Streaming derandomizzazione

12

Gli algoritmi di streaming richiedono la randomizzazione per la maggior parte per fare qualcosa di non banale e, a causa del vincolo di spazio ridotto, hanno bisogno di PRG che utilizzano poco spazio. Conosco due metodi che sono stati citati per l'uso negli algoritmi di stream finora:

PRG indipendenti -wise come la famiglia indipendente a 4 saggi utilizzata da Alon / Matias / Szegedy per ilproblema di stimaoriginale di e generalizzazioni per metodi basati su 2 stabilità per (diciamo) sketch $k$ $F_2$ $\ell_2$
Il PRG di Nisan che funziona in generale per qualsiasi tipo di problema di spazio ridotto.

Sono particolarmente interessato ai metodi che possono essere implementati. A prima vista, entrambi gli approcci sopra sembrano relativamente facili da implementare, ma sono curioso di sapere se ce ne sono altri là fuori.

— Suresh Venkat
fonte

10

Alcuni algoritmi di streaming utilizzano grafici di espansione. Questa è una forma un po 'estrema di de-randomizzazione (niente bit casuali, in linea di principio).

— Piotr
fonte

Hai un riferimento per tali esempi?

— Suresh Venkat,

3

Uno di questi riferimenti è: S. Ganguly, "Algoritmi del flusso di dati tramite grafici di espansione", ISAAC 2008. Esistono anche diversi algoritmi per il recupero sparse (un problema strettamente correlato) che utilizzano matrici di espansione. Vedere il seguente sondaggio per una panoramica: A. Gilbert, P. Indyk, "Recupero rado usando matrici sparse", Atti dell'IEEE, 2010.

— Piotr,

6

In molti algoritmi geometrici il campionamento casuale può essere sostituito da reti ε e approssimazioni ε (di alcuni spazi di intervallo appropriati con dimensione VC finita) e questi possono essere mantenuti in modo efficiente da un algoritmo di streaming - vedere il mio documento "Campionamento deterministico e conteggio dei range in geometrico Data Streams "con Bagchi, Chaudhari e Goodrich di SoCG 2004 e ACM Trans. Alg. 2007 .

— David Eppstein
fonte

sì, questo è un altro buon esempio. Me ne sono dimenticato.

— Suresh Venkat,

6

$\epsilon$

J. Feldman, S. Muthukrishnan, A. Sidiropoulos, C. Stein, Z. Svitkina, "Sulla distribuzione di calcoli simmetrici in streaming", SODA 2008.

— Piotr
fonte