Questions tagged «cc.complexity-theory»

P与NP以及其他资源受限的计算。

2
有限状态部分信息博弈的复杂性
给定仅具有有限多个状态的确定性部分信息零和博弈, 其可能的结果分别是[loose,draw,win],其值分别为[-1,0,+ 1], 逼近此类值的复杂性是多少?内的附加游戏?ϵϵ\epsilon 特别是,我无法提出任何算法来执行此操作。 这篇文章的其余部分完全致力于 对问题进行更彻底的描述 ,因此,如果您已经可以弄清楚 这篇文章顶部的问题 意味着什么,那么就没有理由阅读本篇文章的其余部分。 给定一个裁判机状态,与指定的初始状态,状态 其得分对是的状态其得分对是,其形式为{1,2,3,...,S}{1,2,3,...,S}\{1,2,3,...,S\}s0s0s_0sasas_a[−1,+1][−1,+1][-1,+1]sbsbs_b[+1,−1][+1,−1][+1,-1] ,其中:[p1_info,p2_info,num_of_choices,player_to_move,next_state_table][p1_info,p2_info,num_of_choices,player_to_move,next_state_table][\mbox{p1_info,p2_info,num_of_choices,player_to_move,next_state_table}] player_to_move∈{1,2}player_to_move∈{1,2}\mbox{player_to_move} \in \{1,2\} 是从一个函数 { 1 ,2 ,3 ,。。。,num_of_choices } → { 1 ,2 ,3 ,。。。,S }next_state_tablenext_state_table\mbox{next_state_table}{1,2,3,...,num_of_choices}→{1,2,3,...,S}{1,2,3,...,num_of_choices}→{1,2,3,...,S}\{1,2,3,...,\mbox{num_of_choices}\} \to \{1,2,3,...,S\} p1_info,p2_info,num_of_choices≥1p1_info,p2_info,num_of_choices≥1\mbox{p1_info},\mbox{p2_info}, \mbox{num_of_choices} \geq 1 当机器处于该状态时: 将发送到Player_1,然后将p2_info发送 到Player_2,p1_infop1_info\mbox{p1_info}p2_infop2_info\mbox{p2_info} num_of_choicesnum_of_choices\mbox{num_of_choices}{1,2,3,...,num_of_choices}{1,2,3,...,num_of_choices}\{1,2,3,...,\mbox{num_of_choices}\} 然后进入指示的状态next_state_tablenext_state_table\mbox{next_state_table} sasas_asbsbs_b 暂停该州的得分对作为其输出 s0=1s0=1s_0 = 1 以下问题的复杂性是什么? 给定这样一个裁判机器和一个正整数N,输出一个有理数,该理数 (累加)在玩家1的自然游戏值的N中。 如本问题前面所述,我无法提出 …

1
数独数独难题有多难?
数独是一个众所周知的拼图游戏,它是NP完全的。二进制数独是仅允许数字和的变体。规则如下。000111 每行和每一列必须包含相等数量的零和一。 每行和每列都是唯一的。 没有行或列包含零或连续三元组(是连续的的三元组)。1111111 1 1 输入是一个正方形,部分填充有零和一。为了解决这个难题,在遵守上述规则的同时, ×平方中的每个像元必须用或填充。我无法找到任何难解的结果来解决“二进制数独”难题。N × N 0 1N×NN×NN \times NN×NN×NN \times N000111 解决数独数独难题有多难?NP完全吗? 另外,我对相关问题的复杂性感兴趣。 给定一个完全遵守上述规则1和2的 ×平方,N×NN×NN \times N 找到行和列的排列以使结果平方符合规则3有多难?

