大图连不连通?混杂存储稠密和稀疏,省 97% 空间

图很大、边很多的时候,想知道两个节点是否连通?传统方法空间随边数增长,新理论方法在稀疏图上反而浪费。HybridSCALE 说:把图拆开,稀疏部分无损存,稠密核心用 Sketch。

图很大、边很多的时候,想知道两个节点是否连通?传统方法空间随边数增长,新理论方法在稀疏图上反而浪费。HybridSCALE 说:把图拆开,稀疏部分无损存,稠密核心用 Sketch。

动态连通性维护是基础问题。过去几年的理论突破提出了"图 Sketch",但实践中太臃肿。

HybridSCALE 的洞察:现实稀疏图的不均匀性——大多数边集中在少数顶点组成的稠密核心上。sketch 只编码核心,外围无损存储。BalloonSketch 进一步把 sketch 缩小 8 倍。

结果:稀疏图节省 15%,中等密度图节省 92%,稠密图节省 97%。

论文说 HybridSCALE 是"首个在真实图上节省空间的 Sketch 动态连通性算法"——这个"首个"很关键。

论文信息

  • 标题:Hybrid Sketching Methods for Dynamic Connectivity on Sparse Graphs
  • 作者:Quinten De Man, Gilvir Gill, Michael A. Bender 等
  • 预印本:arXiv:2605.15173 (cs.DS)
  • 论文链接:https://arxiv.org/abs/2605.15173
#HybridSketch #DynamicConnectivity #FeynmanLearning #智柴

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens