Effiziente Approximation der Cutwidth und Pathwidth
Wir präsentieren eine log1+𝑜(1) (𝑛)-Approximation für das Minimum-Cutwidth-Problem und das Minimum-Pathwidth-Problem, was eine deutliche Verbesserung gegenüber den bisherigen polylogarithmischen Garantien darstellt.
Optimierung der Strahlenfokussierung für breitbandige Mehrnutzer-Nahfeldkommunikation
Die Studie untersucht ein Nahfeld-Breitbandsystem, in dem eine Basisstation mit einem extrem großen Antennenarray mehrere Nutzer in ihrem Nahfeldbereich bedient. Um die Nahfeld-Mehrnutzer-Strahlformung zu ermöglichen und die räumliche Breitbandwirkung zu mildern, verwendet die Basisstation eine hybride Strahlformungsarchitektur basierend auf Echtzeitverzogerern (TTDs). Neben der herkömmlichen vollständig verbundenen TTD-basierten hybriden Strahlformungsarchitektur wird eine neue teilverbundene Architektur vorgeschlagen, um die Energieeffizienz zu verbessern und den Hardware-Aufwand zu reduzieren. Zwei breitbandige Strahlformungsoptimierungsansätze werden vorgeschlagen, um die spektrale Effizienz für beide Architekturen zu maximieren.
Faire Tourenplanung - Überdenken des Multiple Traveling Salesman Problems
Die Studie präsentiert zwei neuartige parametrische Varianten des Multiple Traveling Salesman Problems (MTSP), die als "Fair-MTSP" bezeichnet werden. Diese Varianten zielen darauf ab, eine faire Verteilung der Tourlängen unter den Handelsvertretern durchzusetzen, während gleichzeitig die Gesamtkosten ihrer Touren minimiert werden.
Empirische Erreichbarkeitsfunktion zur Analyse von Einzelziel-Black-Box-Optimierungsalgorithmen
Die empirische Erreichbarkeitsfunktion (EAF) bietet gegenüber der zielbasierten empirischen kumulativen Verteilungsfunktion (ECDF) mehrere Vorteile für die Analyse von Einzelziel-Black-Box-Optimierungsalgorithmen. Die EAF erfordert keine vordefinierten Zielwerte, erfasst Leistungsunterschiede genauer und ermöglicht die Verwendung zusätzlicher Zusammenfassungsstatistiken.
Komplexität des Löschens der dichtesten Teilgraphen
Das Löschen einer beschränkten Anzahl von Kanten oder Knoten, um die Dichte des dichtesten Teilgraphen eines Graphen unter einen vorgegebenen Schwellenwert zu bringen, ist ein komplexes Problem.
Analyse und Überwindung lokaler Optima in komplexen mehrkriteriellen Optimierungsproblemen durch Dekompositions-basierte evolutionäre Algorithmen
Dekompositions-basierte mehrkriteriellen evolutionäre Algorithmen (MOEADs) neigen dazu, bei der Bearbeitung komplexer mehrkriterieller Optimierungsprobleme, insbesondere mit nicht-konvexen und nicht-uniformen Pareto-Fronten, in lokale Optima zu konvergieren, was die Lösungsvielfalt einschränkt. Die Arbeit zeigt, dass die traditionelle Methode der Referenzpunkt-Auswahl maßgeblich zu dieser Herausforderung beiträgt, und führt eine innovative Referenzpunkt-Auswahlstrategie ein, um dieses Problem zu überwinden.
Effiziente Algorithmen zum Sortieren unter partieller Information
Wir präsentieren den ersten Algorithmus, der eine subquadratische Anzahl von Teilordnungsanfragen verwendet, um die lineare Ordnung unter Verwendung von O(log e(P)) linearen Ordnungsanfragen zu ermitteln, wobei e(P) die Anzahl der linearen Erweiterungen der Teilordnung P ist.
Ein speichereffizientes und hochleistungsfähiges GPU-basiertes Framework für dynamische Graphen-Zufallswanderungen
FlowWalker ist ein GPU-basiertes Framework, das effiziente parallele Sampling-Methoden und ein leistungsfähiges Berechnungsmodul nutzt, um dynamische Graphen-Zufallswanderungen mit minimalem Speicherverbrauch durchzuführen.
Einfaches randomisiertes Bottom-up-Neuausgleichen von Binärsuchbäumen durch Münzwurf
Einfache randomisierte Bottom-up-Algorithmen zum Neuausgleichen von Binärsuchbäumen, die ohne zusätzliche Ausgleichsinformationen auskommen und in erwarteter konstanter Zeit arbeiten.
Einfaches Sortieren von sich entwickelnden Daten ist optimal und robust
Einfache, naive Sortieralgorithmen wie Naive Sort erzielen optimale Abweichung vom wahren Ranking bei sich ändernden Daten, sowohl in Bezug auf die maximale als auch die gesamte Abweichung.
© 2024 by Linnk AI