TL;DR
- چکیده:.
- ما مشکل تخمین را برای برنامههای همزمان مطالعه میکنیم:.
- با توجه به یک برنامه محدود $P$،.
چه اتفاقی افتاد
چکیده:. ما مشکل تخمین را برای برنامههای همزمان مطالعه میکنیم:.
با توجه به یک برنامه محدود $P$،. تعداد کلاسهای هم ارزی ردیابی Mazurkiewicz را که توسط ترکیببندیهای آن ایجاد میشوند،.
تخمین بزنید. این کمیت به دو سوال عملی برای بررسی مدل مبتنی بر شمارش پاسخ میدهد:.
مدت زمان اجرای بررسی مدل احتمالاً چقدر طول میکشد،. و چه کسری از فضای جستجو تا کنون پوشش داده شده است.
ما ابتدا نشان میدهیم که مشکل شمارش #P-hard است حتی برای برنامههای محدود و،. مگر اینکه $P=NP$،.
در هر عامل زیرنمایی غیرقابل تقریب باشد،. که الگوریتمهای تقریب دقیق یا تصادفی کارآمد را رد میکند.
ما یک رویکرد مونت کارلو را برای به دست آوردن یک تخمینگر بیطرفدار چند زمان ارائه میدهیم:. یک الگوریتم DPOR بهینه بدون حالت را با مشاهده کاوش آن بهعنوان درختی با عمق محدود و پهنای.
محدود که برگهای آن حداکثر آثار Mazurkiewicz هستند،. به یک برآوردگر بیطرف تبدیل میکنیم.
یک برآوردگر کلاسیک توسط کنوت،. وقتی روی این درخت اجرا میشود،.
یک تخمین بی طرفانه به دست میآید. برای کنترل واریانس،.
شمارش تصادفی را با حفظ جمعیت کوچکی از مسیرهای جزئی در عمق که تکامل آنها همراه است،. اعمال میکنیم.
ما برآوردگر خود را در بررسیکننده مدل JMC پیادهسازی کرده ایم و آن را بر روی معیارهای حافظه مشترک. ارزیابی کرده ایم.
با بودجههای متوسط،. برآوردگر ما تخمینهای پایداری را معمولاً در یک باند 20 درصدی،.
در عرض چند صد آزمایش ارائه میکند،. حتی زمانی که فضای ایالتی دارای کلاسهای 10^5$--10^6$$ باشد.
ما همچنین نشان میدهیم که چگونه همان ماشینآلات هزینه بررسی مدل را با وزن کردن تمام نمودارهای بررسیشده،. نه تنها آثار کامل،.
تخمین میزند. الگوریتمهای ما اولین برآوردگرهای بیطرفدار چند زمانه قابل اثبات را برای شمارش ردیابیها فراهم میکنند،.
مشکلی که در هنگام تخصیص منابع بررسی مدل اهمیت زیادی دارد. برای حضور در PLDI 2026 پذیرفته شده است زبانهای برنامهنویسی (cs.
PL) استناد بهعنوان: (یا v2 [cs. PL] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Umang Mathur [مشاهده ایمیل] [v1] سهشنبه،.
30 دسامبر 2025،. 05:.
32:. 06 UTC (111 KB) [v2] سه شنبه،.
7 آوریل 2026،. 01:.
06:. 30 UTC (111 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.