Effektive algoritmer og datastrukturer

Effektive algoritmer og datastrukturer har stor betydning inden for big data, hvor der udføres komplekse beregninger på meget store datasæt. Ofte er algoritmisk effektivitet afgørende for analysekvaliteten (eller for, om analysen overhovedet kan gennemføres). Modellering af beregningsinfrastrukturer (som f.eks. komplekse hukommelsesniveauer, GPU’er og klient/server-arkitekturer) samt udvikling af algoritmer og datastrukturer til disse modeller/devices får også større og større betydning.

Formål og synergier

Formålene med denne workstream er:

  1. At øge vores grundlæggende forståelse af effektive algoritmer og datastrukturer for at kunne håndtere udfordringerne inden for big data samt
  2. At øge Danmarks styrkeposition og kapacitet inden for algoritmer og datastrukturer.

Eftersom effektive algoritmer og datastrukturer også er vigtige – og ofte afgørende – på andre felter inden for datalogi (som beskrevet under temaerne om kunstig intelligens og data management) samt i applikationer, er der store muligheder for at skabe synergi mellem algoritmeforskere og andre forskere i projektet.

Et andet vigtigt formål er at sikre, at resultaterne inden for algoritmeforskningen anvendes i praksis og på tværs af fagligheder.

Workstream Manager

Rasmus Pagh
Professor

Københavns Universitet
Datalogisk Institut
Universitetsparken 1
2100 Copenhagen Ø

E: pagh@di.ku.dk

WS4

Tilknyttede nøgleforskere:

Aarhus Universitet
Institut for Datalogi

Philip Bille

Professor

Danmarks Tekniske Universitet
Institut for Matematik og Computer Science

Mikkel Thorup

Professor

Københavns Universitet
Datalogisk Institut

Joan Boyar

Professor

Syddansk Universitet
Institut for Matematik og Datalogi

IT-Universitetet i København
Institut for Datalogi

Aalborg Universitet
Institut for Datalogi

Jan Damsgaard

Professor

Copenhagen Business School
Institut for Digitalisering