Questions tagged «complexity-theory»

与解决问题的(计算)复杂性有关的问题

2
随机均匀采样完美匹配
假设我有一个图表与的完美匹配的(未知)组。假设这个集合是非空的,那么从随机地进行均匀采样有多困难?如果我对分布接近均匀但不太均匀的分布没问题,那有没有一种有效的算法?GGGM(G)M(G)M(G)GGGM(G)M(G)M(G)

3
P,NP和专用图灵机
我是新手,但对计算和复杂性理论领域非常感兴趣,我想阐明我对如何对问题进行分类以及问题与解决问题所用机器的关联程度的理解。 我的理解 标准图灵机-具有有限字母,有限状态数和单个右无限带的图灵机 等效图灵机-可以模拟并由标准图灵机模拟的图灵机(通常在通过模拟实现的时间和空间之间进行权衡) P -可以使用标准图灵机(如上定义)在多项式时间内解决的问题类别 NP -可以使用标准图灵机在多项式时间内验证的问题类别 NP-complete-仍然存在的最困难的问题NP,所有NP问题都可以在多项式时间内转换为 我的问题 是(复杂类P,NP,NP-complete等)相关的算法,或算法和机器? 换句话说,如果您可以创建一个图灵等效机器(可以解决Standard TM可以解决的所有问题,但可以在不同的时间/空间范围内进行),并且此新机器可以解决随NP-complete时间增长的问题。关于输入的多项式,是否暗示P=NP? 还是必须NP-complete在多项式时间内将问题在所有可能的图灵机上都可以解决P? 还是我误解了上面的基本知识? 我看了一下(也许没有正确的搜索词,我不太了解所有的行话),但似乎大多数讲座/笔记等都集中在标准机器上,但是说定制机器通常具有一定的时空速度而不是以空间/时间为代价,而不必说这对复杂性类有何影响。我对这个领域的行话还不太熟悉,还没有找到可以解释这一点的论文。

3
在没有数学陈述/计算机程序的情况下证明P = NP
这是我成为被动用户一段时间后的第一篇文章。我想问一些问题。我不是数学家,但我的问题涉及数学/计算机科学领域。特别是P vs NP问题。我知道这是精英专业人员尚未能够解决的问题... 无论如何,我想问一下: 如果一个既不是数学家也不是程序员的人提出用基本英语写成的流程图或一系列步骤,据称它们可以解决P vs NP问题之一,那将被视为“证明”了P = NP ..为了获得Clays Institute奖:)?还是必须将解决方案编写为数学证明/计算机程序? 谢谢。


2
高阶函数是否为函数式编程提供了更多功能?
我在cstheory.SE上问过类似的问题。 根据关于Stackoverflow的答案,有一种算法在非惰性纯函数式编程语言上具有复杂度,而在命令式编程中,同一算法是。向FP语言添加惰性可以使算法。Ω (n )Ω (n )Ω (ñ 日志n )Ω(nlog⁡n)\Omega(n \log n)Ω (n )Ω(n)\Omega(n)Ω (n )Ω(n)\Omega(n) 比较带有和不带有高阶函数的FP语言是否存在等效关系?它仍然是图灵完整的吗?如果是这样,那么FP缺少高阶语言是否会使该语言的“功能”或效率降低?

1
派系问题的受限版本?
考虑下面的Clique问题版本,其中输入的大小为,我们被要求找到大小为k的小集团。限制在于,决策过程无法将输入图更改为任何其他表示形式,并且不能使用任何其他表示形式来计算其答案,除了超出输入图的log (n k)个额外位之外。例如,可以在蛮力算法中使用这些额外的位来跟踪穷举搜索团的状态,但是欢迎决策程序以仍然可以确定问题的任何其他方式使用它们。ñnnķkk日志(nķ)log⁡(nk)\log(n^k) 关于这一点的复杂性,目前是否知道?是否对Clique的其他限制做了任何工作,如果可以,您能否指导我进行此类工作?

2
从三分区问题减少到平衡分区问题
3分区问题询问是否一组整数可以被划分为Ñ使得每个组总结了一些给定的整数集合的三个整数乙。平衡分区问题询问是否可以将2 n个整数划分为两个相等的基数集合,以使两个集合具有相同的总和。已知这两个问题都是NP完全的。但是,3分区是完全NP完全的。在文献中,我还没有看到从3分区到平衡分区的任何减少。3 n3n3nñnn乙BB2 n2n2n 我正在寻找从3分区到平衡分区问题的(简单)减少方法。

2
函授问题的可判定限制
该波斯特对应问题(PCP)是不可判定。 PCP的有界版本为 -complete,PCP的标记版本(两个列表之一的单词的首字母必须不同)在P S P A C E [1]中。NPNP\mathrm{NP}PSPACEPSPACE\mathrm{PSPACE} 这些受限制的版本是否用于证明其他问题的某些复杂性结果(通过减少)? PCP是否还有其他受限制的版本,使其可以确定(尤其是完整)?PSPACEPSPACE\mathrm{PSPACE} [1] V. Halava,M. Hirvensalo,R. De Wolf(1999)“ 标记的五氯苯酚是可判定的 ”。

