计算机科学 > 数据结构与算法
[提交于 2025年7月16日
]
标题: 快速近似秩确定与分组测试选择
标题: Fast Approximate Rank Determination and Selection with Group Testing
摘要: 假设有一个组测试操作可用于检查集合中的顺序关系,这是否能加快寻找最小/最大元素、等级确定和选择等问题的速度? 我们考虑可用一个单边组测试,其中查询的形式为$u \le_Q V$或$V \le_Q u$,当且仅当存在某个$v \in V$使得$u \le v$或$v \le u$时,答案为“是”。 我们仅关注全序关系并专注于查询复杂度;对于最小值或最大值查找,我们给出一个拉斯维加斯算法,其预期查询次数为$\mathcal{O}(\log^2 n)$。 我们还给出了用于秩确定和选择的随机近似算法;我们允许估计的秩或选定元素中的相对误差为$1 \pm \delta$对于$\delta > 0$。 在这种情况下,我们给出一个蒙特卡洛算法用于近似秩确定,其期望查询复杂度为$\tilde{\mathcal{O}}(1/\delta^2 - \log \epsilon)$,其中$1-\epsilon$是该算法成功的概率。 我们还给出一个用于近似选择的蒙特卡洛算法,其期望查询复杂度为$\tilde{\mathcal{O}}(-\log( \epsilon \delta^2) / \delta^4)$; 它以至少$\frac{1}{2}$的概率输出一个元素$x$,并且如果这样,$x$以$1-\epsilon$的概率具有所需的近似排名。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.