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
量子膨胀器背后的几何图形
(也在这里询问,没有回复) 甲 -quantum膨胀机是一个分布在单一组与所述属性是:a),b),其中是哈尔度量。如果我们考虑置换矩阵而不是unit分布,那么不难发现我们恢复了d-正则展开图的通常定义。有关更多背景信息,请参见例如:Harrow和Low的高效量子张量积扩展器和k-designs。(d,λ )(d,λ)(d,\lambda)νν\nuü(d)ü(d)\mathcal{U}(d)| 小号ü p p ν | =d|süpp ν|=d|\mathrm{supp} \ \nu| =d∥ èü〜νü⊗ ü†− Eü〜μHü⊗ ü†∥∞≤ λ‖Ëü〜νü⊗ü†-Ëü〜μHü⊗ü†‖∞≤λ\Vert \mathbb{E}_{U \sim \nu} U \otimes U^{\dagger} - \mathbb{E}_{U \sim \mu_H} U \otimes U^{\dagger}\Vert_{\infty} \leq \lambdaμHμH\mu_Hddd 我的问题是-量子扩展器是否接受类似于经典扩展器的任何几何解释(其中光谱间隙〜〜\sim等值法/基础图的扩展)?我没有正式定义“几何实现”,但从概念上讲,人们可以希望将纯粹的光谱准则转化为某种几何图形(在经典情况下,这是扩展器享有的数学丰富性的来源;量子的数学结构)扩展器似乎受到更多限制)。

1
计算DFA的最小NFA
许多年前,我听说从DFA(确定性)计算最小NFA(不确定性有限自动机)是一个悬而未决的问题,而反之亦然,数十年来已知的方向相反,并且对有效算法。有没有人想出一种算法?Ø(ñ LGñ)Ø(ñlg⁡ñ)O(n \lg n) 快速搜索后给了我这篇论文,证明这绝对是一个难题。显然,没有给出算法。 [1] 最小的NFA问题很难解决/陶江和B. Ravikumar CS.SE网站上的以下问题使我想起了这个问题,该问题与DFA-> NFA最小化算法密切相关。在我看来,以下问题是研究水平。我建议将其迁移到TCS,并写了一个答案,建议进行统计/经验攻击。 [2] 对于NFA,其等效DFA达到最大尺寸的条件是什么?

3
合并两个二叉搜索树
我正在寻找一种算法来合并两个任意大小和范围的二进制搜索树。我实现此目标的明显方法是找到整个子树,其范围可以适合另一棵树中的任意外部节点。然而,运行时间对于这类算法的最坏情况似乎是数量级的O(n+m)地方n,并m分别为每棵树的大小。 但是,有人告诉我可以在中完成此操作O(h),其中h的树的高度更大。我完全不知道这是怎么可能的。我尝试过先旋转一棵树,但是将一棵树旋转成脊柱已经是O(h)了。

3
捕获常规语言类的FO的最小扩展是什么?
上下文:逻辑与自动机之间的关系 布奇定理指出,字符串的Monadic二阶逻辑(MSO)捕获了常规语言的类别。证明实际上表明,存在MSO(或EMSO)在字符串是足以捕捉正规语言。这可能是一个有点出人意料,因为在一般的结构,MSO严格大于更有表现力∃ MSO。∃MSO∃MSO\exists\text{MSO}∃MSO∃MSO\exists\text{MSO} 我的(原始)问题:常规语言的基本逻辑? 是否有一个逻辑,在一般结构,严格少表现比,但仍然抓住当在字符串视为该类正规语言的?∃MSO∃MSO\exists\text{MSO} 特别是,我想知道当使用最小不固定点运算符(FO + LFP)进行扩展时,FO通过字符串捕获了哪些常规语言的片段。它看起来像什么,我正在寻找一个自然的候选(如果不是)。∃MSO∃MSO\exists\text{MSO} 第一个答案 根据@ makoto-kanazawa的回答,FO(LFP)和FO(TC)都捕获了比常规语言更多的内容,其中TC是传递关闭二进制关系的运算符。TC是否可以由另一种运算符或一组运算符替换,使得扩展名能够准确捕获常规语言的类别,而不能捕获其他任何种类的语言,还有待观察。 众所周知,仅一阶逻辑是不够的,因为它捕获了无星星的语言,这是常规语言的适当子类。作为经典示例,奇偶校验语言不能用FO语句表示。=(aa)∗=(aa)∗\;\;=(aa)^* 更新的问题 这是我的问题的新措词,至今仍未得到答复。 一阶逻辑的最小扩展是什么,以便FO +此扩展在接管字符串时能准确捕获常规语言的类? 在此,如果扩展在所有捕获常规语言类的扩展中(在接管字符串时)表现力最小(在接管通用结构时),则它是最小的。


