理論計算機科学

理論計算機科学者および関連分野の研究者のためのQ&A

1
コンストラクションペーパーの計算の誤植?
古典的な構造の紙の計算では、 (PDFの7ページ、元のドキュメントの101ページ) このルールは、すべてのコンテキストがそのコンテキストのメンバーに還元可能であることを意味します。これは、それが伴うので、それは正しいはずがないようです 1 ≅ Nat 3 ≅ Nat 1 ≅ 3 Natがコンテキストの場合。 最良の解釈は、低い方のデルタがMであることを意味していたと思います。特に、次のページに記載されているルールを考慮してください。 これは単にタイプミスですか、それとも私が理解していない微妙な論理ルールですか?

2
ボックス化されていない型よりも上位の多態性
Hindley–Milnerに基づいて型推論を行い、デフォルトで型がボックス化されていない言語があります。主に存在型を扱うために、より高いランクのポリモーフィズムを追加したいと思います。 これらの型をチェックする方法は理解していると思いますが、コンパイルするときに何をすべきかわかりません。現在、私はC ++テンプレートのように特殊化を生成することによってポリモーフィックな定義をコンパイルし、ボックス化されていない値を処理できるようにしています。たとえば、の定義が与えられf<T>、プログラムがf<Int32>and のみを呼び出す場合、f<Char>それらの特殊化のみがコンパイルされたプログラムに表示されます。(今のところ、プログラム全体のコンパイルを想定しています。) しかし、多態性関数を引数として渡すと、実行時に関数を選択できるため、適切な特殊化を静的に生成する方法がわかりません。ボックス化された表現を使用する以外に選択肢はありませんか?または問題を回避する方法はありますか? 私の最初の考えは、なんとかしてランクnの多型をランク1としてエンコードすることでしたが、構造論理の式は必ずしも通常の形をしているわけではないので、一般にそれが可能であるとは思いません。

1
偏った推定量の使用例
偏りのある推定量は、偏りのない推定量が管理できるものよりも平均二乗誤差を最適化できるため、統計に役立ちます。理論CSで、偏った推定量の効果的な使用の非常に注目すべき例があるかどうか疑問に思いました。このリストは長くなる可能性があることを理解しています。長くなると、この質問を大きなリストのCW質問に変更できますが、今のところ、私は興味があります。

2
動的に更新される入力での多項式の値の維持
ましょう、固定有限体上の多項式です。我々は、の値を与えられていると仮定PいくつかのベクトルにY ∈ { 0 、1 } nは、ベクトルyは。P(x1,x2,…,xn)P(x1,x2,…,xn)P(x_1, x_2, \ldots, x_n)PPPy∈{0,1}ny∈{0,1}ny \in \{0,1\}^nyyy 現在の値を計算するベクトルにY ' ∈ { 0 、1 } Nように、Y及びYが'(換言すれば、我々は正確に1つのビットを反転正確に一つの位置に異なるY)。この問題の空間と時間のトレードオフは何ですか?PPPy′∈{0,1}ny′∈{0,1}ny' \in \{0,1\}^nyyyy′y′y'yyy たとえば、がPの単項式の数である場合、係数とPのすべての単項式の値を格納できます。y iが反転している場合、格納されている情報を使用して、y iを含む各単項式の値を固定し、次にP (y )の値を固定します。全体として、O (r )の時間と空間が必要です。rrrPPPPPPyiyiy_iyiyiy_iP(y)P(y)P(y)O(r)O(r)O(r) (私は目的のためにを含む単項式をどのように識別するかについては何も言いません。Pの合理的な表現を選択できます。この例では、各iについてy iを含む単項式のリストを格納すると想定しています。)yiyiy_iPPPyiyiy_iiii もっと良いものはありますか?

3
半定プログラミング(SDP)の双対ギャップはいつゼロですか?
SDPの双対性ギャップの消失の正確な特徴を文献で見つけることはできませんでした。または、「強い双対性」はいつ成立しますか? たとえば、ラセールとSOS SDPの間を行き来する場合、原則として2つのギャップがあります。ただし、どういうわけか、このギャップが存在しないのには、「些細な」理由があるようです。 スレーターの状態は十分であるように見えますが必要ではなく、すべての凸型プログラムに適用されます。特にSDPについては、より強力なものが真実であると期待しています。スレーターの条件を使用して、双対性ギャップの消失を証明する明示的な例があれば、私も同様に喜んでいます。

