Questions tagged «reference-request»

当作者需要了解与该问题相关的工作时，将使用参考请求。

2
与SAT解算器使用相关的转换调查
我开始研究依靠SAT解算器解决我感兴趣的优化问题的可能性，并且目前正在寻找一项调查，该调查的特征是将SAT的变体“聪明”转化（例如，产生的转化）在一个合理尺寸的问题上，因为我对证明硬度的结果并不感兴趣，但实际上没有解决这个问题），大致上是按照Greenlaw和Petreschi在立方图上进行调查所能发现的精神，如果可以进行比较的话两者之间。 是因为这样的调查不存在，还是因为我只是错过了而使我感到困惑？
6
任何算法问题的时间复杂度都由计数决定吗？
我所说的计数是一个问题，其中包括寻找一个函数的解数。更精确地，给定的一个功能（不一定黑盒），近似 ＃{ X ∈ Ñ | ˚F （X ）= 1 } = | f − 1（1 ）| 。f:N→{0,1}f:N→{0,1}f:N\to \{0,1\}#{x∈N∣f(x)=1}=|f−1(1)|#{x∈N∣f(x)=1}=|f−1(1)|\#\{x\in N\mid f(x)= 1\}= |f^{-1}(1)| 我正在寻找涉及某种计数的算法问题，对于该算法而言，时间复杂度受此基础计数问题的影响很大。 当然，我正在寻找的问题本身并不能算是问题。如果您能提供这些问题的文档，将不胜感激。
2
固定参数与近似算法之间的关系
固定参数和近似值是解决难题的完全不同的方法。他们有不同的动机。近似可通过近似解寻找更快的结果。固定参数根据k的指数或某个函数以及n的多项式函数来寻找具有时间复杂度的精确解，其中n是输入大小，k是参数。示例。2ķñ32kn32^kn^3 现在我的问题是，基于固定参数和近似方法之间的关系是否存在任何上限或下限结果，或者它们完全不存在任何关系。例如，对于某个问题，对于某些很难说。与具有c近似算法或PTAS无关。请提供一些参考W [ i ] i > 0PPPw ^[ 我]W[i]W[i]我> 0i>0i>0
3
哪些整数线性程序很简单？
在尝试解决问题时，我最终将其一部分表示为以下整数线性程序。这里是给定作为输入的一部分的所有正整数。变量x i j的指定子集设置为零，其余的可以取正整数值：ℓ ，m ，n1个，n2，… ，nℓ，c1个，c2，… ，c米，wℓ,m,n1,n2,…,nℓ,c1,c2,…,cm,w\ell,m,n_{1},n_{2},\ldots,n_{\ell},c_{1},c_{2},\ldots,c_{m},wX我Ĵxijx_{ij} 最小化 ∑米j = 1CĴ∑ℓ我= 1X我Ĵ∑j=1mcj∑i=1ℓxij\sum_{j=1}^{m}c_{j}\sum_{i=1}^{\ell}x_{ij} 受： ∑米j = 1X我Ĵ= n一世∀ 我∑j=1mxij=ni∀i\sum_{j=1}^{m}x_{ij}=n_{i}\,\,\forall i ∑ℓi=1xij≥w∀j∑i=1ℓxij≥w∀j\sum_{i=1}^{\ell}x_{ij}\ge w\,\,\forall j 我想知道这个整数程序在多项式时间内是否可求解；如果不是，我原来的问题就解决了，否则就不得不尝试其他方法。所以我的问题是： 我如何确定某个整数线性程序是否可以在多项式时间内求解？哪些整数线性程序容易实现？尤其是上述程序可以在多项式时间内求解吗？您能否指出一些对此的参考？
4
关于计数和组合中的Pfaffian方法
最近，我正在浏览全息算法的介绍。我遇到了一些称为Pfaffians的组合对象。目前，我对这些信息还不太了解，并遇到了一些可以加以利用的令人惊讶的用法。 例如，我知道它们可以用来有效地计算平面图中完美匹配的数量。同样，它们也可用于计算使用2 * 1瓦片的棋盘可能平铺的数量。平铺连接对我来说似乎很好奇，我尝试在网络上搜索更多相关的资料，但在大多数地方，我只发现了有关连接的一两个陈述，而没有其他发现。 我只是想问问是否有人可以建议参考相关文献，因为那确实很棒，我期待学习一些相关材料。
