Greedy and Local Ratio Algorithms in the MapReduce Model
MapReduce已经成为设计分布式算法在集群上处理大数据的事实标准模型。有相当多的研究设计有效的MapReduce算法的聚类,图优化,和子模块优化问题。我们开发了新的技术,设计贪婪和本地比率算法在这种情况下。我们的随机化局部比率技术给出了加权顶点覆盖和加权匹配的$2$ -近似,以及加权集合覆盖的$f$ -近似,所有这些都在恒定数量的MapReduce轮中。我们的随机贪婪技术给出了算法的最大独立集,最大集团,和一个$(1+ε)\ln Δ$ -近似加权集覆盖。我们还给出了用$(1+o(1))Δ$颜色进行顶点着色和用$(1+o(1))Δ$颜色进行边着色的贪心算法。
2018-06-17 cs.DS
An estimation of the greedy algorithm's accuracy for a set cover problem instance
考虑集合覆盖问题,通过对贪心算法的对数近似保证方法进行改进,得到了贪心算法对特定输入的精度估计.我们比较了这种类型的另一种估计。我们给出了这样的集合覆盖问题的例子,所提出的估计sagonantly提高了线性规划松弛估计。
2019-02-12 cs.DM cs.DS
A Framework for Computing Greedy Clique Cover
在设计$\textit{(edge) clique cover}$问题的算法时,很少考虑图的结构参数(如退化度和荫度)。考虑到图的退化性,我们给出了求解$\textit{clique cover}$问题的一个贪婪框架和两个固定参数的易处理算法。我们介绍了一个集合论的概念,并证明了它的使用在计算中的不同目标的$\textit{clique cover}$。此外,我们在实践中证明我们的算法的有效性。
2022-09-02 cs.DM cs.DS
Greedy D-Approximation Algorithm for Covering with Arbitrary Constraints and Submodular Cost
本文针对目标函数为次模非减的覆盖问题,提出了一种简单的D-近似算法,其可行域可表示为任意覆盖约束的交集,每个覆盖约束至多约束问题的D个变量。(一个简单的例子是顶点覆盖,D = 2。该算法推广了以前的基本覆盖问题和在线分页和缓存问题的近似算法。
2011-12-30 cs.DC cs.DS
A Note on: `Algorithms for Connected Set Cover Problem and Fault-Tolerant Connected Set Cover Problem'
修正了Zhang等人提出的求解最小连通集覆盖问题的贪婪近似算法中的一个缺陷,并建立了改进的贪心算法的近似比的一个更强的结果.所得结果与连通支配集问题的已有结果一致,连通配集问题是最小连通集覆盖问题的一个特例。
2011-04-05 cs.DS
Online Vertex Cover and Matching: Beating the Greedy Algorithm
在本文中,我们明确地研究了在线顶点覆盖问题,这是一个很好的研究滑雪租赁问题的自然推广。在在线顶点覆盖问题中,我们需要在一个顶点在线到达的图中保持单调的顶点覆盖。当一个顶点到达时,所有与先前到达的顶点相关的边都被显示给算法。对于左顶点离线的二分图(即所有左顶点在任何右顶点之前首先到达),存在实现$\frac{1}{1-1/e}\approx 1.582$的最优竞争比的算法。我们的第一个结果是一个新的最佳注水算法这种情况下。我们的结果的一个主要成分是一个新的收费为基础的分析,它可以推广到攻击一般图的分数顶点覆盖问题的在线。本文的主要贡献是1.901-竞争算法这个问题。当底层图是二分图时,我们的分数解可以四舍五入为整数解。换句话说,我们可以得到一个顶点覆盖的期望大小最多为1.901的最佳顶点覆盖在二分图。下一个主要的结果是我们的算法的原始-对偶分析在线分数顶点覆盖问题的一般图,这意味着一个0.526-竞争算法的对偶结果在线分数匹配一般图。注意,这两个问题都采用了著名的2-竞争贪心算法。本文的结果是第一次成功地尝试击败这两个问题的贪心算法。在硬度方面,我们表明,没有随机在线算法可以实现一个竞争比分别优于1.753和0.625的分数顶点覆盖问题和分数匹配问题,即使是二分图。
2013-05-08 cs.DS
Group-Harmonic and Group-Closeness Maximization -- Approximation and Engineering
中心性度量表征网络中的重要节点。高效计算此类节点已经受到了广泛关注。当考虑计算中心节点群的泛化时,会出现具有挑战性的优化问题。在这项工作中,我们研究了两个这样的问题,组谐波最大化和组贴近度最大化都从理论和算法工程的角度来看。在理论方面,我们得到了以下结果。对于群调和最大化,除非$P=NP$,否则没有多项式时间算法比$1-1/e$(有向)和$1-1/(4e)$(无向)更好地实现近似因子,即使对于未加权图也是如此。在积极的一面,我们表明,贪婪算法实现的近似因子$λ(1-2/e)$(定向)和$λ(1-1/e)/2$(无向),其中$λ$是最小和最大边权重的比率。对于组接近度最大化,无向情况下是$NP$ -很难近似到比$1-1/(e+1)$更好的因子内,并且通过局部搜索算法实现恒定的近似因子。然而,对于有向的情况下,我们表明,对于任何$ε<1/2$,问题是$NP$ -很难被近似在一个因素的$4|V|^{-ε}$。从算法工程的角度来看,我们提供了有效的实现上述贪婪和局部搜索算法。在我们的实验研究中,我们表明,在小的情况下,可以计算出一个最佳的解决方案在合理的时间,质量的贪婪和本地搜索算法非常接近最佳。在更大的情况下,我们的本地搜索算法产生的结果与现有的贪婪和本地搜索解决方案相比,具有更高的质量,在额外的运行时间的成本。因此,我们提倡本地搜索解决方案的质量是最高关注的场景。
2020-10-29 cs.DS
