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
用最少数量的矩形覆盖凹面
我试图用一个最小的矩形覆盖一个简单的凹多边形。我的矩形可以是任意长度,但是它们具有最大宽度,并且多边形永远不会具有锐角。 我考虑过尝试将凹面多边形分解为三角形,以产生一组最小重叠的矩形,这些矩形将每个三角形的边界最小化,然后将这些矩形合并为更大的矩形。但是,我认为这不适用于多边形边缘的小缺口。这些凹口上的反射顶点创建的三角形将创建错误的矩形。我正在寻找将跨越/忽略缺口的矩形。 我对计算几何学一无所知,所以我不确定如何开始提出这个问题。 我发现其他类似的帖子,但不是我需要的: 将多边形分成最少数量的矩形和三角形 用最少的正方形覆盖任意多边形 查找矩形,使其覆盖最大点数ķķk 寻找最少的矩形以覆盖一组矩形的算法 一些示例:黑色是输入。红色是可接受的输出。 另一个例子:首选第二个输出。但是,生成两个输出并使用另一个因素确定偏好可能是必要的,而不是此算法的责任。 模仿曲线的多边形极为罕见。在这种情况下,矩形的大部分面积都被浪费了。但是,这是可以接受的,因为每个矩形都遵守最大宽度约束。 另外,我发现本文与我的需要很接近: Paul Iacob,Daniela Marinescu和Cristina Luca的矩形作品覆盖 也许更好的问题是“如何识别凹多边形的矩形部分?” 这是显示所需实现的图像: 绿色是实际的材料用量。红色矩形是布局。蓝色是整个多边形的MBR。我想我应该尝试获取少量MBR并将其填充。在左上角终止于多边形中间的2-3个绿色矩形非常昂贵。那就是我要最小化的。绿色矩形具有最小和最大宽度和高度,但是我可以使用足够多的行和列来覆盖一个区域。同样,我必须最小化不跨越输入的矩形的数量。我还可以修改绿色矩形的形状以适合在很小的地方,这也是非常昂贵的。换句话说,获得尽可能多的矩形以尽可能地跨度是理想的。

1
Lambda演算模型的可扩展性
我正在翻译一本有关LISP的书,很自然地涉及到微积分的某些元素。因此,外延性的概念被提及的还有旁边的一些模型λ演算,即:P ω和d ∞(是的,在顶部的无穷大)。而且据说P ω是伸展而d ∞是没有的。λλ\lambdaλλ\lambdaPωPω\mathcal{P}_\omegad∞D∞D^\inftyPωPω\mathcal{P}_\omegad∞D∞D^\infty 但是......我一直在寻找通过Barendregt的演算,它的语法和语义,以及(希望正确)阅读有完全相反的:不伸展,d ∞是。PωPω\mathcal{P}_\omegad∞D∞D_\infty 有谁知道关于奇怪的模型?难道是一样的模型d ∞,但错误地写的?我对模型的可扩展性是否正确?d∞D∞D^\inftyd∞D∞D_\infty 谢谢。


1
Ruzzo-Simon-Tompa oracle访问机制
NL⊈PNL⊈P\mathsf{NL} \nsubseteq \mathsf{P} 现在考虑带有oracle门的电路家族,例如,其中是一个电路复杂度类,其中包含通过oracle附加到 oracle门对另一个类进行oracle访问的日志空间。是否有类似Ladner-Lynch论文在精神上与之类似的病理学例子?这样的类需要像RST这样的限制吗?如果确实有这样的例子,我猜对了,RST的模拟将坚持是一个对数空间统一的电路家族吗?ABABA^BAAABBBAAAAAA

1
区分
给定一个从一组混合态中随机选择的量子态,正确识别的最大平均概率是多少?ρ一种ρ一种\rho_AññNρ1个。。。ρñρ1个。。。ρñ\rho_1 ... \rho_N一种一种A 通过考虑将与区分的问题,可以将该问题转变为两个状态的可区分性问题。ρ一种ρ一种\rho_Aρ乙= 1ñ− 1∑我≠ Aρ一世ρ乙=1个ñ-1个∑一世≠一种ρ一世\rho_{B} = \frac{1}{N-1}\sum_{i\neq A}\rho_i 我知道对于两个量子状态,当您最小化最大错误概率而不是最小化平均错误概率时,就状态之间的迹线距离而言,问题有一个很好的解决方案,我希望对于这个案例。当然可以根据POVM的优化来写出概率,但是我希望已经进行了优化的东西。 我知道有大量关于量子态可区分性的文献,过去几天我一直在阅读大量论文,试图找到这个问题的答案,但是我很难找到答案。问题的特殊变化。我希望有人知道文学更好,可以为我节省一些时间。 严格来说,我不需要确切的概率,一个好的上限就可以了。但是,任何一个状态与最大混合状态之间的差异都非常小,因此在该限制内边界必须有用。

