本文研究了随机匹配问题,提出一种能够提高精度的探测边的新方法和其在最大化构建匹配的期望收益中的应用,尤其在求解在线偏二分图情况时取得了显著提升。
May, 2015
本文研究了最大子模函数匹配问题,给出了两种空间复杂度均为 O (nlogn) 的半流算法,并探讨了最大加权匹配和多重矩阵交叉的相似性,以求得更普适的解决方案。
Sep, 2013
该论文提出了首个一次遍历的流算法,用于求解子模最大化问题,采用数据采样,能够在各种情况下获得最紧密的逼近保证,同时具有最小的内存占用和对函数评估数量的最低要求,试验表明该算法在进行大规模机器学习问题的子模最大化时能够将其表现提高 50 倍以上
Feb, 2018
本研究介绍了一种算法来解决在线随机二分匹配问题,提供了一个 0.67 的逼近比和一种基于流量图和最大流问题的新方法来解决这个问题。
May, 2009
本文讨论了在 streaming setting 下最大化单调次模函数,并给出了一种新的算法 Sieve-Streaming++ 以及其扩展到多源 streaming setting 的方案,最终将该算法应用于 twitter 和 youtube 视频的多源数据摘要任务中进行效率测试。
May, 2019
该篇论文探讨了在大规模计算框架中对于最大匹配问题的解决方法,最终在机器拥有稍微低于线性内存的条件下,实现了近乎指数级的算法复杂度优化。
Jul, 2017
本文提出了单遍流式和在线算法的受约束 k - 次模最大化,其中包含基数和背包约束限制,该算法可以提供不错的近似解和高效的解决方案,并在广告分配等应用实例上得到了验证。
May, 2023
研究表明,任何针对 $n$- 顶点有向图中 $s$-$t$ 可达性问题的二遍流图算法都需要近似二次的 $n^ {2-o (1)}$ 比特空间,这个相当于空间的下界也适用于其他基本问题,例如最大二分匹配和在无向图中(近似)最短路径。
Sep, 2020
该论文研究设计了一种流式亚模量最大化算法 SALSA,用于提取数据多样性、非参数学习、核机器、聚类等方面的大规模数据集的代表性摘要,取得了比现有算法更好的近似效果。
Aug, 2018
该研究主要针对单次流式处理的情况下,最大化一个非负子模集函数 f 编制一些确定性和随机算法,以实现对 p 匹配约束条件的大约 1 /p 的逼近,假设具有时间和资源约束。
Apr, 2015