अंतरिक्ष-सन्निकटन व्यापार-बंद


14

अपने पेपर में अनुमानित दूरी की ओरकल्स , थोरुप और ज़्विक ने दिखाया कि किसी भी भारित अप्रत्यक्ष ग्राफ के लिए, आकार डेटा संरचना का निर्माण करना संभव है जो कि ( 2 k - 1 ) -approximate को वापस कर सकती है। ग्राफ में किसी भी जोड़ी के बीच की दूरी।O(kn1+1/k)(2k1)

एक बुनियादी स्तर पर, यह निर्माण एक अंतरिक्ष-सन्निकटन व्यापार को बंद कर देता है --- समाधान की कम "गुणवत्ता" की कीमत पर अंतरिक्ष आवश्यकताओं को कम कर सकता है।

अंतरिक्ष और सन्निकटन के बीच इस तरह की अन्य व्यापार समस्याओं का प्रदर्शन क्या होता है?

मुझे स्टैटिक और डायनामिक, वेटेड और अनवीटेड, इनडायरेक्ट और डायरेक्टेड दोनों ग्राफ्स के मामले में दिलचस्पी है।

धन्यवाद।


व्यापार-बंद का मतलब आमतौर पर एक निचली सीमा होती है: यदि आप एक चीज को छोटा बनाते हैं, तो दूसरे को बड़ा होने की जरूरत है। क्या आप ऊपरी बाध्य परिणाम चाहते हैं (जैसा कि आपके उदाहरण में), या कम बाध्य परिणाम?
योशियो ओकामोटो

1
@ योशियोओकामोटो - एक ऊपरी बाध्य एक व्यापार-बंद "हासिल" कर सकता है --- एक ऊपरी बाध्य का मतलब यह नहीं हो सकता है कि व्यापार-बंद जरूरी है (जो एक कम बाध्य प्रश्न है), लेकिन यह एक को प्राप्त कर सकता है। क्या वह सही है? उस के बावजूद, मैं दोनों निचली सीमा और ऊपरी सीमा में दिलचस्पी रखता हूं।
रचिट

जवाबों:


-2

यह शोध "डेटा स्ट्रीमिंग" एल्गोरिदम के साथ आपके द्वारा उल्लिखित सैद्धांतिक (यानी oracles आदि) की तुलना में अधिक लागू अर्थों में सक्रिय प्रतीत होता है, जो "स्लाइडिंग विंडोज़" के माध्यम से बहुत बड़े डेटा के साथ काम करने का प्रयास करता है, जिसमें कई ग्राफ़ एल्गोरिदम माना जाता है, लेकिन यह वास्तव में अपेक्षाकृत नया / हाल ही में, "बड़े डेटा" अनुसंधान निर्देशों के साथ फिटिंग है ।

हमने डब्ल्यू-स्ट्रीम मॉडल में मूलभूत ग्राफ की समस्याओं के लिए कई एल्गोरिदम तैयार किए हैं, जिसमें जुड़े घटक, न्यूनतम फैले हुए पेड़, द्विध्रुवीय घटक और एकल-स्रोत सबसे छोटे पथ शामिल हैं। हमारे ज्ञान का सबसे अच्छा करने के लिए, हमारे एल्गोरिदम डेटा स्ट्रीमिंग सेटिंग में ऐसी समस्याओं के लिए प्रभावी स्थान / पास ट्रेडऑफ़ की अनुमति देने वाले पहले हैं।

इस रेफरी में अन्य रेफरी / सर्वेक्षण शामिल हैं जो सहायक हो सकते हैं।

[शास्त्रीय स्ट्रीमिंग] मॉडल द्वारा लगाए गए भारी प्रतिबंधों के बावजूद, कई डेटा स्केचिंग और आंकड़ों की समस्याओं के लिए बड़ी सफलता हासिल की गई है, जिसके लिए लगभग निरंतर पास और पॉलीग्लॉरिथिक वर्किंग मेमोरी लगभग अनुमानित समाधान खोजने के लिए पर्याप्त साबित हुई है (देखें 4) 16, 17] और [7, 29] में व्यापक ग्रंथ सूची)।

भी:

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.