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
有限域上线性动力系统可达性的复杂性
设为有限域上的矩阵,并且,为空间向量。我对确定是否存在从而使的计算复杂性感兴趣,即在有限域上的线性动力系统的可达性问题中。AAAF2={0,1}F2={0,1}\mathbb{F}_2 = \{0,1\}xxxyyyFn2F2n\mathbb{F}_2^nt∈Nt∈Nt \in \mathbb{N}Atx=yAtx=yA^t x = y 问题显然在(猜测并通过重复平方来计算多项式时间内的)。我和我的同事们也能够证明 -相关问题的完全性,即确定是否存在使得,其中是分量不等式。NPNP\mathbf{NP}0≤t&lt;2n0≤t&lt;2n0 \le t < 2^nAtAtA^tNPNP\mathbf{NP}t∈Nt∈Nt \in \mathbb{N}Atx≥yAtx≥yA^t x \ge y≥≥\ge 这个问题似乎很自然,但是我在文献中找不到它的计算复杂性的参考,可能是因为我不知道确切的术语。您是否知道等式问题是 -complete还是实际上在?NPNP\mathbf{NP}PP\mathbf{P}

1
组合器的基础不完整
这是通过激发这个问题。令为仅具有两个绑定变量的所有组合器的集合。是组合地完成?CC\mathcal{C}CC\mathcal{C} 我相信答案是否定的,但是我无法为此找到参考。我也会对参考资料中组合集集合的组合不完整性的证明感兴趣(我可以看到为什么仅由一个绑定变量组成的组合集是不完整的,因此,这些集合应该包含的不仅仅是元素)。DD\mathcal{D}DD\mathcal{D}

1
类型理论中是否有一个很好的非终止和终止证明概念?
建构型理论及其在咖喱霍华德对应关系下的基本解释仅包括全部可计算的功能。在文献中,有人说过使用“计算类型理论”来表示功能程序中的非终止,但是在我遇到的论文中,这似乎并不是该理论的主要动机(例如Benton提到了非确定性,连续性和例外,而没有对非终止进行太多的详细介绍),因此,我还没有找到一篇使用计算类型理论对非终止进行有力解释的论文。 具体来说,我正在寻找一种方式,给定的代表类型的可能是非终止计算的类型,牛逼(一),应该有一些概念证明,证明X :牛逼(一)终止型的^ h (X ),使得给定的X :Ť (甲)和p :ħ (X )中,我们可以建立一个术语〜X:甲。一个AAŤ(一)T(A)T(A)X :Ť(一)x:T(A)x : T(A)H(x )H(x)H(x)X :Ť(一)x:T(A)x:T(A)p :^ h(x )p:H(x)p:H(x)X〜:Ax~:A\tilde x : A 我这样做的动机是,我希望最终能够在形式上将计算复杂性理论中的概念更正式地联系起来。具体而言,我对作为形式理论建设性类型的力量通过使用暂停神谕会获得什么感兴趣,因此,为了做到这一点,我当然需要对可能的非终止有一个正式的概念,并证明需要暂停。在类型理论框架内将其与之并存。

2
子类型作为SML数据类型的子集
我对Okasaki关于纯功能数据结构的书不满意的几件事之一是,他的代码充满了不尽详尽的模式匹配。举例来说,我将为他提供实时队列的实现(重构为消除不必要的挂起): infixr 5 ::: datatype 'a stream = Nil | ::: of 'a * 'a stream lazy structure RealTimeQueue :&gt; QUEUE = struct (* front stream, rear list, schedule stream *) type 'a queue = 'a stream * 'a list * 'a stream (* the front stream is one element …

1
概率自动机简介
我在哪里可以找到介绍概率自动机和他们认识到什么(某些职能从文字到)?对于概率确定性自动机(DFA)所识别的“规则语言”,是否存在概率自动机可识别的此类功能的标准术语?[0,1][0,1个][0,1] 我正在寻找一种方法,类似于研究DFA和常规语言的基本问题,例如表达性,闭包性和可判定性。 这个和这个似乎并不是我想要的。

