Questions tagged «reductions»

减少是将一个问题转换为另一个问题。使用减少的一个示例将是显示问题P是否不可确定。这可以通过转换或减少决策问题来实现P陷入不确定的问题 如果能够做到这一点,那么我们已经表明问题P是不确定的。

1
分布式系统中是否存在一些规范问题?
上周,我再次阅读了莱斯利(Leslie)的兰莫特(Lamport)于1982年撰写的一次会议的摘要,该会议他发表了有关并发问题的解决,未解决的问题和非问题的讨论。该论文易于阅读,但让我思考的一件事是以下主张: 是否可以将任何问题视为互斥问题或生产者-消费者问题,或两者兼而有之? 我想知道分布式系统案例是否已经回答了这个问题。 是否存在一组规范的分布式系统问题,可以从中解决所有可能的分布式系统问题?这是什么规范清单? 如果没有规范列表,那么当前的问题列表是什么,存在哪些减少措施? 例如,我很天真地说,领导人选举和互斥问题可以简化为共识问题。我还要说,分布式快照可以减少为分布式时钟。是对还是错? 如果可能的话,我希望答案能为支持其主张的已发表论文提供参考:)

2
PPAD是否真的抓住了寻找另一个不平衡顶点的想法?
复杂性类PPAD是Christos Papadimitriou在1994年的开创性论文中发明的。该类旨在捕获搜索问题的复杂性,其中“有向图的奇偶校验参数”可保证解决方案的存在:如果有向图中的顶点不平衡,则必须存在另一个。但是通常,该类别是根据ANOTHER END OF THE LINEANOTHER END OF THE LINE\mathsf{ANOTHER\ END\ OF\ THE\ LINE}(AEOLAEOL\mathsf{AEOL})的问题,其中,该参数仅被施加到与两个IN-图表和outdegrees ≤1≤1\le 1。我的问题是:为什么这些概念是等效的? 到目前为止,这是该问题的重复。现在,我想正式陈述这个问题,并阐明为什么我对那里的答案不满意。 搜索问题ANOTHER UNBALANCED VERTEXANOTHER UNBALANCED VERTEX\mathsf{ANOTHER\ UNBALANCED\ VERTEX}(AUVAUV\mathsf{AUV}):给定两个多项式大小的电路SSS和PPP即得到x∈{0,1}nx∈{0,1}nx\in\{0,1\}^n并返回中的其他元素的多项式列表{0,1}n{0,1}n\{0,1\}^n。这些电路定义了有向图G=(V,E)G=(V,E)G=(V,E)其中V={0,1}nV={0,1}nV=\{0,1\}^n和(x,y)∈E⇔(y∈S(x)∧x∈P(y))(x,y)∈E⇔(y∈S(x)∧x∈P(y))(x,y)\in E\Leftrightarrow (y\in S(x)\land x\in P(y))。搜索问题如下:给定的SSS,PPP和z∈Vz∈Vz\in V使得indegree(z)≠outdegree(z)indegree(z)≠outdegree(z)indegree(z)\ne outdegree(z),查找具有相同属性的另一顶点。 搜索问题AEOLAEOL\mathsf{AEOL}:相同,但是SSS和PPP返回一个空列表或一个元素。 还原性的概念(根据Ricky的建议校正):总搜索问题AAA还原为总搜索问题BBB经由多项式函数fff和ggg如果yyy是将溶液f(x)f(x)f(x)中问题BBB意味着g(x,y)g(x,y)g(x,y)被解决xxx在问题AAA。 正式的问题:为什么AUVAUV\mathsf{AUV}可还原为AEOLAEOL\mathsf{AEOL}?还是我们应该使用另一种还原性概念? Christos Papadimitriou证明了关于PPA的类似定理(定理1,第505页),但该论点似乎不适用于PPAD。原因是度平衡为的顶点将转换为度平衡为± 1的k个顶点。然后,用于A E O L的算法可以获取这些顶点之一,然后返回另一个顶点。这不会为A U V产生新的顶点。±k±k\pm kkkk±1±1\pm1AEOLAEOL\mathsf{AEOL}AUVAUV\mathsf{AUV} 事情变得越来越糟,因为在中总是有偶数个不平衡顶点,但是在A U V中可能有奇数个顶点。这就是为什么不能在这两个集合之间建立双射并且g不能总是等于f − 1的原因。如果g (x ,f …

1
减少不同密度的语言之间的距离?
语言X的密度是一个函数d X:N → N定义为d X(n )= | { X ∈ X | | x | ≤ ñ } | 。 假设A和B是某种有限字母上的语言,一个多对数的空间缩小为B,并且B不在L = DSPACE (log n )中XXXdX:N→NdX:N→Nd_X \colon \mathbb{N} \to \mathbb{N}dX(n)=|{x∈X∣|x|≤n}|.dX(n)=|{x∈X∣|x|≤n}|.d_X(n) = |\{x\in X \mid |x| \le n\}|.AAABBBAAABBBBBBL=DSPACE(logn)L=DSPACE(log⁡n)\textsf{L} = \text{DSPACE}(\log n)。功能被多项式相关的,如果有多项式p和q使得对于所有Ñ ∈ Ñ,˚F (Ñ )≤ p (克(Ñ ))和克(Ñ )≤ q (˚F …