A modified greedy algorithm to improve bounds for the vertex cover number
在设计最小顶点覆盖问题的有效算法的任何尝试中,获得顶点覆盖数的良好上界和下界可能是至关重要的。在这篇文章中,我们提出了一个修改的贪婪算法的最坏情况下的时间复杂度为O(n3)的输入图的n阶的顶点覆盖数的界限。使用简单的事实,该算法计算的顶点覆盖数的下界。然后使用这个下界,它输出一个最小顶点覆盖,从而给出一个上界。该算法保证了输出顶点覆盖总是最小的,这一特性是对现有贪婪算法的改进。
2019-01-03 cs.DM cs.DS math.CO
Maximum Coverage $k$-Antichains and Chains: A Greedy Approach
Department of Computer Science, University of Helsinki(赫尔辛基大学计算机科学系);Aalto University(阿尔托大学);Department of Mathematics and Computer Science, University of Southern Denmark(南丹麦大学数学与计算机科学系);LAMSADE, CNRS UMR7243, Université Paris Dauphine-PSL(巴黎达芬普SLM实验室,法国国家科学研究中心联合研究单位7243,巴黎达芬普-PSL大学);Institute of Informatics, University of Warsaw(华沙大学信息学研究所)
针对最大覆盖k反链问题,提出在|E|^{1 + o(1)}时间及参数化近线性\(\tilde{O}(\alpha_k |E|)\)时间内运行的算法,还有参数化线性时间的近似算法,其近似比超现有1/2近似,同时指出贪心算法在覆盖顶点时存在的不足。
2026-07-08 cs.DS
A Comparison of Performance Measures for Online Algorithms
本文提供了一个系统的研究,提出了一些措施,在线算法的背景下,一个特定的问题,即两个服务器的问题上的三个共线点。尽管这个问题很简单,但它包含了在线算法的一个核心挑战,即平衡贪婪和适应性。我们研究竞争分析,最大/最大比,随机顺序比,双射分析和相对最差顺序分析,并确定这些措施如何比较贪心算法,双覆盖,懒惰双覆盖,通常研究的算法在服务器问题的背景下。通过最大/最大值比和双射分析,我们发现贪婪算法是三种算法中最好的。在其他指标下,双重覆盖和懒惰双重覆盖更好,尽管相对最差阶分析表明贪婪有时更好。只有双射分析和相对最差阶分析表明懒惰双覆盖优于双覆盖。我们的结果也提供了第一个证明的最优性的算法下相对最差阶分析。
2012-10-12 cs.DS
An Improved Greedy Curvature Bound in Finite-Horizon String Optimization with Application to a Sensor Coverage Problem
针对最大化字符串拟阵上字符串子模函数的优化问题,提出了计算复杂度更低且优于现有贪婪曲率界的性能下界,并在传感器覆盖问题中验证了其优越性。
2023-09-07 cs.DM cs.DS cs.SY
Fast Stochastic Greedy Algorithm for $k$-Submodular Cover Problem
Graduate University of Science and Technology(科学技术研究生大学);Vietnam Academy of Science and Technology(越南科学技术学院);Faculty of Information Technology(信息科技学院);Hanoi Architecture University(河内建筑大学);ORLab(OR实验室);Phenikaa University(Phenikaa大学)
针对$k$-子模覆盖问题现有算法近似保证弱且查询复杂度高的问题,提出快速随机贪心算法,在实现强双标准近似的同时大幅降低查询复杂度与函数评估次数,适用于大规模AI应用。
2025-11-02 cs.AI cs.DS
New Greedy Heuristics For Set Cover and Set Packing
集合覆盖问题(SCP)和集合装箱问题(SPP)是典型的NP难组合优化问题。他们的决策问题版本在Karp的1972年论文中被证明是NP完全的。我们指定了一个粗略的指南,以构建近似算法,可能有广泛的应用,并将其应用于设计贪婪的近似算法SCP和SPP,其中的选择启发式是在标准的贪婪近似算法的变化。我们的技术包括为每个输入集分配一个估值,然后在每一轮中选择估值最高的集合。我们证明,我们使用的技术来确定输入集的估值产生一个唯一的值为所有集覆盖实例。对于SCP和SPP,我们给出了实验证据,我们指定的估值是唯一的,可以通过迭代算法快速计算到高精度。其他人已经尝试测试各种算法在各种随机生成的实例上观察到的近似比,我们有大量的实验证据来证明新算法相对于常用贪婪算法的质量。我们的算法比标准的算法计算量更大,尽管它们对于大型实例仍然是实用的。我们讨论了一些方法来加快我们的算法,不显着扭曲其有效性在实践中的随机实例。
2013-05-15 cs.DM cs.DS
A Tighter Analysis of Setcover Greedy Algorithm for Test Set
集覆盖贪心算法是求解测试集问题的一种自然近似算法。本文对该算法的性能保证进行了较为精确和严密的分析。作者应用势函数技术将由集合覆盖问题导出的性能保证$2\ln n$改进为$1.1354\ln n$。此外,还给出了该算法性能保证的一个非平凡下界$1.0004609\ln n$.该下界与信息量启发式算法的匹配界一起证实了信息量启发式算法在最坏情况下略优于集合覆盖贪心算法的事实。
2011-03-05 cs.DS
