Questions tagged «streaming-algorithm»

在关于反计数的这个问题上，我发现了一篇论文，证明了所有（精确）流算法的空间复杂度下限。我声称这个界限扩展到了所有线性时间算法。通常来说，线性时间算法可以随意跳动（随机访问），而流式算法则不能随意跳动；它必须按顺序调查元素。我可以执行多次，但只能连续多次（对于线性运行时）。 因此我的问题是： 是否可以将每个线性时间算法表示为不断通过的流算法？ 随机访问似乎阻止了（简单的）构造证明是肯定的答案，但是我也未能提出反例。 根据机器型号，在运行时，随机访问甚至可能不是问题。我会对这些模型的答案感兴趣： 图灵机，平面输入 RAM，作为​​数组输入 RAM，作为​​链接列表输入

14 algorithms  streaming-algorithm  simulation  lower-bounds 

在工作中，我的任务是推断一些有关动态语言的类型信息。我将语句序列重写为嵌套let表达式，如下所示： return x; Z => x var x; Z => let x = undefined in Z x = y; Z => let x = y in Z if x then T else F; Z => if x then { T; Z } else { F; Z } 由于我从一般类型信息开始，并试图推断出更具体的类型，因此自然的选择是精简类型。例如，条件运算符返回其真假分支类型的并集。在简单的情况下，它效果很好。 但是，在尝试推断以下类型时遇到了障碍： function …

11 programming-languages  logic  type-theory  type-inference  machine-learning  data-mining  clustering  order-theory  reference-request  information-theory  entropy  algorithms  algorithm-analysis  space-complexity  lower-bounds  formal-languages  computability  formal-grammars  context-free  parsing  complexity-theory  time-complexity  terminology  turing-machines  nondeterminism  programming-languages  semantics  operational-semantics  complexity-theory  time-complexity  complexity-theory  reference-request  turing-machines  machine-models  simulation  graphs  probability-theory  data-structures  terminology  distributed-systems  hash-tables  history  terminology  programming-languages  meta-programming  terminology  formal-grammars  compilers  algorithms  search-algorithms  formal-languages  regular-languages  complexity-theory  satisfiability  sat-solvers  factoring  algorithms  randomized-algorithms  streaming-algorithm  in-place  algorithms  numerical-analysis  regular-languages  automata  finite-automata  regular-expressions  algorithms  data-structures  efficiency  coding-theory  algorithms  graph-theory  reference-request  education  books  formal-languages  context-free  proof-techniques  algorithms  graph-theory  greedy-algorithms  matroids  complexity-theory  graph-theory  np-complete  intuition  complexity-theory  np-complete  traveling-salesman  algorithms  graphs  probabilistic-algorithms  weighted-graphs  data-structures  time-complexity  priority-queues  computability  turing-machines  automata  pushdown-automata  algorithms  graphs  binary-trees  algorithms  algorithm-analysis  spanning-trees  terminology  asymptotics  landau-notation  algorithms  graph-theory  network-flow  terminology  computability  undecidability  rice-theorem  algorithms  data-structures  computational-geometry 

给定布尔矩阵X，令0项代表海洋，1项代表陆地。将一个岛定义为垂直或水平（但不是对角线）相邻的1个条目。n × 米ñ×米n \times mXX\mathrm X0001个1个11个1个1 最初的问题是计算给定矩阵中的孤岛数量。作者描述了一个递归解（内存）。O（n米）Ø（ñ米）\mathcal{O}(nm) 但是我没有尝试找到一种流式处理（从左到右，然后向下到下一行）的解决方案，该解决方案可以动态地计算具有或O（n ）或O（n + m ）内存的岛（没有限制）时间复杂度）。那可能吗？如果没有，我该如何证明？O（米）Ø（米）\mathcal{O}(m)O（n）Ø（ñ）\mathcal{O}(n)O（n+m）Ø（ñ+米）\mathcal{O}(n+m) 该count功能某些输入的预期输出的一些示例： Ç Ò ù Ñ 吨⎛⎝⎜010111010⎞⎠⎟= 1 ; Ç Ò ù Ñ 吨⎛⎝⎜101010101⎞⎠⎟= 5 ; Ç Ò ù Ñ 吨⎛⎝⎜111101111⎞⎠⎟= 1 ;CØüñŤ（010111010）=1个;CØüñŤ（101010101）=5;CØüñŤ（111101111）=1个; count\begin{pmatrix} 010\\ 111\\ 010\\ \end{pmatrix} = 1; % count\begin{pmatrix} 101\\ 010\\ 101\\ \end{pmatrix} = 5; % …

9 algorithms  matrices  counting  streaming-algorithm