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

Klassisch wind der Aufwand zur Lösung算法mischer problem durch die worst Komplexität gemessen - die maximale Rechenzeit Rechenzeit ber alle Eingaben einer bestestimmGröße。[中文]:[中文]:[中文]:[中文]:[中文]:[中文]:[中文]:[中文]:[中文]:[中文]：die fhrt bei vieelen Problemen zu dem Ergebnis, daß keine effiziente Lösungsverfahren existtieren können, falls komplexitätstheoretische Vermutungen wie "P ungleich NP" zutreffen。通常情况下wären Verfahren， die zumides in Mittel eine schnelle Laufzeit erreichen der deren结果zuminest in der Nähe des Optimums lighte， bereits von großem praktischen interse。Neben allgemeinen strukturelen Untersuchungen soll reine reien von problem - klassen vorwiegend combinatorischer Natur， deren平均情况Komplexität和approximate - barkeit eingend untersucht werden， under anderem fr das Sortieren von Daten, Problemstellungen in der stringverarbeung sowie algorithmisches leren。Während disese bebeen abgeschwächten gtekriteren zu einer Verbesserung der Effizienz der Lösungsverfahren f<s:1> hren können， wid Aufgabenstellung bei manchen Anwendungen - etwa bebeenstellung bei Verarbeitung分子生物学家Daten - dadurch erschwert， daß die Eingabedaten mit fehln行为研究。疾病情况销售zunächst geeignet modelliert werden。本文提出了一种新的求解算法，即求解算法，求解算法，求解算法，求解算法，求解算法

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