2
证明DOUBLE-SAT是NP完全的
为便于参考,此处定义了众所周知的SAT问题。 DOUBLE-SAT问题定义为 DOUBLE-SAT={⟨ϕ⟩∣ϕ has at least two satisfying assignments}DOUBLE-SAT={⟨ϕ⟩∣ϕ has at least two satisfying assignments}\qquad \mathsf{DOUBLE\text{-}SAT} = \{\langle\phi\rangle \mid \phi \text{ has at least two satisfying assignments}\} 我们如何证明它是NP完全的? 不胜枚举的证明方法将不胜感激。

3
是否有可以捕获功耗的抽象机?
当报告一种算法的算法复杂性时,人们假定底层计算是在某种近似现代CPU的抽象机器(例如RAM)上执行的。这种模型使我们能够报告算法的时间和空间复杂性。现在,随着GPGPU的普及,人们想知道是否存在众所周知的模型,其中也可以考虑功耗。 众所周知,GPU会消耗大量功率,并且某些指令会根据其复杂性和在复杂芯片上的位置而分为不同的功耗类别。因此,从能量的角度来看,指令不是单位(甚至是固定的)成本。一个简单的扩展将为操作成本分配权重,但是我正在寻找一个功能强大的模型,其中操作/指令可能会消耗非恒定单位的能量,例如多项式量(或更复杂的例如:自开始以来经过的时间的函数)的算法;或考虑到冷却系统发生故障的可能性,这将使芯片发热,并降低时钟频率等。) 是否存在可以纳入非平凡成本和错误的模型?

2
PTAS定义与FPTAS
从我在 preliminary version of a chapter of the book “Lectures on Scheduling” edited by R.H. M¨ohring, C.N. Potts, A.S. Schulz, G.J. Woeginger, L.A. Wolsey, to appear around 2011 A.D. 这是PTAS定义: 问题X的多项式时间近似方案(PTAS)是一种近似方案,其时间复杂度是输入大小的多项式。XXX 和FPTAS定义 问题X的完全多项式时间近似方案(FPTAS) 是一种近似方案,其时间复杂度在输入大小上是多项式,在1 / ϵ中也是多项式。XXXϵϵ\epsilon 然后作者说: 因此,对于PTAS,时间复杂度与成正比是可以接受的。我| 1 / ϵ|I|1/ϵ|I|1/ϵ|I|^{1/\epsilon}其中|I||I||I|是输入大小;尽管这次的复杂度是指数级1/ϵ1/ϵ1/\epsilon。一个FPTAS不能在呈指数级增长一个时间复杂度1/ϵ1/ϵ1/\epsilon但时间复杂度成正比|I|8/ϵ3|I|8/ϵ3|I|^8/\epsilon^3会很好。对于最坏情况的近似,FPTAS是我们可以为NP-hard问题得出的最强结果。 然后,他建议使用下图说明问题类别之间的关系: 这是我的问题: 从PTAS和FPTAS的定义来看,作者如何得出FPTAS的时间复杂度不能以指数增长的结论?如果可以具有这样的时间复杂度,那会有什么区别呢?1/ϵ1/ϵ1/\epsilon 像甲时间复杂度是可以接受的FPTAS但它不是用于PTAS,那么为什么FPTAS被认为是一个子集PTAS?(n+1/ϵ)3(n+1/ϵ)3(n+1/\epsilon)^3 他的意思是:FPTAS是我们可以解决NP难题的最强结果。 总的来说,我想知道这些概念到底意味着什么,以及它们的独特属性是什么。 提前致谢。

2
MIN-2-XOR-SAT和MAX-2-XOR-SAT:它们是NP硬的吗?
和\ text {MAX-2-XOR-SAT}的复杂性是什么?他们在P吗?他们是NP硬手吗?MIN-2-XOR-SATMIN-2-XOR-SAT\text{MIN-2-XOR-SAT}MAX-2-XOR-SATMAX-2-XOR-SAT\text{MAX-2-XOR-SAT} 为了更精确地将其形式化,让 Φ(x)=∧niCi,Φ(x)=∧inCi,\Phi\left(\mathbf x\right)={\huge\wedge}_{i}^{n}C_i, 其中x=(x1,…,xm)x=(x1,…,xm)\mathbf{x} = (x_1,\dots,x_m)并且每个子句CiCiC_i的形式为(xi⊕xj)(xi⊕xj)(x_i \oplus x_j)或(xi⊕¬xj)(xi⊕¬xj)(x_i \oplus \neg x_j)。 该2-异或2-异或\text{2-XOR-SAT}问题是要找到一个分配XX\mathbf{x}是满足ΦΦ\Phi。这个问题在PPP,因为它对应于线性方程组mod 222。 该MAX-2-XOR-SATMAX-2-XOR-SAT\text{MAX-2-XOR-SAT}问题是要找到一个分配XX\mathbf{x},最大限度地提高被满足子句的数目。该MIN-2-XOR-SATMIN-2-XOR-SAT\text{MIN-2-XOR-SAT}问题是要找到一个分配XX\mathbf{x},最大限度地减少被满足子句的数目。这些问题的复杂性是什么? 受到MIN或MAX-True-2-XOR-SAT NP-hard的启发吗?