4
用有界度逼近图中色数的硬度
我正在寻找有界度的图的顶点着色的硬度结果。 给定一个图,我们知道对于任何ϵ > 0,都很难在| |的系数内近似χ (G )。V | 1 - ε除非NP = ZPP [ 1 ]。但是,如果G的最大程度受d约束,该怎么办?在这种情况下,是否存在形式为d 1 − ϵ(对于某些ϵ)的硬度比?ģ (V,E)G(V,E)G(V,E)ϵ > 0ϵ>0\epsilon>0χ (G )χ(G)\chi(G)| V|1 − ϵ|V|1−ϵ|V|^{1-\epsilon}NP = ZPPNP=ZPP\textit{NP}=\textit{ZPP}GGGdddd1 − ϵd1−ϵd^{1-\epsilon}ϵϵ\epsilon 一个更简单的问题是:当超图的边缘尺寸以为边界时,逼近超图的边缘色数的难度。在这种情况下,我们可以希望获得d 1 − ϵ硬度比吗?(例如,对于任何ϵ > 0)dddd1 − ϵd1−ϵd^{1-\epsilon}ϵ > 0ϵ>0\epsilon >0 感谢您的关注!

1
舍费尔定理和无限宽的CSP
Schaefer的二分法定理表明在每个CSP问题是任一可解在多项式时间或是NP完全问题。这仅适用于有界宽度的CSP问题,例如,不包括SAT和Horn-SAT。宽度无界的一般CSP问题可能非常困难(甚至无法解决),因此让我们将自己限制在“自然”的NP问题中。{0,1}{0,1}\{0,1\} 给定一个无限制宽度的CSP问题,对于每个,我们可以查看问题对宽度最大为k的子句的限制。Schaefer定理现在适用,并且受限问题是P或NP完全的。如果对于某些k,k受限问题是NP完全问题,那么无限制问题也是如此。当对所有k来说,k约束问题在P中时,情况就不太清楚了。kkkkkkkkkkkkkkkkkk 舍费尔的二分法定理依赖于解决所有简单情况的四种(左右)不同算法。假设对于给定的CSP问题,约束问题始终可以通过算法A求解。可能的情况是,算法A也可以用于解决非约束问题。也可能是算法A在不受限制的情况下不是多项式时间,然后我们对问题的严重性一无所知。kkk 是否考虑过此类问题?有没有我们到达“无知”点的例子?


1
最佳NP解算器
修复 NP完全搜索问题,例如SAT的搜索表单。莱文搜索提供了用于求解X的算法L,该算法在某种意义上是最优的。具体来说,算法是“ 一旦输入x吻合,在输入x上执行所有可能的程序P,一旦某些P返回答案y,则测试它是否正确”。从给定一个程序P来解决X且时间复杂度t P的意义上讲,这是最佳的X⊂{0,1}∗×{0,1}∗X⊂{0,1}∗×{0,1}∗X \subset \lbrace 0,1 \rbrace^* \times \lbrace 0,1 \rbrace^*LLLXXXPPPxxxPPPyyyPPPXXX,时间复杂度吨大号(Ñ )的大号满足ŤP(n )tP(n)t_P(n)Ť大号(n )tL(n)t_L(n)大号LL Ť大号(n )&lt; 2| P|p (吨P(n ))tL(n)&lt;2|P|p(tP(n))t_L(n) < 2^{|P|}p(t_P(n)) 其中是取决于精确计算模型的固定多项式ppp 的最优性可以用某种更强的方式来表述。即,对于每一个中号⊂ { 0 ,1 } *和 Q的程序解决 X与承诺中号在时间吨中号Q(Ñ )中,时间复杂性吨中号大号(Ñ )的大号在限制于输入中号满足大号LL中号⊂ { 0 ,1 }∗M⊂{0,1}∗M \subset \lbrace 0,1 \rbrace^*问QQXXXMMMtMQ(n)tQM(n)t^M_Q(n)tML(n)tLM(n)t_L^M(n)LLLMMM tML(n)&lt;2|Q|q(n,tMQ(n))tLM(n)&lt;2|Q|q(n,tQM(n))t_L^M(n) < 2^{|Q|}q(n, t^M_Q(n)) 其中是固定多项式。关键的区别在于,即使P ≠ N P,t …

