Чому випадковість сильніше впливає на скорочення, ніж на алгоритми?


36

Можна припустити, що випадковість не розширює потужність поліноміальних часових алгоритмів, тобто передбачається для утримання. З іншого боку, випадковість, здається, має зовсім інший вплив на скорочення поліноміального часу . За добре відомим результатом Валіанта та Вазірані, скорочується до за допомогою рандомізованого скорочення часу поліномів. Мало ймовірно, що скорочення може бути дерандомізоване, оскільки воно дасть , що вважається малоймовірним.P=BPPU S A T N P = U PSATUSATNP=UP

Цікаво, що може бути причиною такої асиметричної ситуації: дерандомізація здається цілком можливою в імовірнісних поліноміальних часових алгоритмах, але не в імовірнісних скороченнях поліноміального часу?


3
Я гадаю, що причина полягає в тому, що випадковість допомагає, коли обчислення є інтерактивними (наприклад, заважаючи іншому гравцеві обманювати), а зменшення можна вважати дуже простим видом інтерактивних обчислень.
Каве

11
які існують докази того, що NP не дорівнює UP?
Сашо Ніколов

Інша ситуація, коли випадковість, здається, має значення - це "алгоритми значень oracle". Наприклад, хоча існує рандомізований алгоритм наближення 1/2 для необмеженої субмодулярної максимізації, найвідоміший детермінований алгоритм має лише 1/3 наближення. Відомо, що 1/2 наближення є оптимальним, а 1/3 наближення вважається оптимальним щонайменше одним із авторів.
Yuval Filmus

@Yuval, ви можете розширити свій коментар у відповідь? Мені було б цікаво прочитати довше пояснення.
Каве

4
Чудове запитання!
Гіл Калай

Відповіді:


28

По-перше, дозвольте мені прокоментувати конкретний випадок скорочення Валіант-Вазірані; це, сподіваюся, допоможе з’ясувати загальну ситуацію.

Зменшення Valiant-Vazirani можна розглядати / визначати декількома способами. Це скорочення "намагається" зіставити задоволену булеву формулу до однозначно задоволеного F ' і незадовільного F F 'FFF - на незадовільну . Усі формули виводу завжди отримуються шляхом подальшого обмеження F , тому незадовільність завжди зберігається. Відновлення може бути визначена або в якості висновку одного F ' , або як висновок списку F ' 1 , ... , F ' т . В останньому випадку "успіх" у випадку F SFFFF1,,Ft визначається як маєщонайменше одиноднозначно здійсненні F ' I в списку. Назвіть ці два варіанти відповідно "скорочення однотонних" та "скорочення списку" (це не стандартна термінологія).FSATFi

Перший момент, який важливо зауважити, полягає в тому, що ймовірність успіху в однотонному скороченні є досить малою, а саме де n - кількість змінних. У роботі досліджено труднощі щодо покращення цієї ймовірності успіхуΘ(1/n)n

"Чи поліпшена ймовірність ізоляції Валіант-Вазірані?" від Dell et al.

http://eccc.hpi-web.de/report/2011/151/#revision1

У скороченні списку ймовірність успіху можна зробити великою, скажімо, списком з величиною poly ( n ) . (Наприклад, можна просто повторити однократне скорочення, наприклад.)12n(n)

Тепер, це зовсім не очевидно чи інтуїтивно, що ми повинні мати можливість безпосередньо дерандонізувати скорочення, яке має лише ймовірність успіху . Дійсно, жоден з результатів твердості проти випадковості не дає гіпотез, згідно з якими ми можемо це зробити в цьому випадку. Набагато правдоподібніше, що скорочення списку може бути дерандомізоване (з дещо більшим списком). Зауважте, що це не означає, що N P = U P : наш вихідний формул може мати безліч однозначно задоволених формул, а можливо, і деякі з багатьма задовольняючими завданнями, і, здається, безнадійно намагатися визначити однозначно прийняття обчислень над таким список. 1/nNP=UP