2
分形迷宫的可判定性
分形迷宫是包含其自身副本的迷宫。例如,以下是Mark JP Wolf 撰写的以下文章: 从MINUS开始,然后前往PLUS。输入迷宫的一个较小的副本时,请务必记录该副本的字母名称,因为您将不得不在出路时留下该副本。您必须退出所输入迷宫的每个嵌套副本,并以与输入时相反的顺序退出(例如:输入A,输入B,输入C,退出C,退出B,退出A)。可以将其视为一系列嵌套框。如果没有退出嵌套副本的退出路径,则说明您已经走到了尽头。已添加颜色以使路径更清晰,但它仅是装饰性的。 如果存在解决方案,则广度优先搜索应找到解决方案。但是,假设没有解决方案,那么我们的搜索程序将永远运行下去。 我的问题是:给定一个分形迷宫,我们如何确定它是否有解? 或者,对于给定大小的分形迷宫(每个副本的输入/输出数量),最短解的长度是否有界限?(如果有这样的界限,我们只能进行深度搜索)

1
通过边缘和顶点去除实现图形的连通性
让我们说,如果从删除任何顶点和任何边总是留下一个连通图,则该图是连通的。例如,根据标准定义,根据新定义将连接图连接为。是否有多项式时间算法来确定是否与连接?在这里,我认为输入是,和。GGG(a,b)(a,b)(a,b)aaabbbGGGkkkG ^ (一,b )ģ 一个b(k−1,0)(k−1,0)(k-1,0)GGG(a,b)(a,b)(a,b)GGGaaabbb


2
有界树宽图的禁止未成年人
这个问题类似于一个我以前的问题。已知对于最大t的树宽图,是禁止的未成年人。Kt+2Kt+2K_{t+2}ttt 是否有一个结构良好,参数化的无穷系列图(除了完整图和网格图以外),对于每个树宽图,它们都是最小的禁止未成年人。换句话说,在r个顶点上是否存在显式图(这不是完整图),从而对于最多r的树宽图,G r是禁止的未成年人,其中r是t的函数?GrGrG_rrrrGrGrG_rrrrrrrttt 完整的禁止未成年人的树宽图最多为三个。有关更多详细信息,请参见此Wikipedia文章。 是否知道最多四个树宽图的禁止未成年人的完整集合?

1
交换网络问题的复杂性
甲开关网络(名字发明)是由具有三种类型的节点: 一个起始节点 一个端点 一个或多个Switch节点 交换节点具有3个出口:左,上,右;具有两个状态L和R和一个目标状态TL或TR。可以使用以下规则遍历每个开关: 总是从左到上;开关的状态变为L 总是从右到上;开关的状态变为R 仅当开关处于状态L时才从上到左;状态不会改变 如果开关处于状态R,则从上到右;状态不会改变 从不从左到右或从右到左 图1.处于目标状态TR的状态L的交换节点 这些属性还适用: 可以隔离交换机出口的0、1或2(不连接到另一个交换机); 路径可以仅“触摸”开关以更改其状态:从“ Left”进入并从“ Left”退出,或者从“ Right”进入并从“ Right”退出; 对开关的遍历/触摸次数没有限制。 决策问题是:“是否存在从起始节点到结束节点的路径,以使交换机的所有最终状态都与相应的目标状态匹配?” 显然,所有最初不在其目标状态的开关都必须至少移动(或触摸)一次; 这是一个琐碎的网络的快速绘制(用Excel制作...我会做一个更好的网络): 一个简单的解决方案是: S -> 1 -> 2 -> 3 -> 2 -> E -> 1 -> E 编辑2: 这个问题知道吗?--->您给了我关于Hearn命题(约束图)的良好参考; 问题出在 ; 在发布我的证明在NP中的草图之前,我发现了一个错误;因此,未解决的问题再次出现:ñP小号P一çË= P小号P一çËñP小号P一种CË=P小号P一种CËNPSPACE = PSPACE 2。它是?ñ PñP\mathsf{NP} 3。问题有没有机会成为?Ñ P …

2
按欧几里得距离排序
SSS是平面上的一组点。随机点x∉Sx∉Sx \notin S是在同一平面上给出。任务是要排序的所有y∈Sy∈Sy \in S通过之间欧氏距离xxx和yyy。 无脑方法是计算之间的距离xxx和yyy所有ÿ∈ 小号y∈Sy \in S,然后排序它们使用任何快速算法。 有什么方法可以存储或预处理小号SS从而使分类过程变得更快?