1
RPの真のランダム性を(おそらく)コルモゴロフのランダム性に置き換えることはできますか?
コルモゴロフのランダム性がRPに十分であることを示す試みはありましたか?「正解がYESの場合、確率的チューリングマシンはYESを確率で返す...」というステートメントで使用される確率は、その場合、常に適切に定義されますか?それとも、その確率には上限と下限しかありませんか?それとも、確率が明確に定義されている確率的なチューリングマシンが常に存在するだけでしょうか(少なくとも、下限は1/2より大きくなければなりません)。 ここでのクラスRPは比較的恣意的であり、コルモゴロフのランダム性よりも(疑似)ランダム性の弱い概念についてこの質問をすることもできます。しかし、コルモゴロフのランダム性は良い出発点のようです。 「確率」という言葉を理解することは、コルモゴロフのランダム性がRPで機能することを示す試みの一部です。ただし、考えられる1つのアプローチを説明し、それが何を意味するのか、そしてなぜ上限と下限について話し合ったのかを明確にしましょう。 してみましょうsss(コルモゴロフランダム)文字列です。してみましょうAAA RPからの言語に対応する与えられた確率的チューリングマシンです。ランAAAとsssランダムビットのソースとしてnnn倍が、より以前に未使用のビットを消費し続けるsss次々 。 以下のためのpsn:=#YES result in first n runs of A on snpns:=#YES result in first n runs of A on snp_n^s:=\frac{\text{#YES result in first $n$ runs of $A$ on $s$}}{n}ps+:=lim supn→∞psnp+s:=lim supn→∞pnsp_+^s:=\limsup_{n\to\infty}p_n^s、P 、S + P S - S P S + = P S - S …

1
EXP完全問題とサブ指数アルゴリズム
問題がEXP時間完全であることは、がないことを意味しますか?AAAAAADTIME(2o(n))DTIME(2o(n))DTIME(2^{o(n)}) 時間階層の定理により、は含まれないことを知っています。それにもかかわらず、これはすぐにすべてのEXP完全問題のためのサブ指数時間アルゴリズムが存在除外していないようですインスタンス減らしたとき以来、問題の問題のインスタンスyに、私たちは多項式を有することができますサイズが爆破します。つまり、です。EXP=DTIME(2nO(1))EXP=DTIME(2nO(1))EXP=DTIME(2^{n^{O(1)}})E=DTIME(2O(n))E=DTIME(2O(n))E=DTIME(2^{O(n)})AAAxxxB∈EXPB∈EXPB\in EXPAAA|y|=|x|O(1)|y|=|x|O(1)|y|=|x|^{O(1)} だから私の質問は、無条件にEXP完全問題の指数以下の時間アルゴリズムの存在を除外するいくつかの議論があるかどうかです。

1
MAJ3SATのPP完全性のステータス
短い質問:MAJ-3CNFは多対1の削減ではPP完全な問題ですか? より長いバージョン:MAJSAT(命題文の割り当ての大部分が文を満たすかどうかを決定する)は多項削減ではPP完全であり、#SATは節約削減では#P完全であることはよく知られています。#3CNF(つまり、#SATが3-CNF数式に制限されている)が#P完全であることも明らかです。クック・レビンの削減は節約的で、3-CNFを生成します(この削減は実際にPapadimitriouの本で使用されています) #SATの#P完全性を示す)。 同様の議論は、MAJ-3CNFが多項削減のもとでPP完全であることを証明するようです(MAJ-kCNFはkJSNF式に制限されたMAJSATです。つまり、各句にはkリテラルがあります)。 ただし、ベイリー、ダルマウ、コライティスによるプレゼンテーション「PP完全な充足可能性の問題の相転移」では、著者は「MAJ3SATはPP完全ではない」と述べています(https://users.soe.ucscでのプレゼンテーション).edu /〜kolaitis / talks / ppphase4.ppt)。この文は彼らのプレゼンテーションにのみ出て、関連する論文には出てこないようです。 質問:#3CNFが#P完全であることの証明は、MAJ3CNFがPP完全であることを証明するために実際に適用できますか?ベイリーらの発言を考えると、そうではないようです。証拠が運ばない場合:MAJ-3CNFがPP完全であることの証拠はありますか?そうでない場合、この結果に関してPPと#Pの違いについて直観はありますか?