Навіть якби ми могли яким - то чином дати список обтиснення , в якому реально завжди індукований список F ' 1 , ... , F ' т , де більшістьFF1,,Ft з «s однозначно здійснимо, немає чіткого способу перетворити це в детерміноване однократне зменшення для ізоляції. Справжня основна складність полягає в тому, що ми не знаємо жодної "операції з приблизною більшістю для однозначно задоволених формул", тобто зменшення R ( F 1 , , F t )FjR(F1,,Ft)вихід якого однозначно задоволений, якщо більшість ' s однозначно задовольняються, і незадовільний, якщо більшість F ' j ' є незадовільними. Це також здається загальним явищем: зменшення виводить більш складні об'єкти, ніж алгоритми прийняття рішень, а властивості цих об'єктів перевірити важче, тому складніше об'єднати багато з цих об'єктів в один об'єкт, який успадковує деяку властивість більшості.FjFj

Для випадку Валіант-Вазірані навіть не здається, що за правдоподібних припущень про дерандонізацію нам вдасться отримати , тобто детерміновано зводити задоволені формули до задоволених формул з poly ( n ) рішення. Інтуїтивно це випливає з того, що процедура виділення не має уявлення навіть про грубі розміри набору розчинів формули F, яку вона задана.NP=FewP(n)F


1
Я хочу, щоб усі, хто коли-небудь дізнався про Валіант-Вазірані, прочитали цю відповідь. Нерозуміння того, що дерандомізація ВВ означатиме NP = UP, є, на жаль, наполегливим та наполегливим, і це дає чітке обговорення проблем та альтернатив.
Джошуа Грохов

13

У світі оракулів легко навести приклади, коли випадковість дає нам набагато більше сили. Розглянемо, наприклад, проблему знаходження нуля врівноваженої булевої функції. Випадковий алгоритм забезпечує виконання запитів з постійною ймовірністю успіху, тоді як будь-який детермінований алгоритм вимагає щонайменше n / 2 запитів.O(1)n/2

Ось ще одна ситуація, де вона є підозрюють, що рандомізація допомагає. Припустимо, ми хочемо домогтися максимальної монотонної субмодулярної функції над обмеженням матроїда. Існують два різних алгоритми, які дають наближення , і це оптимально в цій моделі за результатами Vondrák. В обох алгоритмах потрібно обчислити функцію вигляду E x X f ( x ) , де X11/eExXf(x)Xце розподіл з експоненціальною підтримкою. Обчислити цю функцію точно дуже дорого, але її можна наблизити за допомогою вибірки, а результат - рандомізований алгоритм. На відміну від цього , найвідоміший детермінований алгоритм, жадібний алгоритм, дає наближення.1/2

Аналогічна ситуація виникає і при необмеженій субмодулярній максимізації (тут функція не обов'язково є монотонною). Недавній алгоритм прориву дає оптимальне наближення, але її детермінований варіант дає тільки 1 / 3 наближення. Тут рандомізація виявляється або точно так само, як і в монотонному випадку, або (в іншій версії алгоритму), роблячи кілька випадкових виборів на цьому шляху.1/21/3

Один з авторів останньої роботи здогадах , що це краще , що детермінований алгоритм може досягти, і ми можемо так само припущення , що +1 / +2 це краще , що може бути досягнуто в попередньому завданні. Якщо ці здогадки вірні, то це дуже природна ситуація, коли рандомізація, очевидно, допомагає.1/31/2

Нещодавно Добзінський та Вондрак показали, як перетворити нижню межу значень oracle (для рандомізованих алгоритмів) у результати твердості, що залежать від NP, відмінного від RP (ключовим інгредієнтом є розшифровка списку). Слід зазначити, що трансформація спирається на специфічний метод, який використовується для доведення нижньої межі оракула. Можливо, це правда, що нижня межа оракул з детермінованою цінністю також призводить до результатів твердості.


