Beating Trivial Time for Tricky Triangle Tasks
MIT(麻省理工学院)
针对文献中几个经典的三角形检测问题,通过随机算法、电路复杂性和通信复杂性技术,首次在Word RAM模型上改进了平凡枚举算法,并扩展到四环检测问题。
2026-06-29 cs.CC cs.DS
Triangle Detection in Worst-Case Sparse Graphs via Local Sketching
本研究提出一种保局部性的非代数稀疏图三角形检测框架,通过分层处理、PK组扩增及三阶段验证,实现高概率下$O(m\log^2 n)$时间与$O(m\log n)$空间,还给出单PK族命中率下界及算法优化方向。
2025-09-03 cs.CG cs.DS
Triangle Centrality
提出三角形中心性方法寻找图中的重要顶点,并设计了在稀疏图上近乎线性时间计算的最优串行、并行及MapReduce算法。
2024-10-01 cs.DC cs.DS cs.SI
The Time Complexity of Fully Sparse Matrix Multiplication
本文提出一种将稀疏矩阵乘法转化为稠密矩形矩阵乘法的新算法,在几乎所有的输入与输出非零元素组合下改进了时间复杂度上界,并基于全边三角形问题提供了最优性证据。
2023-09-12 cs.DS
Edge-Based Wedge Sampling to Estimate Triangle Counts in Very Large Graphs
图中三角形的数量有助于推断图所建模的网络的大量重要特征。然而,找到这个数字的确切值是计算昂贵的。因此,已经提出了许多基于边缘或楔形(相邻边缘对)的随机采样的近似算法来估计该值。我们认为,对于具有幂律度分布的大型稀疏图,随机边缘采样需要在提供足够的信息用于精确估计之前对大量边缘进行采样,并且现有的楔形采样方法导致有偏采样,这反过来又导致不太准确的估计。在本文中,我们提出了一种边缘和楔形采样之间的混合算法,解决了这两种方法的不足之处。我们从均匀的边缘采样开始,然后扩展每个选定的边缘以形成一个楔形,这对于估计整个三角形计数来说是更有用的。我们所做的核心估计是第一阶段中每个采样边参与的三角形数量。这种方法以非常小的采样率提供准确的近似值,在样本量方面超过最先进的8倍,同时提供95%置信度的估计。
2017-10-27 cs.DS
Triangle counting in dynamic graph streams
在过去的十年中,使用有限的内存来估计图流中的三角形数量已经成为一个热门话题。不同的变化的问题进行了研究,这取决于是否提供的图形边缘以任意顺序或发病率列表。然而,除了少数例外,算法已经考虑了{ \em仅插入}流。我们提出了一个新的算法估计的三角形的数量{ \em动态}图流中的边缘可以插入和删除。我们表明,我们的算法实现了更好的时间和空间复杂度比以前的解决方案的各种图形类,例如稀疏图形与相对较少的三角形。此外,对于具有恒定传递系数的图,这是真实图中的常见情况,这是第一个实现每条边的恒定处理时间的算法。结果是通过一种新的方法相结合的顶点三元组的采样和稀疏化的输入图。在算法的分析过程中,我们提出了一个下界的两两独立的2-路在一般的图,这可能是独立的利益。在文章的最后,我们讨论了三角形计数算法的空间复杂度的下界,不对图的结构作任何假设。
2015-07-14 cs.DS
Improved Massively Parallel Triangle Counting in $O(1)$ Rounds
本文针对有界树荫度图提出一种简单的大规模并行三角形计数算法,在不增加每台机器空间和总空间的情况下将轮数从 O(log log n) 改进到最优的 O(1),解决了 Im 等人综述中列出的开放问题。
2024-05-01 cs.DC cs.DS
Approximation Algorithms for Sparse Principal Component Analysis
Purdue University(普渡大学);Carnegie Mellon University(卡内基梅隆大学)
主成分分析(PCA)是机器学习和多元统计中广泛使用的降维技术。为了提高PCA的可解释性,已经提出了各种方法来获得稀疏主方向载荷,这被称为稀疏主成分分析(SPCA)。在本文中,我们提出的阈值作为一个可证明准确的,多项式时间,近似算法的SPCA问题,而不施加任何限制性的假设输入协方差矩阵。我们使用奇异值分解的第一个阈值算法在概念上很简单;比当前最先进的算法更快;并且在实践中表现良好。在消极的一面,我们的(新的)理论界限并不能准确地预测这种方法的强大的实际性能。第二个算法解决了一个著名的半定规划松弛,然后使用一种新的,两步,确定性阈值计划计算稀疏的主向量。它在实践中运行良好,值得注意的是,我们的理论界限准确地预测了这种坚实的实际性能,这比当前最先进的理论界限更好地弥合了理论与实践之间的差距。
