For a graph G=(V,E), finding a set of disjoint edges that do not share any vertices is called a matching problem, and finding the maximum matching is a fundamental problem in the theory of distributed graph algorithms. Although local algorithms for the approximate maximum matching problem have been widely studied, exact algorithms has not been much studied. In fact, no exact maximum matching algorithm that is faster than the trivial upper bound of O(n^2) rounds is known for the general instance. In this paper, we propose a randomized O(s_{max}^{3/2}+log n)-round algorithm in the CONGEST model, where s_{\max} is the size of maximum matching. This is the first exact maximum matching algorithm in o(n^2) rounds for general instances in the CONGEST model. The key technical ingredient of our result is a distributed algorithms of finding an augmenting path in O(s_{\max}) rounds, which is based on a novel technique of constructing a sparse certificate of augmenting paths, which is a subgraph of the input graph preserving at least one augmenting path. To establish a highly parallel construction of sparse certificates, we also propose a new characterization of sparse certificates, which might also be of independent interest.


翻译:对于图形 G= (V, E) 来说, 找到一组不共享任何脊椎的脱节边缘被称为匹配问题, 找到最大匹配是分布式图表算法理论中的一个基本问题。 虽然对近似最大匹配问题的本地算法进行了广泛研究, 但准确的算法尚未研究过。 事实上, 普通例子中并不已知比 O( ⁇ 2) 回合的微小上界更快的精确最大匹配算法。 在本文中, 我们提议在 ONEEST 模型中随机设置一个 O( max) 3 ⁇ 3/2 ⁇ log n) 回合算法, 这个模型中, 最大匹配是最大匹配的大小。 这是 o( n) 2 模型中用于一般情况的首个精确的最大匹配算法。 我们结果的关键技术成分是在 O( { { max} ) 回合中找到一个扩展路径的扩展路径的分布式算法, 其基础是构建一个稀薄的扩展路径证书的新技术, 这是输入图的子图至少保存一个辅助路径。 为了确定一个高度平行的证书的高度平行结构。

0
下载
关闭预览

相关内容

【经典书】算法博弈论,775页pdf,Algorithmic Game Theory
专知会员服务
149+阅读 · 2021年5月9日
专知会员服务
41+阅读 · 2021年4月2日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月29日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Arxiv
0+阅读 · 2021年6月13日
Arxiv
0+阅读 · 2021年6月12日
Arxiv
19+阅读 · 2020年7月13日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
已删除
将门创投
3+阅读 · 2019年1月29日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Top
微信扫码咨询专知VIP会员