Lower Bound on the Greedy Approximation Ratio for Adaptive Submodular Cover
University of Michigan(密歇根大学)
本文证明了自适应子模覆盖的贪心算法近似比下界为 1.3*(1+ln Q),并推翻了 Golovin-Krause 先前声称的 (1+ln Q)^2 近似比结果。
2024-05-23 cs.AI cs.DS cs.LG
Greedy is good: An experimental study on minimum clique cover and maximum independent set problems for randomly generated rectangles
给定一个二维$n$随机轴平行矩形集合${\cal R}=\{R_1,R_2,..., R_n\}$,计算${\cal R}=\{R_1,R_2,..., R_n\}$中成员的交图$G({\cal R})$的最小团覆盖(MCC)和最大独立集独立集(MIS)问题都是计算困难的\cite{CC05} .对于MCC问题,证明了多项式时间常数因子逼近不可能得到\cite{PT11}。虽然这样的结果尚未证明的MIS问题,没有多项式时间常数因子近似算法存在于文献中。我们研究贪婪算法的性能计算这两个参数的$G({\cal R})$。实验结果表明,对于每个MCC和MIS问题,相应的贪婪算法产生的解决方案是非常接近其最优解。Scheinerman \cite{Scheinerman80}表明,对于问题的1D版本的随机实例,MIS的大小由$\sqrt{n}$紧密限制(即,区间图)。实验结果表明,该算法产生的独立集的大小至少为$2\sqrt{n}$,团覆盖最大为$3\sqrt{n}$.因此,实验得到的贪婪算法的近似比MIS问题是最多3/2,MCC问题是至少2/3。最后,我们将提供改进的贪婪算法的基础上的概念{ \it单纯矩形}。该算法的特点可能是在获得一个可证明的常数因子逼近算法的随机情况下的两个问题的兴趣。我们相信这个结果对任何有限维也成立。
2012-12-04 cs.CG cs.DS
A Local Search Algorithm for the Min-Sum Submodular Cover Problem
本文研究最小和次模覆盖问题,提出一种局部搜索算法,在函数满足二阶超模性时可在 $O(n^3\log(n/ε))$ 时间内达到 $(4+ε)$ 近似比,并在小数据集上优于贪心算法。
2023-12-04 cs.DS
Improved Local Computation Algorithms for Greedy Set Cover via Retroactive Updates
UC Davis(加州大学戴维斯分校);CSAIL, MIT(麻省理工学院计算机科学与人工智能实验室);TAU(特拉维夫大学);UC Berkeley(加州大学伯克利分校)
本文提出一种改进的局部计算算法,通过反向更新技术,在集合覆盖问题中实现更高效的查询复杂度,尤其在元素频率较低时表现更优。
2026-03-24 cs.DS
Approximation Algorithms for Stochastic Boolean Function Evaluation and Stochastic Submodular Set Cover
随机布尔函数求值问题是在未知输入x上确定给定布尔函数f的值的问题,此时x的每一位x_i只能通过支付相关的成本c_i来确定。假设x是从给定的产品分布中提取的,目标是最小化期望成本。这个问题已经在运筹学中被研究过,在那里它被称为布尔函数的“顺序测试”。在学习理论中,它也在有属性成本的学习背景下进行了研究。我们考虑随机布尔函数求值的近似算法的一般问题。给出了布尔线性阈值公式的3-近似算法。我们还提出了一个近似算法,用于评估CDNF公式(和决策树),实现了一个因子为O(log kd),其中k是在DNF公式中的条款的数量,和d是在CNF公式中的条款的数量。此外,我们提出了近似算法的线性阈值函数的同时评估,并为线性函数的排名。我们的函数评价算法是基于减少随机次模块集覆盖(SSSC)问题。这个问题是由Golovin和Krause提出的。他们提出了一个近似算法的问题,称为自适应贪婪。我们的主要技术贡献是一个新的近似算法的SSSC问题,我们称之为自适应对偶贪婪。它是Fujito提出的次模集合覆盖问题的对偶贪心算法的推广,而对偶贪婪算法是经典集合覆盖问题的Hochbaum算法的推广。我们还给出了一个新的边界的Golovin和Krause的自适应贪心算法的近似实现。
2013-08-09 cs.DS
Efficiently Approximating Vertex Cover on Scale-Free Networks with Underlying Hyperbolic Geometry
针对顶点覆盖问题理论与实践的近似性能差距,提出适配双曲随机图的改进贪心算法,可渐近几乎必然得到(1+o(1))近似,时间复杂度O(m log(n)),还能通过参数调节权衡,在真实网络上优于原贪心算法。
2023-12-13 cs.DS
Randomized Rounding for Routing and Covering Problems: Experiments and Improvements
根据斯里尼瓦桑先前的理论工作,(FOCS 2001)和第一作者(STACS 2006)和随机实例的第一次实验评估(ALENEX 2009),我们研究了最近开发的不同方法如何生成满足不相交基数约束的随机序列,当用于两个经典算法问题时,即网络中的低拥塞路由和超图中的最大覆盖问题。我们通常发现,所有的随机舍入算法工作良好,比现有的理论工作所保证的要好得多。去随机化的版本再次产生明显更好的舍入误差,与求解相应LP的运行时间相比,运行时间仍然可以忽略不计。因此,比起随机变量,它们似乎更值得选择。在这些实验中创建的数据让我们提出并研究以下新想法。对于低拥塞路由问题,我们建议解决第二个LP,这会产生相同的拥塞,但旨在产生一个更容易舍入的解决方案。实验表明,这大大减少了舍入误差,与随机化和去随机化舍入相结合。对于最大覆盖率实例,我们通常观察到贪婪算法也表现得非常好。我们开发了一个加强的方法去随机化舍入,和一个简单的贪婪/舍入混合的方法,使用贪婪和LP为基础的舍入元素,并观察到,这两个改进再次产生更好的解决方案比以前的方法本身。对于单位圆盘最大控制,我们也发展了一个PTAS。相反,所有其他算法的研究,它在实验中的表现并不比在理论上更好,因此,除非非常好的解决方案是获得巨大的计算资源,贪婪,基于LP的舍入或混合的方法是优选的。
