介绍了一种新型的基于 restreaming 的算法，使用带有乘性权重的约束管理策略来优化流式过程的排序，同时借鉴了平衡标签传播的优先级概念来进行分区优化，得到了与现有算法相比在真实世界图上具有更好性能的结果。

Jul, 2020

本文研究了图分区中的边划分问题，提出了可调节的边和块的两个新概念，基于此发展了一种贪心启发式和一个利用最大流模型的改进搜索算法，可以大幅度提高图分区的质量和近似比。

Dec, 2020

论文探讨了平衡图分割领域中最近趋势的算法，应用和未来的研究方向。

Nov, 2013

提供了一种基于对称正定半定规划的指向图划分算法，同时证明了此算法具备较好的扩展性。

Jun, 2023

本研究提出了基于深度学习的 GAP 框架来解决节点分割问题。通过定义不同 iable 损失函数以及利用反向传播来优化网络参数，实现基于图结构的节点分割。相较于传统的分割方法，GAP 不仅更快，并且具有良好的扩展性能力，可适用于不同的图结构，并可推广到未知的图形结构上。研究表明，GAP 能够取得与传统分割方式相媲美的结果。

Mar, 2019

该论文提出了一种基于图分割的分布式计算算法，其可以有效降低数据分布式处理过程中的通信成本，实验结果表明该算法能够在机器学习系统中实现 1.6 倍的加速，并且消除 90％的网络通信。

May, 2015

本研究引入了一种新颖的流程，利用无监督图神经网络来解决图分割问题，并提出了一个专门用于此目的的可微损失函数。对于当前先进技术，我们对度量指标：割边和平衡进行了严格评估，结果表明我们的方法具有竞争力。

Dec, 2023

本文探讨了 k-Balanced Partitioning 问题的两类近似算法：快速但准确度不高和保证高质量准确度但速度较慢的算法。研究表明，这种运行时间和解决方案质量之间的权衡是必要的。我们还提出了一种基于图形类别的规约框架，以证明了该问题的困难性。本文是该问题的第一次双层次不可近似结果。

Nov, 2011

本论文提出了一种基于 Dirichlet 特征值的非凸图划分目标函数， 并设计了一种新颖的重排算法来达到最优， 可应用于几个聚类问题并拓展至半监督， 在合成数据、MNIST 手写数字和流形离散化图上都取得了有效结果。

Aug, 2013

本研究探讨了图划分问题中的粗化阶段，通过比较不同的匹配和 AMG（代数多重网格）粗化方案，并通过在不同类型的图上进行实验来展示不同粗化方案的运行时间和质量优势。

Jan, 2012