ほぼ常にほぼ正しい

私は、BPPがPに関連するようにAPXに関連する複雑度クラスを探しています。私はすでにここで同じ質問をしましたでが、おそらくTCSがより実り多い答えの場所になるでしょう。

質問の理由は、実際の問題では、十分に高い信頼度（したがってBPP）で近似回答（したがってAPX）を見つける必要があることが多く、そのため、有界確率近似アルゴリズムの問​​題のクラスは、練習。

そのようなクラスの可能な候補は、$APX^{BPP}$です。ただし、そのようなクラスが、確率論的に計算可能な近似の適切な設定になるとは確信がありません。

BPPとAPXの両方が広く研究されています。の場合ですか、それとも上記の問題をキャプチャするのに最適なクラスですか？$APX^{BPP}$

任意の目的関数について、BotL（ベストオブリスト）を、一連の入力で目的関数を評価し、その出力から（それらの入力の中から）最大の出力をもつリストから入力を返すアルゴリズムとするarbitrarily意的に壊れた。 $\:$APXには
、決定論的多項式時間で計算できる目的関数の問題のみが含まれているため 、BotLは多項式時間で決定論的に実装できます。$\:$さらに、BotLによって返される値は
、少なくともBotLが評価された入力の少なくともいずれかと同等です。$\:$特に、
そのリストの入力のいずれかが十分で あれば、BotLの出力は十分になります。
したがって、十分な数の基本アルゴリズムの独立した実行の出力でBotLを実行すると、成功確率を1 / polyから1-（1 /（2 ^ poly））に増幅できます。

前の段落の結果として、正確な
信頼レベルは本質的に結果のクラスに影響しません。
（この状況はRPに非常に類似しています。）

この論文で
言及されたワークショップで話されたかもしれないが、私は複雑な動物園でそれについて何も見つけることができなかった 。