多项式时间近似方案

我已经实现了32位单精度浮点加法/减法、乘法、余弦、正弦、除法、平方根和范围缩小，所有这些都是在这个体系结构上的软件。 为了实现余弦和正弦，我首先使用了范围约简，使用了K.C.在论文“大参数的参数约简”中描述的方法。NG I然后实现了一个余弦和正弦函数，这是余弦和正弦函数在-pi/4到+pi/4范围内的多项式逼近。我参考了哈特等人的《计算机近似值》一书。对于多项式。 我也听说我应该考虑CORDIC

什么是伪多项式时间？它与多项式时间有何不同？一些在伪多项式时间内运行的算法具有运行时，如O（nW）（用于0/1背包问题）或O(√n） （用于审判庭）；为什么不算作多项式时间？

在讲座中，我们已经考虑了背包问题：有n个项的正权值为w1，..、wn和值v1，..vn和容量为W的背包。问题的可行解是使总重量不超过W的物品的子集。目标是找到一个最大可能总价值的可行解。对于权值均为正整数的情形，我们讨论了求解时间为O(nW)的背包问题的动态规划解法。 a）假设所有项目的权值都是正整数，而不是权值。项目的权值可以是任意的正实数。描述一个解决背包问题的动态规划算法，如果所有项目的值都

一些async fn状态机可以安全地越过线程发送，而其他则不能。判断一个async fn Future是不是Send，由非Send类型是否越过一个.await据点决定的。当可以越过了.await据点，编译器会尽力去估计这个是/否。但是今天的许多地方，这种分析都太保守了。 例如，考虑一个简单的非Send类型，也许包含一个Rc： use std::rc::Rc; #[derive(Default)]

我正试图为这个问题想出一个合理的算法： （例如，你可以把一个蓝色和绿色的球放进蓝色盒子或绿色盒子里，但不能放进红色盒子里。） 我做了一些研究，这似乎类似于背包问题，也类似于匈牙利算法可以解决的问题，但我似乎不能把它简化为任何一个问题。 我只是好奇，对于这种类型的问题，是否有某种动态规划算法，可以在多项式时间内求解，或者它只是变相的旅行商问题。如果我知道最多有X种颜色会有帮助吗？非常感谢任何帮助。如

让我们把图的方差定义为其边权的方差。我所要解决的任务是设计一个算法，在给定图G的情况下，构造一个具有最小方差的生成树T。 我很难搞清楚这件事。到目前为止，我已经注意到，如果这样的生成树中的平均边权是已知的，那么问题可以通过将每条边的权重替换为其偏差的平方，即平均权重，并将该图输入到任何MST查找算法中来解决。 显然，我不知道任何关于平均边缘权重在树中，我正在试图构造，但它发生在我的平均值必须落在2