假设我们有一个用实值参数p参数化的问题,对于某些值p 0,p 1,当时“容易”解决,而当p = p 1时“难” 解决。
一个示例是计算图形上的旋转配置。计数加权的正确着色,独立集合,欧拉子图分别对应于硬核,Potts和Ising模型的分区函数,对于“高温”来说很容易近似,对于“低温”来说很难。对于简单的MCMC,硬度相变对应于混合时间从多项式跃迁到指数的点(Martineli,2006)。
另一个例子是概率模型的推论。我们通过采取“简化”给定的模型,p它结合了“所有的变量是独立的”模型。对于p = 1,这个问题微不足道;对于p = 0,这是棘手的,而硬度阈值介于两者之间。对于最流行的推理方法,当该方法无法收敛时,问题将变得棘手,并且问题发生的时间点对应于某个吉布斯分布的相变(从物理意义上来说)(Tatikonda,2002)。
当某些连续参数发生变化时,硬度“跳跃”的其他有趣示例是什么?
动机:查看除图形类型或逻辑类型以外的另一种硬度“维”的示例