5、融合FOKC与LJT：提升推理效率的新探索

融合FOKC与LJT：提升推理效率的新探索

1. 算法运行时间分析

在不同设置下，各算法的运行时间表现差异明显。在最初的设置中，jt的运行时间比其他算法长得多。直到第三次设置时，lve和ljt的表现优于fokc，且ljt比lve更快。从第七次设置开始，lve和ljt都出现了内存错误。而ljtkc从第三次设置起表现最佳，ljtkc和fokc的运行时间都呈稳定增长趋势。与fokc相比，ljtkc在Gl上的运行时间加速因子为0.13到0.76。在域大小达到100（|gr(Gl)| = 81,000）之前，ljtkc能节省约一个数量级的时间。不过，在小域大小的情况下，ljtkc和fokc的表现最差，但随着域大小的增加，它们的性能超过了其他程序。

对于无不等式的输入模型G′l，域大小从2到1000变化，|gr(G′l)|从56到8,012,000。在第一次设置中，jt速度最快，但后续设置中，jt出现内存问题且运行时间激增。lve和ljt在无不等式的情况下没有出现运行时间爆炸的情况。lve的运行时间大部分呈稳定增长，但少数设置下，随着域大小的增加，运行时间反而缩短，目前还无法解释这种现象。总体而言，除了jt，lve的运行时间增长幅度比其他算法都大。ljtkc在较小模型上的运行时间表现不稳定，同样无法解释不同大小之间的跳跃现象；在较大模型上，ljtkc的表现更稳定，且优于fokc，速度快0.2到0.8倍。fokc和ljt的运行时间随着|gr(G)|的增加而稳定增长，ljt比fokc快一个数量级以上，在较大模型中，ljt在所有域大小上比fokc快0.02到0.06倍。由于FOKC引入的开销在无不等式的模型中没有得到足够回报，ljtkc并非表现最佳，实际上ljt在几乎所有情况下表现最好。

综上所述