1
拉姆西定理集合的定理
在探索证明分布式算法下界的不同技术时，我想到拉姆西定理的以下变体可能有应用-如果它是真的。 参数：kkk，KKK，nnn给出，然后选择NNN足够大。术语：mmm子集是大小为的子集mmm。 设A={1,2,...,N}A={1,2,...,N}A = \{1,2,...,N\}。 令BBB由A的所有kkk个子集组成。AAA 令CCC包含B的所有KKK个子集。BBB 分配一个着色f:C→{0,1}f:C→{0,1}f\colon C \to \{0,1\}的CCC。 现在，拉姆齐定理（超图版本）说，不管我们如何选择fff，有单色 nnn -subset B′B′B'的BBB：所有KKK -subsets的B′B′B'具有相同的颜色。 我想进一步走一步，并找到一个单色nnn -subset A′A′A'的AAA：如果B′⊂BB′⊂BB' \subset B由所有的kkk的-subsets A′A′A'，那么所有KKK -subsets的B′B′B'具有相同的颜色。 这是对还是错？它有名字吗？您碰巧知道任何参考吗？ 如果由于某些琐碎的原因而为假，那么是否有一个较弱的变体类似于此声明？
5
分布式计算中的处理器故障不是崩溃或拜占庭式的
分布式计算模型中的处理器故障主要有两种类型： （1）崩溃失败：处理器停止运行，再也不会启动。（2）拜占庭式故障：处理器恶意地进行对抗。 我的问题是： 已经研究了哪些其他类型的处理器故障，这些故障不会减少到崩溃或拜占庭式故障？ 另外，还有一个更具体的问题： 是否已研究过某个模型，该模型有可能在时间步处开启流程，而在其他时候关闭？因此，每个过程都照常眨眼。ttt 我对这些失败与共识和其他分布式协议问题之间的关系最感兴趣。 谢谢。
2
随机八卦的复杂性
分布式系统中的闲聊问题如下。我们有一个带有n个顶点的图每个顶点v都有一条消息m v，必须将其发送到所有节点。GGGnnnvvvmvmvm_v 现在，我的问题是在自组织网络模型的背景下（我们假设节点对网络的拓扑结构，其进出度和邻域集没有任何先验知识。只有每个节点的知识是其自己的标识符和节点总数）。 我还假定所有节点都可以访问全局时钟，并在称为回合的离散时间步中同步工作。 在这种情况下，算法的复杂性是完成所需的轮数。 我记得有一种算法可以高概率地解决O(nlog2n)O(nlog2⁡n)O(n \log ^2 n)回合中的闲聊问题。但是我再也找不到参考资料了，我想知道在此问题上是否还有最新的结果。 根据明智的评论进行编辑：在每个回合中，节点可以将消息传输到其所有邻居，并且可以从邻居那里接收消息。当且仅当节点的某个邻居恰好在该回合发送时，该节点才会在给定的回合接收消息。否则，将发生冲突，并且节点不会收到任何消息。
1
参考请求：次模最小化和单调布尔函数
背景：在机器学习中，我们经常使用图形模型来表示高维概率密度函数。如果我们放弃密度积分（求和）为1的约束，我们将得到一个未归一化的图结构能量函数。 假设我们有这样的能量函数，，在曲线图上定义的G ^ = （V，ê）。有一个变量X为图中的每个顶点，并且有实值一元和成对的功能，θ 我（X 我）：我∈ V和θ 我Ĵ（X 我，X Ĵ）：我Ĵ ∈ ë，分别。那么，全能量就是EEEG=(V,E)G=(V,E)G = (\mathcal{V}, \mathcal{E})xxxθi(xi):i∈Vθi(xi):i∈V\theta_i(x_i) : i \in \mathcal{V}θij(xi,xj):ij∈Eθij(xi,xj):ij∈E\theta_{ij}(x_i, x_j) : ij \in \mathcal{E} E(x)=∑i∈Vθi(xi)+∑ij∈Eθij(xi,xj)E(x)=∑i∈Vθi(xi)+∑ij∈Eθij(xi,xj)E(\mathbf{x}) = \sum_{i \in \mathcal{V}} \theta_i(x_i) + \sum_{ij \in \mathcal{E}} \theta_{ij}(x_i, x_j) 如果所有的是二进制的，我们能想到的的X作为指示集合成员，并与术语谈论子模的只是一个小的滥用。在这种情况下，能量的功能是当且仅当子模θ 我Ĵ（0 ，0 ）+ θ 我Ĵ（1 ，1 ）≤ θ 我Ĵ（0 ，1 ）+ θ …
