İndirimler bizi bir sorunun izlenebilirliği için aşağı yukarı iyimser yapmalı mı?


14

Bana göre çoğu karmaşıklık teorisyeni aşağıdaki felsefi kurala inanıyor:

problemi için etkili bir algoritma bulamazsak ve problemini problemine indirgeyebilirsek , muhtemelen problem için de etkili bir algoritma yoktur .A B BAABB

Bu nedenle, örneğin, yeni bir sorunun NP-Complete olduğu kanıtlandığında , sonunda gösterebilecek yeni bir yaklaşımdan (sorun ) heyecanlanmaktan ziyade "çok zor" olarak .P = N PBP=NP

Bunu başka bir bilimsel alanda yüksek lisans öğrencisi ile tartışıyordum. Bu fikri oldukça mantıksız buldu. Onun benzetmesi:

Kuzey Amerika ve Asya kıtaları arasında bir köprü arayan bir kaşifsiniz. Uzun aylardır Amerika Birleşik Devletleri bölgesinden Asya'ya bir kara köprüsü bulmaya çalıştınız ve başarısız oldunuz. Sonra ABD anakarasının kara yoluyla Alaska bölgesine bağlı olduğunu keşfedersiniz. Alaska'dan Asya'ya bir kara köprüsünün ABD anakarasından Asya'ya bir kara köprüsü anlamına geleceğini biliyorsunuz. Yani Alaska yakınlarında keşif yapmak için zaman kaybetmeyin; sadece eve gidersin.

Önceki felsefi kuralımız bu bağlamda oldukça aptalca geliyor. İyi bir çürütme düşünemedim! Sizlerle bunu devrediyorum Yani: Neden bir azalma davranmalıyız sorun yapma gibi sert ziyade sorun yapma kolaylaştırır?B AABBA


2
BTW, her seferinde biz iddia ediyoruz bir altprogram yazmak kılan daha kolay. AABA
Suresh Venkat

1
P / NP sadece "en iyi bilinen" karmaşıklık sınıflarıdır ve neofitlere öğretilenlerdir. onun yavaş yavaş "minik" den "büyük" e çıkartılması bütün bir evren. indirimler büyük sınıfların şu anda mümkün değil / mevcut olandan daha büyük bir hassasiyetle ayırt edilebildiği henüz değil burada büyük ölçüde güne hazırlanıyor. belki de bu soru diğer sezgisel analojilerle cevaplanabilir. olası bir bilimsel benzetme (temel) parçacıklar fizik için olduğu gibi karmaşıklık sınıflarının TCS için olmasıdır. & biz hala ilişkileri ilişkilendirmeye çalışıyoruz. vs ... sonra cevap verebilir.
vzn

7
@vzn Lütfen mezun öğrencileri "neofit" olarak tanımlamayın: oldukça olumsuz çağrışımları vardır. "Acemi" bile yeterli kredi vermiyor.
David Richerby

1
Birkaç örnek buldum - ama bunların birçoğu olduğunu düşünüyorum - azaltma açıkça "ters (pozitif) yönde" kullanılır: problemini modellemek için bir polinom zaman problemi kullanın (yani bir azaltma ) bu şekilde polinom zamanında çözülebileceğini kanıtlar . Planlama sorunları hakkında bunu hatırlıyorum: Teorem 3.10 : Bloklar-dünya problemi Tom Bylander: Önerme STRIPS Planlamasının Hesaplamalı Karmaşıklığı'nda (polinom zamanı çözülebilir) olarak azaltılabilir. Artif. Intell. 69 (1-2): 165-204 (1994)A A m B A P L A N S A T + 1BAAmBAPLANSAT1+
Marzio De Biasi

1
Dikilen klips problemiyle ilgili ilginç bir örnek var: Frieze ve Kannan , rastgele bir grafikte dikilmiş bir klibi bulmanın, rastgele örnekler için kübik bir formun maksimum değerine yakınlaştırılabileceğini gösterdi. Bu makalede, sonuçları ekili klik için bir yaklaşım olarak açıkça sunmaktadırlar. Bildiğim kadarıyla, bu azalma genellikle 3 boyutlu tensörlerin problemlerinin sertliğine dair kanıt olarak görülüyor.
Sasho Nikolov

Yanıtlar:


14

Bence bu çok iyi bir soru. Cevaplamak için şunu fark etmeliyiz:

  • tüm indirimler birbirine benzemez,
  • iyimser hissetmek için gerçekten yararlı bir şey öğrenmemiz gerekiyor.

