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

3
顶点着色是某种意义上的边缘着色吗?
我们知道,一个图的边染色GGG 是一个特殊的图的顶点着色,即折线图L(G)L(G)L(G)的GGG。 是否有操作员图形,使得图形的顶点着色ģ是 曲线图的边染色Φ (ģ )?我对这样一种可以在多项式时间内构造的图算子感兴趣,即可以从G在多项式时间内获得图 Φ (G )。ΦΦ\PhiGGG Φ(G)Φ(G)\Phi(G)Φ(G)Φ(G)\Phi(G)GGG 备注:对于稳定的集合和匹配,可以询问类似的问题。中的匹配是L (G )中的稳定集。是否有图运算符Ψ使得G中的稳定集与Ψ (G )中的匹配?由于STABLE SET为N P -complete并且MATCHING属于P,因此假设N P不能在多项式时间内构造这样的图算子Ψ(如果存在) GGGL(G)L(G)L(G)ΨΨ\PsiGGGΨ(G)Ψ(G)\Psi(G)NPNP\mathsf{ NP}PP \mathsf{P}ΨΨ\Psi。 NP≠PNP≠P\mathsf{NP}\not=\mathsf{P} 编辑:受@usul的答案以及@Okamoto和@King的评论的启发,我发现了一种较弱的形式:图顶点着色是定义如下的超图Φ (G )的边缘着色。设定的顶点Φ (ģ )是同一顶点组G ^。对于每一个顶点v的ģ,封闭附近Ñ ģ [ v ] = Ñ ģ(v )∪ { v } )。然后GGGG Φ(G)Φ(G)\Phi(G)Φ(G)Φ(G)\Phi(G)GGGvvvGGGNG[v]=NG(v)∪{v}NG[v]=NG(v)∪{v}N_G[v]= N_G(v) \cup\{v\}是超图的边缘Φ(G)Φ(G)\Phi(G)GGG是超图的线图,因此顶点着色ģ被的边染色Φ (ģ )。Φ(G)Φ(G)\Phi(G)GGGΦ(G)Φ(G)\Phi(G) 同样,对于所有答案和评论,我表示感谢,无论是否假设,我要寻找的运算符都不存在。如果我接受所有答案,那就太好了!NP≠PNP≠P\mathsf{NP}\not=\mathsf{P}



3
Nisan / Wigderson中的伪随机定义背后的动机是什么?
我正在阅读尼桑(Nisan)和威格森(Wigderson)的经典著作《硬度与随机性》。令,并将函数。他们定义了一个函数族在大小为每个电路中都是伪随机的B={0,1}B={0,1}B=\{0,1\}l:N→Nl:N→Nl\colon \mathbb{N} \to \mathbb{N}G={Gn:Bl(n)→Bn}G={Gn:Bl(n)→Bn}G = \{G_n : B^{l(n)} \to B^n\}nnn我们已经 (∗) |P(C(x)=1)−P(C(G(y))=1)|&lt;1/n(∗) |P(C(x)=1)−P(C(G(y))=1)|&lt;1/n(*) \ \ | P(C(x) = 1) - P(C(G(y))=1) | < 1/n (其中是统一随机变量)。x∈Bn,y∈Bl(n)x∈Bn,y∈Bl(n)x \in B^{n},y \in B^{l(n)} 我知道我将和视为随机变量,并且我想将和之间的距离作为随机变量进行比较。我的直觉是,电路被用作某种“测试”,以查看是否可以将弄清楚。我真正挣扎的是为什么条件是正确的条件。是否有人对如何定义这个定义有任何建议?xxxyyyxxxG(y)G(y)G(y)GGG(∗)(∗)(*)

2
噪声运算符的扩展
在我当前正在解决的一个问题中,噪声运算符的扩展自然而然地出现了,我很好奇是否已经进行了先前的工作。首先让我修改的基本噪声操作TεTεT_{\varepsilon}真实值的布尔函数。给定的函数f:{0,1}n→Rf:{0,1}n→Rf: \{0,1\}^n \to \mathbb{R}和εε\varepsilon,ppp ST 0≤ε≤10≤ε≤10 \leq \varepsilon \leq 1,ε=1−2pε=1−2p\varepsilon = 1 - 2p,我们定义Tε→RTε→RT_{\varepsilon} \to \mathbb{R}为 Tεf(x)=Ey∼μp[f(x+y)]Tεf(x)=Ey∼μp[f(x+y)]T_{\varepsilon} f(x) = E_{y \sim \mu_p} [f(x+y)] μpμp\mu_p是在分配yyy通过设置的每个位而获得nnn位矢量为111独立地以概率ppp和000否则。同样,我们可以将这个过程视为以独立的概率 p翻转每一位。现在,这个噪声运营商具有许多有用的特性,包括作为乘法 Ť ε 1 Ť ε 2 = Ť ε 1 ε 2和具有很好的特征向量( Ť ε(χ 小号)xxxpppTε1Tε2=Tε1ε2Tε1Tε2=Tε1ε2T_{\varepsilon_1} T_{\varepsilon_2} = T_{\varepsilon_1 \varepsilon_2}其中 χ 小号属于奇偶基础)。Tε(χS)=ε|S|χSTε(χS)=ε|S|χST_{\varepsilon}(\chi_S) = \varepsilon^{|S|} \chi_SχSχS\chi_S 现在让我定义我延伸,这是我表示为[R …

