https://zbmath.org/atom/cc/68W 2024-04-15T15:10:58.286558Z 未知作者 Werkzeug公司 https://zbmath.org/1530.00025 2024-04-15T15:10:58.286558Z 本文摘自：当前计算机科学数学专题与2019年4月11日至12日在葡萄牙波尔图举行的第四届数值与符号计算国际会议SYMCOMP2019有关。关于第I-II部分，请参见[Zbl 1356.00057；Zbl 1407.00044]。 https://zbmath.org/1530.00041 2024-04-15T15:10:58.286558Z 摘自正文：符号和代数计算国际研讨会（ISSAC）是符号计算和计算机代数研究的首要会议。ISSAC 2018在美国纽约市纽约城市大学举行，是该系列的第43次会议，始于1966年的开创性ACM符号和代数操作研讨会。 https://zbmath.org/1530.05049 2024-04-15T15:10:58.286558Z “库切拉，卢德克” https://zbmath.org/authors/？q=ai:kucera.ludek 摘要：给出了一个并行（CRCW PRAM）算法，用于求解从具有（n）个顶点的（k）-可着色图族中随机抽取的图的（k\）-着色，其中（k=log^{O（1）}n）。该算法的平均运行时间是恒定的，处理器的数量等于\（|V|+|E|\），其中\（|V |\）、\（|E |\）分别为。是顶点、边的数量。输入图形的。关于整个集合，请参见[Zbl 0825.00128]。 https://zbmath.org/1530.05074 2024-04-15T15:10:58.286558Z “金恩荣” https://zbmath.org/authors/？q=ai:kim.eunjung|金恩荣 “马萨尼克，汤姆亚什” https://zbmath.org/authors/？q=ai:masarik.tomas “Pilipczuk，Marcin” https://zbmath.org/authors/？q=ai:pilipczuk.marcin-我 “莎玛，鲁哈尼” https://zbmath.org/authors/？q=ai:sharma.roohani “瓦尔斯特伦，马格纳斯” https://zbmath.org/authors/？q=ai:wahlstrom.magnus 摘要：最近引入的流量增大技术的第一个应用之一[\textit{E.J.Kim}等人，载于：第54届ACM SIGACT计算理论年会论文集，STOC’22，罗马，意大利，2022年6月20-24日。纽约州纽约市：计算机协会（ACM）。938--947（2022；Zbl 07774390）]是一种针对有向反馈顶点集加权版本的固定参数算法，这是参数复杂性中的一个里程碑问题。在本文中，我们探讨了流增强对其他由割集大小参数化的加权图分离问题的适用性。我们展示了以下内容：\开始{itemize}\在加权无向图中，Multicut在边删除和顶点删除版本中都是固定参数可处理的（FPT）。\item组反馈顶点集的加权版本是FPT，即使oracle可以访问组操作。\项目定向子集反馈顶点集的加权版本是FPT。\结束{itemize}我们的研究揭示了有向对称多截是下一个重要的图分离问题，其参数化复杂度未知，即使在未加权的情况下也是如此。 https://zbmath.org/1530.05146 2024-04-15T15:10:58.286558Z 阿里吉特·比什努 https://zbmath.org/authors/？q=ai：比什努·阿里吉特 “阿里吉特·戈什” https://zbmath.org/authors/？q=ai:ghosh.arijit “科莱，苏德什纳” https://zbmath.org/authors/？q=ai:kolay.sudeshna “米什拉，戈皮纳特” https://zbmath.org/authors/？q=ai:mishra.gopinath “Saurabh，Saket” https://zbmath.org/authors/？q=ai:saurabh.saket 摘要：在图问题的参数化流复杂度研究中，主要目标是为参数化问题设计流算法，使得（mathcal{O}（f（k）\log^{mathcal}O}，（1）}n）空间足够，其中（f）是一个仅依赖于参数\（k\）的任意可计算函数。然而，在过去几年中，很少取得积极成果。大多数具有上述性质的流算法的图问题都是需要进行局部检查的问题，如顶点覆盖或通过我们正在寻找的解决方案的大小\（k\）参数化的最大匹配。\textit{R.Chitnis}等人[SODA 2016，1326--1344（2016；Zbl 1409.68341）]表明，许多重要的参数化问题构成了传统参数化复杂性的主干，众所周知，任何流算法都需要（Omega（n））位存储；例如，反馈顶点集、偶数循环横截、奇数循环横截面、三角形删除或更一般的\（mathcal{F}\）-由解大小参数化时的子图删除\（k\）。我们的贡献在于利用参数化的强大功能，克服了在图删除问题中高效参数化流算法的障碍。我们关注顶点覆盖大小（K）作为我们考虑的参数化图删除问题的参数。在这项工作中，我们考虑了四种研究最深入的流模型：Ea、Dea、Va（顶点到达）和Al（邻接列表）模型。令人惊讶的是，在不同的模型中考虑顶点覆盖大小（K）会导致对诸如（mathcal{F}）-子图删除和（mathcal{F}\）-小删除等问题的正负结果进行分类。 https://zbmath.org/1530.05182 2024-04-15T15:10:58.286558Z “英戈·希米尔” https://zbmath.org/authors/？q=ai:schiermeyer.ingo 摘要：在本文中，我们描述并分析了一种用于确定3-可着色性问题的改进算法。如果（G）是一个关于（n）顶点的简单图，那么我们将证明该算法测试图的3着色性，即为（G）的顶点分配三种颜色，使得两个相邻顶点获得不同的颜色，步骤少于（O（1.415 ^n）。关于整个集合，请参见[Zbl 0825.00128]。 https://zbmath.org/1530.13045 2024-04-15T15:10:58.286558Z “Nabeshima，Katsusuke” https://zbmath.org/authors/？q=ai:nabeshima.katsusuke 本文讨论了参数多项式理想的广义Gröbner基的性质及其在构造综合Gróbner系统中的应用。设\（t=\{t_1，\ldots，t_m\}\）是一组参数，\（x=\{x_1，\ldot，x_n\}）是一个变量集。此外，设（K）为特征为零的字段。最后，设（F\子集K[t][x]\）是一组参数多项式。本文的目的是为（F）生成的理想找到一个参数Gröbner基。为此，作者首先计算了（F）在（K（t）[x]\）中作为理想的通用Gröbner基。然后，从集合G中产生了综合Gröbner系统的分支。这意味着一组null和not-null条件，使得对于满足这些条件的K^m中的每个（m）元组（\sigma=（\sigma_1，\ldots，\sigma-m），（G_\sigma）成为（K[x]\）中的（\langle F\rangle）的Gröbner基。通过创建其他分支机构，继续建设全面的Gröbner基地。基于此讨论的算法已在计算机代数系统Risa/Asir中实现，并与Kapur-Sun-Wang算法进行了比较。结果表明，新算法在一些例子中表现得更好。审查人：Amir Hashemi（伊斯法罕） https://zbmath.org/1530.14104 2024-04-15T15:10:58.286558Z “Kudo，Momonari” https://zbmath.org/authors/？q=ai:kudo.momonari “原田寿司” https://zbmath.org/authors/？q=ai:harashita.sushi 本文是会议论文的完整版本[\textit{M.Kudo}和\textit}S.Harashita}，Lect.Notes Compute.Sci.11321，58--73（2018；Zbl 1446.11120）]。研究了有限域上亏格（g）的超特殊超椭圆曲线的（q>2g+1）元计数问题。曲线有两种计数方式：通过\（\mathbb{F} （_q）\)-同构类和by（上划线{mathbb{F} （_q）}\)-同构类。对一些小的（q）和（g）进行了枚举，并讨论了它们在极大和极小超椭圆曲线上的应用。该算法利用超椭圆曲线的Cartier-Manin矩阵给出其系数的代数条件来检测曲线是否为超特殊曲线。对这些方程进行简化，以便使用Gröbner基计算来找到所有解。然后使用同构测试来删除已多次计数的曲线。本文还讨论了计算超椭圆曲线的自同构群和几何自同构组的算法，以及如何结合Galois上同调来确定（mathbb）的个数{F} （_q）\)-给定曲线在（上横线{mathbb上的形式{F} （_q）}\). 作为应用，作者计算了他们枚举的超特殊曲线的自同构群。评审人：Raymond van Bommel（马萨诸塞州剑桥市） https://zbmath.org/1530.2003 2024-04-15T15:10:58.286558Z “艾拉·德廷科” https://zbmath.org/authors/？q=ai:detinko.alla-秒 “弗兰纳里，戴恩·劳伦斯” https://zbmath.org/authors/？q=ai:flannery.dane-我 “亚历山大·约格·赫尔普克” https://zbmath.org/authors/？q=ai:hulpke.alexander 摘要：给出了一种描述有限生成Zarisk稠密群（H\leq\operatorname{SL}（n，mathbbZ））的所有同余映象的方法。应用该方法获得了求解该问题的奇素数（n）的有效算法；如果（n=2），那么我们只计算所有同余图的模素数。我们提出了一种单独的方法，只要（H）包含已知的横截面，该方法就适用于所有（n）。这些算法已经在GAP中实现，可以用最近出现的重要线性群类进行计算机实验。 https://zbmath.org/1530.20186 2024-04-15T15:10:58.286558Z “加西亚-加西亚，J.I.” https://zbmath.org/authors/？q=ai:garcia-加里亚·胡安·伊格纳西奥 “Marín-Aragón，D.” https://zbmath.org/authors/？q=ai:marin-文昌鱼 “Sánchez-Loureiro，A.” https://zbmath.org/authors/？q=ai:sanchez-卢雷罗。一 “Vigneron-Tenorio，A.” https://zbmath.org/authors/？q=ai:vigneron-阿尔贝托男高音 总结：数值半群在整个文献中都得到了广泛的研究，并且它们的许多不变量已经被刻画出来。在这项工作中，我们将关于对称、伪对称或基本间隙的一些最重要的结果推广到仿射（{mathcal{C}}）-半群。此外，我们还给出了计算具有给定Frobenius向量的不可约半群树和半群树的算法。 https://zbmath.org/1530.32007 2024-04-15T15:10:58.286558Z “伯尔，迈克尔” https://zbmath.org/authors/？