スタックを使用したランダム化アルゴリズム

私は、再帰的なランダム化アルゴリズム（または、より一般的にはスタックを使用するランダム化アルゴリズム）を目的とした新しいデランダム化手法を開発しました。残念ながら、私の手法を適用するための自然なランダム化アルゴリズムを見つけることができませんでした。再帰的マルコフ連鎖と確率的文法は、私が探しているものに非常に近いものです。スタックを「本質的に」使用する他の（より自然な）ランダム化アルゴリズムはありますか？私は今6ヶ月以上これに固執しているので、どんな助けも大歓迎です。

より多くのコンテキストを提供するために、SivaKumarの論文の問題と同様の問題のリストを探しています。SivaKumarはNisanの擬似ランダムジェネレーターを使用してこれらの問題のランダム化を解除したことに注意してください。

Per Vognsenが指摘しているように、より一般的には、次のように動作する多くの幾何学的アルゴリズムがあります。ランダムなサンプルを選択し、サンプルおよびそれから派生した他の構造に対して再帰的に実行します。線形プログラミングのためのクラークソンのランダム化アルゴリズム、およびサイデルの、そして実際にパーが言及したマトセク-シャリール-ウェルツルのシリーズは、すべてこの方法で動作し、クラークソンのパラダイムは、ある種の切断またはイプシロンネットと再帰を構築する他の状況に拡張されます。

残念なことに、MatousekとChazelleの作業により、これらのアルゴリズムの最適なデランダム化があるため、これから新しい結果を得ることはほとんどありません。Chazelleの論文は、この研究とMatousekの先行研究の優れた参考資料です。しかし、それはあなたの方法の良いテストかもしれません：これらのデランダム化を思い付くのは困難でした。そしてあなたの方法が（より簡単な）ランダム化されたアルゴリズムから始まるブラックボックスアプローチを提供するなら、それはきちんとなるでしょう。

PSこれはおそらく可能な限り最も退屈な例ですが、メソッドはクイックソート、またはランダム化された中央値検出メソッドのいずれかで動作しますか？

最小の楕円を囲むためのWelzlのランダム化アルゴリズムはどうですか？再帰の深さはO（d）で、dは空間の次元です。

ランダム化についてほとんど何も知らないので、これはあなたが探しているものではないかもしれません。私の例が条件を満たさない場合（おそらくあなたの定義により、再帰を不必要にしか使用していないのでしょうか？）、おそらくその理由を明確にすることができます。そうすることで、他の人からのより質の高い適切な回答が得られる可能性が高まります。

min-cutアルゴリズムの高速バージョンは、実際に非常に再帰的です。図2.5を参照してくださいここで、または任意の標準乱択アルゴリズムの教科書を。