Genellikle, önemsiz bir azalma bulduğumuzda , aşağıdaki kategorilerden birine girer:AB

  1. A sorunu hakkında yararlı bir şey öğrendik (ve B sorunu hakkında hiçbir şey).
  2. B sorunu hakkında cesaret kırıcı bir şey öğrendik (ve A sorunu hakkında hiçbir şey).

Biraz daha kesin olarak, bu iki durum aşağıdaki gibi karakterize edilebilir:

  1. A probleminin gizli bir yapıya sahip olduğunu keşfettik, bu da problem A'yı çözmek için yeni, akıllı bir algoritma tasarlamayı mümkün kıldı.

  2. Bazı özel durumlarda, problem B'nin temelde sadece gizlenmiş problem A olduğunu fark ettik. Şimdi, B problemini çözmek için herhangi bir algoritmanın en azından bu özel durumları doğru bir şekilde çözmesi gerektiğini görebiliriz; ve bu özel durumların çözülmesi temel olarak problem A'nın çözülmesine eşdeğerdir: Birinci kareye geri döndük: B problemiyle ilgili herhangi bir ilerleme kaydetmek için önce problem A ile bazı ilerlemeler kaydetmeliyiz.

Tip 1'deki indirimler olumlu sonuçlar bağlamında yaygındır ve bunlar iyimser hissetmek için kesinlikle iyi nedenlerdir.

Bununla birlikte, örneğin NP sertlik kanıtları bağlamında karşılaştığımız sertlik azaltmalarını göz önünde bulundurursanız, bunlar neredeyse her zaman tip 2'dir.

Problem A'nın veya problem B'nin hesaplama karmaşıklığı hakkında hiçbir şey bilmeseniz bile, indirgemenizin tip 1 veya tip 2 olup olmadığını söyleyebilirsiniz. Bu nedenle, örneğin P ≠ NP'ye iyimser mi yoksa kötümser mi olduğumuzu belirleyin. Azaltma sayesinde öğrendiklerimizi görebiliyoruz.


Bu yanıtı çok beğendim. Bana öyle geliyor ki, tip-1 indirimleri ile tip-2 indirimleri arasında ayrım yapmak çok fazla deneyim gerektiriyor. Bunun iyi bir tarihsel örneği olup olmadığını biliyor musunuz? Örneğin, yapısal olarak insanların olduğunu düşünecek kadar derin olan NP-Tamlık sonuçları var mıydı? P=NP
GMB

16

Analojide eksik olan, ilgili göreli mesafelerin bir nosyonudur. Alaska'yı aya benzetmemizle değiştirelim:

Kuzey Amerika ve Asya kıtaları arasında bir köprü arayan bir kaşifsiniz. Uzun aylardır Amerika Birleşik Devletleri bölgesinden Asya'ya bir kara köprüsü bulmaya çalıştınız ve başarısız oldunuz. Sonra anakara ABD'nin karadan aya bağlandığını keşfedersiniz. Ayın Asya'dan çok uzak bir mesafe olduğundan zaten eminsiniz, bu yüzden artık Kuzey Amerika'nın üçgen eşitsizliği ile Asya'dan çok uzak bir mesafe olduğundan emin olabilirsiniz.


2
+1. Bu cevap daha derin bir nokta getiriyor. İndirimler hem şeyleri birbirinden ayırabilir, hem de “bir araya getirebilir”. Bunlardan hangisinin yaptığı önceki inancınıza bağlıdır.
Suresh Venkat

9

İndirgeme teoremlerine her zaman sertlik ifadeleri olarak baktığımız doğru değildir. Örneğin, algoritmalarda, bir sorunu çözmek için genellikle LP ve SDP'ye indiririz. Bunlar sertlik sonuçları değil algoritmik sonuçlar olarak yorumlanır. Bununla birlikte, teknik olarak indirimler olmalarına rağmen, çoğu zaman bunlardan bahsetmiyoruz. Bir azaltma ile kastettiğimiz, genellikle bazı (NP-) zor problemlere bir azalmadır.

Bir azalma göreceli bir sertlik sonucudur, eğer probleminden problemine bir azalmamız varsa , bir anlamda daha kolay demektir , bu da ile daha zordur . Alt sınır mutlak bir sertlik sonucudur. Şimdi biliyorsanız / o varsayım dan azaltma sonra kesinlikle zor karşı için aynı imaB A B B A A A B BABABBAAABB. Çoğu araştırmacı, P'nin NP'ye eşit olmadığını ve SAT'ın üstel zaman gerektirdiğini düşünüyor. Başka bir deyişle, SAT'ın çok zor olduğuna inanılmaktadır. Bu varsayımları kabul ederseniz, NP için bir sorunun evrenselliğini ispatlayan sorunların zor olduğu yönündeki indirimlere bakmak tamamen mantıklıdır. (Araştırmacılar P'nin NP'ye eşit olmadığını neden daha farklı bir sorundur, bu konuda teori bloglarında birkaç blog yazısı olmuştur.)

