首页/论文/1306.2043

arXiv 1306.20432013-06-09cs.DS

求非线性规划全局最优解的雨滴算法

A Raindrop Algorithm for Searching The Global Optimal Solution in Non-linear Programming

Zhiqing Wei

备注：: 4 pages, 4 figures

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本文应用随机游走模型设计了一个求解非线性规划问题全局最优解的雨滴算法。雨滴算法不需要目标函数的一阶或二阶导数信息。这是一种直接的方法。研究了雨滴算法的性质。此外，我们应用雨滴算法来解决一个非线性优化问题，其中目标函数是高度不规则的（既不凸也不凹）。该算法可以用较少的迭代次数找到全局最优解。

英文摘要：

In this paper, we apply the random walk model in designing a raindrop algorithm to find the global optimal solution of a non-linear programming problem. The raindrop algorithm does not require the information of the first or second order derivatives of the object function. Hence it is a direct method. We investigate the properties of raindrop algorithm. Besides, we apply the raindrop algorithm to solve a non-linear optimization problem, where the object function is highly irregular (neither convex nor concave). And the global optimal solution can be found with small number of iterations.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

正例驱动的图搜索动态规划

Positive-Instance Driven Dynamic Programming for Graph Searching

关于图与树的相似性（称为图的树宽）的研究在过去十年中出现了巨大的增长，但直到最近Tamaki才发现了一种用于此任务的实际快速算法（ESA 2017）。它基于动态规划，并利用了这样一个事实，即阳性子实例的数量通常远小于所有子实例的数量。只产生这样的子实例的算法被称为正实例驱动（PID）。我们给出了一个替代的和直观的看法，这个算法的角度来看，在某些两人游戏的相应配置图。这使我们能够开发PID算法的范围广泛的重要图形参数，如树宽，路径宽度和树深。我们分析了一些著名的图形类的方法的最坏情况下的行为，并在现实世界和随机图进行实验评估。

2019-05-03cs.DS

寻找最大拟双解的混合规划

Mixed Integer Programming for Searching Maximum Quasi-Bicliques

National Research University Higher School of Economics（俄罗斯国立高等经济研究大学）；Steklov Mathematical Institute of Russian Academy of Sciences（俄罗斯科学院斯捷克洛夫数学研究所）

本文研究了二分图（偶图）中最大拟二分图的问题。偶图中的拟双团是它的“几乎”完全子图。完全性的放松可以有不同的理解;在这里，我们假设子图是$γ$ -拟二分图，如果它缺少一定数量的边来形成二分图，使得它的密度至少是$γ\in (0,1]$。对于一个偶图和一个固定的$γ$，寻找最大拟偶点的问题是寻找偶图的一个顶点子集，使得导出子图是一个拟偶点，并且它的大小是给定图的最大值.提出了几种基于混合规划（MIP）的搜索拟二阶图的模型，并对模型的工作效率进行了测试。另一种模型的启发biclustering制定和测试，该模型同时最大限度地提高准biclique和其密度的大小，使用最小二乘标准类似的三聚\textsc{TriBox}利用。

2020-02-23cs.AIcs.DMcs.DS

允许非重叠相邻不平衡易位的序列搜索

Sequence Searching Allowing for Non-Overlapping Adjacent Unbalanced Translocations

不平衡易位是最常见的染色体改变之一，占所有杂合性丢失的30%，是导致肿瘤抑制基因失活的主要遗传事件。尽管它们在基因组序列分析中起着中心作用，但很少有人关注允许这种染色体改变的匹配序列的问题。在本文中，我们研究的\emph{approximate string matching}问题时，编辑操作是相邻因素的非重叠不平衡易位。特别是，我们首先提出了一个$O(nm^3)$ -时间和$O(m^2)$ -空间算法的基础上的动态规划方法。然后，我们改进我们的第一个结果，设计了第二个解决方案，利用有向无环字图的模式。特别是，我们表明，在等概率和字符的独立性的假设下，我们的算法有一个$O(n\log^2_σ m)$平均时间复杂度，对于一个字母表的大小$σ$，仍然保持$O(nm^3)$ -时间和$O(m^2)$ -空间复杂度在最坏的情况下。据我们所知，这是文献中的第一个解决方案的近似字符串匹配问题，允许不平衡易位的因素。