3
時間の関数としての長さを持つ最短距離問題
動機 先日、私は公共交通機関で市内を旅行していましたが、2つの場所間の最短接続を見つける問題をモデル化した興味深いグラフ問題を作成しました。 我々は、すべての古典的な「最短経路問題を」知っている:有向グラフを考えるとエッジの長さW E ∈ R + 0、G = (V、E)G=(V,E)G=(V,E)と2つの頂点 S 、T ∈ V、の間の最短経路を見つける S及び Tを(すなわち、トータルエッジ長を最小パス)。負でないエッジ長を想定すると、さまざまなアルゴリズムがあり、問題は簡単です。we∈R+0,e∈Ewe∈R0+,e∈Ew_e\in\mathbb{R}_0^+,\,e\in Es,t∈Vs,t∈Vs,t\in Vsssttt これは、たとえば、歩いている場合に適したモデルです。頂点は道路ネットワークの交差点であり、各エッジには固定長があります(たとえば、メートル単位)。エッジの重みの別の可能な解釈ある時、それは他の頂点の1から行くために私たちを取ります。これは今私が興味を持っている解釈です。wewew_e 問題 次の状況をモデル化したいと思います。市内のA地点からB地点まで公共交通機関で移動し、時間を最小限にしたいと考えています。公共交通機関ネットワークは、予想通り、有向グラフとして簡単にモデル化できます。興味深い部分は、エッジの重み(そのモデル時間)です-公共交通機関(バスなど)は特定の間隔でのみ出発し、ストップごとに異なります(グラフの頂点)。つまり、エッジの重みは一定ではなく、エッジを使用する時間に応じて変化します。 G=(V,E)G=(V,E)G=(V,E) w:E×R+0→R+0w:E×R0+→R0+w\colon E\times \mathbb{R}_0^+\rightarrow\mathbb{R}_0^+vvvuuut=10t=10t=10555vvvt=8t=8t=8w(vu,8)=7w(vu,8)=7w(vu,8)=7w(vu,10)=5w(vu,10)=5w(vu,10)=5 P=v1v2…vk−1vkP=v1v2…vk−1vkP=v_1v_2\ldots v_{k-1} v_kk=1k=1k=1w(P)=0w(P)=0w(P)=0w(P)=w(P′)+w(vk−1vk,w(P′))w(P)=w(P′)+w(vk−1vk,w(P′))w(P)=w(P')+w(v_{k-1}v_k,w(P'))P′P′P'PPPvkvkv_k wwww(e,t)≤w(e,t+Δ)+Δ for all e∈E,Δ≥0,w(e,t)≤w(e,t+Δ)+Δ for all e∈E,Δ≥0,w(e,t)\leq w(e,t+\Delta)+\Delta \text{ for all }e\in E,\Delta\geq 0,ΔΔ\Delta 関数が「うまく動作する」場合、この問題を古典的な最短経路問題に減らすことができる可能性があります。しかし、重み関数がワイルドになったときに何が起こるかを尋ねることができます。そして、待機するという仮定を外した場合はどうなるでしょうか。 ご質問 私の質問は次のとおりです。 この問題は以前に尋ねられたことがありますか?当たり前のようです。 何か研究はありますか?主に重み関数の特性に関して、尋ねられ、研究されるべき様々な副問題があるように私には思えます。 この問題を(おそらくいくつかの仮定の下で)古典的な最短経路問題に減らすことはできますか?

1
バイアスされたコインのBPPはいつ標準BPPと等しくなりますか?
確率的チューリングマシンが、確率(フリップは独立している)で表れる不当なコインにアクセスできるようにします。B P P pを、そのようなマシンが多項式時間で認識できる言語のクラスとして定義します。以下を証明するための標準的な演習です。pppB PPpBPPpBPP_p A)が有理またはB P P計算可能である場合、B P P p = B P Pです。(B P P計算可能という意味です:単項でnが供給されるランダム化された多項式アルゴリズムがあり、分母が2 nであり、pの2 − n − 1の範囲内にある2進有理数を返します。)pppB PPBPPBPPB PPp= B PPBPPp=BPPBPP_p=BPPB PPBPPBPPんnn2ん2n2^n2− n − 12−n−12^{-n-1}ppp B)一部の計算不可能な、クラスB P P pには決定不能な言語が含まれているため、B P Pよりも大きくなります。以下のような値Pがで稠密集合を形成(0 、1 )。pppBPPpBPPpBPP_pBPPBPPBPPppp(0,1)(0,1)(0,1) 私の質問は次のとおりです:その間に何が起こりますか?基準はありますか?特に:BPPp=BPPBPPp=BPPBPP_p=BPP 1)計算できない確率pは、B P P p = B P Pのように存在しますか?(それらはいくつかのより高いクラスで計算可能かもしれません)。BPPBPPBPPpppBPPp=BPPBPPp=BPPBPP_p=BPP 2)ですより広いB P Pすべてuncomputable用のp?(問題のパラメーターは、バイナリ展開に非常に長い0または1のシーケンスが含まれているパラメーターです。この場合、ランダムサンプリングによるビットの計算には非常に長い時間がかかり、計算不可能な時間でさえ、問題を多項式時間に再スケーリングすることはできません。困難は拡張の別のベースで克服できますが、特定のpはすべてのベースをだます場合があります)。BPPpBPPpBPP_pBPPBPPBPPpppppp

1
確率的オートマトンの紹介
確率的オートマトンの概要とそれらが認識するもの(単語からまでの特定の関数)はどこにありますか?決定論的有限オートマトン(DFA)が認識するものの「通常の言語」に類似した、確率的オートマトンによって認識されるそのような関数の標準的な用語はありますか?[ 0 、1 ][0,1][0,1] 私は、DFAや通常の言語に関する基本的な質問(たとえば、表現力、閉包性、決定可能性など)を研究するのと同じようにそれに近づくものを探しています。 これとこれは私が探しているものではないようです。


