Questions tagged «reductions»

在可计算性和复杂性方面,找到问题之间的映射,以允许使用另一个解决方案来解决一个问题。有关简化编程语言理论(例如,减少beta)的信息,请参见[lambda-calculus]或[term-rewriting]。

1
减少不确定性问题
很抱歉,如果这个问题我没有找到一些简单的答案。每当我研究某个已经证明无法确定的问题时,我就会发现证明依赖于对另一个已经证明无法确定的问题的简化。我了解它会根据问题的难易程度创建某种命令。但是我的问题是-是否已经证明所有无法确定的问题都可以简化为另一个无法确定的问题。是否有可能存在无法证明无法解决任何其他不确定性问题的不确定性问题(因此证明该问题的不确定性,因此无法使用还原性)。如果我们使用归约法来创建可计算程度的订单,那么就无法将此问题分配给这种程度。

2
LIN中是否有HORN-SAT,如果是,那为什么不表示P = LIN?
复杂性动物园将定义为可由确定性图灵机在线性时间内解决的一类决策问题。大号我ñ大号一世ñLIN 大号我ñ⊆ P大号一世ñ⊆PLIN \subseteq P 由于HORN-SAT在可解(如用于测试命题号角公式的可满足性的线性时间算法中所述(1984年))O (n )Ø(ñ)O(n) 提出了确定(命题)Horn公式是否可满足的新算法。如果Horn公式包含不同的命题字母,并且假定它们正好是,则本文介绍的两种算法在时间上运行,其中是文字出现的总数在。K P 1,… ,P K O (N )N A一个一个AķķKP1个,… ,PķP1个,…,PķP_1,…, P_Kø (Ñ)Ø(ñ)O(N)ññN一个一个A 我想知道为什么我们不能得出这样的结论 大号我ñ= P大号一世ñ=PLIN = P 鉴于在对数空间缩减下,HORN-SAT也被证明是?我肯定错过了什么。还是那是众所周知的事实?PPP (我还没有仔细阅读1984年的论文,所以我不太了解线性时间求解HORN-SAT的算法,因此我可能会误解其含义。)

2
如果A映射到B的补集是可还原的
我正在为计算理论的最终学习而努力,并且正在努力回答该声明是否为假的正确方法。 通过定义的,我们可以构造下面的语句,≤m≤m\leq_m w∈A⟺f(w)∈B→w∉A⟺f(w)∉Bw∈A⟺f(w)∈B→w∉A⟺f(w)∉Bw \in A \iff f(w) \in B \rightarrow w \notin A \iff f(w) \notin B 这就是我遇到的问题,我想说的是,由于我们有这样的可计算函数,所以如果有函数f,它将仅给我们从A到B的映射,否则不会。fff 我不知道该如何正确地表达这句话,或者我是否步入正轨。

1
如果我们使用图灵缩减,那么复杂度类是什么样的?
为了进行诸如NP完整性之类的推理,我们通常使用多对一的缩减(即Karp缩减)。这导致了这样的图片: (根据标准推测)。我确定我们都对这种事情很熟悉。 如果我们使用图灵折减法(即Cook折算法),我们会得到什么印象?图片如何变化? PñPPNPP^{NP}ñPNPNPÇ Ò ÑPcoNPcoNPPñPPNPP^{NP}ñPNPNP P⊂PNP⊂PH⊂PSPACEP⊂PNP⊂PH⊂PSPACEP \subset P^{NP} \subset PH \subset PSPACE C0=PC0=PC_0=PC1=PNPC1=PNPC_1=P^{NP}C2=?C2=?C_2=?PHPHPHP≠NPP≠NPP \ne NP 相关:定义NPC的多对一减少与图灵减少。该文章解释说,我们使用Karp约简的原因是它为我们提供了更细粒度,更丰富,更精确的层次结构。本质上,我想知道如果使用图灵归约法,层次结构将是什么样子:更粗,更不丰富,更不精确的层次结构会是什么样子。

