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


2
“第二个X是NP完全的”是否意味着“ X是NP完整的”?
“第二个 ”问题是决定是否存在与问题实例的某些给定解决方案不同的另一种解决方案的问题。XXX 对于某些问题,第二个解决方案版本为N P-完全(确定存在部分拉丁方形完成问题的另一种解决方案),而对于其他一些问题,则是微不足道的(第二个NAE SAT)或不能为N普遍认为的复杂度猜想下的P-完全(三次哈密顿循环在立方图中)。我对相反的方向感兴趣。NPNPNPNPNPNPNPNPNP 我们假设一个自然问题X那里是自然有效的验证,用于验证的天然有趣的关系(X ,C ^ ),其中X是输入实例和Ç是成员的短见证X中X。所有证人与验证人是无法区分的。证人的有效性必须通过运行自然验证程序来确定,并且它不了解任何正确的证人(注释中的两个示例都是定义上的解决方案)。 NPNPNPXXX(x,c)(x,c)(x, c)xxxcccxxxXXX 对于所有“自然”问题X, “第二个是NP完全的”是否意味着“ X是NP完全的” ?XXXXXXXXX 换句话说,是否存在任何“自然”问题导致这种暗示失败?XXX。或等效地, 有没有“天然”的问题在ñ P,不知道是ň P -complete但其第二X问题是ň P -complete?XXXNPNPNPNPNPNPXXXNPNPNP 编辑:感谢Marzio的评论,我对人为的反例不感兴趣。我只对与上述相似的NP完全问题自然而有趣的反例感兴趣。可接受的答案可以是上述含义的证明,也可以是针对自然,有趣和众所周知的N P问题X定义的反例“第二个X问题” 。XXXNPNPNPXXX 编辑2:感谢大卫Richerby了富有成果的讨论,我已经编辑了问题的重点,我的兴趣只在自然的问题。XXX NPNPNPNPNPNPNPNPNP

2
上课的直觉
UP类的定义如下: NP机器可以解决的决策问题类别 如果答案为“是”,则仅接受一条计算路径。 如果答案为“否”,则所有计算路径都会拒绝。 我正在尝试为这个定义建立直觉。 有人可以说UP问题是独特解决方案的问题(例如素数分解)吗? 对我来说,这似乎很接近事实。但我不禁想到,这将意味着,因为UP含有P和被包含在NP,在情况下,P = NP我们会拿到P = UP = NP,所以在所有的问题NP都有独特的解决方案,以及,这看起来似乎可证明并非如此:P != NP通过荒谬的还原。我希望本段内容不会给您带来太多猜想和动摇。

1
Impagliazzo和Wigderson着名的P = BPP纸
我正在阅读Impagliazzo和Wigderson 在1997年着名的论文。由于我是该领域的新手,并且该论文是简明的会议版本,因此我很难遵循他们的证明。特别是,他们的一些新定理缺乏证明。据我所知,还没有出版期刊。P = B P PP=乙PP\mathsf P=\mathsf{BPP} 我正在寻找可以从中了解其结果的资源,最好是具有正式证明的资源。如果您能告诉我有关此类资源的信息,我将不胜感激。

1
关于图同构完全问题
我有兴趣研究图同构(GI)的完整问题。 在Kellogg S. Booth(1979)的论文“多项式等效于图同构的问题”中,证明了许多基本问题都是通过使用Edge替换技术,Composition技术等来完成GI的。 我想学习更多在最近的论文中使用的技术。 有人可以建议我一些最近发表的论文,这些论文更多地集中在证明某类图形是GI完整的。

7
高级算法手册
我正在寻找有关算法高级主题的资源(最好是手册)(主题超出了CLRS和DPV等算法教科书的范围)。 可用于在算法课程中教授主题的材料类型,例如Erik Demaine和David Karger的Advanced Algorithms课程。 最好提供能够概述该领域的资源(例如手册),但是更集中的资源(例如Vijay Vazirani的“近似算法”书)也可以。

