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

19
在TCS中获得漂亮的结果
最近,我的一个朋友(在TCS中工作)在一次对话中提到“他希望一生中看到/知道所有(或尽可能多)TCS的美丽结果”。这种让我想知道这个领域的漂亮成果,以及以下问题的动机: 您认为哪些结果(或构想)在理论计算机科学中很漂亮?如果您也提到原因,那将是很棒的。[即使这些思想起源于数学,但引起了人们的兴趣并在TCS中找到了用途,也将很好。 我将以Cantor的对角线参数作为答案,因为它简单,优雅,但结果却非常有力。

4
逻辑关系和模拟之间有什么区别?
我是研究程序等效性方法的初学者。我已经阅读了几篇有关定义逻辑关系或模拟的论文,以证明两个程序是等效的。但是我对这两种技术很困惑。 我只知道逻辑关系是归纳定义的,而模拟是基于共归进行的。为什么用这种方式定义它们?他们的利弊分别是什么?在不同情况下应该选择哪一个?

7
通过证明上限来证明下限
Ryan Williams最近突破性的电路复杂度下限结果提供了一种证明技术,该证明技术使用上限结果来证明复杂度下限。Suresh Venkat在回答这个问题时,在理论计算机科学中是否有任何违反直觉的结果?,提供了两个通过证明上限来建立下限的示例。 证明复杂度上限的其他证明复杂度下限的有趣结果是什么? P ≠ Ñ PNP⊈P/polyNP⊈P/polyNP \not\subseteq P/polyP≠NPP≠NPP \ne NP

3
非构造性证明的库里霍华德和程序
这是一个后续问题 证明与程序(或命题与类型)之间有什么区别? 哪个程序对应于形式的非构造性(经典)证明?(假设是一些有趣的可确定的关系,例如,第个TM不会以步长停止。)Ť È ķ∀k T(e,k)∨¬∀k T(e,k)∀ķ Ť(Ë,ķ)∨¬∀ķ Ť(Ë,ķ)\forall k \ T(e,k) \lor \lnot \forall k \ T(e,k)TŤTeËekķk (ps:我之所以发布此问题,部分原因是我有兴趣在他的评论中进一步了解Neel所说的“ Godel-Gentzen翻译是一种延续通过的转变”的意思。)

4
概率图灵机能否解决停机问题?
拥有无限个真正随机比特流的计算机比没有计算机的计算机更强大。问题是:它足以解决暂停问题吗? 也就是说,概率计算机可以确定确定性程序是否暂停? 概率计算机无法完成确定性操作的示例:考虑一个小的程序(长度小于一千字节),该程序输出的字符串的Kolmogorov复杂度大于千兆字节。该柯尔莫哥洛夫复杂性字符串的长度是产生该字符串的最短确定性程序的长度。因此,根据定义,确定性程序无法生成复杂度大于其自身长度的字符串。但是,如果给定无限量的真正随机比特流,那么一个小型程序就可以通过简单地回声(例如100亿个随机比特)并希望这些比特的Kolmogorov复杂度足够高来成功完成99.99999 ...%的任务。因此,产生一串优越的Kolmogorov复杂度在概率程序的可能性范围之内,但对于确定性程序则根本不可能。 就是说,我想知道是否有可能使用真正的随机位来对停顿问题进行钢锯。例如,一种算法可能会随机生成定理并证明/证明/放弃它们,直到它知道足以证明/证明给定的确定性程序停止为止。

3
启发式统计物理论证是什么意思?
我听说统计物理学中有一些启发式论点,这些论点在概率论中产生结果,对于这些论点,严格的证明要么未知,要么很难得出。这种现象的简单玩具例子是什么? 如果答案假设统计物理学的背景很少,并且可以解释这些神秘的启发式方法以及如何非正式地说明它们,那将是很好的。另外,也许有人可以指出这些启发式方法中有多少可以严格辩解的广泛情况,以及Lawler,Schramm和Werner的程序如何适合于此。

1
无法有效计算但可学习的功能
我们知道(例如,参见[1]的定理1和定理3),粗略地说,在适当的条件下,可以由多项式神经网络表示可以由图灵机在多项式时间内有效计算的函数(“有效可计算”)。具有合理的大小,因此可以在任何输入分布下以多项式样本复杂度(“可学习的”)来学习。 此处的“可学习的”仅涉及样本复杂度,而与计算复杂度无关。 我想知道一个非常相关的问题:是否存在一个图灵机无法在多项式时间内有效计算的函数(“无法有效计算”),但同时可以通过多项式样本复杂度来学习(“可学习”)在任何输入分布下? [1] Roi Livni,Shai Shalev-Shwartz,Ohad Shamir,“ 关于训练神经网络的计算效率 ”,2014年

2
系统F无法计算哪些功能?
在有关图灵完整性的维基百科文章中,它指出: 未类型化的lambda演算是图灵完备的,但包括系统F在内的许多类型的lambda演算不是。类型化系统的价值在于它们能够代表最典型的计算机程序并同时检测更多错误。 系统F无法计算的总可计算函数的示例是什么? 另外,由于hindley-milner是: 系统F的限制 由于以下事实: 类型检查对于System F的Curry样式变体是不确定的,也就是说,缺少显式的键入注释。 这是否意味着在Hindley-Milner类型系统下的lambda演算还没有完全完善? 如果是这样,由于haskell显然是图灵完成的,并且我们知道它是lambda演算和hindley-milner类型系统的基础,因此为了使haskell图灵完成,添加了lambda演算中不存在的哪些功能?

