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

对于具体的算法问题，应检查解决这些问题所需的平均额外工作量、近似选项和容易出错的输入数据的策略

• 批准号: 5311982
• 负责人: Professor Dr. Rüdiger Reischuk
• 金额: --
• 依托单位: Institut für Theoretische Informatik (TCS)
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2001
• 资助国家: 德国
• 起止时间: 2000-12-31 至 2008-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5311982?language=en
• 关键词: konkrete; algorithmische; Probleme; soll; der

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

经典算法是解决最坏情况下的复杂问题 - 最大程度地解决所有问题。在 der Regel angenommen 中，解决问题是解决问题并解决所有问题的关键。由于存在的问题，存在的问题非常有效，因此“Pungleich NP”的理论分析变得复杂。通常情况下，我们会以中性或中性的方式来获得结果，从而获得最佳结果，从而获得最佳实践兴趣。常见的结构问题解决了自然问题组合问题、平均情况复杂性和近似问题的问题、日期排序的问题、字符串问题中的问题 算法学习。 Während diese beiden abgeschwächten Gütekriterien zu einer Verbesserung der Effizienz der Lösungsverfahren führen können, wid die Aufgabenstellung bei manchen Anwendungen - etwa bei der Verarbeitung molecular-biologischer Daten - badurch erschwert, daß die Eingabedaten mit Fehlern behaftet sind。 Diese Situation soll zunächst geeignet modelliert werden。这是解决问题的算法方法，是解决问题的有效方法