2010-07-02 cs.DS
A Lossless Deamortization for Dynamic Greedy Set Cover
针对动态集合覆盖问题的最坏情况更新时间瓶颈,提出可高效去摊销的贪心算法与无损去摊销方法,首次突破朴素时间界,还结合原始-对偶算法进一步优化了$f$-近似的时间复杂度。
2024-07-08 cs.DS
Performance of a greedy algorithm for edge covering by cliques in interval graphs
分析了区间图和圆弧图冲突团检测的贪心算法。在一个图中,一个稳定集要求每一条边最多只能有一个顶点。这相当于要求每个最大团最多选择一个顶点。我们证明了该算法可以求出区间图的所有极大团,也就是说,它可以求出稳定集多面体的凸包。在圆弧图的情况下,该算法不能检测到所有的最大团,但仍然是正确的。这个问题发生在铁路调度的背景下。训练请求在特定时间间隔内分配铁路基础设施资源。当寻找无冲突的训练时刻表时,时刻表中使用的资源分配间隔必须不重叠。每个资源的使用间隔的无冲突选择对应于与分配时间间隔相关联的间隔图中的稳定集合。
2008-12-11 cs.DM cs.DS
Tighter inapproximability for set cover
集合覆盖是一个经典的NP难问题;如Slavík(1997)所示,贪心算法给出了$\ln n - \ln \ln n + Θ(1)$的近似比。Lund \& Yannakakis(1994),Feige(1998),Moshkovitz(2015)的一系列工作表明,在假设$P \neq NP$下,对于任何常数$α> 0$,不可能获得具有近似比$(1 - α) \ln n$的多项式时间近似比。在这篇文章中,我们证明了在指数时间假设(一个比$P \neq NP$更强的复杂性理论假设)下,没有多项式时间算法达到近似比$\ln n - C \ln \ln n$,其中$C$是某个普适常数。因此,贪心算法实现了本质上最优的近似比(直到$\ln \ln n$的系数)。
2017-02-15 cs.DS
A Tight Cycle-Cover Inequality for Shortest Common Superstring
JetBrains Research(JetBrains研究院)
本研究针对最短公共超串问题,通过改进重叠图环覆盖不等式,将SCS近似比提升至7/3,贪心算法保证改进至3,并证明新上界不可再优化。
2026-09-25 cs.DS
On the Greedy Algorithm for Combinatorial Auctions with a Random Order
本文研究了次模投标组合拍卖的贪心算法。众所周知,该算法为每一阶项提供了$2$的近似比。我们证明了如果赋值是顶点覆盖函数且阶是随机的,则期望逼近比提高到$\frac 7 4$ .
2015-02-07 cs.DS cs.GT
Combinatorial approximation of maximum $k$-vertex cover in bipartite graphs within ratio~0.7
我们提出了一个\textit{purely combinatorial algorithm}的\mkvc{}在二部图,实现近似比~0.7。唯一的组合算法,目前已知的,直到现在这个问题是自然的贪心算法,实现比0.632,和一个简单的$2/3$ -近似算法在\cite{DBLP:journals/corr/BonnetEPS14}。
2015-03-10 cs.DS
Dynamic $((1+ε)\ln n)$-Approximation Algorithms for Minimum Set Cover and Dominating Set
本文提出加权最小集合覆盖和支配集的动态算法,实现 $(1+ε)\ln n$ 近似,更新时间与先前最佳算法相同,弥合了动态贪心算法与静态 $\ln n$ 界之间的差距。
2023-12-29 cs.DS
A 0.821-ratio purely combinatorial algorithm for maximum $k$-vertex cover in bipartite graphs
我们在本文中的目标是提出一个\textit{combinatorial algorithm},击败了唯一这样的算法,贪婪的。我们研究了多项式近似的最大顶点覆盖问题的二分图的纯组合算法,并提出了一个计算机辅助分析,发现最坏情况下的近似保证,是有界的~0.821。
2015-04-04 cs.DS
A Local Search-Based Approach for Set Covering
在集合覆盖问题中,我们给出了一个集合系统,每个集合都有一个权重,我们希望找到一个覆盖整个宇宙的集合,同时具有较低的总权重。有几种已知的方法(基于贪婪方法、松弛和舍入以及双重拟合)实现了该问题的$H_k \approx \ln k + O(1)$近似,其中每个集合的大小由$k$限定。此外,得到$\ln k - O(\ln \ln k)$近似值是困难的。真相在哪里?我们能缩小上界和下界之间的差距吗?对于小的$k$值的改进将是特别有趣的,这通常用于集合覆盖和其他组合优化问题之间的约简。我们考虑一个非遗忘的本地搜索方法:据我们所知,这给出了第一个$H_k$ -近似集覆盖使用的方法基于本地搜索。我们的证明适合在一页,并给出了完整性差距的结果。通过考虑较大的移动和优化的势函数来改进我们的方法,给出了$(H_k - Ω(\log^2 k)/k)$近似,改进了基于修改的贪心算法的$(H_k - Ω(1/k^8))$(\emph{R.\ Hassin and A.\ Levin, SICOMP '05})的先前界。