Alt sınırı evrensellik sonuçlarıyla değiştirmemizin bir nedeni (yani, bir sınıftaki her problemden soruna bir azalma var), iyi genel alt sınırları kanıtlamadaki başarı eksikliğimizdir (mevcut bilgi durumu ile tutarlıdır. SAT, lineer deterministik zamanda çözülebilir).


A, B'den daha mı kolay? Çoğu azaltma belirli bir zaman cezası içerir ve belirli bir azaltmanın A'ya en hızlı çözüm kadar hızlı olması mümkündür. A'dan B'ye bir azalma, A'nın B'den çok daha zor olmadığını gösterir, ancak yine de Daha güçlü.
Brilliand

Burada daha kolay, indirgeme sınıfının denklik sınıfı anlamına gelir.
Kaveh

İki sorunun birbirinden karşılıklı olarak daha kolay olması mümkün mü? Eşdeğerlik sınıflarına genelleme yapıyorum, ama bunun yine de "en azından kadar kolay" olması gerektiğini düşünürdüm.
Brilliand

Daha kolay demek kesinlikle daha kolay demek değildir.
Kaveh

3

Aslında, Alaska'nın keşfi en azından ilk başta tam tersi bir etkiye sahip olacaktı. Şimdiye kadar batıya doğru uzandığı için, insanların, belki de bir kara köprüsü olduğunu düşünmelerini sağlayacaktı, sonuçta (benzetme, hey, belki P  =  NP, çünkü bu yeni NP tamamlanmış problem, böyle iyi bir aday gibi görünüyor bir polinom-zaman çözeltisine sahip). Bununla birlikte, Alaska iyice keşfedildikten ve kara köprüsü bulunmadığında, insanlar muhtemelen Asya ve Amerika'nın birbirinden ayrı olduğundan daha ikna olacaktır.


3

soru, uzmanlar tarafından fazla kullanılmayan ve sadece P / NP'ye odaklanan ve diğer karmaşıklık sınıflarından bahsetmeyen belirli bir analoji / metafor getiriyor, oysa uzmanlar bunu Kuperberg tarafından oluşturulan dikkate değer diyagramda olduğu gibi birbirine bağlı büyük bir varlık evreni olarak görme eğilimindedir . karmaşıklık sınıflarının analojilerinin büyük bir listesini derlemek düzgün olurdu, böyle birçok analoji var. NP'nin tamamlanmış olduğu kanıtlanan “sorunların giderilmesi” ve “yeni yaklaşımlara karşı heyecan” dan bahsediyor.

NP tam sınıfını keşfetmenin ilk "heyecanı" olduğunu anlayabiliriz, ancak P ≠ NP'nin umut verici bir yere gitmediğini kanıtlamak için dört yıldan fazla bir süredir yoğun çaba sarf ettikten sonra bazı "heyecanlar" solmuştur ve bazı araştırmacılar daha yakın değiller. tarih, bazen daha sonra pişmanlık duyan veya çok fazla belirgin ilerleme olmadan problemler üzerinde uzun yıllar çalışmış araştırmacılarla doludur. bu yüzden NP complete (Aaronson'un benzetmesini ödünç vermek) bir tür "elektrikli çit" olarak hizmet edebilir (" kelimenin tam anlamıyla, birden fazla şekilde)" inatçı "problemlere girişimlerde fazla yer almamak için bir uyarı / uyarı .

NP'nin tam sorunlarının "kataloglanmasının" önemli bir yönü olduğu doğrudur. bununla birlikte, temel NP tam problemleri (SAT, klik tespiti, vb.) üzerine büyük "ince taneli" araştırmalar devam etmektedir. (aslında çok benzer bir fenomen karar verilemeyen sorunlar ortaya çıkar: bir kez kanıtlanamayan kanıtlanmış, sanki daha fazla soruşturma için bir "arazi yok" olarak yönetiliyormuş gibi.)

bu yüzden tüm NP tam problemlerinin mevcut teori kadar eşdeğer olduğu kanıtlanmıştır ve bu bazen Berman-Hartmanis izomorfizm varsayımı gibi çarpıcı varsayımlarda da görülür . araştırmacılar bunun bir gün değişeceğinden umutlu.

bu soru soft-questioniyi bir sebeple etiketlenmiştir . makalelerinde popüler bilime yönelen , bunun yerine matematiksel kesinlik / titizliğe odaklanmayı tercih eden (ve bu grubun iletişim kılavuzlarında vurgulandığı gibi) ciddi bilim adamlarını çok fazla benzetme bulamayacaksınız . yine de yabancıların / meslekten olmayanların eğitim ve iletişiminde bazı değerler vardır.

burada kavramlar için "araştırma liderleri" ile birlikte laymen için birkaç "karşı analojiler". bu daha uzun bir liste haline getirilebilir.

