Questions tagged «cc.complexity-theory»

P与NP以及其他资源受限的计算。

1
稀疏输入上的计算功能的单调电路复杂性
重一个二进制串的X ∈ { 0 ,1 } Ñ是那些在字符串中的数量。如果我们有兴趣对输入很少的输入计算单调函数感兴趣,该怎么办?|x||x||x|x∈{0,1}nx∈{0,1}nx\in\{0,1\}^n 我们知道,对于单调电路,很难确定一个图是否具有 -clique(尤其是参见Alon Boppana,1987),但是,如果一个图最多具有k 3个边,则有可能找到大小为单调的有界深度电路˚F (ķ )⋅ ñ Ô (1 ) ,其决定ķ -clique。kkkk3k3k^3f(k)⋅nO(1)f(k)⋅nO(1)f(k)\cdot n^{O(1)}kkk 我的问题:即使重量小于输入,有没有单调电路难以计算的函数?这里硬装置的电路尺寸 Ñ ķ Ω (1 )。kkknkΩ(1)nkΩ(1)n^{{k}^{\Omega(1)}} 甚至更好:即使我们只关心权重和k 2的输入,是否存在一个很难计算的显式单调函数?k1k1k_1k2k2k_2 埃米尔耶扎贝克已经观察到,已知的下界保持为分开两个类的输入(单调电路 -cliques VS最大(一- 1 ) -colorable图形)在概率参数一些独立的成本,从而有可能使之用于固定权重的两类输入。这将使k 2是我要避免的n的函数。aaa(a−1)(a−1)(a-1)k2k2k_2nnn 真正想要的是一个比n小得多的和k 2的显式硬函数(如在参数化复杂度框架中)。甚至更好,如果ķ 1 = ķ 2 + 1。 k1k1k_1k2k2k_2nnnk1=k2+1k1=k2+1k_1=k_2+1 注意,对于的肯定答案将意味着任意电路的指数下限。k1=k2k1=k2k_1=k_2 更新:这个问题可能是部分相关的。

2
近似比率的层次定理?
众所周知,NP硬性优化问题可以具有许多不同的近似比率,从具有PTAS一直到在任何因素下都不可近似的范围。在这两者之间,我们有各种常数,p o l y (n )等。O (对数n )O(log⁡n)O(\log n)p Ò 升ÿ(n )poly(n)poly(n) 关于这组可能的比率了解多少?我们可以证明任何一种“近似层次”吗?形式上,对于哪些功能和克(Ñ )可以我们证明了存在与近似比的问题˚F (Ñ )≤ α &lt; 克(Ñ )?F(n )f(n)f(n)G(n )g(n)g(n)F(Ñ )≤ α &lt; 克(n )f(n)≤α&lt;g(n)f(n)\leq \alpha < g(n) 在的情况下,是否存在近似比正好为α的问题?α = O (1 )α=O(1)\alpha=O(1)αα\alpha

1
相对于不包含
格雷格·库珀伯格(Greg Kuperberg)的“ 复杂性动物学”指出,存在一种语言XXX例如BPPX⊈Δ2PXBPPX⊈Δ2PX\mathsf{BPP}^X \nsubseteq \mathsf{\Delta_2 \mathsf{P}}^X换句话说,BPPX⊈PNPXBPPX⊈PNPX\mathsf{BPP}^X \nsubseteq \mathsf{P}^{\mathsf{NP}^X} -但未提供此结果的参考。为什么会这样?或者在哪里可以找到证明? 这个问题部分是由于我对“短消息的多提供商交互式证明有什么了解?” 这一问题的回答而引起的。由Joe Fitzsimons撰写。 我张贴在这个问题上math.stackexchange.com 10月2日,但我没有收到任何答案,删除的问题上数学下面这个职位上meta.math。

1
从证明
为了证明下界,我们可以减少哪些标准问题?Ω (ñ 日志n )Ω(nlog⁡n)\Omega(n\log n) 当然,除了排序和元素区别之外,还存在其他状态问题。

1
独特的SAT与完全
独特的SAT是一个众所周知的问题:给定一个CNF公式,F是否确实只有一个模型?FFFFFF 我对“恰好是 -SAT”问题感兴趣:给定CNF公式F和整数m &gt; 1,F是否确实具有m个模型?mmmFFFm&gt;1m&gt;1m>1FFFmmm 这两个问题看起来都很相似。所以我的问题是: 1-«完全 -SAT»多项式(一对多或图灵)可简化为唯一SAT吗?mmm 2-您知道有关该主题的任何参考资料吗? 谢谢您的回答。 附录,约复杂第一篇正是 SAT:mmm 1- Janos Simon,《关于一对一的区别》,在第四届自动机,语言和程序设计座谈会上,480-491,1977年。 2-克劳斯·瓦格纳(Klaus W.Wagner),简洁输入表示的组合问题的复杂性,《信息学报》,第23卷,第325-356页,1986年。 在这两种物品,究竟 SAT(米≥ 1)被示出为C ^ =完成(下许多酮减少),其中类Ç是从复杂性类的计数层次(CH)。非正式地,C包含所有可以表示为确定给定实例是否具有至少m个多项式大小证明的所有问题(已知类C与类P P一致)。类C ^ =是的变体ç,其中“恰好中号 ”取代“至少米 ”。mmmm≥1m≥1m \geq 1C=C=C=CCCCCCmmmCCCPPPPPPC=C=C=CCCmmmmmm