2022-11-08 cs.DS
Approximating Low-Dimensional Coverage Problems
我们研究的最大覆盖问题的复杂性,限制到有界VC维的系统。我们的主要结果是一个固定参数的易于处理的近似方案:一个算法,输出$(1-\eps)$ -近似的最大基数联盟的$k$集,在运行时$O(f(\eps,k,d)\cdot poly(n))$其中$n$是问题的大小,$d$是VC-维的集合系统,和$f(\eps,k,d)$是指数在$(kd/\eps)^c$的一些常数$c$。我们补充这一积极的结果表明,功能$f(\eps,k,d)$在运行时的界限不能被替换为一个功能只依赖于$(\eps,d)$或$(k,d)$,在标准的复杂性假设。我们还提出了一个改进的上界的贪婪算法的逼近比在特殊情况下的问题,包括当集有界的基数,当它们是二维半空间。补充这些积极的结果,我们表明,当集是四维半空间的贪婪算法,也没有本地搜索是能够提高最坏情况下的近似比的$1-1/e$的贪婪算法实现的任意情况下的最大覆盖。
2011-12-03 cs.CG cs.DS
Ultimate greedy approximation of independent sets in subcubic graphs
研究了有界度图的最大独立集问题的可逼近性。这是一个最经典和广泛研究的NP-难优化问题。我们专注于著名的最小度贪心算法为这个问题。该算法迭代地选择图中的最小度顶点,将其添加到解决方案中并删除其邻居,直到剩余的图为空。该算法的近似比已经得到了广泛的研究,其中增加了一个建议,告诉贪婪的最小度顶点选择,如果它不是唯一的。我们的主要贡献是一个新的数学理论,设计这样的贪心算法有效地可计算的意见,并分析其近似比。利用这一新的理论,我们得到了最大度为3的图的贪婪的最终逼近比为5/4,从而完全解决了Halldorsson和Yoshihara(1995)的公开问题.我们的算法是目前已知的最快的算法,这种近似比在这样的图。我们应用我们的新算法的最小顶点覆盖问题的最大度为3,以获得一个大大加快6/5-近似算法比目前已知的。我们补充我们的积极的,上界的结果与负,下界的结果证明,设计好的建议贪婪的问题是计算困难,甚至难以近似的各类图。这些结果显著改善了这种先前已知的硬度结果。此外,这些结果表明,获得上界结果的设计和分析贪婪的建议是不平凡的。
2020-01-31 cs.DS
Improved Approximation for Unsplittable CVRP via a Greedy Approach
Research Institute for Discrete Mathematics, Bonn, Germany(波恩离散数学研究所)
针对不可分割容量约束车辆路径问题,提出平均贪心算法,结合行程划分与匹配,实现多项式时间3.159-近似。
2026-09-16 cs.DS math.CO
Set K-Cover Algorithms for Energy Efficient Monitoring in Wireless Sensor Networks
无线传感器网络(WSNs)是环境监测的有效手段。本文研究了一种在无线传感器网络的能源有效的监测策略,划分成覆盖的传感器,然后激活覆盖迭代循环的方式。这种方法利用了当许多传感器监视单个区域时产生的重叠。我们的工作建立在Slijepcevic和Potterak的“无线传感器网络的功率高效组织”中的先前工作的基础上,该模型首次制定。我们已经设计了三个近似算法的一个变化的设置K-覆盖问题,其目标是分区的传感器到覆盖,使覆盖的数量,包括一个区域,在所有领域的总和,是最大化的。第一种算法是随机化的,并将传感器分区,预期在最佳值的分数1 - 1/e(~.63)内。我们提出了另外两个确定性的近似算法。一种是近似比为1/2的分布式贪心算法,另一种是近似比为1 - 1/e的集中式贪心算法。我们表明,它是NP-完全的,以保证优于15/16的最佳覆盖率,这表明所有三种算法的最佳近似算法的性能。模拟表明,在实践中,确定性算法执行远高于其最坏情况下的界限,始终覆盖超过72%的最佳解决方案所覆盖的。模拟还表明,寿命的增加与传感器之间的重叠量成比例。该算法速度快,易于使用,并根据模拟,显着增加传感器网络的寿命。特别是随机算法似乎相当实用。
2003-11-20 cs.DS
FastReChain: A Novel Bidirectional Model-Based Algorithm for Topology Engineering of OCS-Based Clusters
University of Electronic Science and Technology of China(电子科技大学);Shanghai Jiao Tong University(上海交通大学);Huawei(华为)
本文提出了一种新型双向基于模型的算法FastReChain,用于优化基于OCS的集群拓扑工程,通过模拟实验验证其有效性。
2026-02-24 cs.DS cs.NI
An Efficient Evolutionary Algorithm for Minimum Cost Submodular Cover
研究了最小费用次模覆盖问题,即最小化一个模费用函数,使得单调次模效益函数大于一个阈值。对于这个问题,进化算法EASC的介绍,实现了一个常数,双准则近似在预期的多项式时间,这是第一个多项式时间进化近似算法的最小成本子模块覆盖。为了实现这个运行时间,子模块化和单调性的动机的想法被纳入进化过程中,这可能会扩展到其他子模块优化问题。在实际应用中,EASC表现出优于贪心算法和收敛速度比竞争的进化算法为这个问题。
2019-08-02 cs.DS
Asymptotic Optimality of the Greedy Patching Heuristic for Max TSP in Doubling Metrics
