Questions tagged «computing-over-reals»

3
计算几何学研究人员偏爱BSS / real-RAM模型的原因是什么?
背景 由于实数是无限的对象并且存在无数的实数,因此实数的计算比自然数的计算更为复杂,因此实数不能由有限字母在有限字母上忠实地表示。 不同于经典的关于有限字符串的可计算性,在这里,不同的计算模型,例如:lambda演算,图灵机,递归函数,……证明是等效的(至少对于字符串上的函数具有可计算性),有多种提议的模型可用于不兼容的实数。例如,在最接近经典Turing机器模型的TTE模型(另请参见[Wei00])中,实数使用无限输入带(如Turing的预言片)表示,因此无法确定比较和两个给定实数之间的相等关系(在有限的时间内)。另一方面,在BBS / real-RAM模型中,类似于RAM机器模型,我们有可以存储任意实数的变量,并且比较和相等性属于模型的原子操作。由于类似的原因,许多专家表示BSS / real-RAM模型不切实际(无法实现,至少在当前的数字计算机上无法实现),并且他们更喜欢TTE或其他等效模型,而不是TTE,例如有效域理论模型,柯·弗里德曼模型等 如果我理解正确,则“ 计算几何”中使用的默认计算模型是BSS(又称real-RAM,请参见[BCSS98])模型。 另一方面,在我看来,在计算几何中的算法(例如LEDA)的实现中,我们仅处理代数数,并且不涉及更高类型的无限对象或计算(这对吗?)。因此,在我看来(可能是幼稚的)人们也可以使用有限字符串上的经典计算模型来处理这些数字,并使用通常的计算模型(也用于算法的实现)来讨论正确性和复杂性算法。 问题: 计算几何研究人员偏爱使用BSS / real-RAM模型的原因是什么?(使用BSS / real-RAM模型的特定计算几何) 我在上一段中提到的(可能是幼稚的)想法有什么问题?(使用经典的计算模型并将输入限制为“计算几何”中的代数数) 附录: 算法问题也很复杂,在BSS / real-RAM模型中很容易确定以下问题: 由于两套和牛逼正整数, 是Σ 小号∈ 小号√SSSTTT?∑小号∈ 小号s√> ∑吨∈ ŤŤ√∑s∈Ss>∑t∈Tt\sum_{s\in S} \sqrt{s} > \sum_{t\in T}\sqrt{t} 虽然尚无有效的整数RAM算法可解决该问题。感谢JeffE的示例。 参考文献: Lenore Blum,Felipe Cucker,Michael Shub和Stephen Smale,“复杂性与真实计算”,1998年 Klaus Weihrauch,“ 可计算分析,简介 ”,2000年

2
平方根之和很难解决?
的平方根的总和问题询问,给定两个序列和正整数,是否总和小于,等于,或大于比总和。这个问题的复杂性状态是公开的。有关更多详细信息,请参见这篇文章。这个问题自然出现在计算几何中,尤其是在涉及欧几里德最短路径的问题中,并且是将这些问题的算法从实际RAM转移到标准整数RAM的重要绊脚石。a1,a2,…,ana1,a2,…,ana_1, a_2, \dots, a_nb1,b2,…,bnb1,b2,…,bnb_1, b_2, \dots, b_n∑iai−−√∑iai\sum_i \sqrt{a_i}∑ibi−−√∑ibi\sum_i \sqrt{b_i} 如果从平方根总和到π的多项式时间减少了,则称问题Π 平方根和为硬(缩写为√√-hard?)。不难证明以下问题是平方根求和: 4d欧几里得几何图中的最短路径 实例:图其顶点为,其边由欧几里得distane加权;两个顶点和G=(V,E)G=(V,E)G=(V,E)Z4Z4\mathbb{Z}^4sssttt 输出:从最短路径到在。ssstttGGG 当然,可以使用Dijkstra算法在实数RAM上的多项式时间内解决此问题,但是该算法中的每个比较都需要解决平方根和问题。归约使用以下事实:任何整数都可以写成四个完美平方的和。减少量的输出实际上是个顶点上的一个周期。2n+22n+22n+2 平方根和的总和还有哪些其他问题? 我对真正的RAM上有多项式时间解的问题特别感兴趣。见 我之前的问题的一种可能性。 如罗宾所言,无聊的答案无聊。对于任何包含平方根和的复杂度类X(例如PSPACE或EXPTIME),每个X难题都无聊的平方根难题。