2018-12-02cs.DS

允许非重叠相邻不平衡易位的文本检索

Text Searching Allowing for Non-Overlapping Adjacent Unbalanced Translocations

在本文中，我们研究的\emph{approximate string matching problem}时，允许的编辑操作是\emph{non-overlapping unbalanced translocations of adjacent factors}。当文本的两个相邻子字符串交换时，会发生这种编辑操作，从而导致修改后的字符串。允许两个相关的子串具有不同的长度。这种对弦的大规模修改有各种应用。它们是最常见的染色体改变之一，占所有杂合性丢失的30%，这是导致癌症抑制基因失活的主要遗传事件。此外，在其他应用中，它们是音乐或自然语言信息检索中的频繁修改。然而，尽管它们在文本处理的许多领域中起着核心作用，但很少有人关注允许这种编辑操作的匹配字符串的问题。在本文中，我们提出了三个算法来解决这个问题，他们都有一个$\bigO(nm^3)$的最坏情况和一个$\bigO(m^2)$ -空间复杂度，其中$m$和$n$的模式和文本的长度，分别。特别是，我们的第一个算法是基于动态规划方法。我们的第二个解决方案通过使用模式的有向无环词图改进了前一个解决方案。最后，我们的第三个算法是基于对齐过程。我们还表明，在等概率和字符的独立性的假设下，我们的第二个算法有一个$\bigO(n\log^2_σ m)$平均时间复杂度，对于一个字母表的大小$σ\geq 4$。

2021-01-03cs.DScs.LO

评价和调整n重可编程性

Evaluating and Tuning n-fold Integer Programming

近年来，弦乐学、计算社会选择、调度等方面的算法突破，通过应用所谓的$n$ -倍整数规划理论来实现。$n$ -折叠整数规划（IP）具有高度一致的块结构约束矩阵. Hemmecke、Onn和Romanchuk [Math. Programming，2013]示出了具有运行时$a^{O(rst + r^2s)} n^3$的算法，其中$a$是最大系数，$r,s$和$t$是约束矩阵的块的维度，并且$n$是IP的总维度;因此，如果块具有小尺寸并且具有小系数，则算法有效。该算法的工作原理是通过增加步长来迭代改进可行解，而$n$ -fold IP具有保证增加步长存在于一个不太大的邻域中的特殊性质.我们已经实现了该算法，并在此过程中学习了以下内容。原始算法实际上是不可用的，但我们发现了一系列的改进，使其评估成为可能。至关重要的是，我们观察到算法中的某个常数可以被视为一个调整参数，这会产生一个有效的启发式算法（本质上是在一个小于保证的邻域中搜索）。此外，该算法使用过于昂贵的策略来找到“最佳”步骤，而只找到“近似最佳”步骤要便宜得多，但足以快速收敛。利用这一见解，我们改进了渐近依赖$n$从$n^3$到$n^2 \log n$。我们发现，减少调整参数最初会导致收敛所需的迭代次数增加，并最终陷入局部最优，正如预期的那样。然而，令人惊讶的是，参数的小值已经表现出良好的行为。第二，我们的新策略，寻找“近似最佳”…

2019-04-05cs.DScs.SE

关于树搜索的复杂性：平均情况最小化

On the Complexity of Searching in Trees: Average-case Minimization

我们专注于平均情况分析：给出一个函数w：V -> Z+，它定义了一个节点被标记的可能性，我们想要的策略是最小化预期的查询数量。在此之前，很少有人知道这个自然的问题和问题的复杂性至今仍然是一个悬而未决的问题。我们关闭这个问题，并证明了上述树搜索问题是NP-完全的，即使类树的直径最多为4。这导致了关于直径尺寸的问题的复杂性的完整表征。事实上，对于直径不大于3的问题可以被证明是多项式可解的使用动态规划方法。此外，我们证明了这个问题是NP-完全的，即使类的树的最大程度最多为16。据我们所知，在这个方向上唯一已知的结果是，树搜索问题是可解决的O（|V| log |V|）时间的树度最多为2（路径）。我们将上述复杂度结果与严格的算法分析相匹配。我们首先表明，一个自然的贪心算法达到2-近似。此外，对于有界度的情况，我们证明了任何最优策略（即，最小化查询的期望数目的一个）在最坏情况下执行至多O（Δ（T）（log |V| + log w（T）个查询，其中w（T）是T的节点的似然之和，并且Δ（T）是T的最大度。我们结合这一结果与非平凡的指数时间算法提供了一个有界度的树的FPTAS。