3
是否减少了不会炸开解决方案长度的“门压板”游戏?
本文提供了一个证明,即在带有门和压板的游戏中,用PSPACE很难确定(玩家的)化身是否可以到达给定位置。这可以通过从TQBF减少来证明,所得解决方案的长度以指数形式取决于公式中通用量词的数量。 从NPSPACE机器减少到这样一种游戏,其解决方案的长度与该机器的接受路径的长度在多项式上相关吗?

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 > 1,F是否确实具有m个模型?mmmFFFm>1m>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

3
结构演算:将表达压缩到最小形式
我知道构造演算正在高度规范化,这意味着每个表达式都具有不能被beta,eta进一步简化的法线。因此,实际上,这是计算与原始表达式相同值的最有效表达式。 但是在某些情况下,规范化可能会将一个小表达式缩减为一个大表达式(就大小而言)。 有最小形式的表达式吗?以最小的尺寸计算相同值的表单。 换句话说,代替了节省时间的范式,而是节省了空间的范式。

2
1合3 SAT中的变量出现次数有限
在1-in-3-SAT复杂度等级中,变量出现次数有限是否有已知结果? 我与Peter Nightingale提出了以下简化的简化方法,但是我想引用一些已知的方法。 这是我们想到的技巧。这表明限制为每个变量3次出现的1-in-3-SAT是NP完成和#P完成的(因为1-in-3-SAT是),而限制为3次出现的3-SAT 在P中 假设我们有超过三个x出现。假设我们需要6。然后,我们将引入5个与x等效的新变量x2至x6以及两个新变量d1和d2,这些变量保证具有以下6个新子句为false: x -x2 d1 x2 -x3 d1 x3 -x4 d1 x4 -x5 d2 x5 -x6 d2 x6 -x d2 显然,对于第一个i,我们用xi替换了第一个之后的x的每个出现。给出每个xi和d的三个出现。 上面将每个di设置为false,将所有xi设置为相同的值。要看到这一点,x必须为true或false。如果为true,则第一个子句将x2设置为true,将d1设置为false,然后将其传播到各个子句。如果x为false,则最后一个子句将x6设置为false,将d2设置为d2,并将其向上传播。显然很省事,因此可以保留计数。

4
NP完整性/硬度是否必须具有建设性?
是否有任何具有以下属性:L∈NPL∈NPL\in {\bf NP} 已知的是,意味着P = Ñ P。L∈PL∈PL\in {\bf P}P=NPP=NP{\bf P}={\bf NP} 没有(或其他一些N P完全问题)到L的多项式时间Turing约简。SATSATSATNPNP{\bf NP}LLL 换句话说,如果对于一个多项式时间算法意味着崩溃Ñ P到P,然后是有必要的是这种“一般硬度” 大号为Ñ P必须以某种方式Ç ö Ñ 小号吨ř ü Ç 吨我v ë,从某种意义上说,S A T必须通过某些特定的还原反应才能还原为L?LLLNPNP{\bf NP}PP{\bf P}LLLNPNP{\bf NP}constructiveconstructiveconstructiveSATSATSATLLL

1
为什么NP完全问题没有相似的近似率?
由于2个NP完全问题在定义上可以彼此简化,因此可以通过使用黑盒解决另一个问题来解决其中一个问题,为什么它们的逼近率不相似(请参阅它们的优化对等物) )?我猜想也许可以理解一些常数甚至多项式漂移,但是对于某些NP完全问题,我们有常数因数近似算法的情况,另一方面,对于多项式比率近似算法甚至无法近似的其他问题,例如一般的TSP?谢谢

5
FPT约简不是多项式时间约简的实例
在参数化复杂性中,人们使用固定参数可处理(FPT)简化来证明W [t]硬度。从理论上讲,FPT约简不是多项式时间约简,因为它可以在参数k中以指数形式运行。但是实际上,我所看到的所有FPT减少都是p时间减少,这意味着W [t]硬度证明几乎总是暗含NP完整性证明。 我想知道是否有人可以给我一个FPT减少量,它确实在参数以指数方式运行。谢谢。ķkk




1
在稀疏成套和P vs L
马哈尼定理告诉我们,如果在多项式时间多一归约条件下存在稀疏的集,则。(请参阅“ NP的稀疏成套:Berman和Hartmanis猜想的解决方案 ”)ñPNPNPP= NPP=NPP = NP 对于其他复杂性类别,稀疏成套的存在会带来已知的后果吗?特别是,如果在对数空间下有一个稀疏的集,则可以简化为吗?PPPP= LP=LP = L

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.