Algoritmi randomizzati che utilizzano uno stack

Ho sviluppato una nuova tecnica di derandomizzazione che mira a algoritmi randomizzati ricorsivi (o) algoritmi più generalmente randomizzati che usano uno stack. Sfortunatamente, non sono riuscito a trovare algoritmi randomizzati naturali per applicare le mie tecniche. Le catene ricorsive di Markov e le grammatiche stocastiche sono molto simili a ciò che sto cercando. Esistono altri algoritmi (più naturali) randomizzati che fanno un uso "essenziale" dello stack? Qualsiasi aiuto è molto apprezzato, dal momento che sono bloccato con questo per più di sei mesi.

Per darti più contesto, sto cercando un elenco di problemi simili a quelli del SivaKumar's Paper . Si noti che SivaKumar ha utilizzato il generatore pseudo-casuale di Nisan per derandomizzare questi problemi.

Come sottolinea Per Vognsen, e più in generale, ci sono molti algoritmi geometrici che funzionano come segue: Scegli un campione casuale ed esegui ricorsivamente sul campione e su altre strutture che ne derivano. L'algoritmo randomizzato di Clarkson per la programmazione lineare, così come quello di Seidel, e in effetti la serie Matousek-Sharir-Welzl citata da Per, funzionano tutti in questo modo, e il paradigma di Clarkson si estende ad altre situazioni in cui costruisci un tipo di taglio o epsilon-net e recurse .

Sfortunatamente, è improbabile che ottenga un nuovo risultato da questo, perché ci sono derandomizzazioni ottimali di questi algoritmi, a causa del lavoro di Matousek e Chazelle. L'articolo di Chazelle è un buon punto di riferimento per questo lavoro e il lavoro precedente di Matousek. Ma potrebbe essere un buon test del tuo metodo: è stato difficile inventare queste derandomizzazioni e se il tuo metodo fornisce un approccio black box a partire dall'algoritmo (più semplice) randomizzato, sarebbe pulito.

ps questo è probabilmente l'esempio più noioso possibile, ma il tuo metodo funziona su quicksort o su uno dei metodi di ricerca mediana randomizzati?

Che ne dici dell'algoritmo randomizzato di Welzl per ellissoidi di chiusura minimi? Ha profondità di ricorsione O (d) dove d è la dimensione dello spazio.

Non so quasi nulla della derandomizzazione, quindi potrebbe non essere quello che stai cercando. Se il mio esempio non si qualifica (forse per tua definizione fa solo un uso non essenziale della ricorsione?), Forse potresti chiarire il perché. Ciò aumenterebbe le possibilità di una qualità più elevata, risposte più pertinenti da parte degli altri.

La versione più veloce dell'algoritmo min-cut è davvero molto ricorsiva. Vedere la figura 2.5 qui o qualsiasi manuale di algoritmi randomizzati standard.