Які рандомізовані алгоритми мають експоненціально малу ймовірність помилок?


15

Припустимо, що рандомізований алгоритм використовує r випадкових бітів. Найменша ймовірність помилок, яку можна очікувати (не виходячи з детермінованого алгоритму з 0 помилкою), становить 2Ω(r) . Які рандомізовані алгоритми досягають такої мінімальної ймовірності помилок?

Кілька прикладів, які приходять на думку, такі:

  • Алгоритми вибірки, наприклад, коли потрібно оцінити розмір набору, для якого можна перевірити членство. Якщо зразки однаково випробовують елементи для перевірки, обмеження Черноффа гарантує експоненціально малу ймовірність помилок.
  • Алгоритм Каргера-Кляйна-Тарджана для обчислення дерева мінімального прольоту. Алгоритм вибирає кожне ребро з вірогідністю 1/2 і рекурсивно знаходить MST у вибірці. Можна використати Черноффа, щоб стверджувати, що це експоненціально малоймовірно, що там буде 2n + 0,1 м краї, які кращі за дерево (тобто, ви вважаєте за краще взяти їх за один з країв дерева).

Чи можете ви придумати інші приклади?

Дотримуючись відповіді Андраса нижче: Дійсно, кожен алгоритм багаточленного часу може бути перетворений на більш повільний алгоритм поліноміального часу з експоненціально малою ймовірністю помилок. Моя увага зосереджена на максимально ефективних алгоритмах. Зокрема, для двох прикладів, які я наводив, є детерміновані багаточленні алгоритми часу, які вирішують проблеми. Інтерес до рандомізованих алгоритмів пояснюється їх ефективністю.


1
Не повна відповідь, але була проведена деяка робота з рандомізованої числової лінійної алгебри. youtube.com/watch?v=VTroCeIqDVc
Baby Dragon

Можливо , ніхто не може очікувати , але можна , звичайно , надія ( по- , як і раніше «далекі від детермінованого алгоритму з 0 помилок») , що для всіх дійсних чисел c, якщо c<1 то є алгоритм чия ймовірність помилок 2cr. Я вважаю, тестування поліномної ідентичності є такою проблемою.

@RickyDemer Я не розумію ваш коментар. Звичайний рандомізований алгоритм для ПІТ має помилку, яка не є експоненціальною у випадковості. То що ти кажеш? Ви хочете сказати, що може існувати такий алгоритм для будь-якої проблеми BPP?
Сашо Ніколов

Тепер я розумію, що насправді я не бачу жодного способу показати, що ПІТ є в описаному мною класі. З іншого боку, дозволити бути надполіномом у d (тобто дозволити довжину (S) надлінійною довжиною (d)) було б достатньо для лемми Шварца-ЗіппеляSd (продовження ...)

1
Багато конструкцій імовірнісних методів мають таку поведінку, ні? Наприклад, вибір випадкового набору двійкових рядків і перегляд їх найближчої пари - ймовірність того, що на відстані менше буде два рядки, дуже мала. -------------------------------------------------- ----------------------- В дусі відповіді БПП нижче: Враховуючи постійний розширювач градусів, з n вершинами та n / 2 позначеними вершинами, ймовірність випадкової прогулянки довжиною O ( t ) пропустити помічену вершину становить 2 - Ω ( t ) , якщо t = Ω (n/4n/2O(t)2Ω(t) . t=Ω(logn)
Саріель Хар-Пелед

Відповіді:


18

Імпальязцо та Цукерман довели (FOCS'89, див. Тут ), що якщо алгоритм BPP використовує випадкових бітів для досягнення ймовірності правильності принаймні 2/3, то, застосовуючи випадкові прогулянки на графах розширення, це може бути покращено до ймовірності правильності з 1 - 2 - до , використовуючи O ( г + K ) випадкові біти. ( Примітка: хоча автори використовують реферат 2/3 в рефераті, його можна замінити будь-якою іншою постійною, що перевищує 1/2.)r12kO(r+k)

Якщо ми візьмемо , то це означає , що будь-який алгоритм , який досягає БППИ постійної ймовірності помилки < 1 / 2 , з використанням R випадкових біт, може бути (нетривіально) покращено , щоб мати можливість помилки 2 - Ом ( г ) . Таким чином, (якщо я щось неправильно зрозумів), ймовірність помилок 2 - Ω ( r ) досяжна для кожної проблеми в BPP.k=r<1/2r2Ω(r)2Ω(r)


6
Проблема таких методів посилення полягає в тому, що вони сповільнюють алгоритм. Новий алгоритм може використовувати лише випадкові біти O (r), але час його виконання становить r разів (початковий час виконання). Якщо r, скажімо, принаймні лінійний у вхідному розмірі n (яким він зазвичай є), ви просто уповільнили алгоритм коефіцієнтом n. Це не те, чому б раділи більшість алгоритмів ...
Дана Мошковіц,

2

Я не впевнений, що це те, що ви шукаєте, але це пов'язано:

кктpк,т

т4t

pk,tO(k4t).

t=1

pk,12(1o(1))klnlnklnk2Ω~(k).

Докладніші відомості див. У Erdös and Pomerance (1986) , Kim and Pomerance (1989) та Dåmgard, Landrock, Pomerance (1993) .

O(k2)O(к)

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.