3
存在用于线性规划的强多项式算法的后果?
算法设计的一个重要方面是找到一种用于线性规划的强多项式算法,即一种算法,其运行时间在变量和约束的数量上由多项式来界定,并且与参数表示的大小无关(假设单位成本算法)。解决这个问题是否会对线性编程的更好算法产生影响?例如,这种算法的存在/不存在会对几何或复杂性理论产生任何影响吗? 编辑:也许我应该澄清后果的意思。我正在寻找数学上的后果或有条件的结果,这些暗示现在已经是正确的。例如:“针对BSS模型中LP的多项式算法将分离/折叠代数复杂度类别FOO和BAR”,或“如果没有强多项式算法,那么它将解决有关多位点的此类猜想”或“强多项式算法问题,X可以配制成LP将有有趣的结果等等 ”。Hirsch猜想将是一个很好的例子,除了它仅在单纯形为多项式的情况下适用。


1
计算具有多边形障碍物的平面中最短路径的复杂性
假设我们在平面中得到了几个不相交的简单多边形,并且在每个多边形之外有两个点和t。欧几里德最短路径问题是计算从s到t不与任何多边形内部相交的欧几里德最短路径。为了具体起见,让我们假设s和t的坐标以及每个多边形顶点的坐标是整数。ssstttssstttsssttt 这个问题可以在多项式时间内解决吗? 当然,大多数计算几何体会立即回答是:John Hershberger和Subhash Suri描述了一种算法,该算法可在时间内计算欧几里得最短路径,并且此时间范围在代数计算树模型中是最佳的。不幸的是,Hershberger和Suri的算法(以及此之前和之后的几乎所有相关算法)似乎都需要从严格的意义上讲精确的实数算法。O(nlogn)O(nlog⁡n)O(n\log n) 如果所有内部顶点都是障碍顶点,则将其称为有效多边形路径;每条欧几里德最短路径均有效。任何有效路径的长度都是整数的平方根之和。因此,比较两个有效路径的长度需要比较两个平方根之和,我们不知道如何在多项式时间内进行。 此外,将平方根和问题的任意实例简化为等效的欧几里德最短路径问题似乎是完全合理的。 那么:是否有多项式时间算法来计算欧几里得最短路径?还是NP问题很难?或平方根总和很难?或者是其他东西? 一些注意事项: 使用标准漏斗算法,至少在给定多边形三角剖分的情况下,可以在时间内计算一个多边形内部(或外部)的最短路径,而不会出现任何奇怪的数值问题。O(n)O(n)O(n) 实际上,浮点算术足以计算最短至浮点精度的路径。我只对确切问题的复杂性感兴趣。 约翰·坎尼(John Canny)和约翰·里夫(John Reif)证明了3维空间中的相应问题是NP困难的(道德上是因为最短路径的数量可能成倍增加)。 崔俊,、尤根·塞伦和叶建庚描述了多项式时间近似方案。 Simon Kahan和Jack Snoeyink考虑了有关简单多边形中最小链接路径的相关问题的类似问题。

3
实数计算:浮点对TTE对域理论对等
当前,大多数流行语言中的实数计算仍通过浮点运算来完成。另一方面,诸如第二类型有效性(TTE)和领域理论之类的理论早已承诺对实数进行精确计算。显然,浮点精度问题并没有因此而减少,那么为什么这些理论没有成为主流,为什么没有更加明显的实现呢? 例如,是否存在我们不太关心浮点错误的应用程序领域?是否存在重大的复杂性问题?

