理论计算机科学

理论计算机科学家和相关领域的研究人员的问答

1
号码划分特殊情况的NP硬度
考虑以下问题, 给定一组正数{ 一个1,... ,一个Ñ }其中ķ ≥ 3是一个常数,我们要分区的集成米 大小的子集ķ,使得每个子集的总和的乘积被最大化。n=kmn=kmn = k m{a1,…,an}{a1,…,an}\{ a_1, \dots, a_n \}k≥3k≥3k \ge 3mmmkkk 除了我们对每个分区中的数字数量有限制外,该问题与众所周知的数分区非常相似。对于k = 2,可以提出以下简单多项式算法,mmmk=2k=2k = 2 假定数字进行排序,即, 。然后,对于我≤ 米分配一个我 的子集我,为我> 米,将其分配给所述子集Ñ - 我+ 1。a1<a2<...<ana1<a2<...<ana_1mn−i+1n−i+1n−i+1 不难看出该算法为何起作用。只需选择两个任意垃圾箱即可。数字上的任何交换都不会增加产品的数量。 但是对于较大的,我想知道问题是否可以在多项式时间内解决?如果有人能证明它是np硬度,我也将很感激。kkk 注意:我在处理无线网络中的调度问题时遇到了问题。我找到了一种很好的启发式算法来解决该问题。但是过了一会儿,我认为这个问题可能在理论上很有趣。

2
瓶颈最短路径的快速算法参考
我正在寻找瓶颈最短路径的良好参考。具体来说,给定具有边缘权重的无向图中的顶点s和t,您想要从s到t的最短路径,其中路径的长度是该路径上的最大边缘。通过找到中值边缘权重并(小心地)递归删除一半边缘,可以在O(n + m)时间内解决此问题。 有人知道这个的参考吗?

2
低尺寸的欧几里德平方最大割
令x1,…,xnx1,…,xnx_1, \ldots, x_n为平面R2R2\mathbb{R}^2。考虑一个完整的图,以点为顶点,边权重为∥xi−xj∥2‖xi−xj‖2\|x_i - x_j\|^2。您是否总能找到至少减少2的体重2323\frac 2 3总重量的 3?如果不是,则哪个常数应替换2323\frac 2 3? 我能找到的最糟糕的例子是等边三角形上的3个点,该点达到了2323\frac 2 3。请注意,随机分割会产生1212\frac 1 2,但从直觉上看,很明显,在低维度上,人们可以比随机地更好地聚集。 对于k> 2的max-k-cut会发生什么?尺寸d> 2怎么样?是否有回答此类问题的框架?我知道Cheeger的不等式,但是这些不等式适用于最稀疏的切割(而不是最大切割),并且仅适用于规则图。 (问题的灵感来自计算机图形中的光源聚类问题,以最大程度地减少方差)。

6
数学写作证明助手
我想使用一些证明助手来编写数学证明。一切都将使用一阶逻辑(具有相等性)和自然推导来编写。背景是集合论(ZF)。例如,我怎么写以下证明? 公理:∀ X ∀ ÿ(x = y↔ ∀ ž(z∈ X ↔ ž∈ ÿ))∀x∀y(x=y↔∀z(z∈x↔z∈y))\forall x\forall y(x=y\leftrightarrow\forall z(z\in x\leftrightarrow z\in y)) 定理:∀ X ∀ ÿ(∀ ž(z∉ X )∧ ∀ Ž(z∉ ÿ)→ x = y)∀x∀y(∀z(z∉x)∧∀z(z∉y)→x=y)\forall x\forall y(\forall z(z\notin x)\land\forall z(z\notin y)\rightarrow x=y) 也就是说,空集是唯一的。 使用纸和笔完成此任务对我来说是微不足道的,但是我真正需要的是一个软件来帮助我检查正确性的证明。 谢谢。

2
估计VC维
对以下问题了解多少? 给定集合的功能˚F :{ 0 ,1 } Ñ → { 0 ,1 },找到最大的子集合小号⊆ Ç受约束VC-尺寸(小号)≤ ķ对于某个整数ķ。CCCF:{ 0 ,1 }ñ→ { 0 ,1 }f:{0,1}n→{0,1}f:\{0,1\}^n\rightarrow\{0,1\}小号⊆ çS⊆CS \subseteq C(S)≤ ķ(S)≤k(S) \leq kķkk 是否有针对该问题的近似算法或硬度结果?

