XiaoMi-AI文件搜索系统
World File Search Systemapproximation
学习增强的最大独立集-DROPS
找到最大独立集是经典的NP - 硬性问题之一[42]。此外，[36，60]的开创性工作证明了近似MIS的大小至在任何δ> 0的n 1-δ以内的NP硬度。相比之下，输出任何一个顶点都可以琐碎地给出n- apptroximation。[10]给出了一个非平凡的O（n/ log 2 n） - 近似MIS，后来[29]改进了这一点。这些结果表明，该问题的一般形式很难，因此，许多研究工作已致力于在特殊情况下进行近似算法，例如平面图[3，47]，矩形交流图[16，22，32]，and Expiented-timential-pimential-pimential-time algorith算法[51，31，31，59，59，59，59，59，12]。另一方面，启发式算法尽管有糟糕的案例保证，但在现实世界图上通常表现出值得称赞的表现[4，24，57]。例如，贪婪算法仅提供O（∆）的近似保证，其中∆是g的最大程度。但是，它经常产生令人满意的经验结果。最差的硬度硬度和实际效率之间的差距激发了我们通过超出最坏情况分析的视角研究MIS问题[11，52]。，特别是在现代背景下，我们提出了一个问题的问题，该问题是通过学习吸引人的甲壳的最大独立集。
最大化非单词酮子模型和线性函数的总和：了解无约束的情况
是出于实际应用的动机，最近的作品考虑了子模函数g和线性函数的总和的最大化。迄今为止，几乎所有此类工作仅研究了此问题的特殊情况，其中G也保证为单调。因此，在本文中，我们系统地研究了该问题的最简单版本，其中允许g是非单调的，即无约束的变体，我们将其称为正则不受约束的非约束下义最大化（正则化usizusm）。我们的主要算法结果是通用正则化usem的首个非平凡保证。对于线性函数ℓ是非阳性的正则uSM的特殊情况，我们证明了两个不Xibibibity的结果，表明先前的作品对这种情况暗示的算法结果远非最佳。最后，我们重新分析了已知的双重贪婪算法，以获得改进的正则化usemized use的特殊情况的保证，其中线性函数是非负的；我们通过表明无法获得（1 / 2，1）对这种情况的APPROXIMATION（尽管有直觉的论点表明这种近似保证是自然的）来补充这些保证。
带有预测的战略防止调度 - 滴
在发起算法机理设计领域的开创性论文中，Nisan and Ronen [27]研究了设计策略性防止机制以在无关机器上安排工作的问题，旨在最小化Makepan。他们提供了一种策略性的机制，可以实现n个应用，并大胆地猜想这是任何确定性的策略性计划调度机制都可以实现的最佳近似值。经过二十多年的努力，N仍然是Christodoulou等人最著名的近似和最近的工作。[11]能够证明所有确定性策略性机制的近似结合。但是，这种强烈的负面结果在很大程度上取决于以下事实：这些机制的性能是使用最坏情况分析评估的。要克服这种过于悲观的，通常是不信息的，最差的界限，最近的工作集中在“学习增强的框架”上，其目标是利用机器学习的预测来获得改善的近似值，同时近距离固定时，即使在近距离近似近似情况下，这些预测也是如此，即在这项工作中，我们使用学习扬声器的框架研究了Nisan和Ronen [27]的经典战略调度问题，并提供了一种确定性的多项式策略性防止机制，该机制是6一致和2 N-brobust。因此，我们实现了“两全其美的最佳”：O（1）的一致性和O（n）鲁棒性，渐近地与最著名的近似值匹配。然后，我们扩展此结果，以提供更一般的最差近似值保证，作为预测误差的函数。最后，我们通过表明任何1一致的确定性策略防抗机制具有无限稳定性来补充积极的结果。
改良高斯 - 邦纳特重力的动力系统
QCD在大密度下揭示了丰富的相结构，范围从潜在的临界终点和不均匀阶段或护城河制度到具有竞争顺序效应的超导级别。通过功能方法在QCD的阶段图中解决该区域需要大量的定量可靠性来进行定性访问。在目前的工作中，我们通过在低能有效的夸克 - 梅森理论中建立完全自洽的近似方案来系统地将功能性重归其化组方法扩展到低能QCD。在此近似值中，在有效的电位以及所有较高的夸克 - 易夸克 - 中音散射顺序方面都考虑了中间亲和σ模式的所有指向多肢体事件。作为第一个应用，我们计算QCD的相结构，包括其低温，大化学势部分。还讨论了近似和系统扩展的定量可靠性。
多角度量子近似优化算法
量子近似优化算法 (QAOA) 使用由量子演化的参数化层定义的变分拟设电路来生成组合优化问题的近似解。理论上，随着拟设深度的增加，近似度会提高，但门噪声和电路复杂性在实践中会损害性能。在这里，我们研究了一种 QAOA 的多角度拟设，它通过增加经典参数的数量来减少电路深度并提高近似率。即使参数数量增加，我们的结果表明，对于我们考虑的测试数据集，可以在多项式时间内找到好的参数。与 QAOA 相比，这种新的拟设使无限系列 MaxCut 实例的近似率提高了 33%。最佳性能的下限由传统拟设确定，我们针对八个顶点的图给出了经验结果，即多角度拟设的一层与 MaxCut 问题上传统拟设的三层相当。类似地，在 50 个和 100 个顶点图上的 MaxCut 实例集合上，多角度 QAOA 在相同深度下比 QAOA 产生更高的近似率。许多优化参数被发现为零，因此可以从电路中移除它们相关的门，从而进一步降低电路深度。这些结果表明，与 QAOA 相比，多角度 QAOA 需要更浅的电路来解决问题，使其更适合近期的中型量子设备。
在麦克米伦公式的范围-Jan Berges
