求解一类困难子集和问题：格攻击与分解技术的集成

子集和问题属于 NP 类，在计算复杂性理论和基于背包的密码系统中扮演着重要角色，文献已证明当所谓的密度趋近于 1 时该问题变得最为困难。格攻击在文献中被公认为最有效的方法，但即使未知变量数目为中等规模，偶尔也会失效。在本文中，我们提出了一种模块化分解技术以及一种简化的格公式化表示，并在此基础上进一步设计了两种格攻击算法。我们在分解技术中引入了“跳跃点”这一新概念，并推导了用于识别优越跳跃点的不等式条件，这些跳跃点能更容易地剔除不符合要求的短整数解。实验测试表明，将分解技术与格攻击相结合，对于密度为 1 且维度高达 100 的随机生成问题，能有效将成功率提升至 100%。最后，我们进行了统计回归以检验显著特征，从而揭示了本文所提算法与技术取得实验成功背后的合理因素。