Für konkrete algorithmische Probleme soll der mittlere Zweitaufwand zu ihrer Lösung, Approximationsmöglichkeiten sowie Strategien bei fehlerbehafteten Eingabedaten untersucht werden

Klassisch wird der Aufwand zur Lösung algorithmischer Probleme durch die worst case Komplexität gemessen - die maximale Rechenzeit über alle Eingaben einer bestimmten Größe.因此，在规则的指导下，问题的解决是非常困难的，而且人们会更快地解决问题。Dies führt bei vielen Problemen zu dem Ergebnis，daheine effiziente Lösungsverfahren können，福尔斯komplexitätstheoretische Vermutungen wie“P ungleich NP”zutreffen.通常情况下，在中部地区，人们会发现一种独特的快乐，或者是一种最佳结果，这种结果来自于巨大的实践利益。Neben allgemeinen strukturellen Untersuchungen soll für Reihe von Problemklassen vorwiegend kombinatorischer Natur，deren average-case Komplexität und Approximierbarkeit eingehend untersucht韦尔登，unter anderem für das Sortieren von Daten，Problemstellungen in der Stringverbeitung sowie algorithmisches Lernen. Während diese beiden abgeschwächten Gütekritien zu einer Verbesserung der Effizienz der Lösungsverfahren führen können，wid die Aufgabenstellung bei manchen Anwendungen - etwa bei der Verarbeitung molekular-biologischer Daten -dadverschwert，dadverddie Eingabedaten mit Fehlern pufftet sind.这种情况需要一个韦尔登。这是一个韦尔登的算法方法，也是一个有效的问题，

Klassisch wird der Aufwand zur Lösung algorithmischer Probleme durch die worst-case Komplexität gemessen - die maximale Rechenzeit über alle Eingaben einer bestimmten Größe. Darüber hinaus wird in der Regel angenommen, daß das Problem exakt zu lösen ist und daß die Eingabedaten vollkommen fehlerfrei vorliegen. Dies führt bei vielen Problemen zu dem Ergebnis, daß keine effiziente Lösungsverfahren existieren können, falls komplexitätstheoretische Vermutungen wie "P ungleich NP" zutreffen. Oftmals wären Verfahren, die zumindes im Mittel eine schnelle Laufzeit erreichen oder deren Resultat zumindest in der Nähe des Optimums liegt, bereits von großem praktischen Interesse. Neben allgemeinen strukturellen Untersuchungen soll für eine Reihe von Problemklassen vorwiegend kombinatorischer Natur, deren average-case Komplexität und Approximierbarkeit eingehend untersucht werden, unter anderem für das Sortieren von Daten, Problemstellungen in der Stringverarbeitung sowie algorithmisches Lernen. Während diese beiden abgeschwächten Gütekriterien zu einer Verbesserung der Effizienz der Lösungsverfahren führen können, wid die Aufgabenstellung bei manchen Anwendungen - etwa bei der Verarbeitung molekular-biologischer Daten - dadurch erschwert, daß die Eingabedaten mit Fehlern behaftet sind. Diese Situation soll zunächst geeignet modelliert werden. Es sollen dann algorithmische Methoden entwickelt werden, die eine effiziente Problemlösung auch unter derartigen Bedingungen erl