Questions tagged «cc.complexity-theory»

P与NP以及其他资源受限的计算。

1
汉密尔顿分解决策问题
令为无向图。的分解成不相交的子集称为汉密尔顿分解的如果子图诱导每组或者是Hamilton图或由具有单个边缘的。G=(V,E)G=(V,E)G=(V,E)VVVViViV_iGGGViViV_i|Vi|=2|Vi|=2|V_i|=2 示例:当且仅当完整的二部图具有汉密尔顿分解。Km,nKm,nK_{m,n}m=nm=nm=n 我正在寻找一种确定给定图是否具有汉密尔顿分解的算法。这个决策问题NP是否完整?如果没有,我们如何找到这样的分解? 注意:在文献中,汉密尔顿分解通常表示的边的分解,使得诱导子图为汉密尔顿。相反,我对顶点的分解感兴趣。EEEGGG


2
广义范德蒙矩阵的行列式
Moore矩阵类似于Vandermonde矩阵,但定义稍有修改。 http://en.wikipedia.org/wiki/Moore_matrix 计算给定的全秩Moore矩阵以某个整数为模的行列式的复杂度是多少?n×nn×nn \times n 罐摩尔行列式从被降低使用FFT技术来一段?O(n3)O(n3)O(n^{3})O(nlogan)O(nloga⁡n)O(n\log^{a}n)a∈R+∪{0}a∈R+∪{0}a \in \mathbb{R}_{+} \cup \{0\} Moore det取模整数的复杂度和Vandermonde det一样吗?Vandermonde行列式的复杂度为(《理论计算机科学手册》第644页:算法和复杂性,作者Jan Leeuwen)O(nlog2n)O(nlog2⁡n)O(n\log^{2}n) 发布与当前类似的帖子:行列式模m



2
FO属性何时会消除NL硬度?
上下文: 我们仅考虑有向图。设CYCLE为带有循环的图的语言;这是一个NL完全问题。令HASEDGE为具有至少一条边的图的语言。那么平凡,不再是NL-硬,而CYCLE ∪ ¯ HASEDGE住宿等等。CYCLE∪HASEDGECYCLE∪HASEDGE\text{CYCLE} \cup \text{HASEDGE}CYCLE∪HASEDGE¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯CYCLE∪HASEDGE¯\text{CYCLE} \cup \overline{\text{HASEDGE}} 实际的问题:我想知道,如果语言仍然NL-硬。CYCLE∪{(V,E):(∃u,v,x,y)[E(u,v)∧E(x,y)∧¬E(u,y)∧¬E(x,v)]}CYCLE∪{(V,E):(∃u,v,x,y)[E(u,v)∧E(x,y)∧¬E(u,y)∧¬E(x,v)]}\text{CYCLE} \cup \{(V, E):(\exists u,v,x,y)[E(u, v) \land E(x, y) \land \neg E(u, y) \land \neg E(x, v)]\} 问题:对于其中FO式上图的词汇是 CYCLE ∪ { (V ,ê ):(V ,ê )⊨ φ } NL-硬?这个财产可判定吗?ϕϕ\phiCYCLE∪{(V,E):(V,E)⊨ϕ}CYCLE∪{(V,E):(V,E)⊨ϕ}\text{CYCLE} \cup \{(V, E) : (V, E) \models \phi\} 感谢您的输入!

1
P补全语言的密度
假设是布尔语言超过有限串,{ 0 ,1 }。令L n为长度为n的L中的字符串数。对于函数d (Ñ )从正整数的正实数,大号具有上部密度d (Ñ )如果大号ñ ≤ 2 Ñ d (Ñ )对于所有足够大Ñ。大号LL{ 0 ,1 }{0,1}\{0,1\}大号ñLnL_n大号LLñnnd(n )d(n)d(n)大号LL d(n )d(n)d(n)大号ñ≤ 2ñd(n )Ln≤2nd(n)L_n \le 2^n d(n)ñnn 是否有任何P完全布尔语言具有较高的密度?O (1 / n )O(1/n)O(1/n) 动机 PARITY具有上密度。是(所有有限二进制字符串的语言)的上限密度为1。任何有限语言的上限密度为0。1/21/21/2 稀疏语言具有有一个多项式的属性p (Ñ ),使得大号ñ - 大号ñ - 1个 ≤ p (Ñ )对于所有Ñ。如果大号是稀疏的语言,然后大号Ñ ≤ p 1(Ñ )为一个多项式p 1比度一个更大的p,所以上部密度大号为零。LLLp(n)p(n)p(n)Ln−Ln−1≤p(n)Ln−Ln−1≤p(n)L_n - …