2
最好的外星人通讯协议?
假设我们发现了能够通过星际数字通信信道发送和接收消息的外来文明。(比如说使用调制无线电波,激光脉冲,重新定位各个轨道上的恒星,您有什么意思。)假设我们已决定与它们进行接触。 一旦启动对话,我们将如何建立通信协议和语言?我们将使用什么方法来就基本词汇和表达逻辑思想的方式达成共识?它是临时的还是有某种方法可以优化基于符号操作的建立通用语言的过程。我们希望尽快就一种语言达成共识,并尽量减少编码和发送消息所需的资源(因为它们的发送速度很慢)。 接下来,互惠:一旦我们拥有共同的语言,我们如何确保双方在交易机密中互惠互利?也就是说,我们不想处于这样一种情况,即我们在没有获得任何回报的情况下就放弃了有价值的技术。双方能否证明自己拥有某种技术?有没有一种方法可以逐步发送结果,以使各方对消息的价值越来越有信心?

3
NP硬问题
这个问题类似于树上的NP难题: 在笔迹上有很多可以解决的NP完全问题。仅限于抄本时,是否存在任何已知问题仍可以使NP完整? 更准确地说,我对输入仅由无向,无权cograph组成的示例感兴趣。 两句话: 对于加权cograph,这里提到了一个问题-带有两个旅行者的TSP 字样是集团宽度的“基类”,例如树木是树宽度的基类。 更新 还有一些进一步的想法(我不太确定):如果输入内容实际上只是一个cograph,则问题必须为“ cograph是否具有属性X?”。如果树存在这样的问题就足够了,因为从那时起,问题可能是“ cograph的cotree是否具有属性X?”。

1
什么是akinator或20q背后的算法?
标题不言而喻。这是Akinator和20Q。 这些游戏的原理是向用户询问与用户选择的某个实体有关的许多问题。然后找出这个实体是什么。该算法的核心是在与可能无法正确回答所有问题的用户打交道时,在每个回合中找到“最有用的问题”。 “最有用的问题”被定义为提供最多信息的问题,在最佳情况下,将候选实体的受众(或数量?)分为两个相等的一半。 我发现了一篇描述某些算法的论文(虽然没有使用“算法”一词,但可以将证明转化为算法)。不幸的是,我再也找不到这篇论文了:(。该论文描述了博弈论概念的问题,允许用户设置一定程度的说谎(讨论了说谎的3个级别)。如果您认为自己知道该论文,请发表。

2
随机K-SAT的确切定义是什么?
定义随机K-SAT时,可以有4种不同的约束。在给定的条款文本的1)总数为恰好K或至多为k 2)给定的文字A可以具有或不具有相同的子句中替换(A或A或A)中使用 3)给定的变量A可以具有或使用在同一子句(A或〜A或〜A)中 没有替换项4)给定的子句可以在给定的公式中使用或不替换而使用 哪一种是最“正确”的定义?使用这些不同定义的利弊是什么?