最大旅行商问题(Max~TSP)是在给定的完全赋权图中寻找一个边的总权最大的Hamilton圈。我们证明了,在边的权重是由一个度量空间的有界倍维的情况下,渐近最优解的问题可以找到简单的贪婪修补启发式。以最大权重循环覆盖为起点,该启发式算法迭代地将其循环对修补为一个,以最小化每一步的权重损失。
2022-01-11 cs.CG cs.DM cs.DS
Submodular Cost Submodular Cover with an Approximate Oracle
在这项工作中,我们研究了次模块成本次模块覆盖问题,这是最小化所需的次模块成本,以确保次模块效益函数超过给定的阈值。现有的近似比的贪心算法假设一个值预言的效益函数。然而,访问一个值的预言是不现实的假设,这个问题的许多应用程序,其中的效益函数是难以计算的。我们提出了两个无与伦比的近似比这个问题的近似值预言,并证明了该比率采取经验相关的值,通过案例研究与在线社交网络中的影响阈值问题。
2019-08-01 cs.DS
Sequential and Parallel Algorithms for Mixed Packing and Covering
混合填充和覆盖问题是可以用非负系数表示为线性规划的问题。例如多商品网络流、TSP的Held-Karp下界、集合覆盖的分数松弛、装箱、背包、调度问题、最小权三角剖分等。本文给出了一般问题的近似算法。顺序算法是一种简单的贪心算法,它可以在O(n ^-2 log m)线性时间迭代中找到ε近似解。并行算法做类似的工作,但在多对数时间内完成。这些结果推广了Michael Luby和Noam Nisan(1993)以及Naveen Garg和Jochen Konemann(1998)以前关于纯填充和覆盖(约束都是“小于”或“大于”的特殊情况)的工作。
2002-05-18 cs.DS
Typical Approximation Performance for Maximum Coverage Problem
本文研究了稀疏双正则随机图上最大覆盖问题的近似算法,如置信传播、贪婪算法和线性规划松弛算法的典型性能。对相应的硬核格子气模型采用腔方法后,结果表明,在典型的置信传播性能阈值中存在两个明显的复制对称性阈值和复制对称性破缺阈值。在低密度区域,通过理论分析得出了三种算法在典型性能阈值下的优越性。虽然贪婪算法和线性规划松弛算法在最坏情况下的逼近比相同,但它们的典型性能阈值不同,表明典型性能的重要性。数值模拟的结果验证了理论分析,并暗示了进一步的相互关系的近似算法。
2018-02-07 cond-mat.dis-nn cond-mat.stat-mech cs.DS
Solving Vertex Cover in Polynomial Time on Hyperbolic Random Graphs
顶点覆盖问题在不同的方面被证明是计算困难的:找到一个最优解是NP完全的,甚至找到一个合理因子的近似值也是NP困难的。相比之下,最近的实验表明,在许多现实世界的网络中,解决顶点覆盖的运行时间甚至比最知名的FPT方法所能解释的要小得多。类似地,贪心算法在实践中提供了非常好的近似最优解。我们将这些观察结果与在许多现实网络中观察到的两个属性联系起来,即异构度分布和高聚类。为了形式化这些属性并解释所观察到的行为,我们分析了分支-归约算法在双曲随机图上的表现,双曲随机图在建模真实世界的网络时越来越受欢迎。事实上,我们能够证明双曲随机图的顶点覆盖问题可以在多项式时间内以很高的概率得到解决。证明依赖于有趣的双曲随机图的结构性质。由于模型的这些预测本身就很有趣,我们在现实世界的网络上进行了实验,表明这些特性在实践中也可以观察到。当在自适应贪心算法中利用相同的结构属性时,进一步的实验表明,在真实情况下,这在合理的时间内导致比标准贪婪方法更好的近似。
2020-02-19 cs.CC cs.DS
Planar Maximum Coverage Location Problem with Partial Coverage, Continuous Spatial Demand, and Adjustable Quality of Service
我们考虑一个推广的经典平面最大覆盖定位问题(PMCLP),其中部分覆盖是允许的,设施有可调的服务质量(QoS)或服务范围,和需求区和服务区的每个设施表示的二维空间对象,如矩形,圆形,多边形等,我们表示这种推广的PMCLP-PC-QoS。在这个问题中的一个关键挑战是同时决定的设施在一个连续的二维平面上的位置和它们的QoS。提出了一种贪婪算法和一种伪贪婪算法,并给出了它们的逼近比。我们还研究了理论性质,并提出了精确的算法来解决:(1)PMCLP-PC-QoS的需求和服务区表示的轴平行矩形(表示为PMCLP-PCR-QoS),这也有应用在摄像机监控和卫星成像;和(2)一维PMCLP-PC-QoS的应用在河流清理。这些结果扩展并加强了Bansal和Kianfar [INFORMS Journal on Computing 29(1),152-169,2017]唯一已知的具有固定和相同QoS的PMCLP-PCR-QoS精确算法。我们目前的计算实验结果进行评估我们提出的精确和近似算法的性能。
2020-12-16 cs.DS math.OC
An Efficient Streaming Algorithm for the Submodular Cover Problem
本文首先研究了数据流模型中的经典次模块覆盖问题,称之为流次模块覆盖问题。我们表明,任何单通流算法使用次线性内存的大小的流将无法提供任何非平凡的近似保证SSC。因此,我们考虑一个宽松的版本的SSC,我们只寻求找到一个部分覆盖。我们设计了第一个有效的双准则子模块覆盖流(ESC-Streaming)算法,并提供了理论保证,其性能支持的数值证据。我们的算法找到的解决方案是有竞争力的接近最佳的离线贪心算法,尽管只需要一个单一的数据流通过。在我们的数值实验中,我们评估的性能ESC流的活动集选择和大规模的图覆盖问题。
2016-11-25 cs.DS