Цікаво, чи підпадає проблема оцінки обсягу під цю модель "оракул цінності". У цій моделі вам надається оракул членства для опуклого об'єкта, обсяг якого ви оцінюєте, і добре відомо, що це не може бути детерміновано наближеним навіть до експоненціального коефіцієнта, але його можна довільно наблизити за допомогою рандомізованого алгоритму.
Суреш Венкат

12

Однією з причин, чому вам може здатися дивним, є те, що ми, здається, думаємо, що в рандомізованих скороченнях від до U P існує більш очевидна (або гадана) потужність.NPUP ніж порівнянна з до P , це тому, що ви можете бути спокусилося думати про випадковість як про щось, що є потужним (або не потужним) незалежно від того, до якої «машини» ти додаєш його (якщо ми карикатуємо ці класи складності як класи, що виникають із моделей машин).BPPP

І все ж ці скорочення різної потужності існують. Насправді обчислювальний ресурс, такий як випадковість, не обов'язково має фіксовану кількість обчислювальної потужності, яка є або "значною", або "несуттєвою".

Ми можемо вважати, що будь-який клас складності, який є низьким для себе - наприклад, , P , B P P , B Q P , P , або P S P A C E - може бути підданий машинній моделі сортів, у якій машина завжди має чітко визначений стан, щодо якого ви можете задавати питання в будь-який момент часу, при цьому також дозволяючи обчислення продовжуватись поза тим питанням, яке ви задаєте: по суті, саме те, що машина може імітувати один алгоритм як підпрограму для інший. Машина, яка виконує обчислення, може бути не особливо реалістичноюLPBPPBQPPPSPACE якщо ми обмежимось практичними обмеженнями щодо ресурсів ( наприклад,  фізично зрозумілі та здатні дати відповіді в низьких рівнях, ступінь поліноміального часу для проблем, що цікавлять), але на відміну від таких класів, як - для яких ми не маємо уявлення про те, як недетермінований апарат міг би виробляти відповідь на іншу проблему в N P і використовувати відповідь будь-яким способом, окрім (ітераційних) сполучникових та диз'юнктивних скорочень таблиці істинності - уявляючи собі такий клас, як втілений машиною з чітко визначеним станом, який ми можемо запитати не сильно збиваються з нас.NPNP

Якщо ми зайняли цю позицію, ми можемо запитати, що відбувається, якщо ми надамо цим обчислювальним моделям додаткові засоби, такі як випадковість або недетермінізм. (Ці додаткові засоби не обов'язково зберігають властивість інтерпретувати машинною моделлю, особливо у випадку недетермінізму, але вони породжують "нові" класи.) Якщо цей додатковий засіб дає моделі більше потужності, породжуючи для класу C , це фактично еквівалентно твердженню про зменшення відMC до M за допомогою цього засобу,наприклад, рандомізоване скорочення у випадку випадковості.CM

Причина, через яку я описую це в низьких для себе класах, полягає в тому, що якщо ми серйозно поставимося до того, що вони є "можливими моделями обчислень в іншому світі", ваше запитання про рандомізовані скорочення відповідає тому, що здається, що випадковість різко збільшує потужність деяких моделей, але не інших .

NPUPPHBPPPPHBPPP(по суті, модуль кількісного підрахунку 2) каталізує випадковість, пов'язану з обмеженою помилкою (по суті, кількісним підрахунком з проміжною прогалиною), щоб дати нам еквівалент цілої безмежної ієрархії екзистенціальних і універсальних кванторів. Але це не означає, що ми це гадаємоP

BPP=PBPPΣ2pΔ2pNPcoNP

PHPBPPPBPP=PСправа не в тому, що "випадковість не має сили", але сама випадковість (точніше, доповнена лише обчисленням поліномів часу та надана інакше детермінованій обчислювальній моделі) не є потужною. Але це не означає, що не може бути сили в випадковості, яка може каталізуватися іншими обчислювальними ресурсами.


"окрім диз'юнктивного скорочення таблиці істинності", - що з іншими монотонними скороченнями таблиці істинності, такими як сполучне зменшення таблиці істинності?

@RickyDemer: Цілком правильно. У той час, коли я писав це, я працював над певними недетермінованими класами, пов'язаними з NL , для яких закриття під dtt- і ctt-скороченнями означало б закриття під доповненнями, і тому я пропустив згадку про ctt; але те саме явно не вірно для самих НЛ та НП . Я відредагую свою відповідь.
Niel de Beaudrap

@NieldeBeaudrap Це дуже хороша відповідь.
Tayfun заплатить
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.