1
识别顶点传递图的复杂性
我不擅长涉及小组的复杂性理论,因此,如果这是众所周知的结果,我深表歉意。 问题1.令为n阶的简单无向图。确定G是否为顶点传递的计算复杂度(以n表示)是多少?GGGnnnnnnGGG 回想一下,如果A u t(G )对V (G )进行传递,则图是顶点传递的。GGGAut(G)Aut(G)\mathrm{Aut}(G)V(G).V(G).V(G). 我不确定上面的定义是否允许多项式时间算法,因为它可能是的阶是指数级的。Aut(G)Aut(G)\mathrm{Aut}(G) 但是,顶点传递图具有一些其他结构属性,可以有效利用它们来确定它们,因此我不确定上述问题的状态是什么。 具有更多结构的顶点传递图的另一个有趣的子类是Cayley图的类。因此自然也提出以下相关问题 问题2.确定图是否为Cayley图的计算复杂度是多少?GGG

1
允许旋转时矩形填充的复杂度是多少?
在矩形包装问题,一种被给予一组矩形和边界矩形ř。任务是找到R内r 1,… ,r n的位置, 以使n个矩形都不重叠。通常,每个矩形r i的方向是固定的。即,矩形不能旋转。在这种情况下,已知该问题是NP完全的(参见,例如,Korp 2003)。{ - [R1个,… ,rñ}{[R1个,…,[Rñ}\{r_1,\dots,r_n\}[R[RR[R1个,… ,rñ[R1个,…,[Rñr_1,\ldots,r_n[R[RRññn[R一世[R一世r_i 如果矩形可以旋转度,那么矩形填充问题的复杂性是什么?909090 直观地讲,允许旋转只会使问题更加棘手,因为首先应该为每个矩形选择一个方向,然后再解决不旋转的填充问题。但是,不旋转情况下的NP硬度证明是减少了装箱的麻烦,并且似乎严格依赖于每个矩形的固定方向来构造装箱。对于允许旋转的情况,我无法找到相应的NP硬度证明。

2
算法在什么情况下暗示算法?
假设,对于每个,有一个图灵机,其确定一个语言在时间。是否存在确定时间的单一算法?(这里,项是根据输入长度来度量的。)ε &gt; 0 ϵ&gt;0\epsilon > 0中号εMϵM_{\epsilon}大号LLÔ (Ñ 一个+ ε)O(na+ϵ)O(n^{a + \epsilon})大号LLÔ (Ñ 一个+ Ô (1 ))O(na+o(1))O(n^{a + o(1)})ø (1 )o(1)o(1)ñnn 是否有所作为,如果该算法是可计算的,或有效的计算,在以下方面?中号εMϵM_{\epsilon} εϵ\epsilon 动机:在许多证明中,构造时间的算法比限制算法容易。特别是,您需要限制的常数项以传递到极限。如果有一些常规结果可以调用以直接传递到限制,那就太好了。Ô (Ñ 一个+ ε)O(na+ϵ)O(n^{a + \epsilon})Ö (Ñ 一个+ Ô (1 ))O(na+o(1))O(n^{a + o(1)})ø (Ñ 一个+ ε)O(na+ϵ)O(n^{a + \epsilon})Ö (Ñ 一个+ Ô (1 ))O(na+o(1))O(n^{a+o(1)})

3
与某些给定集合相交的最小集合
令为可能具有相同元素的集合。我正在寻找一个最小的集,例如。S1,S2,…,SnS1,S2,…,SnS_1,S_2,\ldots,S_nXXX∀i,X∩Si≠∅∀i,X∩Si≠∅\forall i,\,X\cap S_i \ne \emptyset 这个问题有名字吗?还是减少到某些已知问题? 在我的上下文中,描述了一个强连接组件的基本循环,我正在寻找与所有循环相交的最小顶点S1,…,SnS1,…,SnS_1,\ldots,S_nXXX