2
寻找运算符满足布尔变量NP列表的问题是否完整?
这类似于SAT,除了我们知道每个变量的赋值,但不知道任何布尔运算符的赋值。在那种情况下,是否找到每个运算符的赋值,以便表达式对给定的布尔值求值是一个NPC问题? 实际上,我想知道是否找到算术运算符的分配来满足整数算术表达式(例如 = 10)是否完成了NP?1 11 ö p 1op1op_1 3 33 ö p 2op2op_2 7 77 ö p 3op3op_3 ö p 4op4op_4


2
直接乘积定理的变体
的直接产物定理,非正式地说,计算的函数的实例比计算更难一次。˚F ˚Fkkkffffff 典型的直接乘积定理(例如,Yao的XOR引理)着眼于平均情况的复杂性,并辩称(非常粗略地)不能由大小为的电路以概率大于来计算,那么副本就不能由大小为电路的概率比。s p k f s ' &lt; s p kfffssspppkkkfffs′&lt;ss′&lt;ss' < spkpkp^k 我正在寻找不同类型的直接乘积定理(如果已知)。特别: (1)说我们确定了误差的概率ppp,而是对计算kkk的f个副本所需的电路的te大小感兴趣fff。是否有说,如果结果fff不能由大小的电路计算sss的概率优于ppp,然后kkk拷贝fff不能与概率优于来计算ppp使用尺寸的电路小于O(k⋅s)O(k⋅s)O(k \cdot s)? (2)关于最坏情况的复杂性已知什么?例如,如果无法通过大小为s的电路来计算fff(具有0个错误),那么对于计算k个f(具有0个错误)的副本的复杂性,我们能说什么呢?ssskkkfff 任何参考将不胜感激。

1
在一般位置构造向量
让真正的 (ķ ≤ ñ)矩阵一个具有这样的特性的任何集合ķ列满秩。k × nk×nk\times nķ ≤ Ñk≤nk\le n一种A{\bf A}ķkk 问:是否有一种有效的方法来确定性地找到向量,使得增广矩阵A ' = [ A一种a{\bf a}保留与 A相同的属性:任何 k列均是完整列。A′=[Aa]A′=[Aa]{\bf A}' = [{\bf A}\;{\bf a}]AA{\bf A}kkk 相关说明:具有此属性的矩阵是 Reed-Solomon代码的生成器:添加保留其Vandermonde结构的列将保留rank属性。(n,k)(n,k)(n,k)


2
条件哈密顿进化算符的符号
我正在阅读Harrow,Hassidim和Lloyd的论文《线性方程组的量子算法》。他们在该论文的第三页上写道 接下来,我们应用条件哈密顿进化上的∑T−1τ=0|τ⟩⟨τ|C⊗eiAτto/T∑τ=0T−1|τ⟩⟨τ|C⊗eiAτto/T\sum_{\tau=0}^{T-1} \left|\tau\right>\left<\tau\right|^{C}\otimes e^{iA\tau t_{o}/T}|Ψ0⟩C⊗|b⟩…|Ψ0⟩C⊗|b⟩…\left|\Psi_{0}\right>^{C}\otimes\left|b\right>\dots 对于我的一生,我无法弄清楚的含义。在那里做什么?如何将Σ 牛逼- 1 τ = 0 | τ ⟩ ⟨ τ | Ç ⊗ ê 我甲τ 吨ø / Ť作用于(比方说)| 0 ⟩&CircleTimes; | 0 ⟩或| 1 ⟩&CircleTimes; | 0 ⟩?CCC∑T− 1τ= 0|τ⟩ ⟨τ|C⊗ è我甲τŤØ/吨∑τ=0Ť-1个|τ⟩⟨τ|C⊗Ë一世一种τŤØ/Ť\sum_{\tau=0}^{T-1} \left|\tau\right>\left<\tau\right|^{C}\otimes e^{iA\tau t_{o}/T}| 0 ⟩&CircleTimes; | 0 ⟩|0⟩⊗|0⟩\left|0\right>\otimes \left|0\right>| 1 ⟩&CircleTimes; | …

1
成员资格查询和反例模型中的学习下限
Dana Angluin(1987 ; pdf)定义了一种具有成员资格查询和理论查询(拟议功能的反例)的学习模型。她展示的是由最小DFA的代表的正规语言状态是可以学习在多项式时间内(这里建议功能的DFA)与Ø (米ñ 2)会员的查询,并在最ñ - 1理论查询(米是导师提供的最大反例的大小)。不幸的是,她没有讨论下界。ññnø (米Ñ2)Ø(米ñ2)O(mn^2)n − 1ñ-1个n−1米米m 我们可以通过假设一个魔术师来稍微概括一下模型,该老师可以检查任意函数之间的相等性,并提供反例(如果不同)。然后我们可以问学习比普通语言更大的课程有多困难。我对这种概括以及对常规语言的原始限制很感兴趣。 成员资格和反示例模型中的查询数量是否存在已知的下限? 我对成员资格查询,理论查询或两者之间的权衡取舍的下限感兴趣。我对任何函数类的下限都感兴趣,甚至比常规语言更复杂的类也是如此。 如果没有下界:在此模型中是否存在证明查询下界的障碍? 相关问题 Dana Angluin用于学习常规集的算法是否有改进