2
奇偶校验带有有限扇出:容易证明吗?
AC0AC0AC^0是具有NOT门和无限扇入AND和OR门的恒定深度多项式电路的类别,其中输入和门也具有无限扇出。 现在考虑一个新类,将其称为,类似于但其输入和门的扇出最多为。此类显然在。事实上,它是严格包含在,如上所述这里。因此,奇偶校验显然不在。 A C 0 O (1 )A C 0 A C 0AC0bfACbf0AC^0_{bf}AC0AC0AC^0O(1)O(1)O(1)AC0AC0AC^0AC0AC0AC^0AC0bfACbf0AC^0_{bf} 是否有奇偶校验的证明这并不会也经历了?换句话说,是否有证据不使用诸如切换引理或Razborov / Smolensky方法之类的强大技术?∉AC0bf∉ACbf0\notin AC^0_{bf}AC0AC0AC^0

1
交换次数中的最佳排序算法
给定数字序列,是否可以使用比较和交换/移动来排序?任何指向有关此问题或反论点的出版物的指针都将显示下限。O (n ln n )O (n )Ω (n ln n )ñnnØ (ñ LNn )O(nln⁡n)O(n \ln n)O (n )O(n)O(n)Ω (n lnn )Ω(nln⁡n)\Omega(n \ln n)

2
与嵌套深度为1的模态逻辑不太可能出现在PSPACE中?
我正在寻找模态逻辑,这些逻辑被模态嵌套深度为1的有限公理集所公理,并且其可满足性/可导性问题不太可能出现在PSPACE中。没有对模态嵌套深度的限制,这不是问题,例如参见PDL。但是,似乎在通过减少图灵机的某种贴砖问题或验收问题来证明EXPTIME硬度时,需要一种传递性,这在第二层是公理的。还有一些具有二进制形式的不确定逻辑(Kurucz et al .:具有二进制形式的可确定和不确定逻辑,1995年),但是它们通常需要关联性,这也是第二层。在条件逻辑中,再次似乎我们需要深度2来提高EXPTIME的硬度(Friedman,Halpern:关于条件逻辑的复杂性,1994年)。 我们可以使用嵌套深度为1的公理来获得EXPTIME硬度吗? 背景:我们正在尝试为嵌套深度为1的逻辑找到具有高度复杂性的通用决策程序。

1
号码划分特殊情况的NP硬度
考虑以下问题, 给定一组正数{ 一个1,... ,一个Ñ }其中ķ ≥ 3是一个常数,我们要分区的集成米 大小的子集ķ,使得每个子集的总和的乘积被最大化。n=kmn=kmn = k m{a1,…,an}{a1,…,an}\{ a_1, \dots, a_n \}k≥3k≥3k \ge 3mmmkkk 除了我们对每个分区中的数字数量有限制外,该问题与众所周知的数分区非常相似。对于k = 2,可以提出以下简单多项式算法,mmmk=2k=2k = 2 假定数字进行排序,即, 。然后,对于我≤ 米分配一个我 的子集我,为我&gt; 米,将其分配给所述子集Ñ - 我+ 1。a1&lt;a2&lt;...&lt;ana1&lt;a2&lt;...&lt;ana_1mn−i+1n−i+1n−i+1 不难看出该算法为何起作用。只需选择两个任意垃圾箱即可。数字上的任何交换都不会增加产品的数量。 但是对于较大的,我想知道问题是否可以在多项式时间内解决?如果有人能证明它是np硬度,我也将很感激。kkk 注意:我在处理无线网络中的调度问题时遇到了问题。我找到了一种很好的启发式算法来解决该问题。但是过了一会儿,我认为这个问题可能在理论上很有趣。

3
NP硬问题
这个问题类似于树上的NP难题: 在笔迹上有很多可以解决的NP完全问题。仅限于抄本时,是否存在任何已知问题仍可以使NP完整? 更准确地说,我对输入仅由无向,无权cograph组成的示例感兴趣。 两句话: 对于加权cograph,这里提到了一个问题-带有两个旅行者的TSP 字样是集团宽度的“基类”,例如树木是树宽度的基类。 更新 还有一些进一步的想法(我不太确定):如果输入内容实际上只是一个cograph,则问题必须为“ cograph是否具有属性X?”。如果树存在这样的问题就足够了,因为从那时起,问题可能是“ cograph的cotree是否具有属性X?”。

2
随机K-SAT的确切定义是什么?
定义随机K-SAT时,可以有4种不同的约束。在给定的条款文本的1)总数为恰好K或至多为k 2)给定的文字A可以具有或不具有相同的子句中替换(A或A或A)中使用 3)给定的变量A可以具有或使用在同一子句(A或〜A或〜A)中 没有替换项4)给定的子句可以在给定的公式中使用或不替换而使用 哪一种是最“正确”的定义?使用这些不同定义的利弊是什么?

