流式去随机化

流算法在大多数情况下要求随机化以完成不平凡的事情，并且由于空间限制，需要使用空间少的PRG。到目前为止，我知道被引用用于流算法的两种方法：

• -wise独立PRGS像原来使用的阿龙/马蒂亚斯/ Szegedy 4-明智独立的家族 ˚F 2估计问题，和概括为（比方说）2-稳定性为基础的方法 ℓ 2素描$k$$F_2$$\ell_2$
• Nisan的PRG通常可用于任何类型的小空间问题。

我对可以实现的方法特别感兴趣。从表面上看，上述两种方法似乎都相对易于实现，但是我很好奇是否还有其他方法。

一些流算法使用扩展器图。不过，这是某种程度上的非随机化形式（原则上没有随机位）。

在许多几何算法中，随机采样可以被ε-net和ε-近似（具有VC维度的某些适当范围空间）代替，并且可以通过流算法有效地维护这些随机采样-请参阅我的论文“几何中的确定性采样和范围计数”数据流”，来自SoCG 2004和ACM Trans的 Bagchi，Chaudhari和Goodrich 。海藻 2007年。

$\epsilon$

J. Feldman，S。Muthukrishnan，A。Sidiropoulos，C。Stein，Z。Svitkina，“关于分布对称流计算”，SODA 2008。