1
计算对称多项式
令是一个对称多项式,即对于所有的多项式和所有置换。为了方便起见,我们可以假设是一个有限域,以避免解决计算模型中的问题。f:Kn→Kf:Kn→Kf:\mathbb{K}^n \to \mathbb{K}f(x)=f(σ(x))f(x)=f(σ(x))f(x)=f(\sigma(x))x∈Knx∈Knx \in \mathbb{K}^nσ∈Snσ∈Sn\sigma \in S_nKK\mathbb{K} 令表示计算的复杂度,即给定返回的算法的复杂度。我们可以基于的性质以某种方式表征吗?例如,对于所有对称多项式,我们是否保证是多项式(在)?C(f)C(f)C(f)fffxxxf(x)f(x)f(x)C(f)C(f)C(f)fffC(f)C(f)C(f)nnnfff 作为特殊情况,看起来(a)我们可以在时间计算幂和多项式,并且(b)我们可以在时间计算基本对称多项式,使用牛顿的身份。结果,如果是单项式的加权和,其中没有任何变量被提高到大于1的幂(即,如果是多线性的),则可以用多项式时间来计算(因为它可以表示为加权和基本对称多项式的集合。例如,当poly(n)poly(n)\text{poly}(n)poly(n)poly(n)\text{poly}(n)fffffffffK=GF(2)K=GF(2)\mathbb{K}=GF(2),则可以在多项式时间内计算每个对称多项式。谁能说的比这更多?

1
改进了库克将科里克减为SAT的通用减法?
我感兴趣的是将 -Clique 减少为SAT,而无需使实例更大。ķkk Clique在NP中,因此可以使用对数空间将其简化为SAT。直接的Garey / Johnson教科书简化法可以将实例炸毁为立方大小。但是,对于每个固定的k, -Clique在P中,因此“应该”至少对于固定的k有效减少。ķkkķkkķkk 建立简化的一种方法是将SAT变量用作特征向量,将变量设置为true表示关联的顶点在集团中。这种减少是自然的,但是如果图形稀疏,则会创建一个二次方的SAT实例。对于稀疏图,需要平方多项来强制在每对不相邻的顶点中最多只有一个顶点在团中。 让我们尝试比做得更好。Ø (ñ2)O(n2)O(n^2) 对Cook / Schnorr / Pippenger / Fischer的通用归类方法是,首先采用决定语言的多项式有时间限制的NDTM,通过一个隐蔽的DTM模拟NDTM,通过一个电路模拟该隐秘DTM,然后通过一个3来模拟该电路。 -SAT实例。这产生大小的3-SAT实例如果结合的NDTM时间吨(Ñ )。对数因数似乎是不可避免的,这是由于在受遗忘的机器进行模拟时开销所致。对于k- Clique来说似乎有t (O (t (n )对数t (n ))O(t(n)log⁡t(n))O(t(n)\log t(n))t(n)t(n)t(n)kkk,这将生成 O (n k (log n + log k ))大小的3-SAT实例,对于固定 k,该实例是拟线性的。库克在1988年的论文中询问NP中的语言是否存在更好的泛型归约法,据我所知这仍然是开放的。但是,Clique具有很多结构,因此在这种情况下也许可以做得更好。t(n)=O(nk)t(n)=O(nk)t(n) = O(nk)O(nk(logn+logk))O(nk(log⁡n+log⁡k))O(nk(\log n + \log k))kkk 从Clique到SAT是否有更好的降价方法? kkkkkk (我一直在进行减少工作,这似乎是在避免对数因子,但是在浪费更多时间检查血腥细节以验证其正确性之前,我想知道是否已经知道这种减少措施,或者是否不太可能存在。)