1
相同粒子的负结果解决图同构(GI)问题
已经进行了一些努力来利用硬核玻色子的量子随机游走(对称但无双重占用)来攻击图同构问题。邻接矩阵,这似乎有前途的对称力量,被证明是不完整的在这个一般图本文由阿米尔Rahnamai Barghi和伊利亚·波诺马连科。其他类似的方法也驳斥本文 由杰米·史密斯。在这两篇论文中,他们都使用了相干构想(方案)和细胞代数的替代但等效公式(矩阵子代数由有限集索引,此处的顶点集由点乘法,复共轭转置和包含)封闭。单位矩阵I和全一矩阵J)分别提供必要的计数器参数。 我发现很难遵循这些论点,即使我隐约地遵循个别论点,我也不理解核心思想。我想知道论点的实质是否可以用通俗的术语来解释-可能以稍微严格为代价-而无需使用方案理论或细胞代数的语言。

2
空间复杂度以计算Levenshtein编辑距离的最佳字符串对齐方式
如果给定两个大小分别为n1n1n_1和字符串n2n2n_2,则标准的Levenshtein编辑距离是通过具有时间复杂度O(n1n2)O(n1n2)O(n_1 n_2)和空间复杂度的动态算法来计算的O(n1n2)O(n1n2)O(n_1 n_2)。(可以根据编辑距离进行一些改进ddd,但我们不对d做任何假设dddO(max(n1,n2))O(max(n1,n2))O(\max(n_1, n_2)) 但是,如果您想获得最佳编辑脚本的实际编辑,是否可能比内存使用情况做得更好,可能会花费运行时间?O(n1n2)O(n1n2)O(n_1 n_2)

1
可以使用跨度程序重新计算具有指数级速度的量子算法吗?
由于Reichardt等人的突破性工作,现在已知一般对手的下界代表了量子查询的复杂性。同一工作线还建立了与span程序框架的连接以设计量子算法。 可以在量子查询模型中表达许多有趣的量子算法,包括具有指数级加速功能的诸如西蒙(Simon)算法和索尔(Shor)用于周期查找的算法。 在一般对手模型中,是否有任何工作显示这些算法的下界? 在跨度程序框架中是否有任何工作可以重新推导Simon或Shor的算法? 显然,仅使用跨度程序(或Belov的学习图)框架重新推导了具有多项式提速的量子算法,例如Grover的算法。 有Korian等人的著作。使用多项式方法显示Simon的下界,但是显然没有已知的方法可以将多项式方法的下界转换为一般对手的下界。


2
高效的通用问题解决器?
定义一个“问题”是一个算法接受的自然数,并返回0或1返回1的至少一个上Ñ ∈ Ñ。任何这样的n称为A的“解决方案”一个AA1个11n∈Nn∈Nn \in \mathbb{N}nnnAAA 将“通用问题求解器”定义为接受问题并返回其解决方案之一的算法例如,U可以通过遍历所有自然数并在其上运行其输入直到获得1个结果(它只必须暂停有效输入)而起作用。UUUUUU111 我对探索通用问题解决程序的性能界限感兴趣 给定一个通用问题解决者,给A一个问题,表示t (U ,A )U接受输入A产生输出所花费的时间UUUAAAt(U,A)t(U,A)t(U, A)UUUAAA 当对于任何通用问题求解器V,我们都有一个通用问题求解器称为“有效”UUUVVV t(U,A)&lt;t(V,A)+tVt(U,A)&lt;t(V,A)+tVt(U, A) < t(V, A) + t_V 这里取决于V,但不取决于AtVtVt_VVVVAAA 是否存在有效的通用问题解决者? 编辑:我意识到可以将“问题”和“通用问题解决器”的定义更改为稍微更优雅且本质上等效的东西。“问题”是一种没有输入返回0或1(会暂停)的算法。“通用问题求解器”是一种接受问题并返回其结果的算法。它或多或少是通用图灵机 可以将旧定义简化为新定义,因为给一个旧意义上的问题,我们就可以构造B一个新意义上的问题,只需将平凡的旧感通用问题求解器应用于A(上面所述的求解器) )AAABBBAAA 新定义可以简化为旧定义,因为给一个新意义上的问题,我们可以构造A一个旧意义上的问题,它只计算B并将输入与结果进行比较BBBAAABBB 一个新感觉的通用问题求解器的简单例子是一个仅运行其输入的算法

