研究人员为增量强连通分量（SCC）问题开发了一种新的数据结构，该问题涉及在一段时间内随着边的添加来维护有向图的 SCC。该算法利用机器学习对边序列的预测来预先计算部分解，旨在加快插入速度。理论分析表明，该算法在预测准确的情况下可以达到近乎最优的界限，并且其性能会随着预测误差而优雅地下降。在真实数据集上的实验结果表明，理论预测与实际运行时间的改进相符。 AI
影响 引入了一种使用机器学习预测的图算法新方法，有可能提高动态图分析的效率。
排序理由 这是一篇发表在 arXiv 上的研究论文，详细介绍了一种新算法和数据结构。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.26062v1 Announce Type: cross Abstract: Algorithms with predictions is a growing area that aims to leverage machine-learned predictions to design faster beyond-worst-case algorithms. In this paper, we use this framework to design a learned data structure for the increme…