Hub labels とは

コンピュータ科学では、ハブ・ラベルまたはハブ・ラベリング・アルゴリズムは、ルックアップ・テーブルよりもはるかに少ないリソースを消費するが、道路ネットワークなどのグラフ内のノード間の最短経路を見つけるためには非常に高速な方法である。
この方法では、最大で2つのSELECT文と2つの文字列を分析して、グラフの2つの頂点間の最短経路を計算することができます。道路グラフのような向きのグラフの場合、この手法では、縮小階層の方法を使用して構築された構造から2つのテーブルを事前に計算する必要があります。最後に、これら2つの計算テーブルは、グラフ内に存在するノードと同じ数の行を持ちます。各行(各ノード)に対して、ラベルが計算されます。
ラベルは、現在のノード(行のノード)と相対マルチレベル構造上で昇順検索で到達できる他のすべてのノードとの間の距離情報を含む文字列です。これらの距離の利点は、すべてが最短経路を表すことです。
したがって、将来のクエリでは、最短パスの検索は、最初のテーブルのソースと2番目のテーブルの宛先から開始し、関連する距離情報を持つ共通ノードのラベル内で検索されます。最短経路の結果として最小の距離の和しか保持されません。

Maze solving algorithm とは

さまざまな迷路解決アルゴリズム、すなわち迷路解決のための自動化された方法があります。ランダムマウス、ウォールフォロワー、Pledge、およびTrémauxのアルゴリズムは、迷路の事前知識がない旅行者によって迷路内で使用されるように設計されていますが、行き詰まりの充填アルゴリズムや最短パスアルゴリズムは、一度に迷路全体を見ることができるコンピュータプログラム。
ループを含まない迷路は、「単純に接続された」または「完璧な」迷路として知られており、グラフ理論のツリーと同等です。したがって、多くの迷路解決アルゴリズムは、グラフ理論と密接に関連している。直観的に、迷路内の経路を適切な方法で引っ張って引き伸ばすと、その結果は木に似せることができます。

Jump-and-Walk algorithm とは

Jump-and-Walkは、三角測量におけるポイント位置のアルゴリズムです(理論的解析のほとんどは、2Dおよび3DのランダムなDelaunay三角測量で実行されましたが)。驚くべきことに、このアルゴリズムは、三角形分割自体の単純な表現を除いて、前処理または複雑なデータ構造を必要としない。 Jump-and-Walkの前身は、Lawson(1977)とGreen and Sibson(1978)によるもので、ランダムな出発点Sを選んだ後、一度にSから問合せ点Qに向かって歩いていく。しかし、1990年代半ばまで、これらの先人たちの理論的分析は知られていなかった。
ジャンプ・アンド・ウォークは、サンプル・ポイントの小さなグループを選択し、Qを含むシンプレックスが見つかるまで、Qに最も近いサンプル・ポイントからウォークを開始する。このアルゴリズムは実際には民間伝承であり、アルゴリズムの正式な提示と2Dランダムドローネ三角測量におけるその性能の分析は、1990年代半ばのDevroye、Mucke、Zhuによって行われた(Algorithmica、1998に掲載された) 。 3Dランダムドローネ三角測量の分析は、Mucke、Saias、Zhu(ACM Symposium of Computational Geometry、1996)によって行われました。いずれの場合も、境界条件が仮定された。すなわち、Qは、ランダムドローネ三角形分割の頂点が描画される凸領域の境界からわずかに離れていなければならない。 2004年、Devroye、Lemaire、Moreauは、2Dで境界条件を取り除くことができることを示した(Computational Geometry:Theory and Applications、2004に掲載された)。
Jump-and-Walkは、QHULL、Triangle、CGALなどの多くの有名なソフトウェアパッケージで使用されています。

Kunstweg とは

BürgiのKunstwegは、16世紀末にJostBürgiによって考案された一連のアルゴリズムです。これらは、正弦の計算に任意の精度で使用できます。 Bürgiは、これらのアルゴリズムを使用して、正弦波のテーブルを2秒単位で計算するCanon Sinuumを計算しました。この表には8つの60の位があると考えられます。いくつかの著者は、この表は0度から45度までの範囲しかカバーしていないと推測しているが、何もこの主張を裏付けるものではない。このようなテーブルは、海上での航行に非常に重要でした。ヨハネス・ケプラー(Johannes Kepler)は、キヤノン・シヌウム(Kyon Sinuum)を最も正確に知られている正弦波のテーブルと呼んだ。ビュルギはルドルフ2世に提示した彼の作品「Fundamentum Astronomiae」でアルゴリズムを説明しました。 1592年に
Kunstwegによる反復サインテーブルの計算の原理は次のとおりです。列内のセルは、同じ列内の2つ前のセルの値を合計します。最後のセルの値は2で除算され、次の繰り返しが開始されます。最後に、最後の列の値が正規化されます。数回の反復の後に正弦のかなり正確な近似が得られる。
最近2015年までに、Folkerts et al。この単純なプロセスが本当に正弦波に向かって収束することを示しました。 Folkertsによると、これは差分計算の第一歩です。

