Nano Hash - криптовалюты, майнинг, программирование

Генерировать случайный цикл, который приближается к заданному весу

Существует ли графовый алгоритм решения следующей задачи:

Дан взвешенный неориентированный граф G (все веса положительные), начальный узел N и общий вес W*. Сгенерируйте случайный цикл через граф, начинающийся и заканчивающийся в узле N, общий вес которого (суммарный вес всех ребер) приближается к заданному весу W*.

Можно рассматривать это как создание цикла, который наиболее приближается к W*, но создание цикла, который приближается к W* с некоторой погрешностью, также вполне допустимо.


Ответы:


1

Если вам нужен простой цикл, вам нужен приближенный алгоритм для задачи коммивояжера. Я считаю, что есть известные результаты твердости, указывающие на то, что это NP-сложно для общих графов, но существует широкий спектр эвристик; Вы можете проверить литературу.

17.05.2018
Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..