2
DP中的关键SAT变体
语言在类中,如果有两种语言和使得dLLL大号1 ∈ Ñ P 大号2 ∈ ç ö Ñ P 大号= 大号1 ∩ 大号2DPDPDPL1∈NPL1∈NPL1 \in NPL2∈coNPL2∈coNPL2 \in coNPL=L1∩L2L=L1∩L2L = L1 \cap L2 一个典型的问题是SAT-UNSAT:给定两个3-CNF表达式和,是否是可满足的而是否不是满足的?F G F GDPDPDPFFFGGGFFFGGG SAT临界问题也众所周知是:给定3-CNF表达式,是否确实不满足,但删除任何子句是否可以满足,这是真的吗?F FDPDPDPFFFFFF 我正在考虑以下Critical SAT问题的变体:给定3-CNF表达式,是否确实可以满足要求,但是添加任何3-子句(在使用但与相同的变量)会使它不令人满意?但是,我无法从SAT-UNSAT中找到减少量,甚至无法证明它是或很难。F F F N P c o N PFFFFFFFFFFFFNPNPNPcoNPcoNPcoNP 我的问题:这种变型DP是否完整? 谢谢您的回答。


1
为什么QMA必须将完整的问题变成承诺的问题?
我正在阅读Watrous在有关量子复杂性理论的论文方面的出色调查论文。他在书中指出,如果发现一个QMA完全问题具有虚假承诺(即成为一种语言),那将是令人惊讶的。为什么会这样呢? 它与k局部哈密顿问题是一个承诺问题有关吗? 此外,这还引出了一个相关的问题:是否存在QMA完全问题,这些问题本质上不是固有的“量子”?

2
n项单调CNF的最短公式
甲单调CNF式与米术语n个变量()是具有以下形式的公式˚F (X 1,... ,X Ñ)= ⋀ Ç 我,其中每个Ç 我是一些子集的OR变量x 1,… ,x n和i的范围是1到m。x1,…,xnx1,…,xnx_1,\ldots,x_nf(x1,…,xn)=⋀Cif(x1,…,xn)=⋀Cif(x_1,\ldots,x_n) = \bigwedge C_iCiCiC_ix1,…,xnx1,…,xnx_1,\ldots,x_niii111mmm 例如,是单调CNF式对4个变量2项条款。(x1∨x3∨x4)∧(x2∨x4)(x1∨x3∨x4)∧(x2∨x4)(x_1 \vee x_3 \vee x_4) \wedge (x_2 \vee x_4) 我在同一组变量上寻找最短的公式(不一定是单调的,不一定是CNF,任何公式都可以!),它代表n个具有n个项的给定单调CNF公式的功能相同。(请注意,术语和变量的数量相同。) 构造公式的一种明显方法是扩展给定的CNF定义,这将为我们提供大小为的公式。(让我们将公式的大小定义为以字符串形式记录下来时公式的长度。)我想知道这是否是最有效的一般结构,或者对于每个n项单调CNF是否都存在一个公式大小为o (n 2)。O(n2)O(n2)O(n^2)o(n2)o(n2)o(n^2) 我只是想知道这是否可行,我对算法并不真正感兴趣。如果这不可能,那么用作反例的函数将是很棒的。我在文献中可以找到答案的指针也受到赞赏。 编辑:我正在添加一个示例,以使薄片更清晰。 说输入函数式是。这是单调CNF公式。其表示相同功能的一个较短的公式如下:X 1 ∨ (X 2 ∧ X 3 ∧ ... ∧ X Ñ)。f=(x1∨x2)∧(x1∨x3)∧…∧(x1∨xn)f=(x1∨x2)∧(x1∨x3)∧…∧(x1∨xn)f = (x_1 \vee x_2) \wedge (x_1 \vee …

