的一部分神经信息处理系统的进展33(NeurIPS 2020)
韩凯、曹宗迈、崔爽、吴本伟
研究拟阵约束下非单调非负子模函数的最大化问题。这个问题之前最著名的确定近似比是$\frac{1}{4}-\epsilon$在$\mathcal{O}(({n^4}/{\epsilon})\logn)$时间复杂性下。我们证明了在$\mathcal{O}(nr)$时间复杂度下,这个确定性比可以提高到$\frac{1}{4}$,然后提出了一个更实用的算法TwinGreedyFast,它实现了$\frac{1}{4}-\ε$在$\mathcal{O}(\frac{n}{\epsilon}\log\frac}{\ε})$的近线性运行时间中的确定比率。我们的方法基于一种新的算法框架,通过贪婪搜索同时构造两个候选解集,这使我们能够通过充分利用独立系统的特性来获得改进的性能边界。作为该框架的副产品,我们还证明了TwinGreedyFast在具有相同时间复杂性的$p$-set系统约束下实现了$\frac{1}{2p+2}-\epsilon$确定性比率。为了展示我们的方法的实用性,我们对TwinGreedyFast在两个网络应用程序上的性能进行了实证评估,并观察到它优于最先进的确定性和随机化算法,并且能够有效地实现我们的问题。
在电子程序中更改姓名的请求将被接受,不会提出任何问题。然而,名称更改可能会导致书目跟踪问题。作者被要求仔细考虑这一点,并在要求在电子诉讼中更改姓名之前与合著者进行讨论。
使用“报告问题”链接请求更改名称。