Online Sum-Radii Clustering

Fotakis, Dimitris; Koutris, Paraschos

doi:10.1016/j.tcs.2013.03.010

Cited by 6 publications

(3 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The problems are complicated by situations where the set of clients may change over time, for example documents in a very large database that must be efficiently searchable and maintained. This then leads to various models: online [14,16], incremental [13], streaming, or dynamic. The dynamic setting, where clients may not only arrive but also depart, has been empirically studied at least since 1993 [12], and is the focus of the present paper, with the joint goals of maintaining clusterings whose objective value is close to optimal, and of updating the cluster quickly after each event.…”

Section: Introductionmentioning

confidence: 99%

Dynamic Clustering to Minimize the Sum of Radii

2020

View full text Add to dashboard Cite

In this paper, we study the problem of opening centers to cluster a set of clients in a metric space so as to minimize the sum of the costs of the centers and of the cluster radii, in a dynamic environment where clients arrive and depart, and the solution must be updated efficiently while remaining competitive with respect to the current optimal solution. We call this dynamic sumof-radii clustering problem.We present a data structure that maintains a solution whose cost is within a constant factor of the cost of an optimal solution in metric spaces with bounded doubling dimension and whose worst-case update time is logarithmic in the parameters of the problem.

show abstract

Section: Introductionmentioning

confidence: 99%

Dynamic Clustering to Minimize the Sum of Radii

2020

View full text Add to dashboard Cite

show abstract

“…Finally, the dynamic environments defined for OFL [52]- [54] can be defined for other optimization problems, such as the Dynamic Sum-Radii Clustering in the Online Setting problem [52], [76]. Many of the techniques used there seem to be generic and hence can be applied to solve these dynamic variants.…”

Section: Discussion and Open Problemsmentioning

confidence: 99%

Online Algorithmic Study of Facility Location Problems: A Survey

Markarian

2024

IEEE Access

View full text Add to dashboard Cite

Facility Location problems are one of the most prominent optimization problems in computer science, operations research, and combinatorial optimization. Their simple yet intrinsic structure has led to their widespread application in diverse fields, such as leasing, clustering, and urban planning. In facility location problems, potential sites for opening facilities, like warehouses, each have an associated opening cost. Client locations, such as stores, require service from a facility, incurring a cost proportional to their distance from them when assigned. Identifying optimal facility locations to minimize total costs associated with opening facilities and client assignment is the aim. This paper focuses on the online setting, in which client locations are revealed to the algorithm incrementally, unlike the classical offline setting, in which all client locations are given in advance. In this dynamic context, often referred to as the online algorithm scenario, immediate decisions are made to determine whether the newly disclosed client should be assigned to an existing facility or necessitate the establishment of a new facility. To gauge the effectiveness of online algorithms, the concept of competitive analysis is employed. This approach assesses the worst-case performance of online algorithms by comparing them to an optimal algorithm equipped with complete knowledge of forthcoming input sequences. Despite the considerable significance of the Facility Location problem and the substantial body of literature on it within the online algorithm framework, this article represents the first comprehensive summary of these research findings. It explores the algorithmic techniques employed, delves into practical applications, and identifies pertinent research gaps within this domain.

show abstract

“…Koutris [53] reviewed several results for network leasing problems, and presented a randomized O(K lg n/ lg lg n)-competitive algorithm for the online facility leasing problem. Fotakis and Koutris [32] also proposed the online sum-radii clustering problem, which is related to the parking permit problem.…”

Section: Related Workmentioning

confidence: 99%

Parking permit and network leasing problems

Lima¹

View full text Add to dashboard Cite

Na minha dissertação de mestrado, eu agradeci a minha mãe por ter colocado meus estudos como prioridade, e a meu avô Euzébio por me ensinar a tocar "Buckets of Rain" do Dylan durante um sonho. Hoje eu entendo que meu avô me ensinou a tocar violão, mas também ensinou minha mãe a priorizar os estudos.Na comunidade rural onde minha mãe nasceu, a escola só ia até a quinta série (atual sexto ano) do ensino fundamental. Meu avô obrigou minha mãe a repetir a quinta série várias vezes, pra não deixar de ir à escola. (Por fim ela se mudou pra cidade, concluiu o ensino médio e hoje tem duas formações técnicas.) Lembro que ele se gabava de, com apenas seis meses de estudo, ter exercido várias profissões: tropeiro, contador, juiz de paz e, curiosamente pra mim que sou combinatorista, caixeiro-viajante. Tendo feito tanto com tão pouco, desejou pra seus filhos o conhecimento que não pôde ter.Agradeço então a meu avô, que partiu pra outra classe de complexidade em dez de junho do ano passado (um sábado, como ele tinha planejado), por ter deixado um legado que chegou até mim. Gostaria que ele tivesse gozado, em vida, o orgulho de um neto doutor. E agradeço a minha mãe, por ter se empenhado como pôde e como não pôde em transmitir esse legado.Agradeço aos demais membros da minha família pelo amor e suporte. Agradeço a meus tios Elisa e Harry e a Arthur Miranda pelo incentivo a entrar no doutorado.Agradeço a meus orientadores Orlando Lee e Mário César San Felice pelo trabalho conjunto. Em particular, agradeço ao Lee pela compreensão em diversos momentos, e ao Mário por me tirar da zona de conforto e instigar a busca por demonstrações didáticas e pela compreensão da intuição por trás dos resultados.Agradeço aos membros da banca examinadora pela disponibilidade e pelas considerações.Agradeço aos demais professores que passaram pela minha vida e que me inspiraram o gosto pelo conhecimento, aos professores que lhes inspiraram, e assim recursivamente.Agradeço aos amigos que fiz durante este período, em especial Atílio Gomes, André Silva, Maycon Sambinelli e Yulle Glebbyo. Aos demais amigos que me deram suporte e companhia neste período, em especial Caio Ravagnani, Paulo Ohana, João Moreira, João Alexandre Marson e Adriel Visoto. Agradeço a Fábio Leme pelos bons momentos que passamos juntos, período no qual consegui provar os resultados mais difíceis desta tese.Agradeço à UNICAMP e ao Instituto de Computação pela oportunidade. Agradeço ao CNPq (Processo 142161/2014-4) e à FAPESP em conjunto com a CA-PES (Processo 2014/18781-1) pelo auxílio financeiro.Agradeço aos dois últimos presidentes eleitos legitimamente no Brasil, pelo esforço em investir no ensino e na pesquisa. Minha trajetória acadêmica é fruto desse investimento.E agradeço ao Regente, pelas probabilidades que me favoreceram e pelas que me trouxeram aprendizado. SN Steiner network problem SLeSteiner leasing problem SNLeSteiner network leasing problem ST Steiner tree problem STLe Steiner tree leasing problem val(S) value of solution S (implicit instance) val(S, I) value of soluti...

show abstract

Online Sum-Radii Clustering

Cited by 6 publications

References 18 publications

Dynamic Clustering to Minimize the Sum of Radii

Dynamic Clustering to Minimize the Sum of Radii

Online Algorithmic Study of Facility Location Problems: A Survey

Parking permit and network leasing problems

Contact Info

Product

Resources

About