q=ai:burr.michael-一个 “安东·莱金” https://zbmath.org/authors/？q=ai:leykin.anton 小结：给定一个解析函数系统和一个近似零，我们引入通货膨胀将该系统转换为一个具有正则二次零的系统。这就产生了一种隔离给定系统零点簇的方法。 https://zbmath.org/1530.35210 2024-04-15T15:10:58.286558Z “陈文霞” https://zbmath.org/authors/？q=ai:chen.wenxia “唐良平” https://zbmath.org/authors/？q=ai:tang.liangping（中文） “田立新” https://zbmath.org/authors/？q=ai:tian.lixin 小结：本文分析了最近在海洋物理和流体力学工程中得到广泛应用的（3+1）维广义Camassa-Holm-Kadomtsev-Petviashvili（gCH-KP）方程。基于Hirota双线性方法和符号计算，我们探索了集总解、呼吸解和新的相互作用解。通过理论计算得到了块溶液的最大值和最小值。通过绘制一些三维、二维图和密度图来描述这些解的动态特性。 https://zbmath.org/1530.35298 2024-04-15T15:10:58.286558Z “王玉凤” https://zbmath.org/authors/？q=ai:wang.yufeng “徐聪” https://zbmath.org/authors/？q=ai:xu.conf “杨，敏” https://zbmath.org/authors/？q=ai:yang.min “张，金” https://zbmath.org/authors/？q=ai:zhang.jin.10|张进.1 摘要：尽管物理信息神经网络（PINN）已成功应用于各种科学和工程领域，但在具有轻微挑战性的对流-扩散-反应问题中，它们可能无法准确预测潜在的解决方案。在本文中，我们从域分布的角度研究了这种失败的原因，并发现同时学习多尺度域会使网络无法推进其训练，并且容易陷入较差的局部极小值。我们表明，在高损失区域采样更多配置点的广泛经验几乎无助于优化，甚至可能恶化结果。这些发现推动了一种新的课程学习方法的发展，该方法鼓励神经网络优先考虑较容易的非层区域的学习，而淡化较难区域的学习。该方法有助于PINN自动调整学习重点，从而简化优化过程。对典型基准方程的数值结果表明，所提出的课程学习方法缓解了PINN的故障模式，并能对非常尖锐的边界和内部层产生准确的结果。我们的工作表明，对于解具有较大规模差异的方程，较少关注高损失区域是准确学习它们的有效策略。 https://zbmath.org/1530.37111 2024-04-15T15:10:58.286558Z 阿古斯汀·亚博 https://zbmath.org/authors/？q=ai:yabo.agustin-加布里埃尔 “Safey El Din，穆罕默德” https://zbmath.org/authors/？q=ai:safey-埃尔·迪恩·莫哈布 “Caillau，Jean-Baptiste” https://zbmath.org/authors/？q=ai:caillau.jean-巴普斯特 “Gouzé，Jean-Luc” https://zbmath.org/authors/？q=ai:gouze.jean-卢克 小结：我们通过一个动力学系统描述了微生物在连续生物反应器中的生长和增值化合物的产生，并利用经典的劳斯-赫尔维茨准则研究了利益平衡的局部稳定性。数学模型考虑了与生物过程相关的各种生物和结构参数（底物流入浓度、微化学反应常数、细胞内蛋白质的稳态质量分数等），因此，根据这些参数给出了稳定性条件。这归结为决定多项式不等式系统在实数上的一致性，从分析的角度来看，这是一个很有挑战性的问题，即使是设计用于解决此类问题的传统计算软件也无法解决。我们展示了如何利用多项式系统的结构特性，在几分钟内采用经典技术来求解多项式系统，从而完成模型的稳定性分析。论文附有Maple在线工作表。 https://zbmath.org/1530.42033 2024-04-15T15:10:58.286558Z “吉勒莫·雷伊” https://zbmath.org/authors/？q=ai:rey.guillermo 摘要：我们描述了一个贪婪算法，它近似于一般集合集合的Carleson常数。在一般情况下，近似值具有对数损失，但在只有轻微几何假设的情况下，在常数范围内是最佳的。该算法的构造性提供了有关稀疏集合的几乎不相交结构的附加信息。作为应用，我们给出了每维轴平行矩形集合的三个结果。第一个是Carleson和稀疏集合之间等价性的构造性证明，首先由\textit｛T.S.Hänninen｝[Ark.Mat.56，No.2333-339（2018；Zbl 1406.42028）]证明。第二个是结构定理，证明了每个有限集合（mathcal{E}）都可以划分为（mathca{O}（N））稀疏子族，其中（N\）是（mathcal{E}\）的Carleson常数。我们还举例说明，当去掉几何假设时，这种分解是不可能的。第三个应用是仅涉及（L^{1，infty}）估计的Carleson常数的特征。 https://zbmath.org/1530.65190 2024-04-15T15:10:58.286558Z “通、阳、越” https://zbmath.org/authors/？q=ai:duong-短跑。 “永安，阮氏” https://zbmath.org/authors/？q=ai:vinh.nuyen-的 “秋，Yeol Je” https://zbmath.org/authors/？q=ai:cho.yeol-日本 介绍了求解单调变分不等式和Lipschitz连续变分不等式问题的两种新的迭代方法。第一种方法结合了惯性次梯度超梯度方法和粘性方法。第二种迭代方法将惯性次梯度法与Mann型方法耦合。在适当的条件下，给出了所提算法的强收敛定理。在数值实验的框架下与Maingé方法、Kraikaew和Saejung方法进行了比较，表明了新方法的优越性，特别是在计算时间方面。审查人：Dana Petcu（Timišoara） https://zbmath.org/1530.68001 2024-04-15T15:10:58.286558Z 蔡春伟 https://zbmath.org/authors/？q=ai:tsai.chun-魏 “蒋明超” https://zbmath.org/authors/？q=ai:chiang.ming-赵 数字世纪的变化速度非常快。引入了技术数字词汇和单词词汇，使日常英语词典的容量增加了一倍。优化问题无处不在。一般来说，在优化问题中，目标是从给定解空间中的大量可能解中找到最佳解。在日常生活中，我们主要面临两种类型的问题：那些可以直观地解决的问题和那些无法直观地解决。与可以直观地解决的问题相比，许多复杂和/或大规模的优化问题无法直观地解决。因为所有这些问题都有一个共同的特点，即一个很大的解空间，由大量的优化问题候选解组成。从直觉上看，这些解决方案中哪一个是最好的？因为这就像大海捞针。本书提供了简单快速求解方法和算法的资源、参考和替代方法。它的组织方式使读者不仅可以实现大多数元启发式算法，还可以使用它们解决实际问题。这本书可以被学生和研究人员用作进入这一研究领域的自学参考，也可以被教师用作课程的参考或教科书。它并没有涵盖所有的元启发式算法；即便如此，它也提供了对元启发式算法的深入了解，预计读过整本书的人也会毫不费力地理解本书中没有涉及的元启发式方法。这本书大致分为三部分：基础知识、先进技术和附录。本书的最终目标是与读者分享作者从头到尾在元启发式算法方面的经验和诀窍，即从基本思想到先进技术，即使读者没有人工智能或机器学习的背景知识。在这一研究领域，理论和实施之间存在差距。为了缩小这个差距，作者首先提出了一个统一的元启发式框架（UFM），然后用它来描述著名的元启蒙算法及其变体。特别是，为了让本书的读者更容易理解本文讨论的元启发式算法和高级技术是如何实现的，源代码是基于UFM从头开始开发的。这本书的编排方式使它很容易实现用于解决各种优化问题的大多数元启发式算法——无论是离散的还是连续的。书中的理论和编程安排应确保对有兴趣进入该研究领域的学生和研究人员没有任何障碍。在本书的第三个版本中，目的是使实现尽可能简单，从而易于理解，因此本书的读者有可能不仅理解理论，而且理解一组具有代表性的元启发式算法的实现。审查人：Haydar Akca（阿布扎比） https://zbmath.org/1530.68006 2024-04-15T15:10:58.286558Z “蔡金一” https://zbmath.org/authors/？q=ai:cai.jin-易 “陈，西” https://zbmath.org/authors/？q=ai:chen.xi.1 Publisher的描述：复杂性理论旨在根据计算问题，特别是决策问题的固有复杂性来理解和分类计算问题。这本书使用新技术来扩展用于计数问题的理论。作者提出了P和NP领域中广义计数问题的二分法分类。证明了自旋系统的配分函数、图同态、约束满足问题和Holant问题的分类。本书假设计算复杂性理论的先验知识最少，根据需要开发证明技术，并逐渐增加理论的概括性和抽象性。本卷介绍了布尔域的理论，并包括全息算法的全面介绍，最终对统计力学中精确可解模型中研究的计算问题进行了分类。 https://zbmath.org/1530.68010 2024-04-15T15:10:58.286558Z 对数学感兴趣的文章将单独复习。上一次会议见[Zbl 1466.68008]。 https://zbmath.org/1530.68011 2024-04-15T15:10:58.286558Z 本期特刊第一部分见[Zbl 1530.68012]。 https://zbmath.org/1530.68012 2024-04-15T15:10:58.286558Z （无摘要） https://zbmath.org/1530.68015 2024-04-15T15:10:58.286558Z 对数学感兴趣的文章将单独复习。关于之前的研讨会，请参见[Zbl 1470.68013]。索引文章：\textit{Lozano，JoséA.}，分析基于置换的组合优化问题的Fourier表示，1[Zbl 07809158]\textit{Doerr，Carola}，进化计算中的桥接理论与实践？，2[Zbl 07809159]\textit{Antipov，Denis；Neumann，Aneta；Neummann，Frank}，在OneMinMax上使用GSEMO对分集优化进行严格的运行时分析，3-14[Zbl 07809160]\textit{基里尔·安东诺夫（Kirill Antonov）；安娜·柯诺诺娃（Anna V.Kononova）；托马斯·伯克（Thomas Bäck）；尼基（Niki）}范·斯坦因（van Stein），《通过表征-认知距离驱动的微扰治疗疾病条件性》，15-26[Zbl 07809161]\textit{Branson，Luke；Sutton，Andrew M.