3
列举所有成对的不相交路径
给定一个有向图和两个顶点。如果从到的一对简单路径不共享边,则它们是边不相交的。š ,吨∈ V p 1,p 2小号吨G=(V,E)G=(V,E)G = (V,E)s,t∈Vs,t∈Vs,t \in Vp1,p2p1,p2p_1,p_2sssttt 使用最大流量,很容易确定是否存在从到的一对边缘不相交的路径。现在,是否存在一个多项式时间延迟算法来枚举从到所有边缘不相交路径对?牛逼小号ssstttsssttt

4
界定量子查询和确定性查询复杂性之间的差距
尽管有限误差量子查询复杂度(Q (˚F)Q(f)Q(f))和确定性查询复杂度(d (˚F)D(f)D(f))或有限误差随机查询复杂度([R (˚F)R(f)R(f))之间的指数分隔是已知的,但它们仅适用于某些部分函数。如果分函数具有某些特殊结构,则它们也与在多项式上相关d (˚F)= O (Q (f)9))D(f)=O(Q(f)9))D(f) = O(Q(f)^9))。但是,我最关心的是整体功能。 在经典论文中,表明的总函数d (˚F)D(f)D(f)由Ø (Q (˚F)6)O(Q(f)6)O(Q(f)^6),Ø (Q (˚F)4)O(Q(f)4)O(Q(f)^4)代表单调总函数,约束Ø (Q (˚F)2)O(Q(f)2)O(Q(f)^2)。对称的总函数。但是,对于此类函数,已知不超过二次分隔(此分隔是通过O R实现的Ø [ROROR例如)。据我了解,大多数人都猜想对于总函数,我们有d (˚F)= O (Q (f)2)D(f)=O(Q(f)2)D(f) = O(Q(f)^2)。在什么条件下(除了对称函数)证明了这种猜想?就总功能的量子查询复杂度而言,决策树复杂度的最佳当前界限是多少?

2
?的支配集的
考虑一般图形中的控制集问题,令为图形中的顶点数。贪婪近似算法给出因子的近似保证1 + 日志ñ,即有可能在多项式时间内找到一个解决方案š使得| S | ≤ (1 + log n )o p t,其中o p t是最小控制集的大小。有界限表明我们不能大大提高对log n的依赖ñnn1 + 日志ñ1+log⁡n1 + \log nSSS|S|≤(1+logn)opt|S|≤(1+log⁡n)opt|S| \leq (1 + \log n) optoptoptoptlognlog⁡n\log nhttp://www.cs.duke.edu/courses/spring07/cps296.2/papers/p634-feige.pdf。 我的问题:是否有一种近似算法,可以用代替n保证?在图表其中ñ是非常大的相对于最佳的,一个因子日志ñ近似会比一个因素更糟糕的日志Ø p 牛逼逼近。是否知道类似的东西,或者有什么原因不存在?我很高兴与任何产生的解决方案多项式算法š使得| S | ∈ ø (ø p 吨Ç)对于某一常数Çoptoptoptnnnnnnlognlog⁡n\log nlogoptlog⁡opt\log optSSS|S|∈O(optc)|S|∈O(optc)|S| \in O(opt^c)ccc。

2
如果我们改进时间层次定理,会发生什么?
f,gf,gf,gf(n)logf(n)=o(g(n))f(n)log⁡f(n)=o(g(n))f(n) \log f(n) = o(g(n))DTIME(f(n))⊊DTIME(g(n))DTIME(f(n))⊊DTIME(g(n)) DTIME(f(n)) \subsetneq DTIME(g(n))f,gf,gf,gf(n+1)=o(g(n))f(n+1)=o(g(n))f(n+1)=o(g(n))它是 有很多(旧的和当前的)结果都使用时间层次定理证明了下界。这是我的问题:NTIME(f(n))⊊NTIME(g(n)).NTIME(f(n))⊊NTIME(g(n)). NTIME(f(n)) \subsetneq NTIME(g(n)). 如果我们可以证明确定性或非确定性情况的更好结果,会发生什么? 如果我们可以证明确定性时间层次结构与不确定性时间层次结构之间存在差距,这是否意味着?P≠NPP≠NPP \neq NP

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.