2021-06-04 cs.DS cs.LG
Engineering a Distributed-Memory Triangle Counting Algorithm
针对巨型图的三角形计数任务,提出一种分布式内存算法,通过本地计数、异步稀疏全交换操作和间接路由减少通信与开销,可扩展至32768核,速度比此前最优水平最高快18倍。
2023-07-21 cs.DC cs.DS cs.SI
Parallel Algorithms for Counting Triangles in Networks with Large Degrees
求网络中三角形的个数是复杂网络分析中的一个重要问题。三角形的数目在数据采掘中也有重要的应用。现有的分布式内存并行算法计算三角形的映射减少或消息传递接口(MPI)的基础上,并与给定的网络重叠的分区。这些算法是为非常稀疏的网络而设计的,当节点的度相对较大时不能很好地工作。对于度较大的网络,基于Map-Reduce的算法会生成非常大的中间数据,而在基于MPI的算法中,每个分区都可以与原始网络一样大,从而消除了划分网络的好处。在本文中,我们提出了两个有效的MPI为基础的并行算法计算三角形在大规模网络与大的程度。第一个算法是一个空间有效的算法,用于不适合单个计算节点的主内存的网络。该算法将网络划分为不重叠的分区。第二种算法是针对每个节点的主存储器足够大以包含整个网络的情况。我们观察到,对于这种情况下,计算负载可以动态平衡,并提出了一个动态的负载均衡计划,显着提高性能。我们的两种算法都可以很好地扩展到大型网络和大量的处理器。
2014-06-22 cs.DC cs.DS cs.SI
Approximately Counting Triangles in Sublinear Time
我们考虑的问题估计的三角形的数量在一个图。这个问题已经在理论和实践中得到了广泛的研究,但所有现有的算法都读取整个图。在这项工作中,我们设计了一个{ \em次线性时间\/}算法近似图中的三角形的数量,该算法被赋予查询访问图。允许的查询是度查询、顶点对查询和邻居查询。我们表明,对于任何给定的近似参数$0<ε<1$,该算法提供了一个估计$\widehat{t}$,使具有高的恒定概率,$(1-ε)\cdot t< \widehat{t}<(1+ε)\cdot t$,其中$t$是图$G$中的三角形的数量。该算法的预期查询复杂度为$\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)\cdot {\rm poly}(\log n, 1/ε)$,其中$n$是图中的顶点数,$m$是图中的边数,预期运行时间为$\!\left(\frac{n}{t^{1/3}} + \frac{m^{3/2}}{t}\right)\cdot {\rm poly}(\log n, 1/ε)$。我们还证明了$Ω\!\left(\frac{n}{t^{1/3}} + \min\left\{m, \frac{m^{3/2}}{t}\right\}\right)$查询是必要的,从而建立该算法的查询复杂性是最佳的$n$(和依赖于$1/…
2015-09-22 cs.DS
Sparse Hashing for Scalable Approximate Model Counting: Theory and Practice
National University of Singapore(新加坡国立大学);Indian Institute of Technology, Bombay(印度理工学院孟买分校)
给定n个变量的CNF公式F,模型计数或#SAT的问题是计算F的满足赋值的数量。模型计数是计算机科学中的一个基本而又困难的问题,有着广泛的应用。近年来,人们对开发有效的算法技术进行了大量的努力,这些技术将经典的2-universal hashing与过去十年中SAT求解的显着进步相结合。这些技术增加了CNF公式F与随机XOR约束,并调用NP预言反复对所得CNF-XOR公式。在实践中,对NP oracle调用的调用被SAT求解器取代,SAT求解器的运行时性能受到XOR约束的大小的不利影响。2-通用散列函数的标准构造选择概率p = 1/2的每个变量,从而导致期望大小为n/2的XOR约束。因此,挑战在于设计稀疏散列函数,其中可以以较小的概率选择变量并导致较小大小的XOR约束。在本文中,我们从理论和实践的角度来应对这一挑战。首先,我们正式放松的通用散列,称为集中散列,并建立一个新的和美丽的连接,这些散列函数的浓度措施和布尔超立方体上的等周不等式。这允许我们获得方差和分散指数的(log m)紧界,并表明p = O(log(m)/m)足以设计从{0,1}^n到{0,1}^m的稀疏散列函数。然后,我们使用稀疏散列函数属于这个集中的哈希家庭开发新的近似计数算法。我们的算法在1893基准测试的综合实验评估表明,稀疏散列函数的使用可以导致显着的加速。
