基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
Lenstra-Lenstra-Lovasz(LLL)格基约化算法自1982年被提出以来,已被成功应用于计算机代数、编码理论、密码分析、算法数论、整数规划等众多领域.经过三十多年的发展,串行LLL算法的理论分析和实际效率都已得到显著改进,但仍不能满足密码分析等领域处理较大规模问题的需要.因此,并行LLL算法研究被寄予厚望.对并行LLL算法的研究现状进行了综述,总结了当前并行LLL算法设计与分析中存在的问题和难点,并对其未来发展趋势进行了展望.
推荐文章
并行化遗传算法研究综述
经典遗传算法
并行化
性能评估
基于Spark的并行关联规则挖掘算法研究综述
Spark
并行
关联规则挖掘
Apriori
FP-Growth
基于Gauss和LLL规约的新型格基规约算法
公钥密码体制
Gauss规约算法
LLL规约算法
Gauss-LLL规约算法
基于MapReduce计算模型的并行关联规则挖掘算法研究综述
数据挖掘
关联规则挖掘
频繁项集
并行
MapReduce
Hadoop
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 并行LLL算法研究综述
来源期刊 计算机工程与应用 学科 工学
关键词 格基约化 LLL算法 并行计算
年,卷(期) 2019,(16) 所属期刊栏目 热点与综述
研究方向 页码范围 36-41
页数 6页 分类号 TP311.1
字数 4835字 语种 中文
DOI 10.3778/j.issn.1002-8331.1903-0355
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘洋 重庆交通大学信息科学与工程学院 48 180 7.0 12.0
2 冯勇 中国科学院重庆绿色智能技术研究院自动推理与认知重庆市重点实验室 52 233 8.0 13.0
3 吴文渊 中国科学院重庆绿色智能技术研究院自动推理与认知重庆市重点实验室 19 79 6.0 8.0
4 陈经纬 中国科学院重庆绿色智能技术研究院自动推理与认知重庆市重点实验室 4 11 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (2)
参考文献  (21)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1956(1)
  • 参考文献(0)
  • 二级参考文献(1)
1978(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(4)
  • 参考文献(1)
  • 二级参考文献(3)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(2)
  • 参考文献(1)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1987(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(3)
  • 参考文献(2)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(4)
  • 参考文献(4)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
格基约化
LLL算法
并行计算
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导