2009-08-09cs.DMcs.DS

更多相关论文收起更多论文

带间隙的排序问题：新模型与算法

Scheduling with Gaps: New Models and Algorithms

我们考虑调度问题的单位工件的释放时间，在时间表中的差距的数量或大小被考虑在内，无论是在目标函数或作为一个约束。除了一些关于能量最小化的论文外，在调度文献中没有任何工作使用依赖于时间表的间隙结构的性能度量。我们的目标之一是开始这样的间隙调度问题的研究。我们表明，这样的问题往往会导致有趣的算法问题，与其他领域的算法。我们关注的是具有单元作业的模型。首先，我们研究调度问题的最后期限，在那里我们考虑的最小间隙调度的变体，包括最大限度地提高吞吐量的预算差距或最小化的吞吐量要求的差距的数量。然后我们转向其他目标函数。例如，在一些场景中，调度中的间隙实际上可能是期望的，从而导致最大化间隙数量的问题。我们研究的其他版本包括最小化最大间隙或最大化最小间隙。本文的第二部分研究了没有最后期限的模型，在那里我们专注于间隙的数量和总的或最大的流动时间之间的权衡。对于所有这些问题，我们提供多项式时间算法，运行时间范围从$O(n \log n)$的一些问题，$O(n^7)$的其他。这些解决方案涉及一系列算法技术，包括不同的动态规划公式、基于搜索Monge阵列、搜索X + Y矩阵或隐式二分搜索的加速技术。

2020-07-17cs.DS

基于拓扑序的贝叶斯网络学习

Bayesian Network Learning via Topological Order

针对有向图上的无环约束优化问题，提出了一种基于拓扑序的混合整数规划模型和迭代算法。与基于循环消除约束和三角不等式的MIP模型相比，该模型具有更少的约束条件。所提出的迭代算法分别使用梯度下降和迭代重排序方法来搜索拓扑序。针对生物信息学中应用基因网络推理的高斯贝叶斯网络学习问题，给出了一个计算实验.

2017-08-20cs.DSstat.ML

超宽字模型中的算法

Algorithms in the Ultra-Wide Word Model

在当前的多核并行架构中，有效地使用并行计算资源来加速算法仍然是一个困难的挑战，易于编程在各种并行架构的最终成功中起着关键作用。在本文中，我们考虑一个超宽字处理器的形式并行的另一种观点。我们介绍了超宽字的体系结构和模型，字RAM模型的扩展，允许恒定的时间操作上千位并行。字-RAM模型所利用的字并行性不受并行编程的更困难方面的影响，即同步和并发。对于标准的字RAM算法，所获得的加速比是适度的，因为它们受到字大小的限制。我们认为，一个大类的字RAM算法可以实现在超宽字模型，获得加速比多线程计算，同时保持编程的顺序RAM模型的简单性。我们表明，这是通过描述实现超宽字算法的动态规划和字符串搜索的情况。此外，我们表明，超宽字模型可以用来实现一个非标准的内存架构，这使得回避重要的数据结构问题，如优先级队列和动态前缀总和的下限。虽然在多媒体处理器[Thorup 2003]的上下文中已经提到了类似的想法，但直到最近，我们提出的架构才变得可行，并且可以制定细节。

2014-12-07cs.DCcs.DS

穷举精确字符串匹配：全人类基因组分析

Exhaustive Exact String Matching: The Analysis of the Full Human Genome

由于许多实际应用，精确的字符串匹配几十年来一直是计算机科学中的基本问题。有些与常见的程序有关，例如在文件和文本编辑器中搜索，或者最近与更高级的问题有关，例如人工智能和生物信息学中的模式检测。已经开发了数十种用于模式匹配的算法和方法，并且存在几种程序设计语言、包、应用程序和在线系统，其可以在生物序列中执行精确的字符串匹配。然而，这些技术仅限于在序列中搜索特定的和预定义的字符串。本文提出了一种新的方法（称为Ex2SM），这是一个先进的数据结构和算法的执行流水线，明确设计的文本挖掘，可以检测到每一个可能的重复字符串在多元生物序列。与文献中的已知算法相比，这里提出的方法是字符串不可知的，即，它不需要一个输入字符串来搜索它，而是它可以检测到每个字符串，存在至少两次，无论其属性，如长度，频率，字母表，重叠等的复杂性的问题解决和所提出的方法的潜力证明与整个人类基因组上进行的实验分析。更具体地，已经检测到长度高达50个字符的所有重复字符串，由于这种长字符串的可能排列的指数数量，使用其他算法几乎不可能实现这一成就。