2020-04-30 cs.DS cs.LG cs.LO
Approximate Triangle Counting via Sampling and Fast Matrix Multiplication
有一个简单的$O(\frac{n^3}{T})$时间算法用于近似三角形计数,其中$T$是图中三角形的数量,$n$是顶点的数量。同时,可以使用时间上的快速矩阵乘法$\tilde{O}(n^ω)$来精确地计数三角形。是否有可能在保持$n^ω$对$n$的依赖性的同时,获得对三角形$T$数量的负依赖性?我们积极回答这个问题,提供了一个算法,运行在时间$O\big(\frac{n^ω}{T^{ω- 2}}\big) \cdot \text{poly}(n^{o(1)}/ε)$。这是最佳的,因为只要$T$的指数独立于$n, T$,它就不能在保持对$n$的依赖性的同时得到改善;这是根据Eden和Rosenbaum的下限得出的[APPROX/RANDOM 2018]。我们的算法改进了现有技术,当$T = ω(1)$和$T = o(n)$。我们还考虑了稀疏图中近似三角形计数的问题,参数化的边缘$m$的数量。最著名的算法在时间上运行$\tilde{O}\big(\frac{m^{3/2}}{T}\big)$ [Eden等人,SIAM Journal on Computing,2017]。还有一个众所周知的算法,用于精确的三角形计数,它在时间上运行$\tilde{O}(m^{2ω/(ω+ 1)})$。我们再次得到了一个算法,保留了$m$的指数,同时在具有大量三角形的图上运行得更快。具体来说,我们的算法在…
2021-05-16 cs.DS
Single-Pass Estimation of the Clustering Coefficient Distribution in Graph Streams
University of Padova(帕多瓦大学);University of California, Santa Cruz(加州大学圣克鲁兹分校)
针对图流中聚类系数分布估计问题,提出单遍流式算法BOLIDE,结合多种采样策略,在仅存储少量边的情况下,可证明近似分箱按度聚类系数,并在数十亿边和三角形的数据集上准确高效。
2026-09-22 cs.DS
Beyond Triangles: A Distributed Framework for Estimating 3-profiles of Large Graphs
研究了大型图的$3$-轮廓的逼近问题。$3$-配置文件是三角形计数的推广,三角形计数指定小图作为大图的导出子图出现的次数。我们的算法使用了新的概念,$3$-配置文件稀疏:稀疏的图形,可以用来近似完整的$3$-配置文件计数为一个给定的大型图。此外,我们研究的问题估计本地和自我$3$-配置文件,两个图形的数量,表征局部邻域的每个顶点的一个图。我们的算法是分布式的,并作为一个顶点程序运行在GraphLab PowerGraph框架。我们引入了边缘旋转的概念,它允许我们收集$2$跳信息,而无需在每个顶点保持一个明确的$2$跳邻域列表。这使得能够以最少的通信并行计算所有本地$3$-简档。我们在Amazon EC2上的几个扩展到$640$核心的实验中测试了实现。我们发现,我们的算法可以估计的$3$-配置文件的一个图形在大约相同的时间三角形计数。对于更难的自我$3$-配置文件的问题,我们介绍了一种算法,可以并行估计几十万个顶点的配置文件,在分钟的时间尺度。
2015-06-22 cs.DC cs.DS cs.IT
Palette Sparsification for Graphs with Sparse Neighborhoods
本研究针对k-局部稀疏图,证明每顶点采样O(Δ^α+√log n)种颜色即可得到正常q-着色,改进了对应着色相关结果,可复现无三角形图的已有结论。
2024-11-03 cs.DM cs.DS math.CO
On the bit-complexity of sparse polynomial multiplication
