Jove
Visualize
Contáctanos

Videos de Experimentos Relacionados

Solución analítica y algorítmica de problemas aleatorios de satisfagabilidad.

M Mézard1, G Parisi, R Zecchina

  • 1Laboratoire de Physique Théorique et Modèles Statistiques, CNRS and Université Paris Sud, Bât. 100, 91405 Orsay Cedex, France.

Science (New York, N.Y.)
|June 29, 2002
PubMed
Resumen
Este resumen es generado por máquina.

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Meat quality of a slow-growing chicken breed fed soybean meal-free diets.

Animal : an international journal of animal bioscience·2026
Same author

Correction: Robotic uterine transposition for fertility preservation in patients undergoing pelvic radiotherapy: a narrative review of surgical evolution, technical strategies, and emerging evidence.

Journal of robotic surgery·2026
Same author

Robotic uterine transposition for fertility preservation in patients undergoing pelvic radiotherapy: a narrative review of surgical evolution, technical strategies, and emerging evidence.

Journal of robotic surgery·2026
Same author

Specific hepatic gene responses to dietary fat levels during the finisher phase in a slow-growing chicken breed.

Poultry science·2025
Same author

Quantifying Memory in Spin Glasses.

Physical review letters·2025
Same author

Aesthetic perception of patient in developmental age in interceptive orthodontic treatment.

European journal of paediatric dentistry·2024
Same journal

Erratum for the Research Article "Detecting supramolecular organic nanoparticles during heat wave".

Science (New York, N.Y.)·2026
Same journal

Local signals, systemic decline.

Science (New York, N.Y.)·2026
Same journal

The mechanics of liver regeneration.

Science (New York, N.Y.)·2026
Same journal

Computing in a memory with physics.

Science (New York, N.Y.)·2026
Same journal

Retraction.

Science (New York, N.Y.)·2026
Same journal

Making time.

Science (New York, N.Y.)·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Los investigadores exploraron la complejidad de K-satisfiabilidad en expresiones booleanas aleatorias. Identificaron una fase intermedia por debajo del umbral de satisfacibilidad, caracterizada por estados metestables, y desarrollaron nuevos algoritmos para abordar esta complejidad.

Área de la Ciencia:

  • Ciencias de la computación Ciencias de la computación
  • La complejidad computacional.
  • La inteligencia artificial es inteligencia artificial.

Sus antecedentes:

  • El problema de K-satisfiabilidad es un desafío fundamental en la complejidad computacional.
  • Comprender la transición de fase en expresiones booleanas aleatorias es crucial para el diseño de algoritmos.

Objetivo del estudio:

  • Para investigar el inicio de la complejidad en problemas de K-satisfiabilidad.
  • Para identificar el papel de los estados metestables en el rendimiento del algoritmo de búsqueda.
  • Desarrollar nuevos algoritmos de optimización para complejas instancias de satisfiabilidad.

Principales métodos:

  • Análisis de expresiones booleanas aleatorias con diferentes relaciones de cláusula a variable (alfa).

Videos de Experimentos Relacionados

  • Identificación de una fase intermedia por debajo del umbral de satisfagabilidad (alphac).
  • Desarrollo y prueba de una nueva clase de algoritmos de optimización diseñados para estados metestables.

    • Principales resultados:

    • Se estableció la existencia de una fase intermedia por debajo de alfac donde surge la complejidad.
    • Se demostró que los estados metestables son responsables del aumento de la dificultad de búsqueda.
    • Se probó con éxito un nuevo algoritmo de optimización en grandes puntos de referencia de K-satisfiabilidad.

    Conclusiones:

    • El estudio revela una fase intermedia crítica en la K-satisfiabilidad, que afecta el rendimiento del algoritmo.
    • Los nuevos algoritmos de optimización se muestran prometedores para abordar casos de problemas complejos y metastables.
    • Los hallazgos contribuyen a una comprensión más profunda de la complejidad computacional y los problemas de satisfacibilidad.