THE NEW IS THE WELL-FORGOTTEN OLD — F4 ALGORITHM OPTIMIZATION

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The Grobner basis is a fundamental concept in computational algebra. F4 is one of the fastest algorithms for computing Grobner basis. In this paper, we will discuss the process of writing effective F4. Despite the fact that this work focuses on algorithms from computational algebra, some of the results and ideas presented here may have broader applications beyond this specific subject area. In general, the theory described below can be regarded as an abstraction, as it progresses through the text. This is because the text is not actually about the F4 algorithm itself, but rather about the power of profiling, unconventional techniques, and selecting the appropriate memory model. We will provide examples of inefficient usage of the standard library, recall the fundamental principles of optimization in order to apply them as efficiently as possible to obtain the fastest F4 algorithm, using non-traditional approaches.

About the authors

S. M. Styopkin

Yandex

Email: stepim337@yandex.ru
Moscow, Russia

References

  1. Buchberger B. Ein Algorithmus zum Auffinden der Basiselemente des Restklassenringes nach einem nulldimensionalen Polynomideal // Ph. D. Thesis, Math. Inst., University of Innsbruck, 1965.
  2. Faugere J. C. A new efficient algorithm for computing Gro¨bner bases (F4) // J. of pure and applied algebra. 1999. V. 139. № 1–3. P. 61–88.
  3. Boyer B. GBLA: Gro¨bner basis linear algebra package // Proceedings of the ACM on International Symposium on Symbolic and Algebraic Computation. 2016. P. 135–142.
  4. Perry J. An extension of Buchberger’s criteria for Gro¨bner basis decision // LMS Journal of Computation and Mathematics. 2010. V. 13. P. 111–129.
  5. Peifer D. The F4 Algorithm. 2017.
  6. Gebauer R., Moller H. M. On an installation of Buchberger’s algorithm // J. of Symbolic computation. 1988. V. 6. № 2–3. P. 275–286.
  7. Hong H., Perry J. Are Buchberger’s criteria necessary for the chain condition? // J. of Symbolic Computation. 2007. V. 42. № 7. P. 717–732.
  8. Hong H., Perry J. Corrigendum to? Are Buchberger? s criteria necessary for the chain condition?? // J. of Symbolic Computation. 2008. V. 43. № 3. P. 233.
  9. Dube T. W. The structure of polynomial ideals and Gro¨bner bases // SIAM Journal on Computing. 1990. V. 19. № 4. P. 750–773.
  10. Mayr E. W., Meyer A. R. The complexity of the word problems for commutative semigroups and polynomial ideals // Advances in mathematics. 1982. V. 46. № 3. P. 305–329.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».