1
具有超恒定树宽的图的类
有几种有趣的树型边界树图。例如,树(树宽1),系列平行图(树宽2),外平面图(树宽2),外平面图(树宽O(k)),分支宽度(树宽O(k))的图。 。ķķkķķk 问题:是否有一些有趣的图类实例,它们的树宽不受常量限制,但受函数增长的限制? 是否存在树宽为知名图类?O (对数日志n)Ø(日志⁡日志⁡ñ)O(\log\log n) 是否存在树宽为知名图类?O (对数n)Ø(日志⁡ñ)O(\log n) 我也会对树形为或的图类感兴趣, 其中对数重复执行恒定的次数。O (对数ķn)Ø(日志ķ⁡ñ)O(\log^k n)O (对数日志。。。n )Ø(日志⁡日志。。。ñ)O(\log\log...n) Obs:当然,用给定的树宽来制作人造图族很容易,例如网格。因此,我主要是在寻找在图论的其他分支中已经研究过并且恰好具有树宽或,但非恒定树宽的图族。O (对数n )× nØ(日志⁡ñ)×ñ\;O(\log n)\times n\;O (对数n)Ø(日志⁡ñ)O(\log n)O (对数日志n)Ø(日志⁡日志⁡ñ)O(\log\log n)

1
最大重量匹配和亚模块功能
给定一个二分图与正权让˚F :2 Ü → [R与˚F (小号)等于图中的最大重量匹配ģ [ 小号∪ V ]。G=(U∪V,E)G=(U∪V,E)G = (U \cup V, E)f:2U→Rf:2U→Rf: 2^U \rightarrow \mathbb{R}f(S)f(S)f(S)G[S∪V]G[S∪V]G[S\cup V] 是亚模函数,这是真的吗?fff

1
猜想:所有FPT NP完全语言都是固定参数同构的
Berman-Hartmanis猜想:所有NP完全语言看起来都是相似的,因为它们可以通过多项式时间同构[1]相互关联。 我对“多项式时间”的更细粒度的版本感兴趣,也就是说,如果我们使用参数化约简的话。 参数化问题是的子集Σ∗×Z≥0Σ∗×Z≥0Σ^∗ × Z \geq 0,其中ΣΣΣ是有限字母,而Z≥0Z≥0Z\geq 0是非负数的集合。因此,参数化问题的一个实例是对(I,k)(I,k)(I, k),其中kkk是参数。 一个参数化的问题π1π1π_1固定参数还原为一个参数化的问题π2π2π_2如果存在功能fff,ggg:Z≥0→Z≥0Z≥0→Z≥0Z≥0 → Z≥0,Φ:Σ∗×Z≥0→Σ∗Φ:Σ∗×Z≥0→Σ∗ Φ : Σ∗ × Z≥0 → Σ^∗和一个多项式p(⋅)p(·)p(·)这样对于任何实例(I,k)(I,k)(I, k)的π1π1π_1,(Φ(I,k),g(k))(Φ(I,k),g(k))(Φ(I, k), g(k))是一个实例π2π2π_2在时间可计算f(k)⋅p(|I|)f(k)·p(|I|)f(k) · p(|I|)和 (I,k)∈π1(I,k)∈π1(I, k) ∈ π_1当且仅当(Φ(I,k),g(k))∈π2(Φ(I,k),g(k))∈π2(Φ(I, k), g(k)) ∈ π_2。如果两个参数化问题彼此可还原,则它们是固定参数等效项。 一些NP完全问题是FPT,例如,顶点覆盖问题的决策版本是NP-Complete,它具有O(1.2738k+kn)O(1.2738k+kn)O(1.2738^k + kn)算法[2]。找到NP-Complete的FPT问题的更好的固定参数归约可以导致更好的算法,例如,通过对Multiway Cut问题的“高于保证版本”进行归约可以导致算法在时间O∗(4k)O∗(4k)O^*(4^k)用于AGVC(以上保证顶点覆盖)问题[3],它比原始的O∗(15k)O∗(15k)O^*(15^k)算法[4] 更好。 My Conjecture: All FPT NP-complete languages are fixed-parameter-isomorphic.My Conjecture: All FPT NP-complete languages …