1
测量CNF公式的随机性
众所周知,CNF公式可以大致分为两大类:随机与结构化。与随机CNF公式相反,结构化CNF公式表现出某种顺序,显示出不太可能偶然发生的模式。但是,可能会发现结构化公式显示出一定程度的随机性(即某些特定的子句组比其他子句结构化程度低),以及具有某些结构形式较弱的随机公式(即某些子句的特定组似乎比其他子句的随机性差) )。因此,公式的随机性似乎不仅仅是一个是/不是事实。 令是一个函数,在给定CNF公式,返回一个介于和之间(含和的实数值:表示纯结构化公式,而表示纯随机公式。˚F ∈ ˚F 0 1 0 1r:F→[0,1]r:F→[0,1]r: \mathcal{F} \rightarrow [0,1]F∈FF∈FF \in \mathcal{F}000111000111 我不知道是否有人曾经试图发明这样的。当然,返回的值(至少是我的意图)只是根据一些合理标准的实际测量,而不是扎实的理论真理。[Rrrrrrr 我也很想知道是否有人定义和研究了可用于定义或确定公式的其他有用整体属性的统计指标。通过统计指标,我的意思是这样的:rrr HCV(命中计数方差)令是一个函数,给定变量,该返回在出现的次数。令为使用的变量集。令为AHC(平均点击计数)。HCV定义如下: v Ĵ ∈ Ñ v Ĵ ˚F V ˚F ˉ ħ ˚F = 1hF:N→NhF:N→Nh_F: \mathbb{N} \rightarrow \mathbb{N}vj∈Nvj∈Nv_j \in \mathbb{N}vjvjv_jFFFVVVFFFħVC ^=1h¯F=1|V|∑vj∈VhF(vj)h¯F=1|V|∑vj∈VhF(vj)\bar{h}_F = \frac{1}{|V|} \sum_{v_j \in V}{h_F(v_j)} HVC=1|V|∑vj∈V(hF(vj)−h¯F)2HVC=1|V|∑vj∈V(hF(vj)−h¯F)2HVC = \frac{1}{|V|} \sum_{v_j \in V}{(h_F(v_j) - \bar{h}_F)^2} …

1
完善的单调电路下限的完美匹配的复杂性?
Razborov证明了其计算的完美匹配函数二分图的每个单调电路必须至少有门(他称之为“逻辑永久”)。从那以后,是否已经证明了针对同一问题的更好的下限?(例如2 n ϵ?)据我记得,这个问题是在1990年代中期提出的。nΩ(logn)nΩ(log⁡n)n^{\Omega(\log n)}2nϵ2nϵ2^{n^\epsilon} 我知道集团功能需要指数大小的单调电路等,但是我对完美匹配特别感兴趣。

2
LP的最小最大解
如今,线性编程当然已广为人知。我们有许多工作描述了可行解的结构和最优解的结构。我们拥有强大的对偶性,多重时间算法等。 但是,关于LP的最小极大解又有什么了解呢?或等效地,最大最小解决方案? (这不是一个真正的研究问题,但是也许我们可以在假期中使用一些技术性不强的东西。有待研究的问题,但我只发现了一些零星的论文提到了这个问题。) 为简单起见,让我们集中讨论打包和覆盖LP。在包装的LP,我们都给出了非负矩阵。一种载体,X是可行的,如果X ≥ 0和甲X ≤ 1。我们说x是最大的,如果可行的话,我们不能贪婪地增加任何分量。也就是说,如果ÿ ≥ 0和ÿ ≠ 0,则X + ý是不可行的。最后,x是一个AAAxxxx≥0x≥0x \ge 0Ax≤1Ax≤1Ax \le 1xxxy≥0y≥0y \ge 0y≠0y≠0y \ne 0x+yx+yx + yxxx最小最大解,如果它使所有最大解中的目标函数最小。∑ixi∑ixi\sum_i x_i (您可以类似地定义覆盖LP的最大最小解决方案。) 最小最大解的空间是什么样的?我们如何找到这样的解决方案?找到这样的解决方案有多困难?我们如何近似这样的解决方案?谁来研究这些东西,什么才是正确的术语? 这些问题最初是由边缘控制集和最小最大匹配引起的。众所周知(而且很容易看出),最小最大匹配是最小边沿支配集;相反,给定一个最小的边控制集,很容易构造一个最小的最大匹配。 因此,从本质上讲,它们是相同的问题。这两个问题都是NP难题和APX难题。有一个简单的2近似算法:任何最大匹配。 但是,它们的“自然” LP松弛看起来非常不同。如果您遇到边缘支配集问题并形成自然的LP松弛,那么您将获得覆盖LP。但是,如果您遇到寻找最小最大匹配的问题,并尝试提出LP松弛,那么您会得到什么呢?好吧,分数匹配当然是装箱LP的可行解决方案。那么最大分数匹配是这种LP的最大解,因此最小最大分数匹配是这种LP的最小最大解。:)


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.