项目名称: 基于“测量治之”方法的算法设计研究

项目编号: No.61370071

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 肖鸣宇

作者单位: 电子科技大学

项目金额: 75万元

中文摘要: 测量治之方法(The Measure & Conquer Method)是2006年被提出来的一种新的算法设计与分析方法,该方法在NP难问题的精确算法设计中得到很好的应用。它从简单的算法中巧妙地抓住问题的性质从而给出改进的运行时间上界。目前很多NP难问题的最佳精确算法就是基于该方法设计的。本项目主要研究内容包括:1. 进一步研究测量治之方法中权值的约束和测量,扩充该方法的理论框架,并研究该方法在参数算法等的应用;2. 基于该方法为包括反馈集、支配集、图修改问题在内的各种基本NP难问题设计更快的算法。申请人是最早研究该方法的科研人员之一,目前已基于该方法为诸如边支配集、低度图TSP、低度图独立集等多个问题设计了当前最佳精确算法,近三年来在Algorithmica、TCS等国际重要期刊和会议上第一作者发表该方向的论文21篇。项目组在科研上很活跃,有较强理论研究基础,能承担基础科研项目。

中文关键词: 精确算法;NP难问题;图算法;分摊分析;参数算法

英文摘要: The measure-and-conquer method, firstly introduced in 2006, is a new technique that has been found great applications in the design and analysis of exact algorithms for hard problems. This method catches some good properties of the problems and then can l

英文关键词: Exact Algorithms;NP-Hard Problems;Graph Algorithms;Amortized Analysis;Parameterized Algorithms

成为VIP会员查看完整内容
0

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
48+阅读 · 2021年6月26日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
45+阅读 · 2020年12月4日
专知会员服务
42+阅读 · 2020年7月29日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的单视图三维重建算法学习路线
极市平台
8+阅读 · 2022年1月12日
魏哲巍:图神经网络的理论基础
图与推荐
0+阅读 · 2021年11月5日
干货 | 基于深度学习的目标检测算法综述
AI科技评论
18+阅读 · 2018年9月1日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
21+阅读 · 2018年8月20日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
W-net: Bridged U-net for 2D Medical Image Segmentation
Arxiv
19+阅读 · 2018年7月12日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
48+阅读 · 2021年6月26日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
29+阅读 · 2021年1月9日
专知会员服务
45+阅读 · 2020年12月4日
专知会员服务
42+阅读 · 2020年7月29日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
基于深度学习的多标签生成研究进展
专知会员服务
141+阅读 · 2020年4月25日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
基于深度学习的单视图三维重建算法学习路线
极市平台
8+阅读 · 2022年1月12日
魏哲巍:图神经网络的理论基础
图与推荐
0+阅读 · 2021年11月5日
干货 | 基于深度学习的目标检测算法综述
AI科技评论
18+阅读 · 2018年9月1日
干货 | 基于深度学习的目标检测算法综述(二)
AI科技评论
21+阅读 · 2018年8月20日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
贝叶斯机器学习前沿进展
机器学习研究会
21+阅读 · 2018年1月21日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员