3
P是否包含无法理解的语言?(TCS社区Wiki)
答:未知 非常感谢所有帮助完善此问题及其相关定义的人员。 该Wiki的定义为更新的TCS Wiki提供了起点“ P是否包含其存在独立于PA或ZFC的语言?(TCS社区Wiki) ”。 首选较新的Wiki,因为其定义和术语比该较旧Wiki的定义和术语要复杂得多。 特别是,该较旧的Wiki的术语难以理解的 可理解的 语言和TM被神秘的 gnostic取代了在较新的Wiki中。除了定义细节(这很重要)之外,这两个Wiki还解决了类似的问题。&DoubleLeftRightArrow;⇔⇔\Leftrightarrow ⇔⇔\Leftrightarrow 欢迎进一步回答 欢迎提供进一步的答案(不用说),并且进一步的定义调整可能是适当的。一个主要的经验教训是,这类问题很难提出,而要严格回答也更具挑战性。 作为背景,Sasho Nikolov的回答被评为“可接受”,因为它提供了表达问题意图的表述:(显然)未知问题的答案。 菲利普·怀特(Philip White)的宝贵答案促使人们对TM的等级定义产生了难以理解,相对难以理解,对规范难以理解的印象(根据下面的列表“不可理解的等级定义”)。 以下问题说明暂时包含了伊藤刚,马齐奥·德·比亚西,哈克·贝内特,里奇·德默,彼得·索尔提供的宝贵见解和建议,以及卢卡 ·特雷维森(Luca Trevisan)的宝贵博客文章。 正式定义 不可理解的图灵机的定义如下(在ZFC中): D1 给定一个图灵机M可证明对所有输入字符串停止,如果以下语句对于至少一个正半定实数既不可证明又不可辩驳,则称M为不可理解的:rrr 声明: M的运行时间相对于输入长度为nO(nr)O(nr){O}(n^r)nnn 相反,男叫理解当且仅当它不是不可理解的。 消除不确定性 Wikipedia条目“ 不确定的问题:不确定的示例 ”简要回顾了证据理论和可计算性理论中常用的术语“不确定”。为了避免歧义,提出的定义和问题仅采用“既不可证明也不可辩驳”的术语。 在这方面的更多参考资料包括Jeremy Avigad的课程笔记“ 通过暂停问题导致的不完整性 ”,Scott Aaronson的网络日志文章“ 通过Turing机器的Rosser定理 ”和Luca Trevisan的网络日志发布了两个有趣的问题。 关于难以理解的图灵机的存在 存在难以理解的图灵机,具体是根据艾曼纽·维奥拉(Emmanuele Viola)的构造,以及广泛地基于Juris Hartmanis的复杂性理论框架而得出的。特别是,Viola的构造通过杰里米·阿维加德(Jeremy Avigad)的课程笔记(据我所知)的方法提供了以下引理: 引理[中提琴的含意] (如果语言L被可理解的TM接受) (L被不可理解的TM接受)。→→\to 在定义不可理解性时尊重自然 很自然地想知道与中提琴的暗示的相反含义是否正确。 …

1
固定直径图的3-Clique分区
3-Clique分区问题是确定图的顶点(例如)是否可以划分为3 个clique的问题。通过简单地减少三色性问题,可以解决该问题。不难发现,当直径(G )= 1或直径(G )&gt; 5时,此问题的答案很容易。当直径(G )= 2时,通过简单地将其自身减小(给定图G,添加一个顶点并将其连接到所有其他顶点),问题仍然是NP-困难的。GGG直径(G)=1diam(G)=1\textrm{diam}(G) = 1直径(G)&gt;5diam(G)&gt;5\textrm{diam}(G) > 5直径(G)=2diam(G)=2\textrm{diam}(G) = 2GGG 这是什么问题的用于图形的复杂性与为3 ≤ p ≤ 5?直径(G)=pdiam(G)=p\textrm{diam}(G) = p3 ≤ p ≤ 53≤p≤53\le p \le 5

3
如何证明一个公式不能用LTL表示,而是可以用Buchi自动机表达?
我正在寻找一种通用技术,该技术不仅可以帮助我证明Buchi自动机比LTL更具表达力,而且可以/不能在LTL中表达特定的公式。 例如,“至少出现在偶数位置”可以通过以下Buchi自动机描述:其中和。ppp(q0,q1个,Σ ,δ,q0,{ q0} )(q0,q1,Σ,δ,q0,{q0})({q_0, q_1}, \Sigma, \delta, q_0, \{q_0\})δ(q1个,∗ )= q0δ(q1,∗)=q0\delta(q_1, *) = q_0δ(q0,p )= q1个δ(q0,p)=q1\delta(q_0, p) = q_1 我读过自动机不能用LTL表示,但是我不知道如何正式证明它。 谢谢。

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.