；Yan，Xiankun}，通过进化搜索找到树的反魔标记，27-37[Zbl 07809162]\textit{Chen，Deyao；Buzdalov，Maxim；Doerr，Carola；Dang，Nguyen}，使用自动算法配置进行参数控制，38-49[Zbl 07809163]\textit{Cui，Henning；Pätzel，David；Margraf，Andreas；Hähner，Jörg}，加权变异连接以缓解笛卡尔遗传编程中的搜索空间限制，50-60[Zbl 07809164]\textit{保罗·菲舍尔（Paul Fischer）；埃米尔·隆特（Emil Lundt）·拉森（Larsen）；卡斯滕·维特（Carsten）}，神经进化运行时分析的第一步，61-72[Zbl 07809165]\textit{Fajardo，Mario Alejandro Hevia；Lehre，Per Kristian；Lin，Shishen}，共同进化算法的运行时分析。克服最大优化中的负漂移，73-83[Zbl 07809166]\textit{Kalkreuth，Roman；Vašíckek，Zdeněk；Husa，Jakub；Vermetten，Diederick；Ye，Furong；Bäck，Thomas}，通用布尔函数基准套件，84-95[Zbl 07809167]\textit{Kearney，Jack；Neumann，Frank；Sutton，Andrew M.}，随机种植顶点覆盖上（1+1）进化算法的固定参数可处理性，96-104[Zbl 07809168]\textit{Lehre，Per Kristian；Qin，Xiaoyu}，自适应可以提高进化算法的噪声容忍度，105-116[Zbl 07809169]\textit{Omeradzic，Amir；Beyer，Hans-Georg}，Rastrigin函数上\（（\mu/\mu_i，\lambda）\）-ES的收敛性质，117-128[Zbl 07809170]\textit{Prager，Raphael Patrick；Dietrich，Konstantin；Schneider，Lennart；Schäpermier，Lennart；Bischl，Bernd；Kerschke，Pascal；Trautmann，Heike；Mersmann，Olaf}，神经网络作为针对探索性景观特征优化的黑箱基准函数，129-139[Zbl 07809171]\textit{Scott，Eric O.；De Jong，Kenneth A.}，进化知识转移的第一复杂性结果，140-151[Zbl 07809172]\textit{Whitley，Darrell；Ochoa，Gabriela；Chicano，Francisco}，分区交叉可以线性化k界伪布尔函数的局部最优格，152-162[Zbl 07809173] https://zbmath.org/1530.68016 2024-04-15T15:10:58.286558Z 对数学感兴趣的文章将单独复习。上一次研讨会见[Zbl 1508.68010]。 https://zbmath.org/1530.68023 2024-04-15T15:10:58.286558Z 本文简介：本期特刊介绍了生物启发计算方法，如进化算法和其他人工智能技术，如规划或学习，以解决蛋白质结构预测、调度、移动计算、推荐系统和机器人等方面的一些难题。其中包括六篇论文，这些论文是2019年6月在阿尔梅里亚（西班牙）举行的2019年国际捕鲸委员会会议所选论文的扩展版本。共预选了9篇论文，经过彻底的修订，最终其中6篇被接受。 https://zbmath.org/1530.68033 2024-04-15T15:10:58.286558Z 从文本来看：本特刊的目的是促进自然计算算法（NCA）和机器学习（ML）之间相互作用的发展，突出这两个领域结合的最新发展，澄清未来进展的未决问题，并向更广泛的受众传播这种交叉受精，以吸引更多来自其他领域的研究人员。 https://zbmath.org/1530.68034 2024-04-15T15:10:58.286558Z 正文：《自然计算》杂志的这期特刊包含2019年12月9日至11日在加拿大金斯顿举行的第八届自然计算理论与实践国际会议（TPNC 2019）上发表的一些最佳论文的扩展版本。 https://zbmath.org/1530.68037 2024-04-15T15:10:58.286558Z 本卷的文章将单独进行审查。上一次研讨会见[Zbl 1492.68024]。索引文章：\textit{横田，大辅；铃木，育一；大石，福田；Masuzawa，丰田正泽}，一种用于在具有多个州数的环上进行自我稳定领导人选举的近时间最优人口协议，2-12[Zbl 07824304]\textit{Amir，Talley；Aspnes，James；Berenbrink，Petra；Biermeier，Felix；Hahn，Christopher；Kaaser，Dominik；Lazarsfeld，John}，人口协议模型中意见未决定状态动力学的快速收敛，13-23[Zbl 07824305]\textit{Cosson，Romain；Massoulie，Laurent；Viennot，Laurent}，简短声明：高效的合作树探索，具有宽度-第一深度-下一个，24-27[Zbl 07824306]\textit{Czerner，Philipp}，简短声明：人口协议决定双指数阈值，28-31[Zbl 07824307]\textit｛Chang，Yi Jun；Li，Zeyong｝，包装和覆盖整数线性规划的分布式逼近的复杂性，32-43[Zbl 07824308]\textit{Huang，Shang-En；Su，Xin-Hao}，\（（1-\epsilon）\）-分布式和并行设置中在\（mathrm{poly}（1/\epsilen，\log n）\）时间内的近似最大加权匹配，44-54[Zbl 07824309]\textit{Chang，Yi-Jun}，无少数网络中的高效分布式分解和路由算法及其应用，55-66[Zbl 07824310]\textit{Dou，Jinfeng；Götte，Thorsten；Hillebrandt，Henning；Scheidler，Christian；Werthmann，Julian}，简讯：平面图近最优紧路由方案的分布式构造，67-70[Zbl 07824311]\textit{de Vos，Tijn}，简短声明：CONGEST模型中的最小成本最大流量，71-74[Zbl 07824312]\textit{Forster，Sebastian；de Vos，Tijn}，简短声明：确定性拥挤集团中的拉普拉斯范式，75-78[Zbl 07824313]\textit{Chan，David Yu Cheng；Giakoupis，George；Woelfel，Philipp}，Word-size RMR权衡可恢复互斥，79-89[Zbl 07824314]\textit{Castañeda，Armando；Rodríguez，Gilde Valeria}，异步无等待运行时验证和线性化能力的实施，90-101[Zbl 07824315]\textit{Sheffi，Gali；Petrank，Erez}，安全内存回收的ERA定理，102-112[Zbl 07824316]\textit{Bashari，Benyamin；Jamadi，Ali；Woelfel，Philipp}，标准同步原语的有效有界时间戳，113-123[Zbl 07824317]\textit{Naderibeni，Hossein；Ruppert，Eric}，具有多对数步长复杂性的无等待队列，124-134[Zbl 07824318]\textit{Dufoulon，Fabien；Moses，William K.；Pandurangan，Gopal}，分布式MIS in \（O（\log\log n）\）awake复杂性，135-145[Zbl 07824319]\textit{Ghaffari，Mohsen；Portmann，Julian}，低能量和时间复杂性的分布式MIS，146-156[Zbl 07824320]\textit{Maus，Yannic；Peltonen，Saku；Uitto，Jara}，通过稀疏化在幂图上的分布式对称破缺，157-167[Zbl 07824321]\textit{Robinson，Peter}，简短声明：在拥挤的小团体中，我们能计算出什么？，168-171[Zbl 07824322]\textit{Agrawal，Akanksha；Augustine，John；Peleg，David；Ramachandran，Srikkanth}，简短公告：支持模型中的局部问题，172-175[Zbl 07824323]\textit{Di Luna，Giuseppe Antonio；Viglietta，Giovanni}，简要声明：拥塞匿名动态网络中的高效计算，176-179[Zbl 07824324]\textit{Ghaffari，Mohsen；Trygub，Anton}，一种近最优确定性分布式同步器，180-189[Zbl 07824325]\textit{Izumi，Taisuke；Emek，Yuval；Wadayama，Tadashi；Masuzawa，Toshimitsu}，确定性容错连接标记方案，190-199[Zbl 07824326]\textit{Arapinis，Myrto；Kocsis，Al bel；Lamprou，Nikolaos；Medley，Liam；Zacharias，Thomas}，针对不诚实多数人和申请的通用可合成同步广播，200-210[Zbl 07824327]\textit{佩特拉·贝伦布里克（Petra Berenbrink）、科林·库珀（Colin Cooper）、克里斯蒂娜·加瓦（Cristina Gava）、大卫·科汉（David Kohan）、马尔扎戈（Marzagá）、弗雷德里克（Frederik）、雷德齐克（Radzik）、托马什（Tomasz）、里维拉（Rivera）、尼古拉斯（Nicolas）}，《意见动力学中的分布平均\textit{祖齐克，戈兰；海普勒，伯恩哈德；罗伊斯科，安蒂}，稀疏半遗忘路由。很少的随机路径就足够了，222-232[Zbl 07824329]\textit{尼尔·吉里德哈兰（Neil Giridharan）；弗洛里安·苏里·帕耶（Florian Suri-Payer）；丁·马修（Matthew Ding）；海蒂·霍华德（Heidi Howard）；伊泰·亚伯拉罕（Abraham）；娜塔查·克鲁克斯（Natacha）}，比基斯（BeeGees）：在被锁住的BFT中活着，233-243[Z\textit{Alpturer，Kaya；Halpern，Joseph Y.