5
是否可以测试可计算数字是有理数还是整数?
是否可以通过算法测试可计算数是有理数还是整数?换句话说,将有可能为图书馆实现可计算数提供的功能isInteger还是isRational? 我猜测这是不可能的,并且这在某种程度上与以下事实有关:无法测试两个数字是否相等,但是我看不出如何证明这一点。 编辑:可计算的数字xxx由函数给出,该函数fx(ϵ)fx(ϵ)f_x(\epsilon)可以返回精度为ϵ的的有理近似值:| x − f x(ϵ )| ≤ ε,对于任何ε > 0。鉴于这样的功能,就是可以测试,如果X ∈ Q或X ∈ ž?xxxϵϵ\epsilon|x−fx(ϵ)|≤ϵ|x−fx(ϵ)|≤ϵ|x - f_x(\epsilon)| \leq \epsilonϵ>0ϵ>0\epsilon > 0x∈Qx∈Qx \in \mathrm{Q}x∈Zx∈Zx \in \mathrm{Z}
18 computability  computing-over-reals  lambda-calculus  graph-theory  co.combinatorics  cc.complexity-theory  reference-request  graph-theory  proofs  np-complete  cc.complexity-theory  machine-learning  boolean-functions  combinatory-logic  boolean-formulas  reference-request  approximation-algorithms  optimization  cc.complexity-theory  co.combinatorics  permutations  cc.complexity-theory  cc.complexity-theory  ai.artificial-intel  p-vs-np  relativization  co.combinatorics  permutations  ds.algorithms  algebra  automata-theory  dfa  lo.logic  temporal-logic  linear-temporal-logic  circuit-complexity  lower-bounds  permanent  arithmetic-circuits  determinant  dc.parallel-comp  asymptotics  ds.algorithms  graph-theory  planar-graphs  physics  max-flow  max-flow-min-cut  fl.formal-languages  automata-theory  finite-model-theory  dfa  language-design  soft-question  machine-learning  linear-algebra  db.databases  arithmetic-circuits  ds.algorithms  machine-learning  ds.data-structures  tree  soft-question  security  project-topic  approximation-algorithms  linear-programming  primal-dual  reference-request  graph-theory  graph-algorithms  cr.crypto-security  quantum-computing  gr.group-theory  graph-theory  time-complexity  lower-bounds  matrices  sorting  asymptotics  approximation-algorithms  linear-algebra  matrices  max-cut  graph-theory  graph-algorithms  time-complexity  circuit-complexity  regular-language  graph-algorithms  approximation-algorithms  set-cover  clique  graph-theory  graph-algorithms  approximation-algorithms  clustering  partition-problem  time-complexity  turing-machines  term-rewriting-systems  cc.complexity-theory  time-complexity  nondeterminism 

2
计算离散傅立叶变换的复杂性?
计算整数的向量的标准离散傅里叶变换的复杂度(在标准整数RAM上)是多少?ñnn 经典的算法快速傅立叶变换,不适当[1]归因于库利和Tukey,通常被描述为在运行时间。但是,此算法中执行的大多数算术运算均始于第个复数的单位根(对于大多数)是无理的,因此在恒定时间内进行准确的评估是不合理的。朴素的 -时间算法(乘以具有复数单位根的Vandermonde矩阵也会出现相同的问题。n n O (n 2)Ø (ñ 日志n )O(nlog⁡n)O(n \log n)ñnnñnnØ (ñ2)O(n2)O(n^2) 甚至还不清楚如何准确表示DFT的输出(以任何有用的形式)。换句话说,尚不清楚计算DFT实际上是否可行! 因此,假设我们在每个输出值中只需要位精度。 作为和的函数,计算离散傅里叶变换的复杂度是多少? (具体而言,请随意假设是的幂。)n b n 2bbbñnnbbbñnn222 还是文献中“ FFT”的每个实例实际上意味着“快速数论变换 ”?[2] 有关高斯消去和欧几里得最短路径的复杂性,请参阅我的相关问题。 [1]它应该真正被称为(Gauss-Runge-König-Yates-Stumpf-Danielson-Lánczos-Cooley-Tukey算法的(其前缀)。 [2]如果是这样,为什么大多数教科书只描述复数算法?

1
实数数学可以在多大程度上应用于可计算实数?
是否有一个一般的定理可以说明,如果适当地进行了清理,当只考虑可计算的实数时,实际上可以使用有关实数的大多数已知结果吗?还是仅考虑可计算实数时对结果的适当表征仍然有效?附带的问题是,关于可计算实数的结果是否可以在不必考虑所有实数或任何不可计算的事物的情况下得到证明。我在特别考虑微积分和数学分析,但我的问题绝不仅限于此。 实际上,我想存在一个与图灵层次结构相对应的可计算实数层次(是否正确?)。然后,更抽象地讲,存在一个实数的抽象理论(我不确定该用什么术语),为此可以证明许多结果,这些结果将适用于传统的实数,但也适用于可计算的实数,并且到图灵可计算实数层次的任何级别(如果存在)。 那么我的问题可能是这样说的:当对传统实在的事实进行证明时,是否存在对抽象的实在理论适用的结果表征?而且,这些结果可以直接在抽象理论中得到证明,而无需考虑传统实数。 我也有兴趣了解这些实在理论如何以及何时发生分歧。 附言:我不知道在哪里适合我的问题。我意识到,很多关于真实的数学已经通过拓扑进行了概括。因此,可能可以在此处找到我的问题的答案或部分答案。但是可能还有更多。