On Competitive Permutations for Set Cover by Intervals
我们重新讨论了计算点的最优部分区间覆盖的问题。我们表明,贪心算法计算置换$Π= π_1, π_2,\ldots$的间隔,是$3/4$竞争的任何前缀的$k$间隔。也就是说,对于任何$k$,区间$π_1 \cup \cdots \cup π_k$至少覆盖由使用$k$区间的最优解覆盖的点的$3/4$分数。我们还提供了一个近似算法,该算法在$O(n + m/\varepsilon)$时间内计算$(1+\varepsilon)k$区间的覆盖,该覆盖与使用$k$区间的最优解一样好,其中$n$是输入点的数量,$m$是区间的数量(我们假设输入是预排序的)。最后,我们展示了一个反例,说明集合覆盖的最优解不具有收益递减特性-也就是说,使用更多集合的边际收益不是单调递减的。幸运的是,收益递减确实会持续一段时间。
2021-10-27 cs.DS
Improved approximation algorithms for low-density instances of the Minimum Entropy Set Cover Problem
我们研究的最小熵集覆盖问题,参数化的覆盖集中的随机元素的平均频率的情况下的逼近。我们分析了一个算法相结合的贪婪的方法与另一个偏向于大集。该算法由我们应用有偏方法的元素的百分比控制。最佳参数选择在平均密度$e$附近具有相变,并且当平均单元频率小于$e$时导致改进的近似保证。
2012-07-30 cs.CC cs.DS
A better lower bound for Lower-Left Anchored Rectangle Packing
给定包含原点的单位正方形中的任意一组点$S$,是否存在一组轴对齐的矩形,$S$中的每个点对应一个矩形,使得每个矩形的左下角都有$S$中的一个点,它们两两内部不相交,并且它们覆盖的总面积至少为1/2?这个问题也被称为弗里德曼猜想(证明这样一组矩形确实存在),自1969年艾伦·弗里德曼提出以来一直是开放的。在本文中,我们提高了最好的已知下限的总面积,可以覆盖从0.09121到0.1039。虽然这一步很小,但我们引入了新的见解,推动了这种分析的极限。我们的下界使用了一个贪心算法,在$S$中的点有一个特定的顺序。因此,这也意味着该贪心算法实现了0.1039的近似比。我们补充的结果与一个自然类的贪心算法,其中包括一个达到下限的近似比的上限为3/4。
2021-02-10 cs.CG cs.DS
1D Modeling of Sensor Selection Problem for Weak Barrier Coverage and Gap Mending in Wireless Sensor Networks
在本文中,我们首先重塑线覆盖作为一个一维离散问题与共线目标。然后,基于顺序的贪心算法,称为OGA,提出了解决问题的最优。它将被证明,现有的顺序在1D建模,特别是所产生的马尔可夫属性的选择传感器可以帮助设计贪心算法,如OGA。这些算法表现出最佳/有效的性能,并具有较低的复杂性相比,国家的最先进的。此外,它表明,传统的连续线覆盖问题可以转换为一个等效的离散问题,并通过OGA最佳地解决。接下来,我们制定了众所周知的弱屏障覆盖问题作为连续线覆盖问题(即1D问题)的一个实例,而不是传统的2D基于图形的模型。我们证明了这个问题的等效离散版本可以得到最佳的解决,速度比最先进的方法,使用扩展版本的OGA,称为K-OGA。此外,一个有效的本地算法,称为LOGM,提出了修补障碍物的间隙,由于传感器故障。在m间隙的情况下,LOGM被证明选择最多2 m-1传感器比最优的,同时是本地的和可实施的分布式方式。我们证明了所提出的算法通过广泛的模拟的最佳/有效的性能。
2017-04-19 cs.DS cs.NI
A Tight Bound for Stochastic Submodular Cover
NYU Tandon School of Engineering(纽约大学坦登工程学院);Brooklyn College, City University of New York(纽约城市大学布鲁克林学院);IBM T. J. Watson Research Center(IBM托马斯·J·沃森研究中心)
我们证明了Golovin和Krause(2011)的自适应贪婪算法实现了随机子模块覆盖的近似界$(\ln (Q/η)+1)$:这里$Q$是“目标值”,$η$是项目可交付效用的最小非零边际增加。(For整数值效用函数,我们显示了一个界的$H(Q)$,其中$H(Q)$是$Q^{th}$调和数。)虽然Golovin和Krause在他们论文的原始版本中声称了这个界限,但后来Nan和Saligrama(2017)证明了这个证明是不正确的。Golovin和Krause(2017)的后续修正证明给出了$(\ln(Q/η) + 1)^2$的二次界。该问题的其他以前的界限是$56(\ln(Q/η) + 1)$,由Im等人(2016)在相关问题上的工作暗示,以及$k(\ln (Q/η)+1)$,由于Deshpande等人(2016)和Hellerstein和Kletenik(2018),其中$k$是状态数。我们的界推广了著名的$(\ln~m + 1)$近似界的贪婪算法的经典集覆盖问题,其中$m$是地面集的大小。
2021-08-02 cs.AI cs.DS
Uniform unweighted set cover: The power of non-oblivious local search