；van der Meyden，Ron}，具有省略失败的最佳最终拜占庭协议，244-252[Zbl 07824331]\textit{Wan，Jun；Momose，Atsuki；Ren，Ling；Shi，Elaine；Xiang，Zhuolun}，拜占庭广播的传播复杂性摊销，253-261[Zbl 07824332]\textit｛Fischer，Orr；Parter，Merav｝，针对移动对手的分布式CONGEST算法，262-273[Zbl 07824333]\textit{Bazzi，Rida；Tucci-Piergiovanni，Sara}，《简要声明：打破（f+1）壁垒：使用小于（f+1”的验证并行执行支付交易》，274-277[Zbl 07824334]\textit{Cooper，Colin；Radzik，Tomasz；Shiraga，Takeharu}，简短声明：离散增量投票，278-281[Zbl 07824335]\textit{戴普雷斯，马蒂尔德；莫塞费伊，阿科尔；佩林，马蒂厄；雷纳尔，米歇尔·}，简短声明：MBroadcast抽象，282-285[Zbl 07824336]\textit{Hajiaghayi，MohammadTaghi；Kowalski，Dariusz Rafal；Olkowski，Jan}，简要声明：量子网络中的共识改善，286-289[Zbl 07824337]\textit{Davies，Peter}，通过独立数参数化统一通用图和基于几何的无线网络，290-299[Zbl 07824338]\textit{Davies，Peter}，带噪音嘟嘟声的最佳消息传递，300-309[Zbl 07824339]\textit{Giakkoupis，George；Ziccardi，Isabella}，状态较少且通信较弱的分布式自稳定MIS，310-320[Zbl 07824340]\textit{Friedrich，Tobias；Gawendowicz，Hans；Lenzner，Pascal；Zahn，Arthur}，合作对双边网络创建的影响，321-331[Zbl 07824341]\textit{皮埃尔·西维特（Civit，Pierre）；塞斯·吉尔伯特（Gilbert，Seth）；拉希德·圭拉维（Guerraoui，Rachid）；约万·科马托维奇（Komatovic，Jovan）；曼努埃尔·维迪古埃拉（Vidigueira，Manuel）}，《共识的有效性》（On the validity of\textit{Chlebus，Bogdan；Kowalski，Dariusz Rafal；Olkowski，Jan}，线性时间和通信中的确定性容错分布式计算，344-354[Zbl 07824343]\textit{Kutten，Shay；Robinson，Peter；Tan，Ming Ming；Zhu，Xianbin}，领导人选举的改进权衡，355-365[Zbl 07824344]\textit{贾扬蒂，普拉萨德；贾扬蒂（Jayanti），悉达塔·维斯瓦拉（Siddhartha Visveswara）；贾扬蒂·苏查里塔}，简短声明：高效可恢复可写-CAS，366-369[Zbl 07824345]\textit{Tran，Anh；Talmage，Edward}，简短声明：改进的部分加权重数队列下限，370-373[Zbl 07824346]\textit{Cadambe，Viveck R.；Lyu，Shihang}，Brief announcement:CausalEC:一种基于跨对象擦除编码的因果一致数据存储算法，374-377[Zbl 07824347] https://zbmath.org/1530.68042 2024-04-15T15:10:58.286558Z 本文简介：本专题主要研究群体智能算法及其应用。展示了分别在日本福冈和中国上海成功举办的第八届/第九届国际集群智能大会和第二届/第三届国际数据挖掘与大数据大会（ICSI-DMBD 2017\2018）的论文。 https://zbmath.org/1530.68043 2024-04-15T15:10:58.286558Z “谭颖” https://zbmath.org/authors/？q=ai:tan.ying 石（编辑），于辉 https://zbmath.org/authors/？q=ai:shi.yuhui 本文简介：本期专刊旨在通过发布当前研究中的一些重要进展来促进群体智能及其应用的研究。一些积极的研究人员对我们的捐款呼吁作出了积极回应。作为彻底审查过程的结果，为这一专题选择了八篇论文。 https://zbmath.org/1530.68046 2024-04-15T15:10:58.286558Z 本卷的文章将单独进行审查。关于前面的研讨会，请参见[Zbl 1507.68020]。 https://zbmath.org/1530.68123 2024-04-15T15:10:58.286558Z “雷，阿卡” https://zbmath.org/authors/？q=ai:ray.arka 摘要：我们分别研究了向量装箱和向量装箱覆盖问题，以及装箱和装箱覆盖问题的多维推广。在向量箱包装中，我们从（[0,1]^d）中得到了一组（d）维向量，目的是将该向量集划分为最小数量的箱，以便对于每个箱（B），（B）中向量和的每个分量最多为1。\textit{G.J.Woeginger}[Inf.Process.Lett.64，No.6，293--297（1997；Zbl 1338.68122）]声称该问题对于大于或等于2的维度没有APTAS。我们注意到原始证据中有一点疏忽。在这项工作中，我们使用了来自[textit{N.Bansal}等人，《数学运算研究》第31号，第1期，第31-49页（2006年；Zbl 1278.90324）；\textit{M.Chlebík}和\textit}J.Chleb-ková}，《离散算法》第7期，第3期，第291--305页（2009年；Zbl 1178.68282）]。事实上，我们证明了获得比（frac{600}{599}）更好的渐近逼近比是NP-hard。如果每个项目最多有一个大于\（\delta\）的维度，则矢量装箱的实例称为\（\delta\）-偏斜。作为一般（d）维向量装箱结果的自然推广，我们证明了对于（varepsilon）in（0，frac{1}{2500}），如果（delta>20\sqrt{varepsilen}）获得（（1+varepsillon）-近似值是NP-hard。在向量箱覆盖问题中，给定一组来自（[0,1]^d）的（d）维向量，目的是获得一系列具有最大基数的不相交子集（称为箱），使得对于每个箱（B），（B）中向量和的每个分量都至少为1。使用与向量箱包装结果类似的思想，我们表明，对于向量箱覆盖，对于大于或等于2的维度，没有APTAS。事实上，我们证明了获得比（frac{998}{997}）更好的渐近逼近比是NP-hard。 https://zbmath.org/1530.68147 2024-04-15T15:10:58.286558Z “天哪，埃里克” https://zbmath.org/authors/？q=ai:goles-查克埃里克 “佩德罗·蒙塔雷格里” https://zbmath.org/authors/？q=ai:montealegre.pedro “马丁·雷奥斯·威尔逊” https://zbmath.org/authors/？q=ai:rios-威尔逊·马汀 “他们，纪尧姆” https://zbmath.org/authors/？q=ai:theyssier.guillaume 摘要：自动机网络是由实体组成的网络，每个实体都持有有限集的状态，并根据仅依赖于网络图中其邻居的本地更新规则进行进化。如果状态有一个顺序，使得任何节点的状态演化在任何轨道上都是非递减的，那就是冻结状态。它们通常用于模拟流行病传播、扩散现象，如自举渗流或晶体生长。本文建立了字母表大小、树宽和底层图的最大度是如何影响有限冻结自动机网络整体计算复杂性的关键参数。首先，我们定义了一个通用的规范检查问题，它捕获了许多经典的决策问题，如预测、幂零性、前导、异步可达性。然后，我们提出了一种快速并行算法，该算法解决了三个参数有界时的一般问题，从而表明问题在\textbf{NC}中。最后，我们从两个不同的角度表明，这些问题很难解决。首先，一般的问题是\textbf{W}[2]-当将树宽或字母表作为单个参数并修复其他参数时很难。其次，当经典问题局限于具有足够大树宽的图族时，它们在各自的类中是很困难的。整个系列见[Zbl 1482.68017]。 https://zbmath.org/1530.68172 2024-04-15T15:10:58.286558Z “马丁·库特里布” https://zbmath.org/authors/？q=ai:kutrib.martin “安德烈亚斯·马尔彻” https://zbmath.org/authors/？q=ai:malcher.andreas 摘要：为了确定细胞自动机的计算能力，人们经常对其在特定时间限制内接受形式语言的能力进行调查。在本文中，我们采取相反的立场，研究细胞自动机在特定时间限制内生成模式的能力。作为一个例子，我们描述了一个细胞自动机的构造，它实时生成Oldenburger-Kolakoski序列的前缀。此外，我们深入研究了一元和非一元模式的实时生成。在一元情况下，我们通过时间构造函数及其相应的一元形式语言获得了一个特征。在非一元情况下，我们提供了生成任意给定的适当精简的无上下文语言以及任意给定自动序列的所有前缀的构造。 https://zbmath.org/1530.68196 2024-04-15T15:10:58.286558Z “亚伦·伯恩斯坦” https://zbmath.org/authors/？q=ai:bernstein.aaron “丹农纳农开” https://zbmath.org/authors/？q=ai:nanongkai.danupon 摘要：在分布式所有对最短路径}问题中，加权无向分布式网络（CONGEST模型）中的每个节点都需要使用最少的通信轮次（通常称为时间复杂度}）来知道与其他每个节点的距离。该问题允许使用（1+o（1））-近似（tilde\Theta（n））-时间算法和一个几乎紧的（tilde\ Omega（n）\）下限[\textit{D.Nanongkai}，STOC 2014，565--573（2014；Zbl 1315.05136）；\textit{C.Lenzen}和\textit{B.Patt-Shamir}，PODC’15，153-162（2015；Zbl 1333.68280）]。（\（tilde\Theta\）、\（tilde O\）和\（tilder\Omega\）隐藏了多对数因子。）注意，即使在未加权的情况下和具有多项式近似比率的加权情况下，下限也成立[textit{C.Lenzen}和\textit{D.Peleg}，PODC’13，375--382（2013；Zbl 1323.68421）；\textit{S.Holzer}和\textit{R.Wattenhofer}，PODC’12，355--364（2012；Zbl 1301.68256）；\textit{D.Peleg}等人，Lect。注释计算。科学。7392、660--672（2012；Zbl 1343.68283）；\textit{D.Nanongkai}，STOC 2014，565--573（2014；Zbl 1315.05136）]。确切地说，\textit{M.Elkin}[STOC 2017，757--770（2017；Zbl 1369.68344）]提供了一个\（O（n^{5/3}\log^{2/3}n）\）时间限制，后来改进为\（\ tilde O（n*5/4}）\）[\textit{C.-C.Huang}等人，FOCS 2017，168-179（2017；\url{doi:10.1109/FOCS.2017.24}）]。结果表明，任何超线性下限（in（n））都需要一种新的技术[\textit{K.Censor-Hillel}et al.，LIPIcs--Leibniz Int.Proc.Inform.91，Article 10，16 p.（2017；Zbl 1515.68230）]，但在其他方面，是否存在与最佳近似算法匹配的精确情况下的\（\ tilde O（n）\）-时间算法仍然是一个广泛的未知数。本文积极地解决了这个问题：我们提出了一个随机（拉斯维加斯）（tilde O（n））时间算法，将下限匹配到多对数因子。与前面的（tildeO（n^{5/4}）界类似，我们的结果适用于边权重为零（甚至为负）的有向图。