1
クリークのSATへの一般的な削減を改善しますか?
インスタンスをそれほど大きくせずに -CliqueをSAT に削減することに興味があります。kkk クリークはNPなので、対数空間を使用してSATに換算できます。簡単なGarey / Johnson教科書削減は、インスタンスを立方体サイズに爆破します。ただし、 -Cliqueはすべての固定 Pであるため、少なくとも固定に対して効率的な削減が「あるはず」です。k kkkkkkkkkk リダクションを作成する1つの方法は、SAT変数を特性ベクトルとして使用することです。変数がtrueに設定されている場合、関連する頂点がクリーク内にあることを示します。この削減は自然ですが、グラフがスパースの場合、2次サイズのSATインスタンスを作成します。スパースグラフの場合、隣接していない頂点のすべてのペアで、せいぜい1つの頂点がクリークにある可能性があることを強制するために、2次的に多くの句が必要です。 より上手にやってみましょう。O (n2)O(n2)O(n^2) Cook / Schnorr / Pippenger / Fischerの一般的な削減は、最初に言語を決定する多項式時間制限NDTMを取り、忘却型DTMによってNDTMをシミュレートし、回路によって忘却型DTMをシミュレートし、次に3によって回路をシミュレートします。 -SATインスタンス。これにより、NDTMタイムバウンドが場合、サイズ 3-SATインスタンスが作成されます。ログファクターは、忘却マシンによるシミュレーション時のオーバーヘッドのために避けられないようです。 -Cliqueの場合、があり、固定された準線形であるサイズの3-SATインスタンスが生成されるようです。t (n )k t (n )= O (n k )O (n k (log n + log k ))O (t (n )ログt (n ))O(t(n)log⁡t(n))O(t(n)\log t(n))t (n )t(n)t(n)kkkt (n )= O …

2
最適化は簡単だが評価が難しい
特定の候補解の品質を評価するよりも最適解を生成する方がはるかに簡単な最適化問題の既知の自然な例はありますか? 具体性のために、我々は、フォームの多項式時間解ける最適化問題を考慮することができる: "X与え、最小 "、ここでF :{ 0 、1 } * × { 0 、1 } * → Nたとえば、#P-hardです。そのような問題は明らかに存在します(たとえば、fが計算できない場合でも、すべてのx に対してf (x 、0 )= 0になる可能性があります)が、この現象を示す「自然な」問題を探しています。f(x 、y)f(バツ、y)f(x, y)f:{ 0 、1 }∗× { 0 、1 }∗→ Nf:{0、1}∗×{0、1}∗→Nf:\{0,1\}^*\times\{0,1\}^* \to \mathbb{N}f(x 、0 )= 0f(バツ、0)=0f(x, 0) = 0バツバツxfff

1
対称多項式の評価
ましょうである対称の多項式、すなわち、多項式のように、F (X )= F (σ (X ))のすべてのためのx ∈ K、N及びすべての順列σ ∈ S N。便宜上、計算モデルの問題に対処することを避けるために、Kは有限体であると想定できます。f:Kn→Kf:Kん→Kf:\mathbb{K}^n \to \mathbb{K}f(x)=f(σ(x))f(バツ)=f(σ(バツ))f(x)=f(\sigma(x))x∈Knバツ∈Kんx \in \mathbb{K}^nσ∈Snσ∈Sん\sigma \in S_nKK\mathbb{K} LET 計算の複雑示すFを、即ち、所与、そのアルゴリズムの複雑度Xを、戻りF (X )。我々は何とか特徴づけることができますC (Fを)の性質に基づいて、F?たとえば、C (f )がすべての対称多項式fの多項式(n単位)であることは保証されていますか?C(f)C(f)C(f)fffxバツxf(x)f(バツ)f(x)C(f)C(f)C(f)fffC(f)C(f)C(f)nんnfff 特殊なケースとして、(a)時間ポリ(n )でべき乗多項式を計算でき、(b)ニュートンの恒等式を使用して、時間ポリ(n )で基本対称多項式を計算できます。場合その結果、fはない変数が高い1(すなわち、場合より乗されていない単項式の加重和であり、Fは多重線形である)、次いで、fは、それが加重和として表すことができるので(多項式時間で計算することができます。基本対称多項式の)。たとえば、K = G F (poly(n)ポリ(ん)\text{poly}(n)poly(n)ポリ(ん)\text{poly}(n)fffffffff、すべての対称多項式を多項式時間で計算できます。これ以上言えることはありますか?K=GF(2)K=GF(2)\mathbb{K}=GF(2)

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.