具有隨機時間範圍的獨立同分佈預測不等式：超越遞增的故障率
本文探討了在隨機時間範圍下，如何利用單一門檻演算法，在更廣泛的機率分佈（如G類和G類）中，實現預測不等式的最佳解，並證明了單一門檻演算法的限制，以及更複雜演算法（如秘書問題演算法）的潛力。
基於實例的軌跡重建問題研究：一種新方法
本文提出了一種基於實例的方法來解決軌跡重建問題，並引入「Levenshtein 難度」來衡量特定字符串重建的難度，並設計了一種針對特定字符串類別的演算法，該演算法在 Levenshtein 難度趨近於零時，其錯誤概率也趨近於零。
在預算限制下公平分配家務
本研究探討在有限預算（如時間限制）下，如何公平分配家務給多個代理人，並提出相應的演算法和公平性保證。
涵蓋不同葉子數量的生成樹研究
本文證明了對於任何連通圖，可以生成葉子數量在最小值和最大值之間的任何數量的生成樹。
確定性後綴讀取自動機
本文介紹了一種新的自動機模型——確定性後綴讀取自動機 (DSA)，它能更簡潔地識別正規語言，並探討了從 DFA 構建 DSA 的演算法以及 DSA 最小化問題的複雜性。
針對平均情況下正交向量和最近對問題的更快算法
本文提出了一種基於多項式方法的新算法，用於解決平均情況下的正交向量問題和最近對問題，並證明其在所有參數範圍內都比現有的最壞情況算法更快。
基於格結構的精確分解分支算法
本文提出了一種基於格結構的精確分解分支算法，用於解決混合整數線性規劃問題中嚴格不等式帶來的挑戰。
基於程序查找的自動機尺寸縮減技術
本文提出了一種通過識別和壓縮重複子圖來減小有限自動機尺寸的新方法，這些子圖被視為單一程序的調用，並使用寄存器存儲調用上下文，從而實現自動機的簡化。
比學習直方圖更有效率地測試支持度大小
這篇研究論文提出了一種新的算法，用於測試概率分佈的支持度大小，其效率優於現有的基於學習直方圖的方法。
無需阻塞子句的 SAT 和 SMT 不相交投影枚舉算法
本文提出了一種名為 TabularAllSAT 和 TabularAllSMT 的新型 AllSAT 和 AllSMT 求解器，它們結合了衝突驅動子句學習 (CDCL) 和時間回溯，在不使用阻塞子句的情況下實現了高效的不相交枚舉，並通過積極的蘊含項簡化算法來減少搜索空間。
© 2024 by Linnk AI