除了改进了运行时间之外，我们的算法在一个比前一个（tildeO（n^{5/4}）界限所要求的更一般的设置中工作；在我们的设置中（i）通信仅沿边缘方向（与双向相反），并且（ii）边缘权重是任意的（与\（{1，2，dots，\operatorname{poly}（n）\}）中的整数相反）。据我们所知，我们的算法是第一个只需要单向通信的\（o（n^2）\）算法。对于任意重量，之前的最新技术需要（\ tilde O（n^{4/3}）\）时间[\textit{U.Agarwal}和\textit{V.Ramachandran}，IPDPS 2019，23-32（2019；\url{doi:10.1109/IPDPS.2019.00014}）；SPAA’20，11-21（2020；\url{doi:10.1145/3350755.3400256}）]。我们的算法非常简单，并且依赖于一种称为\textit{随机过滤广播}的新技术。给定任意一组节点（A，B），假设每个（B中的B）都知道距（A）中节点的所有距离，并且每个节点（V中的V）都知道距离（B中节点的距离，我们希望每个（V中）都知道（mathsf{直通}_B（a，v）=\min_{b\ in b}\mathsf{dist}（a，b）+\mathsf{dist{（b，v）\）for every\（a\ in a\）。以前的工作通常通过广播每个（b中的b）的所有知识来解决这个问题，导致超线性边缘拥塞和时间。我们展示了一种随机算法，它可以减少边缘拥塞，从而在预期的时间内解决这个问题。 https://zbmath.org/1530.68198 2024-04-15T15:10:58.286558Z “常义军” https://zbmath.org/authors/？q=ai:chang.yi-六月 “曼努埃拉·菲舍尔” https://zbmath.org/authors/？q=ai:fischer.manuela “Ghaffari，Mohsen” https://zbmath.org/authors/？q=ai:ghaffari.mohsen “Uitto，Jara” https://zbmath.org/authors/？q=ai:uitto.jara “郑宇凡” https://zbmath.org/authors/？q=ai:郑玉凡 https://zbmath.org/1530.68210 2024-04-15T15:10:58.286558Z “Dudek，Grzegorz” https://zbmath.org/authors/？q=ai:dudek.grzegorz 摘要：具有随机隐节点的神经网络越来越受到研究人员和实际应用的关注。这是由于它们的独特特性，如快速训练和通用逼近特性。在这些网络中，决定非线性特征映射的隐藏节点的权重和偏差是随机设置的，并且不会被学习。适当选择权重和偏差的选择区间非常重要。这一主题在文献中尚未得到充分探讨。在这项工作中，提出了一种生成随机权重和偏差的方法。该方法生成隐藏节点的参数，使得激活函数的非线性片段位于具有数据的输入空间区域，并可用于构造近似于非线性目标函数的曲面。权重和偏差取决于输入数据范围和激活函数类型。所提出的方法允许我们控制模型的泛化程度。这些都提高了网络的逼近性能。一些实验显示了非常有希望的结果。 https://zbmath.org/1530.68215 2024-04-15T15:10:58.286558Z “科卡，汤姆亚什” https://zbmath.org/authors/？q=ai:kocak.tomas “雷米·穆诺斯” https://zbmath.org/authors/？q=ai:munos.remi “布莱尼斯拉夫·克维顿” https://zbmath.org/authors/？q=ai:kveton.branislav “阿格拉瓦尔，希普拉” https://zbmath.org/authors/？q=ai:agrawal.shipra “米查尔·瓦尔科” https://zbmath.org/authors/？q=ai:valko.michal 摘要：图上的光滑函数在流形和半监督学习中有着广泛的应用。在这项工作中，我们研究了一个图上武器收益平滑的盗贼问题。该框架适用于解决涉及图形的在线学习问题，例如基于内容的推荐。在这个问题中，我们可以推荐的每一项都是无向图的一个节点，它的期望评级与它的邻居类似。目标是推荐期望评分较高的项目。我们的目标是，与最优策略相关的累积遗憾不会随着节点数的增加而降低。特别地，我们引入了有效维的概念，它在真实世界的图中很小，并提出了三种算法来解决我们在这个维中线性和次线性缩放的问题。我们在内容推荐问题上的实验表明，只需几十个节点评估，就可以很好地评估数千个项目的用户偏好。 https://zbmath.org/1530.68224 2024-04-15T15:10:58.286558Z “吴秀国” https://zbmath.org/authors/？q=ai:wu.xiuguo（中文） （无摘要） https://zbmath.org/1530.68239 2024-04-15T15:10:58.286558Z “蒂莫西·阿特金森” https://zbmath.org/authors/？q=ai:atkinson.timothy “丰满，细节” https://zbmath.org/authors/？q=ai:plump.detlef “史蒂芬妮，苏珊” https://zbmath.org/authors/？q=ai:stepney.susan （无摘要） https://zbmath.org/1530.68259 2024-04-15T15:10:58.286558Z “布林曼，卡尔” https://zbmath.org/authors/？q=ai:bringmann.karl “萨恩多·基斯法鲁迪·布巴克” https://zbmath.org/authors/？q=ai:kisfaludi-bak.sandor公司 “Künnemann，马文” https://zbmath.org/authors/？q=ai:kunnemann.marvin “达尼尔·马克思” https://zbmath.org/authors/？q=ai:marx.daniel “安德烈·努塞尔” https://zbmath.org/authors/？q=ai:nusser.andre 摘要：动态时间扭曲（DTW）距离是一种常用的度量各种序列数据相似性的方法。为了比较（mathbb{R}^d）中的多边形曲线（pi）、（sigma），它为Fréchet距离提供了一种稳健的、对异常值不敏感的替代方法。然而，与Fréchet距离一样，DTW距离在平移下也不是不变的。我们能否有效地优化任意平移下的DTW距离\（\pi\）和\（\sigma \），以比较曲线的形状而不考虑其绝对位置？令人惊讶的是，这方面的工作很少，这可能是由于它的计算复杂性：对于欧几里德范数，这个问题包含作为特例的几何中值问题，它不允许精确的代数算法（也就是说，没有只使用加法、乘法和k根的算法）。因此，我们研究了非欧几里得范数的精确算法以及欧几里得范数的近似算法。\对于（mathbb{R}^d）中的（L_1）范数，我们提供了一个（mathcal{O}（n^{2（d+1）}）时间算法，即常数（d）的精确多项式时间算法。在这里和下面，（n）限制了曲线的复杂性。对于（mathbb{R}^d）中的欧几里德范数和（d\in\mathcal{O}（1）），我们证明了一个简单的问题特定洞察力导致时间（mathcal}（n^3/\varepsilon^d））中的（（1+\varepsi lon））-近似。然后，我们展示了如何获得具有重要新思想的次三次（widetilde{mathcal{O}}（n^{2.5}/varepsilon^d）时间算法；这一次接近了计算固定翻译DTW的众所周知的二次时间障碍。技术上，该算法是通过使用动态数据结构加速重复DTW距离估计来获得的，该数据结构用于维护加权平面有向图中的最短路径。至关重要的是，我们展示了如何使用填充曲线遍历候选平移集，从而只需对数据结构进行少量更新。我们希望我们的结果能够在理论和实践中促进DTW在翻译下的使用，并为相关的几何优化问题提供类似的算法方法。 https://zbmath.org/1530.68272 2024-04-15T15:10:58.286558Z “托德，菲利普” https://zbmath.org/authors/？q=ai:todd.philip-小时 “Aley，Danny” https://zbmath.org/authors/？q=ai:aley.danny 小结：在之前的论文[Zbl 1530.15025]中，分析了与角平分线条件集相对应的线性系统。在非满秩系统中，可以从其他等分条件中导出一个等分条件。在那篇文章中，我们描述了寻找这种缺秩线性系统的方法。矢量角平分线关系可以用多种方式进行几何解释：作为角平分，作为反射，作为等腰三角形，或作为圆弦。通过将每个矢量角平分线关系映射到其中一个几何表示上，秩亏线性系统可以被解释为几何定理。在Todd（提交给AMAI，2022年）中，我们用一些手工构建的示例说明了从线性系统到几何定理的步骤。在本文中，我们提出了一种算法，该算法可以从[loc.cit.]中确定类型的线性系统的起点自动生成几何定理。该算法生成了新定理的语句和图表。我们的实现创建了新定理的简单文本描述，并使用Mathematica Geometric Scene来形成图表。 https://zbmath.org/1530.68273 2024-04-15T15:10:58.286558Z “卡米勒·卡迪耶夫” https://zbmath.org/authors/？q=ai:khadiev.kamil “弗拉迪斯拉夫，雷米多夫斯基” https://zbmath.org/authors/？q=ai:remidovskii.vladislav （无摘要） https://zbmath.org/1530.68274 2024-04-15T15:10:58.286558Z “克劳福德，布罗德里克” https://zbmath.org/authors/？q=ai:crawford.broderick “里卡多·索托” https://zbmath.org/authors/？q=ai:soto.ricardo-洛伦佐 “罗德里戈奥利瓦雷斯” https://zbmath.org/authors/？q=ai:olivare.rodrigo网址 “宝贝，加布里埃尔” https://zbmath.org/authors/？q=ai:embry.gabriel “弗洛雷斯，迭戈” https://zbmath.org/authors/？q=ai:flores.diego “温塞斯劳帕尔玛” https://zbmath.org/authors/？q=ai:palma.wenceslao “卡斯特罗，卡洛斯” https://zbmath.org/authors/？q=ai:castro.carlos.1 “Paredes，Fernando” https://zbmath.org/authors/？q=ai:paredes.fernando “卢比奥，何塞-米格尔” https://zbmath.org/authors/？q=ai:rubio.jose-米格尔 （无摘要） https://zbmath.org/1530.68275 2024-04-15T15:10:58.286558Z “杰西卡，阿玛斯” https://zbmath.org/authors/？