6
“大”证人的自然NP完全问题
在cstheory这个问题:“ 什么是NP限于线性尺寸的证人? ”问及NP类受限于线性尺寸证人,但Ø(n )O(n)O(n) 是否存在自然的 NP完全问题,其中(是)大小为实例需要大小大于证人?ññnnñnn 显然,我们可以构建一些人为的问题,例如: L = { 1ñw ∣ w 编码可满足的公式,并且 | w | = n }L={1nw∣w encodes a satisfiable formula and |w|=n}L = \{ 1^nw \mid w \text{ encodes a satisfiable formula and } |w|=n \} 大号= { φ | φ 是SAT式用得比较多 |φ |2 令人满意的作业}L={φ∣φ is …

2
我们不能输出Kolmogorov复杂度吗?
让我们固定图灵机和通用图灵机的无前缀编码上输入(编码为的无前缀码随后)输出任何上输入输出(可能都永远运行)。限定的Kolmogorov复杂,,作为最短程序的长度,使得。UUU(T,x)(T,x)(T,x)TTTxxxTTTxxxxxxK(x)K(x)K(x)pppU(p)=xU(p)=xU(p)=x 是否有图灵机使得每个输入都输出整数不同于的Kolmogorov复杂度,即但吗?TTTxxxT(x)≤|x|T(x)≤|x|T(x)\le |x|xxxT(x)≠K(x)T(x)≠K(x)T(x)\ne K(x)lim inf|x|→∞T(x)=∞lim inf|x|→∞T(x)=∞\liminf_{|x|\rightarrow \infty} T(x)=\infty 这些条件是必要的,因为 (a)如果T(x)≰|x|T(x)≰|x|T(x)\not \le |x|,那么输出一个与K(x)略有不同的数字会很容易,K(x)K(x)K(x)因为它大于|x|+cU|x|+cU|x|+c_U, (b)如果允许lim inf|x|→∞T(x)&lt;Clim inf|x|→∞T(x)&lt;C\liminf_{|x|\rightarrow \infty} T(x)<C,那么我们可以通过“幸运地”猜测最多1个数字来输出几乎所有数字的000(或其他常数)。 (一定数量的数字)的值等于0(等于000其他常数),然后输出其他值。我们甚至可以通过输出x = 2 ^ n的2 \ log n来保证\ limsup_ {| x | \ rightarrow \ infty} T(x)= \ infty。lim sup|x|→∞T(x)=∞lim sup|x|→∞T(x)=∞\limsup_{|x|\rightarrow \infty} T(x)=\infty2logn2log⁡n2\log nx=2nx=2nx=2^n 还要注意,如果我们知道T(x)T(x)T(x)不是排斥性的,但是对此知之甚少,那么我们的工作将会很容易,因此答案可能取决于UUU,尽管我对此怀疑。 我知道对关系的研究很多,但是 有没有人问过类似的问题,我们的目标是给出不输出某些参数的算法? 我的动机是这个问题http://arxiv.org/abs/1302.1109。


1
polylog空间中包含统一的RNC吗?
确定性多对数空间(有时写为PolyL)中包含对数空间统一NC。此类中的日志空间统一RNC也是吗?PolyL的标准随机版本应该在PolyL中,但是我看不到(统一)RNC在randomized-PolyL中。 我看到的困难是,在RNC中,电路可以根据需要“观察随机位”。也就是说,随机输入可以具有任意扇出。但是在PolyL的随机版本中,并不是像您得到了一堆随机位,而是想要随意查看的东西;而是只允许您在每个时间步骤掷硬币。 谢谢!


4
比“无向”变体容易的“有向”问题。
我当时正在做一个关于煎饼分类的讲座,并提到: 通过冲销排序是NP难的 通过逆向进行的“有符号”排序在P中。 这让我开始思考。从某种意义上说,“符号”排序是“定向”的-您可以将符号视为一个方向(实际上,这是进化生物学的动力)。但这是一个更简单的问题!这是不寻常的,因为通常(至少在图形上)有针对性的问题要比无向问题更困难(或至少同样困难)。 假设对“有向”进行了宽泛的定义,是否有比无向对等问题更容易解决的有向性问题的示例?


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.