4
树旋转基本定理的参考
当两个二叉搜索树在有序遍历中达成一致时，它们被认为是线性等效的。以下定理解释了为什么树旋转如此重要： 令A和B为二叉搜索树。当且仅当它们通过一系列树旋转连接时，A和B才是线性等价的。 很久以前，当我第一次学习数据结构时，我注意到了这个结果，并且想更深入地了解树旋转的特殊状态。 证明简单直观：将最小元素沿左脊旋转到根位置。通过顺序不变，该重新排列的树不能具有左子树。现在，在右边的子树上递归。结果是测试线性等效性的标准形式。 尽管这是一个基本定理，但我在文献中从未见过。对于下次需要使用此结果的参考，我将不胜感激。 （奖金脑筋急转弯：寻找连接两个线性等效二叉搜索树的最短树轮换序列的最佳算法是什么？）
1
引用网格中分隔符的下限？
容易验证，给定整数点的d维网格，以常规邻接关系，可以找到大小为的分隔符（只需选择任何中间超平面，并删除其所有顶点）。验证任何分隔符的大小都必须也不太困难（但绝对不是立即执行。有人知道对此有抵触吗？{1,…,n}d{1,…,n}d\{1,\ldots,n\}^dnd−1nd−1n^{d-1}Ω(nd−1)Ω(nd−1)\Omega(n^{d-1})
2
空间交替层次
多亏了Immerman和Szelepcsényi知道，如果，（即使对于非空间可构造函数也是如此）。f = Ω （log ）N S P A C E（f）= c o N S P A C E（f）NSPACE(f)=coNSPACE(f){\rm NSPACE}(f)={\rm coNSPACE}(f)F= Ω （对数）f=Ω(log)f=\Omega(\log) 在同一篇论文中，Immerman指出对数空间交替层次结构崩溃了，这意味着（有界交替图灵机的定义以及可以在Wikipedia上找到层次结构）。ΣĴS P A C E（对数）= N S P A C E（对数）ΣjSPACE(log)=NSPACE(log)\Sigma_j{\rm SPACE}(\log)={\rm NSPACE}(\log) 是否有关于的交替空间层次结构的文章 ？我上周问过Immerman，他不记得读过类似的东西。用英语，我想知道是否有任何书面证明，证明可以使用图灵机以交替来决定使用的任何语言，也可以由具有相同空间界限的不确定性图林机来决定。jF= Ω （对数）f=Ω(log)f=\Omega(\log)Ĵjj 我的问题确实是关于寻找参考，因为我想我已经找到了证明。但我想可能已经知道了。 也许我应该说明我认为的两个主要问题。首先，如果，假设，那么就不可能组成 TM来获得 TM，我们可以使用 TM 。其次，对于有一个论点，对于有一个论点，但函数仍然存在一些问题，既不是也不是。f = log 2 S P …
1
对树深度算法方面的介绍
树宽和路径宽度是常用参数，它们分别测量图形与树或路径的接近程度。确实，树宽似乎很受欢迎，在许多论文，书籍和讲义中都有介绍，甚至对树宽的算法方面进行了介绍（甚至非常温柔）（例如，Downey＆Fellows书）。通常，这些资源说明了如何通过对树分解的动态编程在多项式时间内解决某些NP难题（例如独立集）。 但是，有时对于有界树宽图和有界路径图，图问题仍然是NP完全的。但是，这样的硬度结果并不意味着一定深度的树的硬度，而树的深度非正式地测量了与恒星的接近度。 可以说，树深不如树宽广为人知。对于想了解更多有关通过树深度进行参数化的算法的人，是否有一些（类似于树宽）不错的资源可用于学习此类算法通常如何工作？
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.