从BPP成功解密为P的示例


15

成功进行非随机化或至少显示出实现目标的具体证据(而不是硬度随机性联系)的一些主要例子是什么?P=BPP

我想到的唯一示例是AKS确定性多项式时间素数测试(即使为此,也有一种假设GRH的方法)。那么,通过示例我们有哪些具体证据可以证明去随机化(同样不是硬性或预言性的连接)?

请仅举一些例子,说明时间复杂度从随机多项式提高到确定性多项式,或者对于特定问题而言非常接近的情况。


以下是更多评论,我对其帮助不大。

Chazelle在http://www.cs.princeton.edu/~chazelle/linernotes.html中的“差异方法:随机性和复杂性(剑桥大学出版社,2000年)”下有一个非常有趣的声明。

``对我来说,深入了解确定性计算应要求精通随机化,这一直让我着迷。我写这本书是为了说明这种强大的联系。从最小生成树到线性规划再到Delaunay三角剖分,最有效的算法通常是概率解的非随机化。差异方法将重点放在所有计算机科学中最有成果的问题之一上:如果您认为需要随机位,请告诉我们原因?”


2
可以使用一般技术(例如条件期望方法,悲观估计器方法和有界独立样本空间)对许多算法进行随机化处理。实际上,素数测试和多项式恒等式测试之所以闻名,是因为它们是抵抗标准去随机化技术的自然函数的罕见示例。
Sasho Nikolov

1
@SashoNikolov谢谢,您可以将评论扩展为某些示例的完整答案。人们相信的唯一原因也是通过电路复杂性进行硬度-随机性连接吗?P=BPP

1
我认为这对于回答来说有点太基础了。有关详细信息和示例,请参阅Alon-Spencer中有关非随机化的章节:它涵盖了我提到的三种技术。
Sasho Nikolov

关于BPP类的有趣之处在于,它的理论定义要求使用随机化的位,可以使用去随机化和弱的Kolomogrov随机性度量轻松显示这些输入位,而这些输入位并不存在于有限域中。我不知道人们如何适应这种矛盾。我本人不相信有一个明确的BPP类(它是NP或P)。

Answers:


18

SL=L

R L = L R P = P S L = L S S L R L LRL代表随机对数空间,是问题的较小版本。一个主要的垫脚石是'04的Reingold证明(“ Logspace中的无向ST连接”),其中,其中代表“对称”,而是和之间的中间类。RL=LRP=PSL=LSSLRLL

这个想法是,您可以将随机logspace Turing机器视为多项式大小的有向图,其中节点是机器的状态,而RL算法采用具有良好属性的随机游走。SL对应于这种形式的无向图。Reingold的证明建立在扩展图上,特别是Reingold,Vadhan和Wigderson的“ Zig-zag产品”上,以对具有良好特性的无向图进行任意游走并将其转变为保留这些特性的伪步行。

编辑此问题之前,已将问题明确更改为仅关注P vs BPP。


8
请不要。答案很有趣。
EmilJeřábek支持Monica

1
@学生们,大家好。我想对这个问题感兴趣的人会对成功的非随机化示例感兴趣,所以我会保留这个答案,而不是不尊重您的目标(后来才进行编辑以指定时间复杂度... )
usul

2
我还应该说,本网站上的问题和答案应该经过精心设计,以便作为参考资源而对未来的访问者有用,而不仅仅是适应海报的特定目标。我发现一个没有人为限制时间复杂度和BPP的问题更加有用。
EmilJeřábek

@EmilJeřábek好,谢谢,我们将离开usul的职位,因为它就在这里。

@usul“这个想法是,您可以将随机logspace图灵机视为多项式大小的有向图”。是否有适合NL的合适直觉?我知道L不是NL,而是PSPACE = NPSPACE,因此空间可能与时间不同。
T ....

16

在BPP中,基本上只有一个有趣的问题,在P中是未知的:多项式恒等式检验,因为代数电路是多项式生成相同的零。Impagliazzo和Kabanets表明,P中的PIT意味着某些电路下限。因此,电路下限是我们认为P = BPP的唯一原因(但相当不错)。


4
虽然我在较高程度上同意您的观点,但我认为计算组理论中的大量随机算法提出了另一类紧密相关的有趣的非随机化问题,这些问题似乎并没有简化为PIT。尽管其中大多数是功能而不是决策问题,但其中一些功能可以重塑为BPP中有趣的决策问题,例如cstheory.stackexchange.com/a/11440/129
Joshua Grochow

@JoshuaGrochow让预期的随机时间表示大多数建议字符串上以O f n 时间运行的所有输入的平均算法,而所有建议字符串上存在以指数时间表示的输入(B P P所有投入与大多数建议字符串),因此这不同于polytime P P。在数量论上,像分解或离散对数f n 这样的理论算法是子表达式,所有确定性算法都在子表达式中,因此存在子表达式随机加速。是否ØFñØFñPPPPFñ如果这些算法无法消除确定性和预期的随机缺口,则 P = B P P猜想会受到影响吗?P=PP
T ....

12

除了多项式恒等性检验外,BPP中还有另一个非常重要的问题,而P中没有,这是逼近一个非负矩阵的永久性,甚至是一个图形中完美匹配的数量。有一个随机的多时间算法可以在(1 + eps)因子内近似这些数字,而最好的确定性算法只能实现约2 ^ n因子近似。

尽管永久性是主要示例,但存在许多近似计数问题,在这些问题中,随机算法(通常基于“ MCMC”方法)与确定性算法之间存在巨大差距。

类似脉络中的另一个问题是逼近明确给定的凸体的体积(例如,由一系列线性不等式描述的多面体)。


我希望我能更好地理解P vs BPP的一个微妙之处是功能问题和决策问题之间的区别。可能有许多函数问题可以在某种意义上随机地解决(在某种意义上),但在多项式时间内不是确定性的,但是P = BPP。您的示例似乎很容易转化为决策问题,对吗?
usul 2016年

1
决策与功能的问题比NP领域的问题要微妙得多,但仍然有很多已知的问题:例如,第3部分中的这篇论文给出了一个甚至无法确定的“随机化的多时间可解搜索问题”示例。但是,如果函数是一对一的,则P = BPP意味着“随机多项式时间可解函数问题”具有确定性的多项式时间算法(本文还提供了更多示例)
Joe Bebel
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.