直径距离测试的细分复杂性
摘要：分析基于细分的算法的复杂性的一般框架：这些算法的测试基于区域的大小和其与问题特征内某些集合（通常是变种）的距离。我们称这种测试为直径-距离测试。我们通过证明许多基于区间算术的测试实际上是直径-距离测试来说明直径-距离测试在文献中是常见的。对于这类算法，我们通过应用连续分摊的框架提供了基于分隔界限的非自适应复杂性上界和自适应上界。利用这个结构，我们对Plantinga和Vegeter提出的用于近似实数隐式曲线和曲面的算法进行了第一次复杂性分析。我们提供了对该算法的复杂性的自适应和非自适应的先验最坏情况上界，既涉及构建的子区域数量，也涉及构建的位复杂性。最后，我们构造了超曲面家族来证明我们的上界是紧密的。
作者：Michael Burr, Shuhong Gao, Elias Tsigaridas
论文ID：1801.05864
分类：Symbolic Computation
分类简称：cs.SC
提交时间：2018-01-19