演算法和資料結構

Accedi

approfondimento - 演算法和資料結構

本文提出了一種名為「指標潛水」(ID) 的新型潛水啟發式演算法，用於解決具有無界半連續變數的混合整數問題，並通過實驗證明了該演算法在尋找高質量解方面的效率。

本文透過引入多重球向量系統，改進了VC維度技術在無小圖有向圖中的應用，並設計了用於解決加權、未加權和動態設定下距離相關問題的次二次演算法。

組合探索是一種新的、與領域無關的演算法框架，它可以自動且嚴謹地研究組合物件的結構，並推導出它們的計數序列和生成函數。

本文探討了在分配問題中，當邊權重未知且需要透過查詢獲取時，如何設計高效的探索演算法，以最小化查詢次數並保證解的品質。

線上約會應用程式利用複雜的演算法，例如 Gale-Shapley 演算法，來處理大量數據並提高配對效率。

本文深入探討放鬆近端點演算法（RPPA）在求解凸優化問題的效能，特別是分析不同放鬆策略對其收斂速度的影響，並提出新的放鬆策略以提升演算法效率。

StreamCpi 是一個新的框架，它通過對區塊分配進行行程壓縮，減少了串流圖論劃分器的記憶體開銷，從而可以在邊緣設備上對兆邊圖進行高效、高品質的劃分。

本文旨在探討如何在考慮事前與事後公平性的前提下，將不可分割商品或混合商品（包含可分割和不可分割商品）公平分配給具有加總效用的代理人。

本文提出了一種針對集合、堆疊、佇列和優先佇列資料結構進行線性化監控的高效演算法，並證明了在特定條件下，該問題可以在線性時間內解決。

本文探討如何利用多維度比例代表制的概念，設計更公平、更具代表性的選舉制度，並提出三種基於此概念的具體方法，比較其在比例性、代表性和投票權重方面的表現。

Chi Siamo

Prodotti | Risorse

Approfondimenti