2
用于TSP的Bellman-Held-Karp算法的时间复杂度,取2
一个独立于Bellman和Held-Karp的问题最近讨论了TSP的当前经典动态编程算法。据普遍报道,该算法在时间内运行。但是,正如我的一名学生最近指出的那样,这种运行时间可能需要一个不合理的强大计算模型。O(2nn2)O(2nn2)O(2^n n^2) 这是该算法的简要说明。输入由具有个顶点的有向图和非负长度函数。对于任何顶点和,以及任何不包含和的顶点子集,令表示诱导子图从到的最短哈密顿路径的长度。。Bellman-Held-Karp算法基于以下递归(或经济学家和控制理论家喜欢称其为“ Bellman方程”):Ñ ℓ :È → [R +小号吨X 小号吨大号(小号,X ,吨)小号吨ģ [ X ∪ { 小号,吨} ]G=(V,E)G=(V,E)G=(V,E)nnnℓ:E→R+ℓ:E→R+\ell\colon E\to\mathbb{R}^+ssstttXXXssstttL(s,X,t)L(s,X,t)L(s,X,t)ssstttG[X∪{s,t}]G[X∪{s,t}]G[X\cup\{s,t\}] L(s,X,t)={ℓ(s,t)minv∈X (L(s,X∖{v},v)+ℓ(v,t))if X=∅otherwiseL(s,X,t)={ℓ(s,t)if X=∅minv∈X (L(s,X∖{v},v)+ℓ(v,t))otherwise L(s,X,t) = \begin{cases} \ell(s,t) & \text{if $X = \varnothing_{\strut} $} \\ \min_{v\in X}~ \big(L(s, X\setminus\lbrace v\rbrace, v) + \ell(v,t)\big) & \text{otherwise} \end{cases} 对于任何顶点sss,最优旅行推销员巡视的长度为L(s,V∖{s},s)L(s,V∖{s},s)L(s,V\setminus\{s\}, s)。因为第一个参数sss在所有递归调用中都是常数,所以存在Θ(2nn)Θ(2nn)\Theta(2^n n)不同的子问题,并且每个子问题最多依赖于其他n个子问题nnn。因此,动态编程算法以O(2nn2)O(2nn2)O(2^n n^2)时间运行。 还是呢? …

1
NP完整度超过真实性
我最近正在研究计算的BSS模型(例如,复杂性和实计算;参见Blum,Cucker,Shub,Smale。) 实数,示出的是,给定的多项式的系统˚F 1,⋯ ,˚F 米 ∈ [R [ X 1,⋯ ,X Ñ ],零的存在是Ñ P ř -complete。然而,我想知道,如果这些˚F的是多项式仅具有整数系数,即˚F 1,⋯ ,˚F 米 ∈ ż [ X 1,⋯ ,[RRRF1个,⋯ ,f米∈ [R [ X1个,⋯ ,xñ]f1,⋯,fm∈R[x1,⋯,xn]f_1,\cdots, f_m\in R[x_1, \cdots, x_n]ñP[RNPRNP_RFffF1个,⋯ ,f米∈ ž[ x1个,⋯ ,xñ]f1,⋯,fm∈Z[x1,⋯,xn]f_1,\cdots, f_m\in Z[x_1, \cdots, x_n],仍是问题 -hard?(显然是在N P R中)。ñP[RNPRNP_RñP[RNPRNP_R 我怀疑是的,但是有简单的证明吗?