2
我们能否从NP问题之间的Cook缩减中构造Karp缩减?
关于Cook和Karp约简的关系,我们有几个问题。显然,Cook约简(多项式时间Turing约简)与通常使用的Karp约简(多项式时间多一归约)没有定义相同的NP完整性概念。特别是,即使P NP ,Cook还原也无法将NP与co-NP分开。因此,我们不应该在典型的归约证明中使用Cook归约法。≠≠\neq 现在,学生们发现了一个经过同行评审的作品[1],该作品使用Cook归约法来表明问题是NP难题。我没有给他们从那里得到的减少的满分,但是我想知道。 因为库克还原法确实定义了与Karp还原法相似的硬度概念,所以我认为它们应该能够将N从NPC中分离出来。共同NPC,假设P NP。特别地,(类似)以下应为真:≠≠\neq L1∈NP,L2∈NPCKarp,L2≤CookL1⟹L1∈NPCKarpL1∈NP,L2∈NPCKarp,L2≤CookL1⟹L1∈NPCKarp\qquad\displaystyle L_1 \in \mathrm{NP}, L_2 \in \mathrm{NPC}_{\mathrm{Karp}}, L_2 \leq_{\mathrm{Cook}} L_1 \implies L_1 \in \mathrm{NPC}_{\mathrm{Karp}}。 重要的点是要避免上述不敏感的L1∈NPL1∈NPL_1 \in \mathrm{NP}。现在,根据NPC的定义,我们“知道” L2≤KarpL1L2≤KarpL1L_2 \leq_{\mathrm{Karp}} L_1。 正如Vor所指出的那样,这并不是那么容易(适应符号): 假设L1∈NPCCookL1∈NPCCookL_1 \in \mathrm{NPC}_{\mathrm{Cook}},然后根据定义,所有语言L2∈NPCKarp⊆NPL2∈NPCKarp⊆NPL_2 \in \mathrm{NPC}_{\mathrm{Karp}} \subseteq \mathrm{NP}我们有L2≤CookL1L2≤CookL1L_2 \leq_{\mathrm{Cook}} L_1;如果上述含义正确,则L1∈NPCKarpL1∈NPCKarpL_1 \in \mathrm{NPC}_{\mathrm{Karp}},因此NPCKarp=NPCCookNPCKarp=NPCCook\mathrm{NPC}_{\mathrm{Karp}} = \mathrm{NPC}_{\mathrm{Cook}}仍然是一个悬而未决的问题。 两个NPC之间可能存在其他差异,但共同NP。 如果没有,是否有任何已知的(非平凡的)判据可用于进行库克归约时隐含Karp-NP硬度,即我们是否知道谓词具有PPP L2∈NPCKarp,L2≤CookL1,P(L1,L2)⟹L1∈NPCKarpL2∈NPCKarp,L2≤CookL1,P(L1,L2)⟹L1∈NPCKarp\qquad\displaystyle L_2 \in \mathrm{NPC}_{\mathrm{Karp}}, L_2 \leq_{\mathrm{Cook}} L_1, P(L_1,L_2) …

1
表明对二部图的最小顶点删除是NP完全的
考虑以下问题,其输入实例为简单图和自然整数。GGGķkk 是否有一个集合使得是二分式且?小号⊆ V(G )S⊆V(G)S \subseteq V(G)摹- 小号G−SG - S| 小号| ≤ķ|S|≤k|S| \leq k 我想通过减少3-SAT, -CLIQUE, -DOMINATING SET或 -VERTEX COVER来显示此问题是 -complete。ñ PNP\rm{NP}ķkkķkkķkk 我相信我可以减少3色问题,所以我只需要看看如何减少上述问题之一。但是,由于那将是一团糟,我想知道是否有人认为可以很好地减少上述问题。 另外,这个决策问题有名字吗?

2
对于任何语言,都有使得但
我正在尝试为以下方面提供证明: 对于任何语言一个AA,存在一个语言乙BB使得一≤Ť乙A≤TBA \le_{\mathrm{T}} B但乙≰Ť一个≰TA\nleq_{\mathrm{T}} A。 我当时想让乙BB为一个Ť 中号ATMA_{\mathrm{TM}},但我意识到并不是所有的语言都可以将图灵化为一个Ť 中号ATMA_{\mathrm{TM}},因此A≤TBA≤TBA \le _T B不成立。有什么其他选择BBB我有,让我写它使用Oracle的TM BBB决定AAA? 谢谢!

2
减少最大流量以二分法匹配?
从最大二分匹配问题到最大流问题有一个著名而优雅的减少:我们为每个要匹配的项创建一个具有源节点,终端节点和一个节点的网络,然后添加适当的边。sssttt 当然,有一种方法可以将多项式时间内的最大流量减少到最大二分匹配,因为这两个函数都可以分别在多项式时间内求解。但是,从最大流量(在一般图中)到最大二分匹配是否有“精妙”的多项式时间减少?

1
硬度和还原方向
让我们说我们知道问题A很难,然后我们将A简化为未知问题B以证明B也是困难的。 例如:我们知道3色很难。然后我们将3色还原为4色。通过将3种颜色中的一种颜色混合在一起,您可以得到4种颜色,因此ergo 4种颜色很难。 就是这样。但是,为什么这证明4色很难?您是否可以使用4色问题的解决方案来解决3色问题?如果是这样,怎么办?如果不是,为什么它是有效的证明? 奖励q:多项式约简必须能够同时进行吗? 编辑:如果您能够通过一个例子解释为什么会这样,您将对互联网有所帮助。我在任何地方都找不到具体解释的解释。

2
无限字母图灵机
被允许从无限字母中读取和写入符号的图灵机是否比常规TM更强大(这是唯一的区别,该机器仍具有有限数量的状态)? 直觉告诉我没有,因为您需要无限多个状态来区分每个符号。因此,我认为某些符号或由符号引起的过渡(或过渡的某些子集)必须等效。因此,您实际上可以使用常规TM和此类符号或转换的有界子集来模拟此类机器。 我该如何寻求对此的正式证明?
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.