2
寻找位移最大值的线性时间算法
假设给定一个数组其中包含非负整数(不一定是唯一的)。A[1..n]A[1..n]A[1..n] 令为升序排列。我们要计算 BBBAAAm=maxi∈[n]B[i]+i.m=maxi∈[n]B[i]+i.m = \max_{i\in [n]} B[i]+i. 显而易见的解决方案是对A进行排序AAA,然后计算mmm。这给出了在最坏情况下在时间O(n \ lg n)上运行的算法O(nlgn)O(nlg⁡n)O(n \lg n)。 有可能做得更好吗?我们可以计算mmm的线性时间? 我的主要问题是上述问题。但是,了解该问题的以下概括将很有趣。 令BBB为AAA根据oracle \ leq的比较排序≤≤\leq ,fff为oracle提供的函数。给定\ leq和f的AAA和oracles,对于计算m = \ max_ {i \ in [n]} f(B [i],i)所需的时间,我们能说什么?≤≤\leqfffm=maxi∈[n]f(B[i],i)m=maxi∈[n]f(B[i],i)m = \max_{i \in [n]} f(B[i],i) 我们仍然可以在O(n \ lg n)时间中计算m。但是我们可以证明这种广义情况下的超线性下界吗?mmmO(nlgn)O(nlg⁡n)O(n \lg n) 如果答案是肯定的,那么如果我们假设≤≤\leq是整数的通常顺序并且fff是“ nice”函数(单调,多项式,线性等),那么下界是否成立?

3
使用de Bruijn序列找到整数的
肖恩·安德森发表位摆弄黑客包含埃里克·科尔的算法来找到一个的位整数在的操作与乘法和查找。Ñ v ø (LG (Ñ ))⌈log2v⌉⌈log2⁡v⌉\lceil\log_2 v \rceilNNNvvvO(lg(N))O(lg⁡(N))O(\lg(N)) 该算法依赖于De Bruijn序列中的“魔术”数。谁能解释这里使用的序列的基本数学特性? uint32_t v; // find the log base 2 of 32-bit v int r; // result goes here static const int MultiplyDeBruijnBitPosition[32] = { 0, 9, 1, 10, 13, 21, 2, 29, 11, 14, 16, 18, 22, 25, 3, 30, 8, …

1
检测功能和实现相似的电路
令为布尔变量的向量。令为上的两个布尔电路。假设在以下情况下与相似:C ,D x C Dx = (x1个,… ,xñ)x=(x1,…,xn)x=(x_1,\dots,x_n)C,DC,DC,DXxxCCCdDD PR [ Ç(x )≠ D (x )]Pr[C(x)≠D(x)]\Pr[C(x) \ne D(x)]当Xxx从\ {0,1 \} ^ n中随机地均匀绘制时,呈指数减小{0,1}n{0,1}n\{0,1\}^n(换句话说,它们具有几乎相同的功能);和, C,DC,DC,D的图形编辑距离相差很小(它们的编辑距离远小于电路的大小,例如O(1)O(1)O(1)或一些小常数),这意味着C的几乎所有门和导线都CCC匹配D中对应的门和导线DDD,仅添加/删除/更改了几个门。 我的问题:给我一个电路CCC,我想知道是否存在一个类似于C但不等于C的电路D(即,存在x使得C(x)\ ne D(x))。DDDCCCCCCXxxC(x )≠ D (x )C(x)≠D(x)C(x)\ne D(x) 谁能提出解决这个问题的算法? 如果有帮助,我们可以将注意力集中在小于给定电路C的电路dDD上(即,我们想知道是否存在一个电路D使得D小于C,D类似于C,并且存在x这样C(x)\ ne D(x))。CCCdDDdDDCCCdDDCCCXxxC(x )≠ D (x )C(x)≠D(x)C(x)\ne D(x) 如果有帮助,则可以额外地假设我们给出已知良好的测试用例X1个,… ,x米,ÿ1个,… ,y米x1,…,xm,y1,…,ymx^1,\dots,x^m,y^1,\dots,y^m,使得C(xi)=yiC(xi)=yiC(x^i)=y^i为所有iii,我们可以进一步将注意力集中在仅电路DDD,使得所有i的D(x ^ i)= y ^ i。D(xi)=yiD(xi)=yiD(x^i)=y^iiii 这是由实际应用引起的,因此,如果您不能解决此问题,请随时解决任何变体或有趣的特殊情况。例如,可以随意使用任何方便的方式实例化任何参数或阈值。您可以假设电路不是太大(多项式大小或其他大小)。可以用其他一些接近实现的方法来替换图形编辑距离。此外,在实践中,SAT解算器通常在实践中出现的结构化电路上出奇地有效,因此将SAT解算器作为子例程/ oracle调用可能很好(至少,如果要在派生的SAT实例上调用它)来自像的电路)。CCC 或者,由于缺乏任何算法,我也会对存在问题感兴趣:对于“平均”电路,存在满足所有条件的的概率是多少?(我希望这种可能性非常低,但是我不知道是这种情况。)dCCCDDD …