q=ai:de-阿玛斯·杰西卡 “爱德华多·拉拉·鲁伊斯” https://zbmath.org/authors/？q=ai:lalla-鲁兹·杜瓦多 “提拉洪，苏拉菲尔·卢勒塞格德” https://zbmath.org/authors/？q=ai:tilahun.surafel-催眠的 “Voß，Stefan” https://zbmath.org/authors/？q=ai:voss.stefan 摘要：元启发式被发现在不同的应用中是有效的，在这些应用中，精确算法的使用变得很草率。在过去的十年里，这些算法中的许多已经被引入并在广泛的应用中使用。然而，大多数这些方法都有类似的组成部分，导致人们对其新颖性或贡献感到担忧。因此，本文提出了一个池模板，用于对算法组件进行分类，以便以结构化的方式进行分析。我们通过连续优化元启发式举例说明了它的使用，并提供了一些措施和方法来确定它们的相似性和新颖性。最后，在组件级别进行了讨论，以指出可能的设计差异和共性。 https://zbmath.org/1530.68276 2024-04-15T15:10:58.286558Z “乔纳坦，戈麦斯” https://zbmath.org/authors/？q=ai:gomez.jonatan “伊丽莎白·莱昂” https://zbmath.org/authors/？q=ai:leon.elizabeth 摘要：毫无疑问，无论是确定进化算法的理论性质还是表征观察到的行为，都可以让我们了解何时使用这种算法来解决一类优化问题。其中一种进化算法是混合自适应进化算法（\textsc{haea}）。{haea}算法所遵循的一般方案是根据一种混沌竞争机制选择遗传算子来进化种群中的每个个体。本文从理论和实验两个角度提出并研究了一类混合自适应进化算法（称为\textsc{chavela}），即遵循这种一般方案的进化算法。通过这种方式，本文利用马尔可夫核给出了\textsc{chavela}类的形式化特征；建立收敛性质；证明了（并行）爬山算法属于\textsc{chavela}类；开发世代、稳定和经典版本；并分析了\textsc{chavela}在著名优化函数上的运行行为。 https://zbmath.org/1530.68277 2024-04-15T15:10:58.286558Z “Grudniewski，P.A.” https://zbmath.org/authors/？q=ai:grudniewski.p-一个 “Sobey，A.J.” https://zbmath.org/authors/？q=ai:sobey.a-j个 （无摘要） https://zbmath.org/1530.68278 2024-04-15T15:10:58.286558Z “郭一男” https://zbmath.org/authors/？q=ai:guo.inan “杨，珍” https://zbmath.org/authors/？q=ai:yang.zhen “王，春” https://zbmath.org/authors/？q=ai:wang.chun.3 “龚敦伟” https://zbmath.org/authors/？q=ai:gong.dunwei （无摘要） https://zbmath.org/1530.68279 2024-04-15T15:10:58.286558Z “伊格莱西亚斯，安德烈斯” https://zbmath.org/authors/？q=ai:iglesias.andres “加尔维斯，阿基米” https://zbmath.org/authors/？q=ai:galvez.akemi （无摘要） https://zbmath.org/1530.68280 2024-04-15T15:10:58.286558Z “凯森提尼，萨米赫” https://zbmath.org/authors/？q=ai:kessentini.sameh “娜斯，伊塞纳” https://zbmath.org/authors/？q=ai:naas.ihcene （无摘要） https://zbmath.org/1530.68281 2024-04-15T15:10:58.286558Z “李俊君” https://zbmath.org/authors/？q=ai:li.junjun “徐伯伟” https://zbmath.org/authors/？q=ai:xu.bowei “杨，永胜” https://zbmath.org/authors/？q=ai:yang.yongsheng “吴华峰” https://zbmath.org/authors/？q=ai:wu.huafeng （无摘要） https://zbmath.org/1530.68282 2024-04-15T15:10:58.286558Z “Mühlenthaler，莫里茨” https://zbmath.org/authors/？q=ai:muhlenthaler.moritz “亚历山大·拉奥” https://zbmath.org/authors/？q=ai:rass.alexander “曼纽尔·施密特” https://zbmath.org/authors/？q=ai:schmitt.manuel “万卡，罗尔夫” https://zbmath.org/authors/？q=ai:wanka.rolf 摘要：元神经理论是解决结构属性未知或无法在算法上利用的优化问题的有力工具。我们基于粒子群优化（PSO）范式，为离散域上的一大类优化问题提出了这样一种元神经网络。我们对该算法在黑盒设置中的某些“简单”参考问题（即排序问题和OneMax问题）上的性能进行了全面的形式化分析。在我们的分析中，我们使用该算法的马尔可夫模型来获得其预期优化时间的上下界。关于马尔可夫模型，我们的边界基本上是紧的。我们表明，对于合适的算法参数选择，期望的优化时间与已知算法的优化时间相当，此外，对于其他参数情况，该算法表现出更少的贪婪性和更多的探索性，这在实践中是可取的，以逃避局部最优。我们的分析为优化时间和探索之间的权衡提供了准确的见解。为了得到我们的结果，我们引入了马尔可夫链状态的textit{不可分辨}的概念，并通过积分给出了非常数系数递推方程解的界。 https://zbmath.org/1530.68283 2024-04-15T15:10:58.286558Z “弗朗西斯科·昆赞” https://zbmath.org/authors/？q=ai:quinzan.francesco “安德烈亚斯·哥贝尔” https://zbmath.org/authors/？q=ai:gobel.andreas-尼古拉斯 “瓦格纳，马库斯” https://zbmath.org/authors/？q=ai:wagner.markus “托拜厄斯·弗里德里希” https://zbmath.org/authors/？q=ai:friedrich.tobias （无摘要） https://zbmath.org/1530.68284 2024-04-15T15:10:58.286558Z “Reddy，V.Dinesh” https://zbmath.org/authors/？q=ai:reddy.v-就餐 “Rao，G.S.V.R.K.” https://zbmath.org/authors/？q=ai:rao.g-s-v-r-k型 摘要：我们展示了基于种群的元神经方法在计算格中最短非零向量以解决最短格向量问题（SVP）方面的适用性。这个问题有很多应用，如优化、通信理论、密码学等。同时，SVP在运行时间和输出质量方面都很难预测。SVP在随机约简下为NP-hard，且该问题没有多项式时间解。虽然LLL算法是一种多项式时间算法，但它并没有给出最优解。本文应用粒子群优化算法（PSO）和遗传算法（GA）在适当的搜索空间上求解SVP。我们已经为SVP实现了PSO、GA和LLL算法。比较结果表明，我们的算法适用于所有实例。 https://zbmath.org/1530.68285 2024-04-15T15:10:58.286558Z “Schweim，Dirk” https://zbmath.org/authors/？q=ai:schweim.dirk “维滕贝格，大卫” https://zbmath.org/authors/？q=ai:wittenberg.david-k个 “弗兰茨·罗特劳夫” https://zbmath.org/authors/？q=ai:rothlauf.franz （无摘要） https://zbmath.org/1530.68286 2024-04-15T15:10:58.286558Z “塞门基纳，奥尔加·伊芙。” https://zbmath.org/authors/？q=ai:semenkina.olga-电动汽车 “波波夫，尤金·A。” https://zbmath.org/authors/？q=ai:popov.eugene-一个 “塞门基纳，奥尔加。” https://zbmath.org/authors/？q=ai:semenkina.olga-第页 摘要：在本文中，作者介绍并研究了自构遗传算法（GA）和自构蚁群优化（ACO）算法，并将其应用于最著名的组合优化任务之一——旅行推销员问题（TSP）。在已知的基准TSP上对所建议的算法性能进行了评估，然后与其他启发式算法（如Lin-Kernigan（3-opt局部搜索）和智能水滴算法（IWD））进行了比较。数值实验表明，该方法具有良好的竞争性能。这两种自适应算法在这些问题上都显示出良好的结果，因为它们的设置优于其他算法，具有平均性能。 https://zbmath.org/1530.68287 2024-04-15T15:10:58.286558Z “斯里瓦斯塔瓦，斯维塔” https://zbmath.org/authors/？q=ai:srivastava.sweta “萨哈纳，苏迪普·库马尔” https://zbmath.org/authors/？q=ai:sahana.sudip-库马尔 （无摘要） https://zbmath.org/1530.68288 2024-04-15T15:10:58.286558Z “彼得·斯托多拉” https://zbmath.org/authors/？q=ai:stodola.petr （无摘要） https://zbmath.org/1530.68289 2024-04-15T15:10:58.286558Z “范图奇，汤姆亚什” https://zbmath.org/authors/？q=ai:vantuch.tomas（中文） “伊凡·泽林卡” https://zbmath.org/authors/？q=ai:zelinka.ivan “安德鲁·阿达马茨基” https://zbmath.org/authors/？q=ai:adamatzky.andrew-我 “诺伯特·马尔旺” https://zbmath.org/authors/？q=ai:marwan.norbert （无摘要） https://zbmath.org/1530.68290 2024-04-15T15:10:58.286558Z “张德松” https://zbmath.org/authors/？q=ai:zhang.desong “朱光裕” https://zbmath.org/authors/？q=ai:zhu.guangyu （无摘要） https://zbmath.org/1530.68291 2024-04-15T15:10:58.286558Z “朱，林” https://zbmath.org/authors/？