论文摘要
在过去的10 年中,DNA 计算取得突飞猛进的成果,尤其是在SAT 问题上,以Lipton , Adleman , Qinghua liu 等人为代表的科学家们纷纷在SAT 问题上,取得了可喜的成果。本文则在前人的基础上继续探索3-SAT 问题的有效算法,并给出了4 种方法的8 个算法第一种算法为自装配算法,根据自装配的原理,设计了链接方式,设计的思想非常简单明了,那就是首先在m 个试管中分别找到可以使m 个子句各自为1的链,然后再将找到的这些链全都倒入同一个试管中,利用自装配方法一步找到公共链,也就是公式的解。第二种方法为荧光标记法,它是自装配算法的一种,只不过他采用了荧光标记的方式,它的设计思路与第一种方法基本相同,所不同的是,在第二步将m个试管中的链到入同一个试管中之后,用的是探针模板来找公共解, 这也是一步完成的,与算法一的效果是一样的,只是它的空间复杂度要比算法一要小一些。第三种算法为三联接法,其实质上是算法一的一种改进算法,不过所采用的方式比起算法一要巧妙的多,它同过三联接的设计,较好的解决了时间复杂度的问题。它主要通过三联管的设计,以三个试管为一个单位,进行自装配,也就是分步自装配法,实现方法与第一种算法相同。第四种方法为三分法,,这是一种分支策略,首先对所有的变量通过其在子句中出现的数目进行变量重排,然后利用对斜率的算法,求出第一个分支点k,再根据不同的情况确定第二个分支点,从而将所有的变量分成三部分,根据这个划分,相应得创建三个子库,对于三个子库相应的将所有的子句划分成四个部分,从而将原来的公式划分成四个子公式。这样就将求原来的公式解得问题划分成求四个子公式的公共解得问题。这4 种方法的8 种算法,。前三种算法是本文的基本算法,它们的共同之处在于,通过自装配模型来实现了算法的高度并行,从而将算法的时间复杂度降低到了常量时间,而空间复杂度与其他算法相比却没有改进,而三分法则克服了上述缺点,在将算法的时间复杂度降低到了常量的同时,也将空间复杂度降低到了较小的水平。
论文目录
相关论文文献
- [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
- [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
- [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
- [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
- [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
- [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
- [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
- [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
- [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
- [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
- [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
- [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
- [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
- [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
- [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
- [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
- [17].如何加强对算法的治理[J]. 国家治理 2020(27)
- [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
- [19].算法规制的谱系[J]. 中国法学 2020(03)
- [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
- [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
- [22].算法的法律规制研究[J]. 上海商业 2020(09)
- [23].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
- [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
- [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
- [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
- [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
- [28].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)
- [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
- [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)