1
在小有限域上快速卷积
在小场上,即时,长度循环卷积的最佳方法是什么?吗?我对固定大小的字段,甚至特别感兴趣。一般的渐近效率陈述和参考文献受到赞赏。nnn|F|≪n|F|≪n|\mathbb{F}| \ll nF=F2F=F2\mathbb{F} = \mathbb{F}_2 背景: 假设为一个字段,并且FF\mathbb{F}n>0n>0n > 0。我们认为向量u∈Fnu∈Fnu \in \mathbb{F}^n具有通过索引坐标ZnZn\mathbb{Z}_n。 的(环状的)卷积长度的nnn超过FF\mathbb{F}在转换服用u,v∈Fnu,v∈Fnu, v \in \mathbb{F}^n并输出u∗v∈Fnu∗v∈Fnu * v \in \mathbb{F}^n,由下式定义 (u∗v)i:=∑j∈Znvjui−j,(u∗v)i:=∑j∈Znvjui−j, (u * v)_i := \sum_{j \in \mathbb{Z}_n} v_j u_{i - j}, 对进行索引运算。ZnZn\mathbb{Z}_n 为了在大场上执行循环卷积,一种流行的方法是使用卷积定理将我们的问题简化为执行离散傅立叶变换(DFT),并使用FFT算法。 对于小的有限域,DFT是未定义的,因为没有原始的第个单位根。可以通过在更大的有限域中嵌入问题来解决此问题,但尚不清楚这是否是最好的处理方法。即使我们走这条路线,也很高兴知道是否有人已经制定了细节(例如,选择要使用的较大字段以及要应用的FFT算法)。nnn∗∗^* 添加: ∗∗^* “嵌入”我们的卷积是指两件事之一。第一种选择:可以传递到一个扩展域,在该域​​中所需的统一原始根与之邻接,并在那里进行卷积。 第二种选择:如果我们的起始字段是循环的,则可以传递给具有较大特征的循环字段 -足够大,如果我们将向量视为位于\ mathbb {F} _ { p'},不会发生“环绕”。 (我是非正式的,但是想一想如何计算\ mathbb {F} _2上的卷积,我们显然可以对\ mathbb {Z}进行相同的卷积,然后得到答案mod2。)Fp′Fp′\mathbb{F}_{p'}Fp′Fp′\mathbb{F}_{p'}F2F2\mathbb{F}_2ZZ\mathbb{Z} …

2
使用简单的多项时间缩减,真的可以显示出强大的NP硬度吗?
我最近读了一个证明,旨在证明问题是强NP困难的,只需将其从强NP困难问题简化为多项式时间即可。这对我来说毫无意义。我本以为您必须证明减少量中使用的任何数字以及要减少到的问题的实例在问题大小上均呈多项式限制。 然后,我看到Wikipedia 针对此类证明给出了相同的一般说明,但是直到我看到Garey&Johnson说基本相同的内容时,我才真正确信。具体而言,他们说,“如果是NP难的意识强,有来自存在伪多项式变换Π到Π ',然后Π '是NP难的意识强,”和“需要注意的是,根据定义,多项式时间算法也是伪多项式时间算法。”ΠΠ\PiΠΠ\PiΠ′Π′\Pi'Π′Π′\Pi' 当然,我会用Garey&Johnson的话说-我只是不明白它是如何正确的,这是我想要的帮助。这是我的(可能是有缺陷的)推理… 存在很强的NP完全性问题,并且所有这些(从定义上来说)都是很强的NP难性以及NP完全性的问题。每个NP完全问题都可以(根据定义)在多项式(因此是伪多项式)时间内减少到任何其他问题。考虑到Garey&Johnson的陈述,因此在我看来,每个NP完全问题都是强NP完全问题,因此,每个NP困难问题都是NP强烈问题。当然,这使强NP硬度的概念变得毫无意义…那我还缺少什么? 编辑/更新(基于伊藤刚的回答): Garey&Johnson对(伪)多项式变换的定义(从严格意义上讲,赋予NP硬度所需的归约类型)的要求(d)是,在所得实例中,最大的数值幅度是多项式有界函数问题大小和原件的最大数值。当然,这意味着,如果从严格意义上讲,原始问题是NP难题的(也就是说,即使其数值幅度是问题大小的多项式边界),对于您要简化为的问题也是如此。这并不一定是一个普通的polytime减少(即一个没有这种额外的要求)的情况下。

2
ACM / IEEE在TCS会议中的重要性
最近,我参加了ACM支持的会议。宴会期间,会议组织者向我们介绍了会议的未来和过去。他们告诉我们,在2010年会议期间损失了5000美元。 他们向我们展示了上届会议的预算,在那我们可以看到有8000美元(如果我没记错的话,占预算的10%)分配给了ACM。也许是因为我还没有完全涉足这一领域(我将于2011年9月开始攻读博士学位),所以我是唯一一个问这笔钱是为了什么的人。我得到的答案确实令人失望,显然,ACM的主要贡献是打印会议记录并提供建议,这样明年就不会有这样的损失(显然,所提供的建议是提高入境费)。 我真的很惊讶,因为为了阅读会议记录,您的大学必须付费订阅ACM(如果我错了,请纠正我),我以为ACM(IEEE是否一样?)必须付费以支持会议。 所以我的问题是: ACM真正为会议带来了什么? 您听说过其他会议吗? 相关博客文章: 思想家的自由和Matt Blaze的文章,显然已经有人问过这个问题。

1
在一般图中计算简单 -路径数的近似值
有人告诉我,有一些好的多项式时间算法可以近似从给定的起始点到给定的终止点有向图中的简单路径数。有谁知道在这个问题上有很好的参考?sssttt 背景:在一般图形中计算路径的确切数量是#P-完全的,但是对于该问题可能存在多项式时间近似值。我对随机近似值特别感兴趣。 提前致谢。

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.