2
NP中的欧式TSP和平方根复杂度
在Ola Svensson的本讲义中:http : //theory.epfl.ch/osven/courses/Approx13/Notes/lecture4-5.pdf,据说我们不知道Euclidean TSP是否在NP中: 原因是我们不知道如何有效地计算平方根。 另一方面,有Papadimitriou撰写的这篇论文:http : //www.sciencedirect.com/science/article/pii/0304397577900123说它是NP完全的,也意味着它在NP中。尽管他没有在论文中证明这一点,但我认为他认为NP的成员资格微不足道,这通常与此类问题有关。 我对此感到困惑。老实说,我们不知道欧几里得的TSP是否在NP中的说法震惊了我,因为我只是认为它是微不足道的-以TSP巡回赛作为证书,我们可以轻松地检查它是否有效。但是问题是可能存在一些平方根。因此,讲义基本上声称我们不能在多项式时间内解决以下问题: 任意有理数,决定是否√q1个,… ,qñ,一∈ Qq1,…,qn,A∈Qq_1,\ldots,q_n,A\in\mathbb{Q}。q1−−√+⋯+qn−−√≤Aq1+⋯+qn≤A\sqrt{q_1}+\cdots+\sqrt{q_n}\leq A 问题1:我们对这个问题了解什么? 这使我无法找到以下简化: n=1n=1n=1 q1,k,…,qn,k,Ak∈Qq1,k,…,qn,k,Ak∈Qq_{1,k},\ldots,q_{n,k},A_k\in\mathbb{Q}k=1,2,…k=1,2,…k=1,2,\ldotspppkkkq1,k−−−√+⋯+qn,k−−−√q1,k+⋯+qn,k\sqrt{q_{1,k}}+\cdots+\sqrt{q_{n,k}}AkAkA_kp(input-size)p(input-size)p(\text{input-size}) 问题3:是否存在这样的实例号码? input-sizeinput-size\text{input-size} 24/1324/1324/132.5334567¯¯¯¯¯¯¯¯2.5334567¯2.5334\overline{567}

2
如何判断实数计算复杂性的定义是自然的还是合适的?
众所周知,算法的计算复杂度的定义几乎没有争议,但是实数或实数计算模型的定义却不在这种情况下。我们在《可计算分析》一书中了解了Blum和Smales的模型和模型。看起来,可计算分析中的模型与经典模型是一致的,但是实物的计算复杂性的定义无法移植到经典模型中。 如何判断实数计算复杂性的定义是自然的还是合适的? 以及如何将实数计算复杂性的定义移植到经典模型中?

1
NP
使用real-RAM / BSS模型,我们得到NP R类(其中BSS是对实数进行操作的计算机的Blum-Shub-Smale模型)。我们有NP R完全问题。因此,问题是是否存在NP R类的Berman Hartmanis猜想的类似物?当然,这里提出的问题取决于模型-换句话说,由于NP R的定义使用BSS模型,是否所有NP R-完全问题都使用BSS模型具有相同的结构(这近似于Berman- Hartmanis猜想NP是否超过实数)?[RR_{\mathbb{R}}[RR_{\mathbb{R}}[RR_{\mathbb{R}}[RR_\mathbb{R}[RR_{\mathbb{R}}

1
PCF中连续模量的不确定性参考?
有人可以指出PCF中连续模量函数的不可定义性吗? \newcommand{\N}{\mathbb{N}} \newcommand{\bool}{\mathsf{bool}} 安德烈·鲍尔(Andrej Bauer)写了一篇非常不错的博客文章,更详细地探讨了一些问题,但是我将总结一下他的文章中的一部分,以为该问题提供一些背景信息。Baire空间是自然数序列的集合,或者等效地是从自然数到自然数N → N的函数集。对于此问题,我们将仅将注意力集中在可计算的流上。BBBN→NN→N\N \to \N 现在,一个函数是连续的,如果对于每个X 小号∈ 乙,的值˚F (X 小号)仅依赖的元件的有限数量的X 小号,它的computably连续如果我们实际上可以计算需要x s的元素的上限。在计算的某些型号,它实际上可以写一个程序 米Ø d ü 升ü š:(乙→ b Øf:B→boolf:B→boolf : B \to \boolxs∈Bxs∈Bxs \in Bf(xs)f(xs)f(xs)xsxsxsxsxsxs这需要在Baire空间和Baire空间的元件的可计算函数,并给出背面上界流的元素的数量。modulus:(B→bool)→B→Nmodulus:(B→bool)→B→N\mathsf{modulus} : (B \to \bool) \to B \to \N 实现此目的的一个技巧是使用本地存储将最大索引记录到所看到的流中: let modulus f xs = let r = ref 0 in let …
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.