Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2502.05877

帮助 | 高级搜索

计算机科学 > 数据结构与算法

arXiv:2502.05877 (cs)
[提交于 2025年2月9日 (v1) ,最后修订 2025年2月14日 (此版本, v2)]

标题: 无源定向:一种局部采样器及其应用

标题: Sink-free orientations: a local sampler with applications

Authors:Konrad Anand, Graham Freifeld, Heng Guo, Chunyang Wang, Jiaheng Wang
摘要: 对于最小度至少为$3$的图中的无源定向,我们证明存在一个确定性近似计数算法,其运行时间为$O((n^{73}/\varepsilon^{72})\log(n/\varepsilon))$,一个接近线性时间的采样算法,以及一个随机近似计数算法,其运行时间为$O((n/\varepsilon)^2\log(n/\varepsilon))$,其中$n$表示输入图的顶点数,$0<\varepsilon<1$是所需的精度。所有三个算法都基于在部分拒绝采样框架(Guo, Jerrum, and Liu, 2019)下对无源弹出方法(Cohn, Pemantle, and Propp, 2002)的局部实现。
摘要: For sink-free orientations in graphs of minimum degree at least $3$, we show that there is a deterministic approximate counting algorithm that runs in time $O((n^{73}/\varepsilon^{72})\log(n/\varepsilon))$, a near-linear time sampling algorithm, and a randomised approximate counting algorithm that runs in time $O((n/\varepsilon)^2\log(n/\varepsilon))$, where $n$ denotes the number of vertices of the input graph and $0<\varepsilon<1$ is the desired accuracy. All three algorithms are based on a local implementation of the sink popping method (Cohn, Pemantle, and Propp, 2002) under the partial rejection sampling framework (Guo, Jerrum, and Liu, 2019).
评论: 15页,1图。v2:更新了讨论部分
主题: 数据结构与算法 (cs.DS) ; 离散数学 (cs.DM); 概率 (math.PR)
引用方式: arXiv:2502.05877 [cs.DS]
  (或者 arXiv:2502.05877v2 [cs.DS] 对于此版本)
  https://doi.org/10.48550/arXiv.2502.05877
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Heng Guo [查看电子邮件]
[v1] 星期日, 2025 年 2 月 9 日 12:25:09 UTC (28 KB)
[v2] 星期五, 2025 年 2 月 14 日 14:34:24 UTC (28 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.DS
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-02
切换浏览方式为:
cs
cs.DM
math
math.PR

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号