流式、局部和多层次（超）图分解
摘要：(超)图分解是一类问题，旨在将大型(超)图分解为更小的子(超)图，以便进行更容易的分析。其重要性在于能够实现对大型和复杂的(超)图（例如社交网络、化学化合物和计算机网络）进行高效计算。本论文探讨了几种类型的(超)图分解问题，包括图分割、超图分割、局部图聚类、过程映射和带符号图聚类。我们的主要关注点是流式算法、局部算法和多层次算法。在流式算法方面，我们提出了高效且有效的(超)图分割和过程映射算法。在局部算法方面，我们提出了亚线性算法，根据给定模型的分布，在图中检测围绕给定种子节点的高质量局部社区。在多层次算法方面，我们设计了高质量的多层次算法，用于过程映射和带符号图聚类。我们详细讨论了每个算法，并通过实验结果证明它们在各项指标上优于现有的最先进技术。结果表明，所提出的算法在性能和解决方案上都取得了改进，非常有潜力用于实际应用。总的来说，本论文展示了高级组合算法技术在解决具有挑战性的(超)图分解问题中的有效性。
作者：Marcelo Fonseca Faraj
论文ID：2308.15617
分类：Data Structures and Algorithms
分类简称：cs.DS
提交时间：2023-08-31