上的多项式矩阵对策的高概率近似纳什均衡.此外,在相同的运行时间内,我们可以计算出一个ε-近似的纳什均衡,该均衡ε-近似于博弈中任何纳什均衡的最大社会福利。我们的主要技术创新是“加速舍入”的一个新的层次凸计划的纳什均衡问题。我们的加速舍入也产生了更快的算法Max-2CSP在同一个家庭的随机图,这可能是独立的利益。
2021-12-07 cs.DS cs.GT cs.LG
Scout Algorithm For Fast Substring Matching
精确的子串匹配是许多软件应用程序中的常见任务。尽管存在几种算法来查找模式字符串是否存在于目标字符串中,但最常见的实现是一种简单的蛮力方法。替代方法要么不能为增加的复杂性提供足够的好处,要么对现代字符集不切实际,例如,Unicode。我们提出了一个新的算法,侦察,这是简单,快速和适合所有的应用程序。我们还比较了性能特点的侦察算法与其他几个。
2020-11-08 cs.AI cs.DS
Quantum pattern matching fast on average
$d$ -维模式匹配问题是在长度为$n \times \dots \times n$的文本中使用$n \ge m$查找长度为$m \times \dots \times m$的模式的出现。该任务对文本和图像处理以及其他应用领域中的各种问题进行建模。本文描述了一种量子算法,它解决了随机模式和文本在时间上的模式匹配问题$\widetilde{O}((n/m)^{d/2} 2^{O(d^{3/2}\sqrt{\log m})})$。对于大的$m$,这是超多项式快于最好的可能的经典算法,这需要时间$\widetildeΩ( (n/m)^d + n^{d/2} )$。该算法是基于使用的量子子程序寻找隐藏的移位$d$尺寸,这是一个变种的Kuperberg提出的算法。
2015-08-26 cs.DS quant-ph
Ultra-fast Multiple Genome Sequence Matching Using GPU
本文基于Intel Core i7 3770 K四核处理器和NVIDIA GeForce GTX 680 GPU,对后缀树和后缀数组的大规模并行实现进行了对比分析。此外,后缀数组仅占后缀树的20%~30%的空间,合并的二叉搜索和瓦片优化使后缀数组在GPU上的性能明显优于后缀树。实验结果表明,基于后缀数组的多基因组序列匹配比CPU串行实现的多基因组序列匹配有99倍以上的加速比。毫无疑问,基于后缀数组的大规模并行匹配算法是实现高性能生物信息学应用的有效途径。
2015-05-03 cs.DC cs.DS
An Even Faster and More Unifying Algorithm for Comparing Trees via Unbalanced Bipartite Matchings
一个广泛使用的方法来确定两个标记树的相似性是计算两棵树的最大协议子树。以前关于这种相似性度量的工作只涉及两种特殊类型的标记树的比较,即均匀标记树(即,其所有节点由相同符号标记的树)和进化树(即,叶子标记的树,不同的叶子有不同的符号)。本文提出了一种算法,比较树的标记以任意的方式。除了这种通用性之外,该算法比以前的算法更快。本文的另一个贡献是最大权二部匹配。我们展示了如何加快最知名的匹配算法时,输入图是节点不平衡或重量不平衡。基于这些增强,我们得到了一个有效的算法,一个新的匹配问题称为层次二分匹配问题,这是我们的最大协议子树算法的核心。
2001-01-18 cs.CV cs.DS
Maximizing Social Influence in Nearly Optimal Time
扩散是一个基本的图形过程,它支撑着流行病的传染和创新的口碑传播等现象。我们解决的算法问题,找到一组k个初始种子节点的网络,使预期的规模最大化,所产生的级联下,标准的独立级联模型的网络扩散。由于相关输入网络的规模庞大,因此,对于此问题,优先考虑。对于影响力最大化问题,我们给出了一个快速算法,对于任意ε> 0,在O((m+n)k log(n)/ε ^2)时间内获得了近似因子(1 - 1/e -ε).我们的算法是运行时最佳的(对数因子),并大大提高了以前最知名的算法,运行时间欧米茄(mnk POLY(1/1))。此外,我们的算法可以修改为允许提前终止:如果它在O(beta(m+n)k log(n))步后终止,其中某些beta < 1(可以依赖于n),则它返回近似因子为O(beta)的解。最后,我们证明了这个运行时间对于任何beta和固定种子大小k都是最优的(对数因子)。
2016-06-22 cs.DS cs.SI physics.soc-ph
Fast Template Matching by Subsampled Circulant Matrix
Institute of Information Science, Academia Sinica(中央研究院信息科学研究所);National Taiwan University(台湾大学)
模板匹配广泛用于图像和信号处理中的许多应用,并且通常是时间关键的。传统的方法通常侧重于如何通过由粗到精的策略或全搜索结合剪枝策略来减少搜索位置。然而,这些方法的计算成本很容易由信号N的大小而不是模板K的大小决定。提出了一种基于互相关的概率快速匹配算法,其计算量为O(N)次加法和O(K \log K)次乘法。核心思想是首先对信号进行下采样,其大小变为O(K),然后后续操作仅涉及下采样的信号。匹配成功的概率取决于信号和模板之间的互相关。我们给出了成功匹配的充分条件,并证明了对于K^2/log K>= O(N)的二进制信号,匹配成功的概率是高的。实验结果表明,该方案是快速和有效的,并支持理论结果。
2015-09-16 cs.CV cs.DS
Fast Packed String Matching for Short Patterns
在文本中搜索模式的所有出现是计算机科学中的一个基本问题,在许多其他领域,如自然语言处理,信息检索和计算生物学的应用。在过去的二十年里,一个总的趋势已经出现,试图利用字RAM模型的力量,以加快经典的字符串匹配算法的性能。在这个模型中,算法对长度为w的字进行运算,对字符块进行分组,对字进行算术和逻辑运算需要一个时间单位。在本文中,我们使用专门的字长压缩字符串匹配指令,基于英特尔流SIMD扩展(SSE)技术,设计非常快速的字符串匹配算法的情况下,短模式。从我们的实验结果证明,尽管他们的二次最坏情况下的时间复杂度,新提出的算法成为明显的赢家,平均短模式,在文献中已知的最有效的算法相比。
2012-09-28 cs.DS cs.IR cs.PF
Optimality of Fast Matching Algorithms for Random Networks with Applications to Structural Controllability
研究快速可扩展算法在随机网络中寻找最大匹配的最优性,分析Karp和Sipser的启发式方法及其简化版本的渐近最优性,探讨最大匹配大小的渐近结果。
2016-03-24 cs.DS cs.SY eess.SY
Fast Approximation Algorithms for Euclidean Minimum Weight Perfect Matching
Research Institute for Discrete Mathematics and Hausdorff Center for Mathematics, University of Bonn(波恩大学离散数学研究所与豪斯多夫数学中心);Hamburg University of Technology, Institute for Algorithms and Complexity(汉堡工业大学算法与复杂性研究所)
本文提出了一种在$O(n \log n)$时间内求解欧几里得最小权重完美匹配问题的算法,其近似比为$O(n^{0.206})$,并扩展到高维空间,近似比为$O(n^{0.412})$。
2026-01-08 cs.CG cs.DS math.CO