我们给出n个基本元素和它们的子集的有限集合。任何子集的大小在p到k之间变化(p < k)。此外,我们假设输入包含大小为p的所有可能子集。我们的目标是找到一个覆盖所有元素的最小基数子集。这个问题是NP难的。我们给出了两个近似算法,一个是一般情况下的,一个是(p,k)=(2,4)特殊情况下的改进算法.一般情况下的算法是基于打包阶段的贪婪算法:在每个阶段,我们挑选一个覆盖i个新元素的不相交子集的集合,从i = k开始到i = p+1。在最后一步,我们覆盖其余的基本元素的大小为p的子集。我们推导出该算法的所有值的k和p,这是小于Hk,其中Hk是第k次谐波数的确切性能保证。然而,该算法表现出已知的改进方法,贪婪的一个未加权的k-集覆盖问题(其中子集大小仅限于不超过k),因此它作为一个基准,我们的改进算法。针对(p,k)=(2,4)的特殊情况的改进算法基于非遗忘局部搜索:它从一个可行覆盖开始,然后反复尝试替换大小为3和4的集合,以最大化一个偏好大集合而非小集合的目标函数。在这种情况下,我们的遗传算法实现了1.5 + 1.5的渐近近似比,局部搜索算法实现了更好的比率,它的边界为1.458333…+ - 是的
2009-06-08 cs.DM cs.DS
Approximation Algorithms and LP Relaxations for Scheduling Problems Related to Min-Sum Set Cover
我们考虑单机排序问题,是自然的推广或变化的最小和集覆盖问题和最小和顶点覆盖问题。对于每一个问题,我们都给出了新的近似算法。这些算法中的一些依赖于时间索引LP松弛。我们展示了如何一个变体的α点调度导致最知名的近似比,包括保证4的一个有趣的特殊情况下,所谓的广义最小和集覆盖问题。我们还明确的贪心算法的最小和集覆盖和西德尼分解的概念,优先约束的单机调度之间的连接,并显示这是如何导致一个4-近似算法的单机调度与所谓的二分或优先约束。
2020-01-20 cs.DM cs.DS
Growing a Random Maximal Independent Set Produces a 2-approximate Vertex Cover
本文提出了一种快速、简单的求最小权顶点覆盖的2-近似算法。该算法的未加权版本等价于著名的贪婪极大独立集算法。我们证明了这个独立集算法产生一个2-近似顶点覆盖,我们提供了一个原则性的新方法来推广到节点加权图。我们的分析灵感来自连接到一个聚类目标称为相关性聚类。为了证明这些问题之间的关系,我们展示了一个简单的枢轴算法相关聚类隐式近似一种特殊类型的超图顶点覆盖问题。最后,我们使用这个最大独立集算法的隐式实现开发快速和简单的2-近似算法的某些边缘删除问题,可以减少到顶点覆盖的近似保持的方式。
2022-09-10 cs.DM cs.DS
Non-Uniform $k$-Center and Greedy Clustering
在非均匀$k$-中心问题中,著名的$k$-中心聚类问题的推广,我们希望通过找到具有指定半径的球的位置来覆盖度量空间中的给定点集。在$t$-NU $k$ C问题中,我们假设不同半径的个数等于$t$,并且对于$1 \le i \le t$,我们允许使用半径为$r_i$的$k_i$球.这个问题是由Chakrabarty等人[ACM Trans.Alg. 16(4):46:1 - 46:19],他证明了如果$t$是无界的,则$t$-NU $k$ C的常数近似是不可能的。另一方面,他们给出了一个双准则近似,该近似违反了允许的球的数量以及给定的半径。他们还指出,如果$t$是一个固定常数,那么$t$-NU $k$ C的常数近似值应该是可能的。从那时起,在解决这一猜想方面取得了稳步进展-目前,通过Chakrabarty和Negahbani [IPCO 2021]以及Jia等人[出现在SOSA 2022]的结果,已知$3$-NU $k$ C的常数近似。对于$4$不同类型的半径,我们给出了非均匀$k$-中心的$O(1)$-近似,从而推进了视界.我们的结果是通过$k$-中心文献中的工具和技术的新组合获得的,这也证明了$k$-中心的不同推广涉及非均匀半径和多个覆盖约束(即,彩色的$k$-中心),彼此紧密相连。我们希望我们的想法将有助于对$t$-NU $k$ C问题的更深入的理解,最终使我们更接近CGK猜想…
2021-11-14 cs.CG cs.DS
A Tight Analysis of Greedy Yields Subexponential Time Approximation for Uniform Decision Tree
Stanford University(斯坦福大学)
决策树是主动学习的经典公式:给定$n$假设,其非负权重总和为1,以及一组测试,每个测试划分假设,使用提供的测试输出决策树,该测试唯一地识别每个假设并具有最小(加权)平均深度。已有的研究表明,贪婪算法对该问题具有$O(\log n)$逼近比,且优于$O(\log n)$逼近,解决了问题的复杂性。然而,对于均匀决策树,即具有均匀权重的决策树,情况更加微妙。贪婪算法的$O(\log n)$近似比是最有名的,但已知的NP-难的最大近似比是$4-\varepsilon$。我们证明了贪婪算法给出了均匀决策树的$O(\frac{\log n}{\log C_{OPT}})$近似,其中$C_{OPT}$是最优树的成本,并表明这是贪婪算法的最佳可能。作为一个推论,我们解决了一个猜想的Kaju,Przytycka,和Borgstrom。利用这一结果,对于所有的$α\in(0,1)$,我们展示了一个$\frac{9.01}α$近似算法均匀决策树运行在次指数时间$2^{\tilde O(n^α)}$。作为推论,在指数时间假设下,在均匀决策树上实现任何超常数逼近比都不是NP难的。因此,这项工作增加了近似均匀决策树的自然问题,有次指数时间算法,但没有已知的多项式时间算法的一个小列表。所有的结果都适用于权值不太均匀的决策树。我们的工作的一个关键技术贡献是一致决策树和最小和集覆盖的贪婪算法之间的连接。
2019-10-21 cs.AI cs.CC cs.DS
Optimal Geometric Partitions, Covers and K-Centers
在本文中,我们提出了一些新的,实用的,几何优化技术计算多边形分区,1D和2D点,间隔,正方形和矩形覆盖,以及1D和2D的间隔和矩形K-中心。我们提出的所有技术都可以直接应用于实际中非常常见的几个成本优化和设施选址问题。所采用的主要技术是动态规划,但我们也利用有效的数据结构和快速贪心算法。
2009-08-25 cs.CG cs.DS