1
测量CNF公式的随机性
众所周知,CNF公式可以大致分为两大类:随机与结构化。与随机CNF公式相反,结构化CNF公式表现出某种顺序,显示出不太可能偶然发生的模式。但是,可能会发现结构化公式显示出一定程度的随机性(即某些特定的子句组比其他子句结构化程度低),以及具有某些结构形式较弱的随机公式(即某些子句的特定组似乎比其他子句的随机性差) )。因此,公式的随机性似乎不仅仅是一个是/不是事实。 令是一个函数,在给定CNF公式,返回一个介于和之间(含和的实数值:表示纯结构化公式,而表示纯随机公式。˚F ∈ ˚F 0 1 0 1r:F→[0,1]r:F→[0,1]r: \mathcal{F} \rightarrow [0,1]F∈FF∈FF \in \mathcal{F}000111000111 我不知道是否有人曾经试图发明这样的。当然,返回的值(至少是我的意图)只是根据一些合理标准的实际测量,而不是扎实的理论真理。[Rrrrrrr 我也很想知道是否有人定义和研究了可用于定义或确定公式的其他有用整体属性的统计指标。通过统计指标,我的意思是这样的:rrr HCV(命中计数方差)令是一个函数,给定变量,该返回在出现的次数。令为使用的变量集。令为AHC(平均点击计数)。HCV定义如下: v Ĵ ∈ Ñ v Ĵ ˚F V ˚F ˉ ħ ˚F = 1hF:N→NhF:N→Nh_F: \mathbb{N} \rightarrow \mathbb{N}vj∈Nvj∈Nv_j \in \mathbb{N}vjvjv_jFFFVVVFFFħVC ^=1h¯F=1|V|∑vj∈VhF(vj)h¯F=1|V|∑vj∈VhF(vj)\bar{h}_F = \frac{1}{|V|} \sum_{v_j \in V}{h_F(v_j)} HVC=1|V|∑vj∈V(hF(vj)−h¯F)2HVC=1|V|∑vj∈V(hF(vj)−h¯F)2HVC = \frac{1}{|V|} \sum_{v_j \in V}{(h_F(v_j) - \bar{h}_F)^2} …

2
人们认为计算几何学或图论中​​的哪些问题是
这是针对Robin Kothari先前关于多项式时间硬度结果的文章的后续问题。 具体来说,我有兴趣看到一些硬度证明来解决被认为具有大约下限的问题,并且我说是为了允许通过使用字长(例如3SUM通过Barab等人(通过Springer))。如果它简化了响应,我很乐意将问题保留在决策树模型中。Ω (n3)Ω(n3)\Omega(n^3) 罗宾的帖子,我了解杰夫·埃里克森的纸,其给出了一个下界5SUM(更准确地说,他表示ķ在-sum运行Ω (ñ ⌈ ķ / 2 ⌉),一般时间)。Ω (n3)Ω(n3)\Omega(n^3)ķkkΩ (n⌈ ķ / 2 ⌉)Ω(n⌈k/2⌉)\Omega (n^{\lceil k/2 \rceil}) 是否存在使用此类归纳来推测计算几何或图论问题的三次下界的论文或其他参考文献?

2
有基数谓词的有界线宽图上的MSOL优化问题
CMSOL是计数单数二阶逻辑,即图的逻辑,其中域是顶点和边的集合,存在顶点-顶点邻接和边-顶点发生的谓词,对边,顶点,边集和顶点进行量化谓词表示S的大小是否为n模p。Cardn,p(S)Cardn,p(S)\textrm{Card}_{n,p}(S)SSSnnnppp Courcelle著名的定理指出,如果是图形的属性表达在CMSOL,那么对于每个图形摹最多树宽的ķ它可以在无论是线性的时间来决定Π认为,只要树分解摹在输入中给出。该定理的后续版本放弃了对输入进行树分解的要求(因为可以使用Bodlaender的算法进行计算),并且还允许优化而不是仅仅进行决策;即给定一个MSOL公式ϕ (S ),我们还可以计算满足ϕ的最大或最小集SΠΠ\PiGGGkkkΠΠ\PiGGGϕ(S)ϕ(S)\phi(S)SSS。ϕ(S)ϕ(S)\phi(S) 我的问题涉及库尔切勒定理对有界线宽图的适应性。有一个类似的定理说,如果您有一个MSOL1允许对顶点,边,顶点集而不是边集进行量化,则给定图的集团宽度k(具有给定的集团表达式),对于每个固定的k都可以确定在线性时间内图G是否满足一些MSOL1公式ϕ ; 我看到的所有参考都指向GGGkkkkkkGGGϕϕ\phi Courcelle,Makowsky和Rotics 的有界线宽图上的线性时间可解优化问题,计算系统理论,2000年。 我已尝试阅读该论文,但就MSOL1的确切定义而言,它并不完备,坦率地说,它很难阅读。我有两个问题,即如果在输入中给出了集团表达式,那么在FPT中究竟有什么可能最优化,由图形的集团宽度参数化。 MSOL1是否允许谓词测试以模数为模的集合的大小?Cardn,p(S)Cardn,p(S)\textrm{Card}_{n,p}(S) 当给出表达式时,是否有可能在满足cliquewidth 参数的FPT中找到满足MSOL1公式ϕ (S )的最小/最大大小集?SSSϕ(S)ϕ(S)\phi(S) 对于这两个问题,我也想知道要求这些结果时要引用哪些正确的参考文献。提前致谢!