本文给出了稀疏表示下两个多元多项式乘积的快速算法。我们的算法的比特复杂性进行了详细研究,为各种类型的系数,我们得出新的复杂性结果的幂级数乘法在许多变量。我们的算法在Mathemagix软件中实现并免费提供。我们表明,他们的理论成本很好地反映在实践中。
2009-01-26 cs.DS cs.MS
Hardness for Triangle Problems under Even More Believable Hypotheses: Reductions from Real APSP, Real 3SUM, and OV
$3$ SUM假说、APSP假说和SETH假说是细粒度复杂性的三个主要假说。到目前为止,在该领域内,前两个假设主要是关于Word RAM计算模型中的整数输入。“实APSP”和“实$3$ SUM”假设断言APSP和$3$ SUM假设在实RAM模型的合理版本中对实值输入成立,甚至比它们的整数对应物更可信。在非常可信的假设下,至少有一个$3$ SUM假设,SENAPSP假设或SETH是真的,Abboud,Vassilevska W。和Yu [STOC 2015]表明,一个名为Triangle Collection的问题需要在$n$节点图上花费$n^{3-o(1)}$时间。我们的主要结果是一个非平凡的下限略推广三角形集合,称为全彩色对三角形集合,在更可信的假设下,至少有一个真正的$3$总和,真正的APSP,和OV假设是真的。结合轻微的修改前减少,我们得到多项式条件下界的问题,如(静态)ST-最大流量问题和动态最大流量,现在在新的较弱的假设。我们的主要结果是建立在以下两条减少线。* 实APSP和实$3$ SUM硬度用于全边稀疏三角形问题。以前的减少只从这些问题的整数变量。* 布尔矩阵乘法问题变体的真实APSP和OV难度。一路上,我们证明了三角形集合等价于问题的一个更简单的限制版本,简化了先前的工作。我们的技术也有其他有趣的影响,如超线性下限的所有数字$3$ SUM的基础上,真正的$3$ SU…
2022-04-14 cs.CC cs.DS
Spanner Approximations in Practice
乘法$α$ -乘法$H$是具有相同顶点和较少边的$G=(V,E)$的子图,其保持直到因子$α$的距离,即,所有顶点$u$、$v$的$d_H(u,v)\leqα\cdot d_G(u,v)$。虽然已经开发了许多算法来找到近似保证方面的良好spectrum,但没有比较不同方法的实验研究。我们实现了这些算法的丰富选择,并在各种情况下对其进行评估,例如,它们的运行时间、稀疏性、轻盈性和有效伸展性。
2021-07-05 cs.DS
Listing All Maximal Cliques in Large Sparse Real-World Graphs
我们实现了一个新的算法,由于Eppstein,Löffler和Strash(ISAAC 2010),在稀疏图中列出所有最大团,并分析其性能的大型语料库的真实世界的图。我们的分析表明,该算法是第一个提供一个实用的解决方案,列出所有的最大集团在大型稀疏图。所有其他理论上快速的稀疏图算法已经被证明是显着慢于富田等人的算法。(理论计算机科学,2006年)在实践中。然而,Tomita等人的算法使用邻接矩阵,这对于大型稀疏图需要太多空间。我们的新算法打开了大门,快速分析大型稀疏图的邻接矩阵将不适合工作记忆。
2011-03-02 cs.DS
A Strongly Subcubic Combinatorial Algorithm for Triangle Detection with Applications
本研究提出时间复杂度为$O(n^{7/3})$(或$O(m^{4/3})$)的随机组合三角形检测算法,推翻了领域内多个长期存在的猜想,并衍生出更快的布尔矩阵乘法、$k$-团问题及\textsc{Max-Cut}问题精确算法。
2024-03-05 cs.DS math.CO
Correlating Theory and Practice in Finding Clubs and Plexes
寻找大的“团”子图是一个经典的NP-难图问题。在这项工作中,我们专注于寻找最大的$s$ -俱乐部和$s$ -丛,即,直径为$s$的图和每个顶点与除$s$之外的所有顶点相邻的图。基于图灵核化的预处理是解决这些问题的标准工具,特别是在稀疏图上。我们提供了一个新的参数化分析的图灵核,并证明其实用性。此外,我们提供的证据表明,新的理论界确实更好地解释观察到的运行时间比现有的理论运行时间的界限。为此,我们提出了一个一般的方法来比较如何以及理论上的运行时间界限适合测量运行时间。
2022-12-14 cs.DS
A Randomized Rounding Algorithm for Sparse PCA