q=ai:zhu.lin网址 “马永杰” https://zbmath.org/authors/？q=ai:ma.yongjie “白玉龙” https://zbmath.org/authors/？q=ai:bai.yulong （无摘要） https://zbmath.org/1530.68292 2024-04-15T15:10:58.286558Z “左、乙” https://zbmath.org/authors/？q=ai:zuo.yi “龚茂国” https://zbmath.org/authors/？q=ai:gong.maogou “焦立成” https://zbmath.org/authors/？q=ai:jiao.licheng （无摘要） https://zbmath.org/1530.70010 2024-04-15T15:10:58.286558Z “瓦伦丁·埃尔特戈夫” https://zbmath.org/authors/？q=ai:irtegov.valentin-德米特里维奇 “塔蒂亚娜·提托连科” https://zbmath.org/authors/？q=ai:titorenko.tatiana-n个 摘要：在均匀重力场中由球面铰链连接的两个刚体系统的运动问题中，给出了存在二维和一维不变流形的条件，并利用计算机代数工具找到了流形本身。从力学的观点来看，这些解对应于系统的平衡位置。证明了它们在第一近似中的不稳定性。整个系列见[Zbl 1507.68024]。 https://zbmath.org/1530.81042 2024-04-15T15:10:58.286558Z “Jang，Kyungbae” https://zbmath.org/authors/？q=ai:jang.kyungbae “巴克西，阿努巴卜” https://zbmath.org/authors/？q=ai:baksi.anubhab “Kim，Hyunji” https://zbmath.org/authors/？q=ai:kim.hyunji “Seo，Hwajeong” https://zbmath.org/authors/？q=ai:seo.hwajeong “查托帕迪亚伊，阿努帕姆” https://zbmath.org/authors/？q=ai:chattopadhyay.anupam 摘要：随着量子计算的普及在过去几年里突飞猛进地增长，人们越来越需要分析对称密钥密码以应对即将到来的威胁。事实上，我们已经看到了许多致力于此的研究工作。我们的工作深入研究了分组密码的这一方面，涉及SPECK家族和LowMC家族。SPECK家族迄今为止接受了两次量子分析[\textit{K.Jang}等人，“韩国分组密码的Grover”，Appl.Sci.（MDPI）10，No.18，论文编号6407，25 p.（2020；\url{doi:10.3390/app10186407}）；\textit}R.Anand}等，Lect.Notes Compute.Sci.12578，395--413（2020；Zbl 1500.81021）]。我们重新审视了这两项工作，并提出了改进的基准SPECK（全部10种变体）。与之前的工作相比，我们的实现需要更低的完整深度。另一方面，LowMC的量子电路在{S.Jaques}等人的论文[Lect.Notes Compute.Sci.12106280-310（2020；Zbl 1492.81042）]中进行了探索。然而，他们的论文中有一个已知的错误，我们对其进行了修补。最重要的是，我们在quantum中提供了两个版本的LowMC（在L1、L3和L5变体上），这两个版本都比bug-fixed实现的深度低得多。整个系列见[Zbl 1517.94008]。 https://zbmath.org/1530.81048 2024-04-15T15:10:58.286558Z “阿拉马蒂，纳维德” https://zbmath.org/authors/？q=ai:alamati.navid “朱利奥·马拉沃尔塔” https://zbmath.org/authors/？q=ai:malavolta.giulio “艾哈迈德丽莎·拉希米” https://zbmath.org/authors/？q=ai:rahimi.ahmadreza 摘要：Trapdoor无爪函数（TCF）是两对一的Trapdoor函数，在这里很难找到爪，即一对相互冲突的输入。由于量子密码术的新应用，TCF最近引起了新的兴趣：例如，TCF使经典机器能够验证某些量子计算是否正确执行。在这项工作中，我们提出了一个新的（几乎是两对一）TCF家族，它基于基于等基因的群体行动的猜想难题。这是第一个非基于晶格相关问题的候选结构，也是第一个带有确定性评估算法的方案（来自任何合理的量子后假设）。为了证明我们的构造的有用性，我们证明了我们的TCF族可以用于设计量子比特的计算测试，这是量子计算一般验证中使用的基本构造块。整个系列见[Zbl 1516.94002]。 https://zbmath.org/1530.81054 2024-04-15T15:10:58.286558Z “郭健” https://zbmath.org/authors/？q=ai:guo.jian “刘国珍” https://zbmath.org/authors/？q=ai:liu.guozhen “宋玲” https://zbmath.org/authors/？q=ai:song.ling “屠、夷” https://zbmath.org/authors/？q=ai:tu.yi 摘要：在这项工作中，我们重点关注对\texttt实例的碰撞攻击{上海}-3经典和量子设置中的散列族。自从5轮碰撞袭击以来{SHA3}-256以及其他由{J.Guo}等人在[J.Cryptology 33，No.1，228--270（2020；Zbl 1455.94160）]中提出的变体，尚未发表其他重要进展。通过彻底的调查，我们发现在\texttt上扩展此类碰撞攻击的挑战｛沙｝-3更多的轮次在于差分轨迹搜索的效率低下。为了克服这个障碍，我们开发了一个基于SAT的自动搜索工具包。该工具用于碰撞攻击的多个中间步骤，并在微分轨迹搜索和过程中遇到的其他优化问题中表现出令人惊讶的高效性。因此，我们提出了第一个对时间复杂度为（2^{123.5}）的texttt{SHAKE128}的6轮经典碰撞攻击，它也形成了一个具有量子时间的量子碰撞攻击（2^}67.25}/\sqrt{S}），以及第一个对texttt的6轮量子碰撞攻击{SHA3}-224和\texttt{SHA3}-256使用量子时间\（2^{97.75}/\sqrt{S}\）和\（2qu{104.25}/\sqrt{S}\），其中\（S\）表示量子计算机的硬件资源。经典碰撞攻击不适用于6轮｛沙3｝-224和\texttt{SHA3}-256显示了量子碰撞攻击的更高覆盖率，这与texttt上的一致{上海}-2由\textit{A.Hosoyamada}和\textit{Y.Sasaki}在[Lect.Notes Compute.Sci.12825，616--646（2021；Zbl 1487.81066）]观察到。整个系列见[Zbl 1517.94003]。 https://zbmath.org/1530.90001 2024-04-15T15:10:58.286558Z “拉尔夫·霍尔斯坦” https://zbmath.org/authors/？q=ai:hollstein.ralf.1（中文） 拉尔夫·霍尔斯坦（Ralf Hollstein）的这本书“Optimierungsmethoden——Einführung in die klasischen，naturalonogen und neuronalen Optimierengen”探讨了优化在生活各个方面的关键作用，无论是将成本、资源、风险、处理时间、环境影响、能源消耗、旅行时间、，或者是利润、发动机性能、投资组合、生产、销售和运动成绩的最大化。鉴于实际优化问题的多样性、复杂性和多样性，现有文献记录了大量方法（包括其变体和子变体）的使用。这本书通过向读者介绍一些主要优化方法的汇编及其在实践中的应用，巧妙而精细地将理论与实践相结合。尽管这本书通过例证熟练地描述了各种优化过程，而没有深入研究它们的理论方面，但它巧妙地指导读者阅读解释它们的相关文献。本书全面收集了经典、自然类比和神经优化方法，分为四个主要部分。第一部分涵盖了各种类型的优化问题，第二部分讨论了经典的优化方法，第三部分包括自然启发优化，第四部分阐述了神经组合优化方法，包括人工神经网络优化和机器学习。它向读者介绍了一个新的研究领域，即Bello等人于2015年介绍的神经组合优化（NCO）（正如作者在书中引用的那样）。NCO方法意味着策略的转变：与传统的启发式编程不同，计算机接收指令来确定优化问题的可行解决方案，NCO方法使计算机能够使用机器学习技术（如TensorFlow模块）自动导出隐藏的启发式。NCO方法的关键优势在于其对缺乏既定启发式的实际优化问题的适用性。这本书是基于人工智能的自学习优化算法这一前景广阔的领域的入门指南，旨在迎合不同的受众，包括从事实际优化的从业者、研究人员和学者，以及计算机科学、数学、经济和工程专业的学生。本书共有27章，每章都有自己的学术参考，其内容如下，由德语翻译而成：第一章：导言，第二章：连续优化问题，第三章：组合优化问题，第一章：线性优化问题，第5章：多准则优化问题，第6章：分析方法，第7章：解决组合优化问题的方法，第8章：线性优化，第9章：多指标优化方法，第10章：复杂性和启发式/元启发式方法，第11章：基于物理的算法，第12章：进化算法，第13章：粒子群算法，第14章：蚂蚁算法，第15章：蜜蜂算法，第16章：蝙蝠算法，第17章：人工免疫系统，第18章：概述：自然类比优化，第19章：神经网络，第20章：自我激励卡，第21章：Hopfield网络，第22章：强化学习，第23章：深度学习中的优化方法，第24章：使用指针网络的神经优化，第25章：使用变压器的神经优化、第26章：使用图形神经网络的优化，以及第27章：机器学习程序库。因此，本书对各种优化问题、算法和方法进行了详细的理解，并描述了它们对实时现实世界问题的不同适用性。鉴于它提供了广泛而全面的优化方法集合，如果将本书翻译成英语或其他广为人知的语言，对于那些对从头开始学习优化方法感兴趣的非德语读者来说，将是一个丰富的资源。尽管这本书广泛涵盖了各种优化方法，但许多未来的科学、应用和现实世界的插图和用途仍然可以在现代研究的广阔而迅速扩展的领域中进一步探索和追求。审查人：格哈德·威勒姆·韦伯（波兹南和安卡拉）和吉纳尔·帕里赫（艾哈迈达巴德） https://zbmath.org/1530.90041 2024-04-15T15:10:58.286558Z “曼西亚，劳尔” https://zbmath.org/authors/？q=ai:mencia.raul “卡洛斯·门西娅” https://zbmath.org/authors/？q=ai:mencia.carlos “拉米罗，瓦雷拉” https://zbmath.org/authors/？q=ai:varela.ramiro（中文） （无摘要） https://zbmath.org/1530.90054 2024-04-15T15:10:58.286558Z “陈，林” https://zbmath.org/authors/？q=ai:chen.lin.1 “库特克，马丁” https://zbmath.org/authors/？q=ai:koutecky.martin “徐磊” https://zbmath.org/authors/？