2
在PLS中计算问题的局部最优数量有多难?
对于多项式局部搜索问题,我们知道至少必须存在一个解(局部最优)。但是,可能存在更多的解决方案,对于PLS完全问题,计算解决方案的数量有多困难?我对决策问题特别感兴趣:这个PLS完全问题的实例是否有两个或多个解决方案? 复杂度是否取决于我们选择哪个PLS完全问题?如果是这样,那么我将对加权2SAT(在[SY91]和[Rou10]中定义)特别感兴趣。我知道计算2SAT的令人满意的解决方案的数量是#P-完成的,但是乍一看,似乎加权2SAT的局部最优和2SAT的解决方案没有太多相同之处。 我也知道,对于PLS的表亲PPAD,[CS02]表明计算Nash平衡数是#P困难的。这表明类似的PLS问题(例如计算拥塞博弈中的纯策略均衡数量)也将很困难。 参考文献 [CS02] Conitzer,V.和Sandholm,T.(2002)。关于纳什均衡的复杂性结果。IJCAI-03。cs / 0205074。 [Rou10] T. Roughgarden。(2010)。计算均衡:计算复杂性的观点。经济理论,42:193-236。 [SY91] AA Schaeffer和M. Yannakakis。(1991)。简单的本地搜索问题,很难解决。SIAM计算杂志,20(1):56-87。

1
单向交替自动机可以识别某些一元非常规语言吗?
单向交替下推自动机(1APDA)可以识别任何语言(Chandra,Kozen和Stockmeyer,1981年交替发表)。通过将1APDA的下推式存储替换为计数器,我们可以获得具有单计数器(1ACA)的单向交替自动机。我的问题是关于一元语言上的1ACA。DTIME(2O(n))DTIME(2O(n)) DTIME(2^{O(n)}) 1ACA可以识别某些一元非常规语言吗? 请注意,单向非确定性下推自动机只能识别一元常规语言。

3
常规和无上下文语言中的歧义
我理解以下说法是正确的: 给定CFG中字符串的两个不同派生有时可能会将同一解析树归因于该字符串。 当给定CFG中存在某些字符串的派生属性不同的解析树时,则CFG就是模棱两可的。 模棱两可的CFG生成的某些无上下文语言也由模棱两可的CFG生成。 某些语言是唯一可以生成它们的CFG(并且有一些这样的语言)是模棱两可的。 Q1。从以上第3点的意义上来说,我知道也不确定任意CFG是否模棱两可。还是就第4点而言,不确定上下文无关的语言是否模棱两可?还是两者都不确定? Q2。当我们将“无上下文”替换为“常规”时,第1-4点中的哪一个变为假?规则语法和语言是否总是明确的?

2
依赖类型的编译器比解释器难吗?
我一直在学习有关实现依赖类型的知识,例如本教程,但其中大多数是实现解释器。我的问题是,为依赖类型实现编译器似乎比编译器难得多,因为您可以真正评估依赖类型参数以进行类型检查。 所以 我的天真印象对吗? 如果是正确的话,关于实现支持依赖类型的静态检查语言的任何示例/资源?

2
关于P与NP的可证明性
首先,我对Gödel不完全性定理(一般来说是形式逻辑)的理解非常幼稚,我对理论计算机科学的了解(意味着我还在读本科时只修了一个研究生课程),所以这个问题可能是很天真。 据我所知,P对NP的可证明性是一个未解决的问题。 现在: 哥德尔的第一个不完全性定理指出,有些陈述是正确的,但不能证明也不能证明。 如果找到一个NP完全问题的多项式解,则证明P = NP。 因此,假设P = NP是不可证明的: 这意味着找不到NP完全问题的多项式解的例子(否则,这将是一个证明)。 但是,如果找不到关于NP完全问题的多项式解的示例,则意味着P = NP是错误的(证明这一点,意味着该陈述是可证明的),这导致了矛盾,因此P = NP应该是可证明的。 这听起来像是我对P = NP的可证明性的证明,但是我认为这很可能是由于我对所涉及的逻辑主题缺乏理解。谁能帮我了解这有什么问题吗?

2
随机3-SAT的树宽和实例硬度之间有什么关系?
这篇来自FOCS2013的最新论文是Gaspers 和Szeider 撰写的《Strong Backdoors to Bounded Treewidth SAT》,讨论了SAT子句图的树宽与实例硬度之间的联系。 对于随机的3-SAT,即随机选择的3-SAT实例,子句图的树宽与实例硬度之间的相关性是什么? 可以将“实例硬度”视为“对于典型的SAT求解器来说很困难”,即运行时间。 我正在寻找理论或经验风格的答案或参考。据我所知,似乎没有对此的经验研究。我知道构建SAT子句图有一些不同的方法,但是这个问题并不集中在区别上。 一个自然密切相关的问题是子句图的树宽如何与3-SAT相变相关。

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.