Un nouvel algorithme révolutionne l'optimisation des flux dans les réseaux
ParisRasmus Kyng et son équipe de chercheurs ont réalisé une avancée majeure dans les algorithmes de flux de réseau. Ils ont conçu un nouvel algorithme permettant d'optimiser le déplacement dans un réseau beaucoup plus rapidement qu'auparavant. Cette découverte pourrait avoir un impact sur divers domaines, notamment le transport, le trafic internet et les réseaux biologiques.
L'algorithme innovant de l'équipe de Kyng réduit les coûts de transport et optimise le flux du réseau. Il lit rapidement les données du réseau et calcule le meilleur flux possible. C'est une avancée majeure, car les anciens algorithmes mettaient beaucoup plus de temps à traiter les données à mesure que le réseau s'agrandissait.
Voici pourquoi c'est révolutionnaire :
- L'algorithme fournit des solutions dès que l'ordinateur analyse les données du réseau.
- Le temps de calcul et la taille du réseau augmentent au même rythme.
- Il surpasse de manière significative les algorithmes précédents.
Auparavant, il fallait beaucoup de temps pour déterminer le meilleur flux dans les grands réseaux. Kyng a résolu ce problème en rendant le processus rapide et efficace. La nouvelle méthode utilise de nombreux petits calculs rapides au lieu de quelques grands calculs complexes. C'est ce changement qui permet de gagner beaucoup de temps.
Au début des années 2000, les algorithmes les plus rapides nécessitaient environ un temps de m^1.5, où m représente le nombre de connexions dans le réseau. En 2004, ce temps est passé à m^1.33. Le nouvel algorithme de Kyng réduit désormais ce temps de calcul supplémentaire à presque rien, en faisant le plus rapide pour résoudre ces problèmes.
L'équipe de Kyng a perfectionné ses méthodes, créant des algorithmes quasi instantanés pour les réseaux évolutifs. Ces algorithmes peuvent s'adapter aux changements dans les réseaux, qu'il s'agisse de nouvelles connexions ou de connexions manquantes. Simon Meierhans, membre de l'équipe, a présenté un nouvel algorithme pour les modifications progressives lors du Symposium annuel de l'ACM sur la théorie de l'informatique à Vancouver. Cet algorithme permet une mise à jour des nouvelles connexions presque immédiatement.
Une étude récente, acceptée par FOCS en octobre, a présenté un algorithme pour gérer les connexions ajoutées et supprimées. Cela permet des ajustements rapides et efficaces des itinéraires, précieux dans des situations réelles comme la gestion des fermetures de routes ou la recherche de chemins alternatifs en cas d'accidents.
Les calculs rapides de Kyng offrent une méthode innovante pour gérer les réseaux complexes. Alors que les algorithmes précédents se focalisaient soit sur des sections spécifiques du réseau, soit sur le réseau entier en utilisant des valeurs moyennes, la méthode de Kyng allie ces deux approches pour améliorer l'efficacité.
De nouveaux outils mathématiques ont été développés pour accélérer ces algorithmes. L'un de ces outils est une méthode innovante pour organiser plus rapidement les données de réseau. Cela permet de détecter plus vite les changements de réseau, rendant les calculs plus rapides.
Ce travail a résolu de nombreux anciens problèmes et a amélioré la manière dont les ordinateurs gèrent des tâches complexes. Il pourrait rendre des systèmes comme le transport, les communications et la biologie plus efficaces. Cela pourrait conduire à des applications meilleures et plus rapides dans divers domaines.
L'étude est publiée ici:
http://dx.doi.org/10.1145/3618260.3649745et sa citation officielle - y compris les auteurs et la revue - est
Li Chen, Rasmus Kyng, Yang P. Liu, Simon Meierhans, Maximilian Probst Gutenberg. Almost-Linear Time Algorithms for Incremental Graphs: Cycle Detection, SCCs, s-t Shortest Path, and Minimum-Cost Flow. Proceedings of the 56th Annual ACM Symposium on Theory of Computing, 2024 DOI: 10.1145/3618260.3649745Aujourd'hui · 04:05
Vikings : pionniers des réseaux d'ivoire arctique
Aujourd'hui · 02:08
Étude : le rôle des femmes dans l’accueil au XVIIe siècle
Aujourd'hui · 00:09
Biomarqueurs numériques : saisons et troubles de l’humeur
Partager cet article