研究方向
当前位置:
中文主页
>>研究方向
动态算法优化
本方向聚焦于动态数据环境下的高效算法研究,主要包括:
[1] 近似保证改进:在插入、删除等动态更新过程中,提升算法的理论近似质量与稳定性;
[2] 更新时间优化:设计低摊还或次线性的更新机制,显著降低维护数据结构的开销;
[3] 查询时间优化:在保持高效更新的同时,确保查询过程快速准确,兼顾理论界与实际可用性。
研究目标是为动态场景下的聚类与机器学习问题建立高效、鲁棒的算法框架,实现理论保证与实际性能的平衡。