International Computer Science Institute(国际计算机科学研究所);University of California Berkeley(加州大学伯克利分校);Xerox Research Centre India(施乐印度研究中心);Purdue University(普渡大学)
我们提出并分析了一个简单的,两步算法来近似稀疏PCA问题的最优解。我们的方法首先解决了L1惩罚版本的NP-难稀疏PCA优化问题,然后使用随机舍入策略来稀疏化所得到的密集解决方案。我们的主要理论结果保证了加性误差近似,并提供了稀疏性和准确性之间的权衡。我们的实验评估表明,我们的方法在实践中是有竞争力的,即使是与最先进的工具箱,如痉挛。
2016-11-22 cs.DS cs.LG stat.ML
Covering a Graph with Dense Subgraph Families, via Triangle-Rich Sets
本文提出正则富三角形(RTR)族概念以覆盖图中的稠密子图,设计了高效算法RTRExtractor,能在数亿边图上快速实现高覆盖率,并验证其在无监督图发现任务中的实用性。
2024-07-23 cs.DS cs.IR cs.SI
Triangle-Free Coloring in LOCAL via Resilient Lovász Local Lemma
本研究通过弹性Lovász局部引理改进Pettie-Su无三角图着色算法,消除分布式LLL瓶颈,得到首个o(Δ)色、log^{O(1)}log n轮的无三角图着色算法,还得到匹配最优上界的围长5图着色算法。
2026-08-14 cs.DC cs.DS
Very Sparse Stable Random Projections, Estimators and Tail Bounds for Stable Random Projections
本文将着重从三个不同的方面来改进目前的稳定随机投影方法。首先,我们提出{ \em非常稀疏稳定的随机投影},以显着降低处理和存储成本,通过用对称$α$ -Pareto分布(概率为$β$,$0<β\leq1$)和原点点质量(概率为$1-β$)的混合物替换$α$ -稳定分布。这导致小$β$的显著$\frac{1}β$倍加速。其次,我们提供了一个改进的估计恢复原来的$l_α$规范从投影数据。标准估计量基于(绝对)样本中位数,而我们建议使用几何平均值。我们提出的几何平均估计是严格无偏的,并且更容易研究。而且几何平均估计更精确,特别是非渐近的。第三,我们提供了一个充分的答案,需要多少投影(样本),以达到一些预先指定的精度水平的基本问题。\cite{Proc:Indyk_FOCS00,Article:Indyk_TKDE03}未提供可用于实践的标准。我们提出的几何平均估计允许我们推导出尖尾界,它可以用显式给出的常数以指数形式表示。
2006-12-01 cs.DS cs.IT cs.LG
Improved Distributed Expander Decomposition and Nearly Optimal Triangle Enumeration
图$G=(V,E)$的$(ε,ϕ)$ -扩展分解是顶点$V=V_{1}\cup\cdots\cup V_{x}$的聚类,使得(1)每个聚类$V_{i}$诱导电导至少为$ϕ$的子图,并且(2)聚类间边的数目至多为$ε|E|$。本文给出了一种改进的分布式扩展分解。具体地说,我们构造了一个$(ε,ϕ)$ -扩展器分解,对于任何$ε\in(0,1)$和正整数$k$,在$O(n^{2/k}\cdot\text{poly}(1/ϕ,\log n))$轮中使用$ϕ=(ε/\log n)^{2^{O(k)}}$.例如,对于任意小的常数$γ>0$,可以在$O(n^γ)$轮中计算$(0.01,1/\text{poly}\log n)$ -扩展器分解。以前,Chang,Pettie和Zhang的算法可以对任何$δ>0$使用$\tilde{O}(n^{1-δ})$轮来构造$(1/6,1/\text{poly}\log n)$ -扩展器分解,但需要注意的是,该算法允许将一组边丢弃到一个额外的部分中,该部分形成至多$n^δ$具有荫度的子图。我们的算法没有这个警告。通过对Ghaffari,Kuhn和Su [PODC'17]提出的扩展器上的分布式路由算法稍加修改,我们得到了一个使用$\tilde{O}(n^{1/3})$轮的三角枚举算法.这与Izumi和Le Gall [PODC'17]以及Pandurangan…
2019-05-27 cs.DC cs.DS