在我们知道BPP在于P / poly之后,BPP与P是否是一个真正的问题?


16

我们知道(大约40年,感谢Adleman,Bennet和Gill)包容性BPP ⊆ ñ ñ P / poly,甚至更强大的BPP / poly P / poly仍然成立。“ / poly”表示我们工作不均匀(每个输入长度单独的电路),而没有此“ / poly”的P表示我们对于所有可能的输入长度拥有一台图灵机,甚至比例如 =到下一个“大爆炸”的秒数。 nnn

问题1:在知道BPP P / poly 后,BPP = P的证明(或反证明)对我们的知识有何贡献?

在“新”下,我指的是任何真正令人惊讶的后果,例如其他复杂性类别的崩溃/分离。将此与NP P / poly 的证明/取消证明所带来的后果进行比较。

[增加了2017年8月10日]:有一个人惊人的结果BPP P将是,如图Impagliazzo和Wigderson所有的问题(!) é = DTIME将有大小为。感谢Ryan召回此结果。 [2O(n)]2o(n)

问题2:为什么我们不能 沿着与BPP / poly P / poly 的证明相似的方式证明 BPP = P

一个“显而易见”的障碍是有限与无限域问题:布尔电路工作在有限域,而图灵机工作在整个集合的 -任意长度的字符串。因此,要对概率布尔电路进行非随机化,只需采取概率电路的大多数独立副本,并应用切尔诺夫不等式和联合约束即可。当然,在无限范围内,这个简单的多数规则将不起作用。 {0,1}01

但是,这(无限域)是真正的“障碍”吗?通过使用统计学习理论(VC维)的结果,我们已经可以证明 BPP / poly P / poly也适用于在无限域内工作的电路,例如算术电路(在所有实数上工作);参见例如Cucker等人的论文。 当使用类似的方法时,我们所需要做的就是证明多时间图灵机的VC尺寸不能太大。有没有人看到任何尝试进行后一步的尝试?


[加入2017年7月10日]:在去随机化的情况下,一类的VC维 的功能被定义为最大数为其中有功能在这样对于每一个有一个点与 当且仅当。即,我们不是通过函数破坏点集,而是通过点破坏函数集。(VC结果的两个最终定义是相关的,但呈指数关系。)Ff:XYvf1,,fvFS{1,,v}(x,y)X×Yfi(x)=yiS

的结果(称为在概率一致收敛),那么意味着以下情况:如果对于每个输入,一个随机挑选函数(下的一些概率分布xXfFF)满足 对于常数,则可以对X中的所有输入进行计算,某些(固定)函数。参见例如Haussler论文中的推论2。[为此,上存在一些适度的可测量性条件。] Prob{f(x)=f(x)}1/2+cc>0f(x)xXm=O(v)FF

例如,如果是所有多项式的集合通过大小为的算术电路计算,则所有多项式Ff:RnRsF具有至多度。通过使用多项式零模式数的已知上限(例如,参见本文),可以证明的VC维为。这意味着算术电路包含BPP / poly P / poly。D=2sFO(nlogD)=O(ns)


3
关于Q1:Impagliazzo-Wigderson(您可能知道吗),对于在2 ^(O(n))时间内可解决的每个问题,取消证明都会显示出令人惊讶的小电路
Ryan Williams

1
我对第二季度感到困惑。似乎很明显,乘积TM的VC维是无限的。即,对于任何有限集和任何小号X存在接受的元素的polytime TM 小号和拒绝中的元素X 小号。关键是X是有限的,因此多时间限制基本上是不相关的。X{0,1}SXSXSX
Sasho Nikolov

1
在第2季度中,包含项实际上与复杂度类和计算能力无关,我认为这与随机位的数量相对于建议的数量有关,所以我认为它没有提供任何有关性质的信息有效的计算。
卡夫

1
@Kaveh:提示“随机位数与建议数量”值得考虑!但是在我(外行人)的心中,即使在诸如P vs. NP之类的问题中,我们实际上也不关心(统一)TM的“显式”构造。这些问题仅询问有效算法的存在。当然,构造是存在的“毫无疑问”的证明。但是也可以有一些不太直接的证据。因此,事情简化为将“每个存在” 扩展为显示“所有n的存在”。也就是说,∀ ∀ nn
Stasys

1
即使您确定运行时间,VC-dim也将是无限的。您可以希望做的是绑定在输入大小n上运行的,时间为 TM 的VC-dim 。但是,如果您考虑该论点,那么对于每一个n:不均匀性,您将不得不采用大多数可能不同的TM 。Tnn
Sasho Nikolov

Answers:


17

不知道这有多少答案,我只是沉迷于思考。

可以同样地向问题1询问P NP的问题,并给出类似的答案-用来证明结果的技术/想法比结论本身更为重大。

对于问题2,我想分享一些背景知识和想法。据我所知,我们对BPP = P拥有的几乎所有技术和思想都是通过“去随机化”进行的:给定任何概率的多时图灵机,构造一个PRG来为它提供一堆确定性选择的位,而不是随机的,因此其行为与它在真正随机位上的行为非常相似。因此,有了足够好的伪随机生成器,我们得到BPP = P。(Goldreich的“ BPP = P世界”提供了证据,证明BPP = P的任何证明都必须与此等同。)

这是沿着BPP的线条几乎 P /聚,除了那里,PRG是由魔法产生的建议字符串。对您的问题2的最佳答案也许是,在P中,我们没有魔力,必须自己提出建议字符串。使用诸如扩展器图之类的工具,去随机化也是2004年结果SL = L背后的想法。

现在考虑一下这样的证明仅对一种特定算法即Miller-Rabin素数测试意味着什么。这将表明存在一些确定性生成器,该生成器将选择一个整数序列以馈送给Miller-Rabin素数检验,这样,当且仅当所有整数均通过时,原始数才是素数。

据我了解(尽管我不是专家),关于这样一个列表是否存在以及列表中的数字有多小的问题(特别是如果它足以检查所有低于某个界限的数字)似乎是一个很深的问题。数论,并且与广义黎曼假设的证明形式密切相关。看到这个问题。我不认为这有正式含义,但是作为更一般的PRG构造的偶然微型推论,我们似乎不太希望在下周获得这种收益。


有趣的想法!奥德的论文表明,第二季度确实减少到了PRG的“存在与建设”。在通过VC维进行随机化时,算法方面完全被忽略。
Stasys

2
感谢所有人(Kaveh,Ricky,Ryan,Sasho和“ usul”):我从您的评论中学到了很多。“统一性” 从来不是我的生活中的问题,因此我的问题天真。我接受“ usul”的回答。加上Kaveh,Ricky,Ryan和Sasho非常有趣的讲话,这回答了我两个问题。
Stasys
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.