Effiziente Algorithmen für die Maximierung verrauschter submodularer Funktionen unter verschiedenen Nebenbedingungen, die eine Approximationsgarantie nahe dem besten möglichen Wert erreichen.
Die Planung von Aufträgen, die gleichzeitig von mehreren Servern bearbeitet werden müssen, ist eine komplexe Aufgabe. Selbst wenn alle Aufträge die gleiche Bearbeitungszeit haben, ist der Wettbewerbsgrad jedes deterministischen oder randomisierten Algorithmus mindestens Ω(𝐾), wobei 𝐾die Gesamtzahl der Server ist.
Das Ziel ist es, eine Zuweisung von Agenten zu Knoten (z.B. Wohnungen) in einem Netzwerk so zu finden, dass die Diversitätsebene maximiert wird. Dabei werden die Agenten in zwei Typen unterteilt und Diversität durch die Anzahl der Agenten gemessen, die mindestens einen Nachbarn eines anderen Typs haben.
Der Beitrag untersucht den Kontentionsauflösungsrahmen, eine vielseitige Rundungstechnik, die als Teil des Relaxations- und Rundungsansatzes zur Lösung eingeschränkter submodularer Funktionsmaximierungsprobleme verwendet wird. Der Autor wendet diesen Rahmen auf das Hypergraph-Matching, das Rucksackproblem und k-spaltige dünne Packungsprobleme an.
In diesem Papier wird ein 2-Approximations-Algorithmus mit einer Zeitkomplexität von O(|E|lgN) vorgestellt, wobei |E| die Anzahl der Kanten und N die Anzahl der Knoten ist.
Ein 2-Approximations-Algorithmus mit einer Zeitkomplexität von O(|E|lgN) wird vorgestellt, um ein Minimum-Manhattan-Netzwerk zu konstruieren, das alle gegebenen Punkte in einem 2D-Raum verbindet.