q=ai:xu.lei.1 “施、伟东” https://zbmath.org/authors/？q=ai:shi.weidong 摘要：迭代扩充最近成为解决变维整数规划（IP）的一种总体方法，与固定维整数规划的体积和平面度技术形成鲜明对比。这里我们考虑（4）-块（n）-折叠整数程序，这是迄今为止所考虑的最通用的类。A（4）-块（n）-折叠IP有一个约束矩阵，该矩阵由特定块结构中的小矩阵（A）、（B）和（D）的副本和（C）的副本组成。迭代增强方法rel（y）基于约束矩阵的所谓Graver基，它构成了一组基本的增强步骤。所有现有算法都依赖于Graver基元素的\（\ell_1\）-或\（\ll_\infty）-范数的边界。\textit{R.Hemmecke}等人[Math.Program.145，No.1--2（A），1--18（2014；Zbl 1298.90057）]表明，\（4）-block\（n）-fold IP的Graver元素最多为\（ell_\infty）-normal \（mathcal{O}（O）_\mathrm{FPT}（n^{2^{s_D}}）\），导致算法具有类似的运行时；这里，（s_D）是矩阵（D）和（mathcal）的行数{O}（O）_\mathrm{FPT}）隐藏了一个仅依赖于小矩阵（a）、（B）、（C）、（D）的乘法因子。然而，它们的界限是否严格，尤其是它们是否可以改进为\（\mathcal，这一点仍然悬而未决{O}（O）_\mathrm{FPT}（1）\），可能至少在某些受限的情况下。\我们证明了\（4）-block \（n）-fold IP的Graver元素的\（ell_\infty）-范数是由\（mathcal{O}（O）_\mathrm{FPT}（n^{s_D}），比上一个界限显著提高{O}（O）_\mathrm{FPT}（n^{2^{s_D}}）\）。我们还提供了一个匹配的Omega（n^{s_D}）下界，它甚至适用于任意非零格元素，排除了依赖于比Graver基更严格的增广概念的增广算法。然后我们考虑一个特殊的情况，即（4）-块（n）-折叠，其中（C）是一个零矩阵，称为（3）-块-折叠IP。我们证明了当其Graver元素的\（\ell_\infty\）-范数为\（\Omega（n^｛s_D｝）\）时，存在一种不同的格元素分解，其\（\ell_\infty\）-范数以\（\mathcal{O}（O）_\mathrm{FPT}（1），它允许我们为\（3）-block\（n）-fold IP提供Graver元素的\（ell_\infty）-范数的改进上界。各分解之间的关键区别在于Graver基保证了符号兼容分解；此属性在应用程序中至关重要，因为它保证分解的每个步骤都是可行的。因此，我们改进的上界使我们能够为“（3）-块（n）-折叠IP”和“4-块IP”建立更快的算法，并且我们的下界强烈暗示了“（4）-块”和“偶数”-块“（n）-fold IP”的参数化硬度。此外，我们还证明了（3）-块（n）-折叠IP不失通用性，即通过将（3）-block（n）-fold IP作为预言机的算法，可以在FPT预言机时间内求解（4）-块-折叠IP。整个系列见[Zbl 1445.68017]。 https://zbmath.org/1530.90085 2024-04-15T15:10:58.286558Z “Jakub Sawicki” https://zbmath.org/authors/？q=ai:sawicki.jakub “Łoś，Marcin” https://zbmath.org/authors/？q=ai:los.marcin-米 “马西耶·斯莫卡” https://zbmath.org/authors/？q=ai:smolka.maciej “谢弗，罗伯特” https://zbmath.org/authors/？q=ai:schaefer.robert-我 小结：本文有助于理解解决病态全局优化问题的基于随机群体的搜索的本质。这种情况表现为低地的存在，即正测度极小值的连通子集，并且无法将问题正规化。我们展示了一种方便的方法来分析诸如动态系统之类的搜索策略，这些动态系统转换了采样度量。我们可以用聚焦启发法对一类策略得出信息丰富的结论。对于这一类，我们可以评估可以收集的关于问题的信息量，并提出验证停止条件的方法。接下来，我们展示了遵循本文第一部分思想的层次记忆策略和多内进化算法（HMS/MWEA）。我们引入了其动力学的复杂遍历马尔可夫链，并证明了成功的渐近保证。最后，我们给出了病态问题的数值解：两个基准和一个实际工程基准，它们显示了实际的策略。本文回顾并综合了作者已经发表的一些结果，得出了新的定性结论。全新的部分是数据的HMS结构和MWEA组件的马尔可夫链模型，以及它们的遍历性定理。 https://zbmath.org/1530.90115 2024-04-15T15:10:58.286558Z “Engelbrecht，A.P.” https://zbmath.org/authors/？q=ai:engelbrecht.andries-海象 “博斯曼，P.” https://zbmath.org/authors/？q=ai:bosman.peter-a-n型 “马兰·K·M” https://zbmath.org/authors/？q=ai:malan.katherine-米 （无摘要） https://zbmath.org/1530.90116 2024-04-15T15:10:58.286558Z “约格鹳” https://zbmath.org/authors/？q=ai:stork.jorg “艾本·A·E” https://zbmath.org/authors/？q=ai:eiben.agoston-恩德（endre） “巴兹·贝尔斯坦，托马斯” https://zbmath.org/authors/？q=ai:bartz-贝尔斯坦.托马斯 摘要：基于代孕的优化、受自然启发的元启发式和混合组合已成为解决现实世界优化问题的算法设计的最新技术。尽管如此，实践者仍然很难获得一个概述，来解释与优化范围内的大量可用方法相比，它们的优势。现有的分类法缺乏将当前方法嵌入这一广泛领域的更大背景中。本文提出了该领域的分类法，通过提取搜索策略中的相似性和差异性来探索和匹配算法策略。特别关注的是使用代理的算法、自然启发设计以及通过自动算法生成创建的算法。算法的提取特征、它们的主要概念和搜索操作符允许我们创建一组分类指标来区分少数类。这些功能使我们能够更深入地理解搜索策略的组成部分，并进一步表明不同算法设计之间的密切联系。我们提供直观的类比来解释搜索算法的基本原理，特别适用于该研究领域的新手。此外，这种分类法允许对相应算法的适用性提出建议。 https://zbmath.org/1530.93073 2024-04-15T15:10:58.286558Z “罗伯斯，亚历山大·E。” https://zbmath.org/authors/？q=ai:robles.alexander-e（电子） “吉斯布雷希特，马特乌斯” https://zbmath.org/authors/？q=ai:giesbrecht.mateus 摘要：系统辨识的一个重要部分是研究时不变动态系统。然而，实际应用中的大多数系统都具有非线性和时变特性。本文提出了一种基于进化算法领域的范式的多变量时变辨识方法：协同进化算法。这种新方法基于进化过程中的选择压力原理，重点研究了个体的适应度与其他个体（或个体群）的适应度之间的关系。对多变量确定性辨识方法MOESP-VAR和提出的协同进化方法进行了简要比较。从结果可以看出，所提出的方法比确定性识别方法具有更高的精度。整个系列见[Zbl 1485.93017]。 https://zbmath.org/1530.94027 2024-04-15T15:10:58.286558Z “奥尔·邓克尔曼” https://zbmath.org/authors/？q=ai:dunkelman.orr “凯勒，内森” https://zbmath.org/authors/？q=ai:keller.nathan “Ronen，Eyal” https://zbmath.org/authors/？q=ai:ronen.eyal “阿迪·沙米尔” https://zbmath.org/authors/？q=ai:shamir.adi 摘要：最著名和最有用的密码分析算法之一是Hellman的时间/内存权衡算法（及其彩虹表变体），该算法可用于反转具有大小为（N）的域的随机函数，时间和空间复杂度满足（TM^2=N^2）。在本文中，我们对它们在量子环境中的性能开发了新的上界。作为一个搜索问题，人们总是可以将标准的Grover算法应用于该问题，但该算法并没有受益于大内存的可用性，在该内存中，人们可以存储在自由预处理阶段获得的辅助建议。在[\textit{K.-M.Chung}et al.，FOCS 2020，673--684（2020；\url{doi:10.1109/FOCS46700.2020.00068}）]中，严格证明了对于由\（M\leq O（\sqrt{N}）\）限定的内存大小，即使是量子建议也不能产生比Grover算法更好的攻击。我们的主要结果补充了这个下限，表明在标准的量子可访问经典存储器（QACM）计算模型中，我们可以将Hellman的折衷曲线改进为（T^{4/3}M^2=N^2）。当我们将密码分析问题推广到时间/内存/数据权衡攻击时（在这种攻击中，我们必须为至少一个给定的D值反转f），我们得到了广义曲线（T^{4/3}M^2D^2=N^2）。该曲线上的一个典型点是（D=N^{0.2}）、（M=N^}0.6}）和（T=N^[0.3}），它们的时间严格低于Grover算法（在这个广义搜索变量中需要（T=N ^{0.4}））和经典的Hellman算法（对于这些（D\）和（M\），需要（T=N^{0.4{））。 https://zbmath.org/1530.94046 2024-04-15T15:10:58.286558Z “乌纳尔，阿肯” https://zbmath.org/authors/？q=ai:unal.akin 摘要：在这项工作中，我们将对多项式拉伸的代数伪随机数生成器（PRG）的伪随机性进行新的攻击。我们的算法适用于一类广泛的PRG，并且在一般局部PRG的情况下比当前已知的攻击更快。同时，与大多数代数攻击相比，我们的攻击将证明次指数时间和空间边界，而无需对PRG进行任何假设或进一步假设。因此，在本文中，我们给出了第一个从等次多项式对PRG进行的次指数区分攻击，以及在轻量级PRG的次指数密码分析中闭合的当前缺口。具体而言，针对PRG\（F:\mathbb{Z} （_q）^n\rightarrow\mathbb{Z} （_q）^m），由域（mathbb）上的次数多项式计算{Z} （_q）\)并且具有\（m=n^｛1+e｝\）的拉伸，我们给出了具有空间和时间复杂性\（n^｛O（n^｛1-\ frac｛e｝｛d-1｝）｝\）和显著优势\（1-\ O（n^｛1-\ frac｛e｝｛d-1｝｝/｛q｝）｝\）的攻击。如果（q）位于（O（n^{1-\frac{e}{d-1}}）中，我们给出了具有相同时空复杂度的第二次攻击，其优点至少是（q^{-O（n_^{1-\frac{e}{d-1{}）}）。如果（F）的局部性是常数（d），并且（q）是常数，我们构造了第三种攻击，对于每个常数（e），其空间和时间复杂度为（exp（O（n^{1-\frac{e'}{（q-1）d-1}}）），并且具有显著的优势（1-O（n_^{-\frac{e’}{。关于整个系列，请参见[Zbl 1528.94002]。