2
Multipebble自动机能否确定所有确定性的上下文相关语言?
MPA(多卵石自动机)是2DFA(双向确定性有限自动机),可以在给定输入w上使用任意数量的卵石(实际上卵石)-输入写在两端之间的磁带上-标记为#w #)。在计算过程中,MPA可以检测头部下方的符号是否具有卵石,然后在没有卵石(卵石)的情况下可以放置卵石(除去卵石)。|w|+2|w|+2 |w|+2 ww w #w##w# \# w \# 是同态,其中 σ是符号和 ķ &gt; 0。hk(σ)=σ⋯σk times=σkhk(σ)=σ⋯σ⏟k times=σk h_k(\sigma) = \underbrace{\sigma \cdots \sigma}_{k \mbox{ times}} = \sigma^k σσ \sigma k&gt;0k&gt;0 k>0 对于任何确定的上下文有关语言它是不难证明存在一个ķ &gt; 0,使得ħ ķ(大号)可以通过MPA识别。所以,粗略地说,我们可以说L (L∈DSPACE(n)),L (L∈DSPACE(n)), \mathtt{L} ~~ \left( \mathtt{L} \in \mathsf{DSPACE(n)} \right), k&gt;0 k&gt;0 k>0~ hk(L)hk(L) h_k( \mathtt{L} ) 由线性空间DTM(确定性图灵机)确定的任何“问题”都可以由MPA确定。 …

3
AM / MA和NP类似于P和BPP
Arora的和Barak表明可以表示为乙P ⋅ Ñ P,即该组已随机减少到3SAT语言。M A也是N P的自然随机化概括,因为您将确定性验证者替换为随机验证者。AMAM\mathsf{AM}BP⋅NPBP⋅NP\mathsf{BP}\cdot \mathsf{NP}MAMA\mathsf{MA}NPNP\mathsf{NP} 在“ P与BPP就像NP与BPP一样”中,有一种感觉更适合吗?关系 ?

3
满足特定语言视图的最小DFA
说一个有语言,但一个不知道是什么的字符串实际上是语言的一部分。所有一个具有是语言的有限视图:一个有限组琴弦甲⊆ 大号已知是在语言,和一组有限的字符串乙⊆ (Σ * ∖ 大号)已知为不会在语言。大号&SubsetEqual; &Sigma;∗L⊆Σ∗L \subseteq \Sigma^*一个⊆ 大号A⊆LA \subseteq L乙⊆ (Σ∗∖ L )B⊆(Σ∗∖L)B \subseteq (\Sigma^* \setminus L) 例如,假设我有和B = { b ,a a b ,a a a b a }。我的语言可能是L = { a 2 i + 1 b j | 我,Ĵ ∈ Ñ },因为甲A = { a b …

2
将阈值问题简化为有限性问题
对于演算,通常更容易进行推论,其中的局限性是计算的局限性,而不是像“可以用多项式计算的时间量”这样的阈值。 在形式语言理论的例子,而使用∃n.xn+1=xn∃n.xn+1=xn\exists n. x^{n+1} = x^n表征非周期性独异,这是更容易使用profinite字,以便xω+1=xωxω+1=xωx^{\omega+1} = x^{\omega}。 在复杂性理论中,我所知道的唯一与之相关的技术是填充技巧,例如将P vs NP问题与EXPTIME vs NEXPTIME问题联系起来。但是复杂性问题的自然无限等价性是可计算性问题。 是否有一些结果通过某种编码将复杂性与可计算性问题联系在一起,从而使复杂性理论的资源阈值成为可计算性理论中计算的有限性问题?

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.