3多体物理学6 3.1动态图片。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。6 3.1.1 Dyson系列。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 7 3.2绿色功能。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 8 3.2.1假想时间形式主义。 。 。6 3.1.1 Dyson系列。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。7 3.2绿色功能。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。8 3.2.1假想时间形式主义。。。。。。。。。。。。。。。。。。。。。。。。。。。。9 3.3自由颗粒。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 3.4扰动系列。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 3.4.1 Wick定理。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>12 3.5模型相互作用。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>12 3.5.1荷斯坦模型。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 3.5.2均基电子气体。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>16 3.5.3哈伯德模型。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 3.6自我能源。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17 3.6.1 GW近似。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 19 3.6.2 HF近似。 。 。 。 。 。 。 。 。 。17 3.6.1 GW近似。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 3.6.2 HF近似。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19
focs24 cfp -focs 2024
介绍有关计算理论的新的和原始研究的论文。Typical but not exclusive topics of interest include: algorithmic coding theory, algebraic computation, algorithmic graph theory, algorithmic game theory, algorithms and data structures, analysis of Boolean functions, approximation algorithms, average-case complexity, computational applications of logic, combinatorics, computational complexity, communication complexity, circuit complexity, combinatorial optimization, computational game theory, computational geometry, computational learning theory, continuous optimization, cryptography, foundations of machine learning, online algorithms, optimization, parallel and distributed algorithms, parameterized algorithms, randomized algorithms, sublinear algorithms, streaming algorithms, quantum computing, pseudorandomness and derandomization, foundations of fairness and privacy, and theoretical网络，信息检索，计算生物学和数据库等领域的各个方面。鼓励扩大计算理论或提出可以从理论研究和分析中受益的重要问题的论文。
在CKKS中达到有效的订单统计
本文探讨了在CKKS加密方案中改善排名，顺序统计和分类算法的方法，重点是近似近似差异函数，例如符号函数。完全同态加密（FHE）通过直接对加密数据启用计算来确保数据隐私，但其高计算复杂性带来了显着的挑战。为了应对这些挑战，这项研究分析了两种关键近似技术的准确性和计算效率之间的平衡：Tchebyche和复合的minimax近似算法。我们的实验结果表明，复合最小值多项式优于使用Tchebyche近似值在内存使用和计算效率中创建的多项式，使其更适合于高性能效率。为了提高其针对近似误差的鲁棒性，本文还提出了一种修订算法，用于确定矢量的（arg）min和（arg）max，该算法将比较函数的用法替换为最大或最小函数的使用。我们的发现表明，在确定向量中的最小值时，使用最大或最小函数而不是比较函数可改善稳健性与近似误差。但是，计算Argmin时相反，因为稳健性降低。这些结果有助于开发CKKS加密方案的更健壮和有效的隐私算法，并具有潜在的应用程序，并具有安全的云计算，加密的机器学习和具有隐私意识的数据分析。