约束子模最大化问题:超越 1/e
本文提出了一种在单个 matroid 约束或多个 packing 约束下,通过小量自适应查询轮次来最大化 submodular 函数的多线性扩展的算法,该算法在 submodular maximization with a matroid constraint 和 non-monotone submodular maximization subject to packing constraints 两个问题上均获得了近乎最佳的拟合比例,并且在自适应轮次和并行运行时间上提出了指数级别的加速。
Aug, 2018
提出一种基于模拟退火的新算法用于解决子模块最大化问题,证明该算法支持两种问题的改进近似,在数值预言模型中,子模块最大化问题在独立约束和基约束条件下都不可能有更好的解决方案。
Jul, 2010
本文讨论了带有 $d$ 背包限制的任意模子模函数最大化问题,建立了离散问题和连续松弛之间的强联系,并利用这种联系提出了近似算法和确定性技术,得到了很好的解决方案。
Jan, 2011
本文研究了 DR - 次模连续函数在最大化过程中的基本问题,并在凸集合的不同类型下提出了一系列在线算法,用于最小化在线非单调 DR - 次模函数。在实验中表现良好并为机器学习领域中有关问题提供了新的解决方案。
Sep, 2019
本文提出了第一个常因子近似算法来实现任何非负子模函数的最大化,同时满足多个基数约束或背包约束,特别是在 k 个划分拟阵约束下,改进了以前已知的最佳保证,获得了(1 /k+1 + 1 /k-1 + ε)的近似保证。
Feb, 2009
我们提出了第一个用于最大化非负单调可分解次模函数的小批量算法,在一组约束条件下。我们在理论和实践上都优于基于稀疏化方法的方法。我们在实验中观察到,我们的算法生成的解比基于稀疏化方法生成的解要好得多。
Jan, 2024
研究了具有健壮性约束的基数约束单调次模函数最大化问题,提出了逼近算法,并在限制相对较小的情况下,得到了相对较好的逼近结果,并应用结果解决了更普遍的独立性约束下的最大化问题。
Jul, 2015
本文研究了带有子模性目标函数的组合优化问题,提出了一种基于新技术的算法来优化多线性松弛问题,该算法避免了对称性等性质的需要,适用于约束问题,相比之前的算法,它具有更好的保证。
Nov, 2016