Holographic algorithm とは

コンピュータサイエンスでは、ホログラフィックアルゴリズムはホログラフィックリダクションを使用するアルゴリズムです。ホログラフィックリダクションは、ソリューションフラグメントの合計が変更されないように多対多のソリューションフラグメントをマッピングする一定時間の短縮です。これらの概念は、Leslie Valiantによって紹介されました。Leslie Valiantは、「その効果は、ソリューション・フラグメント間に干渉パターンを生成するものとして見ることができる」ため、ホログラフィーと呼びました。このアルゴリズムは、比喩的なことを除いて、レーザーホログラフィとは無関係です。それらの力は、ホログラムの干渉パターンに類似して、多くの寄与が相互に相殺されることから生じる。
ホログラフィックアルゴリズムは、充足可能性、頂点カバー、および他のグラフ問題の特殊なケースについて、これまでに知られていた解決策なしに、問題に対する多項式時間解を見つけるために使用されてきた。彼らは、P対NP問題に関連しているとの推測と計算複雑性理論へのそれらの影響のために注目すべき報道を受けている。一般的な問題のいくつかは#Pハードな問題ですが、解決された特殊なケースは自分自身が#Pハードではないので、FP = #Pを証明しません。
ホログラフィックアルゴリズムは、量子計算といくつかの類似点を持ちますが、完全に古典的です。

KHOPCA clustering algorithm とは

KHOPCAはもともとダイナミックネットワーク用に開発された適応型クラスタリングアルゴリズムです。 KHOPCA( k {\textstyle k} -hop clustering algorithm)は、ネットワーク内のノードなどの要素を互いの距離に応じてグループ分けするための、完全に分散かつ局所化されたアプローチを提供します。 KHOPCAは、適用された距離関数に対して最適なクラスターを定義する単純なルールのセットによって積極的に動作する。
KHOPCAのクラスタリングプロセスは、ノードの参加と離脱を明示的にサポートするため、高度な動的ネットワークに適しています。しかし、KHOPCAは静的ネットワークでも動作することが実証されています。
KHOPCAは、アドホックおよびワイヤレスセンサーネットワークのアプリケーションに加えて、ローカライゼーションおよびナビゲーションの問題、ネットワーク化された集団、リアルタイムのデータクラスタリングおよび分析にも使用できます。

Medical algorithm とは

医療アルゴリズムは、医療に有用な任意の計算、公式、統計調査、ノモグラム、またはルックアップテーブルである。医療アルゴリズムには、医療処置(例えば、症状A、B、およびCが明らかである場合、治療Xを使用する場合)および不確実性を低減または定義するためのあまり明確でないツールに対する決定木アプローチが含まれる。

Distributed tree search とは

分散ツリー検索(DTS)アルゴリズムは、効率的かつ分散的に値を検索するためのアルゴリズムの一種です。それらの目的は、ツリー状のデータ構造内の値を検索するのにかかる時間を最小限に抑えるために、複数のブランチに沿って並行して作業し、各ブランチの結果を1つの共通のソリューションにマージすることによってツリーを反復することです。
元の論文は、カリフォルニア大学コンピュータサイエンス学部のChris FergusonとRichard E. Korfによって1988年に書かれました。彼らは、このより広い範囲のアルゴリズムを開発するために複数の他のチェスAIを使用しました。

EdgeRank とは

EdgeRankはFacebookがユーザーのニュースフィードに表示される記事を決定するために使用するアルゴリズムに一般的に与えられる名前です。 2011年現在、FacebookはEdgeRankシステムの使用を中止し、2013年現在で10万以上の要因を考慮した機械学習アルゴリズムを使用しています。
EdgeRankはSerkan Piantinoによって開発され実装されました。

Gutmann method とは

Gutmann法は、ファイルなどのコンピュータのハードディスクドライブの内容を安全に消去するためのアルゴリズムです。 Peter GutmannとColin Plumbによって考案され、1996年7月の磁気・ソリッドステートメモリからのデータの安全な削除の論文に示されている。
パターンの選択は、ユーザーがドライブで使用されるエンコーディングメカニズムを知らないと仮定しているため、3種類のドライブ専用に設計されたパターンが含まれています。ドライブが使用するエンコーディングのタイプを知っているユーザーは、ドライブ用のパターンのみを選択できます。異なる符号化メカニズムを持つドライブには、異なるパターンが必要です。
Gutmann法のパターンのほとんどは、古いMFM / RLLでエンコードされたディスク用に設計されています。 Gutmann自身は、より現代的なドライブではこれらの古いエンコーディング技術を使用しなくなり、メソッドの一部を無関係にしていることに気付きました。彼は「この論文が発表されて以来、35-pass上書き技術は、ドライブエンコーディング技術の技術的分析の結果よりも悪霊を追放するためのブードゥー教の一種である」と扱いました。
2001年頃から、一部のATA IDEおよびSATAハードドライブメーカーの設計では、ATA Secure Erase規格がサポートされ、ドライブ全体を消去するときにGutmann方式を適用する必要がなくなりました。しかし、2011年の調査では、8社のメーカーのうち4社がATA Secure Eraseを正しく実装していないことが判明しました。