2019-07-24cs.DScs.IR

多集排序约束的过滤算法

Filtering Algorithms for the Multiset Ordering Constraint

University of York（约克大学）；Izmir University of Economics（伊兹密尔经济大学）；University of Bologna（博洛尼亚大学）；University of St Andrews（圣安德鲁斯大学）；NICTA（澳大利亚国家信息通信技术研究院）；University of New South Wales（新南威尔士大学）

约束规划（CP）已被成功地用于解决各种各样的约束满足问题，这些问题通常是计算上难以解决的。全球约束是CP成功背后的重要因素之一。本文研究了一种新的全局约束--多集序约束，它在CP的对称破缺和寻找最优解方面有着重要的应用。我们提出了高效和有效的过滤算法传播这个全局约束。我们表明，该算法是健全的和完整的，我们讨论了可能的扩展。我们还考虑其他传播方法的基础上现有的约束CP工具包。我们的一些基准问题的实验结果表明，通过一个专门的算法传播的多集排序约束可以是非常有益的。

2009-03-03cs.AIcs.DS

少终端Steiner树问题的求解

Solving the Steiner Tree Problem with few Terminals

TU Dresden（德累斯顿工业大学）；University of Potsdam（波茨坦大学）；TU Wien（维也纳工业大学）

Steiner树问题是网络设计、路由和VLSI设计中的一个众所周知的问题。给定一个图、边的代价和一组专用顶点（终端），斯坦纳树问题要求输出一个以最小代价连接所有终端的子图。通过动态规划来解决Steiner树问题的最先进算法是Dijkstra-Steiner算法。该算法通过系统地搜索较小的实例，基于终端的子集，并为这些较小的实例组合Steiner树，来构建整个实例的Steiner树。搜索严重依赖于引导启发式函数，以便修剪搜索空间。然而，为了确保正确性，该算法只允许有限的启发式函数，即那些满足所谓的一致性条件。本文对Dijkstra-Steiner算法进行了改进，提出了一种重访算法DS*。DS* 算法允许任意的下限作为启发式算法，放松了启发式函数上的先前条件。值得注意的是，我们现在可以使用基于线性规划的下限。此外，我们捕获的启发式函数的条件，我们称之为受理的新要求。我们表明，容许性确实是弱于一致性，并建立正确的DS* 算法时，使用一个容许的启发式函数。我们实现了DS*，并将其与现代预处理相结合，从而形成了一个开源求解器（DS* Solve）。最后，我们比较其性能的标准基准，并观察到竞争行为。

2020-11-09cs.AIcs.DS

具有Tsybakov噪声的半空间学习

Learning Halfspaces with Tsybakov Noise

University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

我们研究了在Tsybakov噪声存在下半空间的有效PAC可学习性。在Tsybakov噪声模型中，每个标签以一定的概率独立翻转，该概率由对手控制。该噪声模型通过允许翻转概率对于一部分样本任意地接近$1/2$而显著地概括了Massart噪声模型。我们的主要结果是第一个非平凡的PAC学习算法这个问题下的一个广泛的家庭结构化分布-满足一定的浓度和（反）反浓度属性-包括对数凹分布。具体来说，我们给出了一个算法，实现误分类错误$ε$相对于真正的半空间，与准多项式运行时依赖于$1/\epsilin$。在$1/ε$中，这个问题之前唯一的上限--即使是对数凹分布的特殊情况--是双指数的（并且通过天真的简化到不可知学习）。我们的方法依赖于一个新的计算效率的程序来证明候选解决方案是否是近最优的，基于半定规划。我们使用这个认证过程作为一个黑盒，并把它变成一个有效的学习算法通过在线凸优化搜索半空间的空间。

2020-06-11cs.DScs.LGmath.ST