2
易于优化但难以评估
是否存在优化问题的已知自然例子,对于这些问题,生成最佳解决方案要比评估给定候选解决方案的质量容易得多? 为了具体起见,我们可以考虑该形式的多项式时间解优化问题:“给定的x,最小化 ”,其中˚F :{ 0 ,1 } * × { 0 ,1 } * → Ñ例如#P-hard。显然存在这样的问题(例如,即使f不可计算,我们对所有x都可能有f (x ,0 )= 0),但是我正在寻找表现出这种现象的``自然''问题。f(x ,y)F(X,ÿ)f(x, y)F: { 0 ,1 }∗× { 0 ,1 }∗→ NF:{0,1个}∗×{0,1个}∗→ñf:\{0,1\}^*\times\{0,1\}^* \to \mathbb{N}F(x ,0 )= 0F(X,0)=0f(x, 0) = 0XXxFFf

1
二分定理以什么为依据?
众所周知,某些类别的NP问题具有二分法定理,这保证了该类中的每个任务都是NP完全的或在P中。最著名的这样的结果是 谢弗二分法定理,以及许多归纳法。 我的理解是证明这些二分定理并不是一件容易的事。我想知道,对于某些类别为什么有二分法而其他类别没有二分法,是否有相对简短的解释?使这些定理成为可能的基本问题结构是什么?也许没有这样一个清晰理解的结构,而是在每种情况下,为什么班上有或没有二分法定理是一个谜?

1
是否可以确定换能器的输出长度是否受输入长度的限制?
这里考虑的换能器是那些维基百科上称为有限状态换能器的换能器。换能器的行为,即它计算的关系,记为:单词是 iff的输出。TTT[T][T][T]yyyxxxx[T]yx[T]yx[T]y 问题:以下问题是否可判定: 给定:换能器和常规语言 决定:是否认为,是一个单词,表示?TTTLLL∀x∈L∀x∈L\forall x \in L∀y∀y\forall yx[T]yx[T]yx[T]y|y|≤|x||y|≤|x||y| \leq |x| 我正在寻找非平凡的分析/可解决的子案例,减少已知问题和/或相关参考。(现在甚至不能确定它总体上是可判定的……?) 动机:这个问题是由对数论问题的自动定理证明 /分析和询问(通常是对Collat​​z猜想的研究)引起的。

2
简单无向图中的随机游走和平均击球时间
令是n个顶点和m个边上的简单无向图。G=(V,E)G=(V,E)G=(V,E)nnnmmm 我正在尝试确定用于生成G的随机生成树的Wilson算法的预期运行时间。那里,它被示出为ø (τ ),其中,τ是平均击打时间:τ = Σ v ∈ V π (v )⋅ ħ (Û ,v ),其中:GGGO(τ)O(τ)O(\tau)ττ\tauτ=∑v∈Vπ(v)⋅H(u,v),τ=∑v∈Vπ(v)⋅H(u,v),\tau = \sum_{v \in V} \pi(v) \cdot H(u, v), 是平稳分布 π (v )= d (v )ππ\pi ,π(v)=d(v)2mπ(v)=d(v)2m\pi(v)=\frac{d(v)}{2m} 是一个任意顶点,并且uuu 是命中时间(AKA访问时间),即从顶点 u开始访问顶点 v之前的预期步数。H(u,v)H(u,v)H(u,v)vvvuuu 平均击球时间的一般上限是多少?最大化平均命中时间的最坏情况图是什么?GGG 为了使我的问题更清楚,我不需要任何计算或详细的证明(尽管它们可能对将来遇到此问题的其他人很有用)。对我个人而言,引用就足够了。 Θ(n)Θ(n)\Theta(n)Θ(nlogn)Θ(nlog⁡n)\Theta(n \log n) Θ(n2)Θ(n2)\Theta(n^2)Θ(n3)Θ(n3)\Theta(n^3)O(n2)O(n2)O(n^2)O(n3)O(n3)O(n^3) 我知道有两种威尔逊算法的公开实现。一个在Boost Graph Library中,第二个在graph-tool中。前者的文档没有提及运行时间,而后者则指出: O(nlogn)O(nlog⁡n)O(n \log n) 哪一个没有回答问题,实际上似乎与威尔逊的论文不一致。但我报告这是为了以防万一,以节省与咨询实现文档相同想法的任何人的时间。 Ω(n3)Ω(n3)\Omega(n^3)1n1n\frac{1}{n}O(n2)O(n2)O(n^2) …

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.