卡达布拉

KADABRA是一种基于随机逼近的中间性自适应算法。本文提出了一种新的算法KADABRA来逼近有向图和无向图的中间度中心度,它在实际复杂网络中的性能明显优于以往的所有方法。新算法的效率依赖于两个独立的理论贡献。第一个贡献集中在采样最短路径上,这是大多数算法所使用的一个近似中间性中心的子程序。我们证明,在现实随机图模型上,我们可以在时间$| ^{1/2+o(1)}$时间内以高概率执行该任务,相对于$Theta(| E |)$最坏情况的性能,获得了显著的加速。我们的实验表明,这种新技术在现实世界的复杂网络上也达到了类似的加速效果。第二个贡献是自适应采样技术的新的严格应用。该方法减少了在给定绝对误差下计算所有中间点中心点所需采样的最短路径总数,并且还可以处理更一般的问题,例如计算$k$最中心节点。此外,我们的分析是一般性的,也可以扩展到其他设置。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换