Ravindran Kannan, genannt Ravi, (* 12. März 1953 in Madras) ist ein indischer Informatiker und Mathematiker.

Leben

Kannan studierte am Indian Institute of Technology Bombay und wurde 1980 an der Cornell University bei Leslie Earl Trotter promoviert (The size of numbers in the analysis of certain algorithms). Er lehrte am Massachusetts Institute of Technology, war in den 1990er Jahren Professor an der Carnegie Mellon University und danach an der Yale University. Er ist zurzeit Principal Research Scientist bei Microsoft Research in Indien (wo er die Forschungsgruppe für Algorithmen leitet) und lehrt am Indian Institute of Science in Bangalore.

Werk

Mit Alan M. Frieze fand er eine algorithmische Version des Regularitätslemmas von Endre Szemerédi. In ihrer Arbeit führten sie das schwache Regularitätslemma ein, das ein wichtiges kombinatorisches Werkzeug für verschiedene Algorithmen wurde (Streaming Algorithms, Graph Limits, Sublinear Algorithms).

2011 erhielt er den Knuth-Preis für die Entwicklung einflussreicher algorithmischer Verfahren zur Lösung lange offener Berechnungsprobleme mit Anwendungen auf die Verarbeitung umfangreicher Datenmengen, wobei er grundlegende Beiträge in sehr unterschiedlichen Bereichen der Informatik wie Gitter und ihre Anwendungen, geometrische Algorithmen, Maschinenlernen und numerische lineare Algebra leistete. Er befasste sich auch mit Markov-Ketten und deren Mischungszeiten, Clustering.

1995 stellte er mit László Lovász und Miklós Simonovits die KLS-Vermutung (benannt nach den drei Mathematikern) auf, bei der bis 2021 mit Hilfe der Methoden der stochastischen Lokalisierung von Ronen Eldan (siehe dessen Artikel) bedeutende Fortschritte erzielt wurden. Sie ist eine zentrale Vermutung der konvexen Geometrie.

1991 bekam er den Fulkerson-Preis mit Martin Dyer und Frieze für einen polynomzeitlichen Algorithmus zur Berechnung des Volumens beliebiger konvexer Körper.

Ebenfalls 1991 löste er das Münzproblem von Frobenius und gab einen effizienten (polynomzeitlichen) Algorithmus zur Bestimmung der Frobenius-Zahl. Das nach Ferdinand Georg Frobenius benannte Problem fragt nach der größten Zahl, die nicht aus n gegebenen Zahlen durch Addition erzeugt werden kann (diese Zahl ist die Frobeniuszahl).

Mit Frieze und Santosh Vempala untersuchte er Näherungen niedrigen Rangs an Matrizen.

Gemeinsam mit John E. Hopcroft arbeitet er an einem Buch Computer Science Theory for the Information Age, dessen Vorabversion online abgerufen werden kann.

2002 war er Invited Speaker auf dem Internationalen Mathematikerkongress in Peking (Rapid mixing in Markov chains). 2015 wurde er in die American Academy of Arts and Sciences gewählt, 2016 zum Fellow der Association for Computing Machinery.

Einzelnachweise

  1. ↑ Lebensdaten nach Marquis, Who´s Who in Frontiers in Science and Technology 1985
  2. ↑ Ravi Kannan im Mathematics Genealogy Project (englisch)
  3. ↑ Frieze, Kannan: The regularity lemma and approximation schemes for dense problems, Proc. 37. Symposium Foundations of Computer Science (FOCS) 1996. Frieze, Kannan: A simple algorithm for constructing Szemeredis regularity partition, Electronic J. Combinatorics, Band 6, 1999
  4. ↑ SIGACT, Würdigung für Knuth Preis 2011 (Memento des Originals vom 29. April 2011 im Internet Archive)  Info: Der Archivlink wurde automatisch eingesetzt und noch nicht geprüft. Bitte prüfe Original- und Archivlink gemäß Anleitung und entferne dann diesen Hinweis.
  5. ↑ Frieze, Petros Drineas, Kannan, Vempala, V. Vinay: Clustering in large graphs and matrices, Symposium on Discrete Algorithms (SODA) 1999
  6. ↑ R. Alonzo-Gutierez, J. Bastero, Approaching the Kannan-Lovasz-Simonovits and variance conjectures, Lecture Notes in Mathematics 2131, Springer 2015
  7. ↑ Für: Martin E. Dyer, Alan M. Frieze and Ravindran Kannan: A random polynomial time algorithm for approximating the volume of convex bodies, Journal of the ACM, Bd. 38, 1991, S. 1–17
  8. ↑ Kannan: Lattice translates of a polytope and the Frobenius problem, Combinatorica, Band 12, 1992, S. 161–177
  9. ↑ Frieze, Kannan, Vempala: Fast Monte Carlo algorithms for finding low rank approximants, Proc. FOCS 1998
  10. ↑ John E. Hopcroft, Ravi Kannan, Foundations of Data Science, 2014, pdf
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.