1
完善的单调电路下限的完美匹配的复杂性?
Razborov证明了其计算的完美匹配函数二分图的每个单调电路必须至少有门(他称之为“逻辑永久”)。从那以后,是否已经证明了针对同一问题的更好的下限?(例如2 n ϵ?)据我记得,这个问题是在1990年代中期提出的。nΩ(logn)nΩ(log⁡n)n^{\Omega(\log n)}2nϵ2nϵ2^{n^\epsilon} 我知道集团功能需要指数大小的单调电路等,但是我对完美匹配特别感兴趣。

2
使用两个队列反转列表
这个问题的灵感来自于一个现有的问题,即是否可以在每个堆栈操作的摊销时间中使用两个队列来模拟堆栈。答案似乎是未知的。这是一个更具体的问题,与特殊情况相对应,在特殊情况下,首先执行所有PUSH操作,然后执行所有POP操作。使用两个最初为空的队列如何有效地反转N个元素的列表?合法操作是:O (1 )O(1)O(1)ñNN 使输入列表中的下一个元素入队(到任一队列的尾部)。 将元素从任一队列的开头出队,然后再次入队(到任一队列的尾部)。 使任一队列开头的元素出队,并将其添加到输出列表。 如果输入列表包括元素,生成反向输出列表[ N ,N - 1 ,...所需的最小操作数是多少?。。,2 ,1 ]的行为?证明它比O (N )增长快的证据将特别有趣,因为它将解决否定的原始问题。[ 1 ,2 ,。。。,N− 1 ,N][1,2,...,N−1,N][1,2,...,N-1,N][ N,N- 1 ,。。。,2 ,1 ][N,N−1,...,2,1][N,N-1,...,2,1]ø (Ñ)O(N)O(N) 更新(2011年1月15日):问题可以在,如提交的答案和他们的评论中所示;Ω (N )的下限很小。这些界限能否改善?ø (Ñ日志ñ)O(Nlog⁡N)O(N \log N)Ω (N)Ω(N)\Omega(N)

2
函授后问题变体
这可能很简单,但请考虑标准的“邮政对应问题”: 鉴于和β 1,... ,β Ñ,找到索引的序列我1,... ,我ķ使得α 我1 ⋯ α 我ķ = β 我1 ⋯ β 我ķ。当然,这是不确定的。α1个,… ,αñα1,…,αN\alpha_1, \ldots, \alpha_Nβ1个,… ,βñβ1,…,βN\beta_1, \ldots, \beta_N一世1个,…… ,我ķi1,…,iKi_1, \ldots, i_Kα一世1个⋯ α一世ķ= β一世1个⋯ β一世ķαi1⋯αiK=βi1⋯βiK\alpha_{i_1}\cdots \alpha_{i_K} = \beta_{i_1}\cdots \beta_{i_K} 现在,我称其为“变体”,但实际上并非如此,它实际上丢弃了“对应”。无论如何,请考虑以下变体: 鉴于和β 1,... ,β Ñ,发现2个索引的序列我1,... ,我ķ,Ĵ 1,... ,Ĵ ķ使得α 我1 ⋯ α 我ķ = β Ĵ 1 ⋯ …

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.