2
是否可以使用最多多项式空间(但是使用指数时间)解决任何NP完全问题?
我了解了NPC及其与PSPACE的关系,我想知道是否可以使用具有最坏情况多项式空间要求的算法来确定性地解决NPC问题,但可能要花费指数时间(2 ^ P(n),其中P是多项式)。 此外,可以将其概括为EXPTIME吗? 我之所以这样问,是因为我写了一些程序来解决NPC问题的退化情况,并且它们在硬实例中会消耗大量RAM,我想知道是否有更好的方法。有关参考,请参见https://fc-solve.shlomifish.org/faq.html。

2
感觉指数级但为P的问题
我正在尝试建立一个“异常有用”的算法/问题列表,例如,解决“似乎”本质上非常指数化的问题,但是有一些最终可以解决这些问题的特别聪明的算法。我的意思示例: 线性编程(单纯形算法是指数时间;找到多项式时间解花了很长时间!) 更一般而言,半定规划 原始性测试 2-SAT和HORNSAT 计算行列式(如果这听起来并不困难,请考虑永久变量) 寻找完美的搭配 使用有限简单组的分类可以解决各种硬组理论问题 可以使用复杂的禁止次要特征(可嵌入性在任意表面上;树宽和分支宽度的边界; Delta-Wye可约化图)来解决各种硬图问题 计算有界组中的指数(即以步骤计算,通过重复平方来完成)abmodkabmodka^b \mod klogblog⁡b\log b 计算依赖于LLL算法。(作为特殊情况:Euclidean算法。作为更一般的情况:PSLQ或HJLS算法。) 没有泰勒术语(?)的约束问题。我承认我还没有完全理解这一点,但是听起来它可能包含了上面的2-SAT / HORNSAT情况以及有限域上的任何线性代数。在这里看到更长的帖子 可通过全息缩小计算的问题。 值得一提的是,我还要提到图同构,因为它仍然非常简单(),它等效于许多其他同构问题:nlog2nnlog2⁡nn^{\log^2 n} 有向图/多重图/超级图(一种“较难”的问题) 有限自动机/ CFG 显然,这些方面存在一定的困难,但是所有人都会给至少某些人带来某种“惊奇”的感觉,因为这个问题听起来很困难,但事实证明这很容易解决。LP听起来可能相对简单,但是人们花了相当长的时间来建立一个实际的解决方案。反复平方或求解2-SAT是大学生可能会自己想到的事情,但是如果您只看过NP-Complete问题而没有看过HORNSAT,则听起来像是NP-Completeness的自然人选。解决CFSG或采用多项式方法来检查Delta-Wye可还原性并不是一件容易的事。 我希望这是有道理的; 这里显然有很多主观属性,但是我很想知道其他人发现什么是解决“显然很困难”问题的有效解决方案。

1
对鲁珀特来说,包装一袋礼物比圣诞老人容易吗?
或者:我们是否需要鲁珀特才能获得礼物? 除了路由问题之外,圣诞老人还面临以下问题(很多次都过去了): 给定一个容量为的袋子和一组礼物{ p 1,… ,p n },每个礼物的大小为s i,他希望使孩子{ c 1,… ,c k }开心。他从所有的愿望清单知道孩子ç Ĵ值目前p 我正好v 我,Ĵ ∈ Q ≥ 0得多。CCC{p1,…,pn}{p1,…,pn}\{p_1, \dots, p_n\}sisis_i{c1,…,ck}{c1,…,ck}\{c_1, \dots, c_k\}cjcjc_jpipip_ivi,j∈Q≥0vi,j∈Q≥0v_{i,j} \in \mathbb{Q}_{\geq 0} 这(两两不相交)套礼物挑选为每一个孩子,使一切都适合,即Ij⊆[1..n]Ij⊆[1..n]I_j \subseteq [1..n] ,∑j∈[1..k]∑i∈Ijsi≤C∑j∈[1..k]∑i∈Ijsi≤C\qquad\displaystyle \sum_{j \in [1..k]} \sum_{i \in I_j} s_i \leq C 随之而来的是尽可能多的幸福²,即 max!∑j∈[1..k]∑i∈Ijvi,jmax!∑j∈[1..k]∑i∈Ijvi,j\qquad\displaystyle \max! \sum_{j \in [1..k]} \sum_{i \in I_j} …

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.