1
随机图上的哈密顿循环数
我们假设。那么以下事实是众所周知的:G∈G(n,p),p=lnn+lnlnn+c(n)nG∈G(n,p),p=ln⁡n+ln⁡ln⁡n+c(n)nG\in G(n,p),p=\frac{\ln n +\ln \ln n +c(n)}{n} Pr[G has a Hamiltonian cycle]=⎧⎩⎨⎪⎪10e−e−c(c(n)→∞)(c(n)→−∞)(c(n)→c)Pr[G has a Hamiltonian cycle]={1(c(n)→∞)0(c(n)→−∞)e−e−c(c(n)→c)\begin{eqnarray} Pr [G\mbox{ has a Hamiltonian cycle}]= \begin{cases} 1 & (c(n)\rightarrow \infty) \\ 0 & (c(n)\rightarrow - \infty) \\ e^{-e^{-c}} & (c(n)\rightarrow c) \end{cases} \end{eqnarray} 我想知道有关随机图上哈密顿循环数的结果。 Q1。上的哈密顿环的预期数量是多少?G(n,p)G(n,p)G(n,p) Q2。对于G (n ,p )上的边缘概率p,概率是什么?Pr[G has a *unique* Hamiltonian …


2
相似矩阵
给定两个 ×矩阵和,确定是否存在置换矩阵使得等于(图同构)的问题。但是,如果我们放松使其只是一个可逆矩阵,那么复杂度是多少?除了作为一个排列之外,对可逆矩阵是否还有其他限制,将这个问题与其他困难问题联系起来?A B P B = P − 1 A P P Pn×nn×nn \times nAAABBBPPPB=P−1APB=P−1APB = P^{-1}APGIPPPPPPGI

1
相关记录的参数化和投影消除
π 1:甲× 乙→ 甲π 2:甲× 乙→ 乙A×B≜∀α.(A→B→α)→αA×B≜∀α.(A→B→α)→α A \times B \triangleq \forall\alpha.\; (A \to B \to \alpha) \to \alpha π1:A×B→Aπ1:A×B→A\pi_1 : A \times B \to Aπ2:A×B→Bπ2:A×B→B\pi_2 : A \times B \to B 即使F型的自然读数是一对带有let样式消除的对,也并不令人惊讶。let(x,y)=pinelet(x,y)=pine\mathsf{let}\;(x,y) = p \;\mathsf{in}\; e,因为两种对在直觉逻辑中是可互换的。 现在,在具有强制性量化的从属类型理论中,您可以遵循相同的模式来编码从属记录类型Σx:A.B[x]Σx:A.B[x]\Sigma x:A.\; B[x]为 Σx:A.B[x]≜∀α.(Πx:A.B[x]→α)→αΣx:A.B[x]≜∀α.(Πx:A.B[x]→α)→α \Sigma x:A.\;B[x] \triangleq \forall\alpha.\; (\Pi x:A.\; B[x] \to \alpha) …

1
如何计算平方矩阵的幂?
假设我们给定矩阵,令。我们能以多快的速度计算该矩阵的功率?A∈RN×NA∈RN×NA \in \mathbb R^{N\times N}m∈N0m∈N0m \in \mathbb N_0AmAmA^m 与计算乘积相比,下一个最好的事情是利用快速指数,这需要矩阵乘积。mmmO(logm)O(log⁡m)\mathcal O(\log m ) 对于可对角化的矩阵,可以使用特征值分解。它的自然概括,约旦分解,在插管下不稳定,因此不算在内(afaik)。 一般情况下可以加快矩阵求幂吗? 快速指数说明此问题的变体也很有用: 通用矩阵A的平方AAA可以比已知的矩阵乘法算法更快地计算吗?

2
分割军政府的鲁棒性
我们说,一个布尔函数˚F :{ 0 ,1 } ñ → { 0 ,1 }f:{0,1}n→{0,1}f: \{0,1\}^n \to \{0,1\}是ķkk -junta如果˚Fff最多有ķkk干扰因素。 让˚F :{ 0 ,1 } Ñ → { 0 ,1 }f:{0,1}n→{0,1}f: \{0,1\}^n \to \{0,1\}是一个2 ķ2k2k -junta。用x 1,x 2,… ,x n表示f的变量。修正 S 1 = { x 1,x 2,… ,x nffx1,x2,…,xnx_1, x_2, \ldots, x_n2 },S 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.