  • söz konusu bölgelerde bir benzetme var. ancak dahil karmaşıklık teorisinin önemli bölgelerinden düşünmek daha mantıklı içinde olarak bilinen sınıflar terra incognita . diğer bir deyişle, P kesişen NP bölgesi vardır. hem P hem de NP oldukça iyi anlaşılmıştır, ancak P ⋂ NP-sert (P'nin NP-sert ile kesiştiği) bölgesinin boş olup olmadığı bilinmemektedir.

  • Aaronson son zamanlarda P / NP için asla karışmayan görünüşte farklı iki tür kurbağa türünün metaforunu verdi. ayrıca ikisi arasında "görünmez elektrikli çit" den söz etti.

  • parçacık fiziği standart modeli inceler. fizik, karmaşıklık teorisinin karmaşıklık sınıflarının kompozisyonunu incelediği gibi parçacıkların kompozisyonunu inceler. fizikte, bazı parçacıkların nasıl karmaşıklık teorisinde olduğu gibi (“sınırlar oluşturma”) nasıl ortaya çıktığı konusunda bazı belirsizlikler vardır.

  • "karmaşıklık hayvanat bahçesi" , onun farklı yetenekleri, bazı küçük / zayıf ve bazı büyük / güçlü egzotik hayvanlar bir sürü gibi.

  • karmaşıklık sınıfları görüldüğü gibi yumuşak bir zaman / uzay sürekliliğinde gibi Zaman / alan anahtar hiyerarşi teoremi "geçiş noktaları" farklı durumları arasında (fiziksel madde faz geçişlerine şaşırtıcı oldukça derin benzer).

  • Turing makinesi "hareketli parçalara" sahip bir makinedir ve makineler enerji ölçümlerine eşdeğer işler yapar ve zaman / alan ölçümleri vardır. dolayısıyla karmaşıklık sınıfları kara kutu girdi-çıktı dönüşümleri ile ilişkili "enerji" olarak görülebilir .

  • Matematik tarihinden pek çok olası analog vardır, yani dairenin karesi alma, kuintik denkleme cebirsel çözümler bulma, vb. problemi.

  • Impaggliazo'nun dünyaları

  • Fortnows yeni kitap madencilik için çok popüler bilim benzetme içeriyor.

  • Şifreleme / Şifre Çözme: İkinci Dünya Savaşı sırasında ünlü bir şekilde çalışmak Turing ve karmaşıklık sınıflarındaki farklılıkları kanıtlayan birçok teorem, şifre çözme sorunlarına benzer görünebilir. bu, karmaşıklık sınıfı ayrımının doğrudan “kopan” sahte rasgele sayı üreteçleriyle ilişkili olduğu Doğal Kanıtlar gibi kağıtlarla daha sağlam hale getirilir .

  • Sıkıştırma / açma: Farklı karmaşıklık sınıfları, farklı miktarlarda veri sıkıştırmaya izin verir / temsil eder. örneğin P / poly'nin NP içerdiğini varsayalım. bu, daha büyük NP tam problemlerini "" "kodlayabilen" daha küçük "varlıklar (yani devreler) olduğu anlamına gelir, yani daha büyük (veri) yapılar, daha küçük (veri) yapılara verimli bir şekilde" sıkıştırılabilir ".

  • Hayvanat bahçesi / hayvan benzetmesi boyunca, karmaşıklık teorisinin güçlü bir Kör insan ve fil yönü vardır. alan hala görünüşte / muhtemelen çok uzun bir arkın önceki aşamalarındadır (bu yüzyıllar hatta milenlerden oluşan diğer matematik alanlarının mantıksız veya duyulmamış değildir) ve çok fazla bilgi kısmi, ayrık ve parçalanmış.

kısacası soru "indirimlerle ilişkili iyimserlik" sorusunu soruyor. bilim adamları genellikle tamamen mantıklı arayışlarında duygulardan kaçınırlar hatta onlara gülüyorlar. alanda hem uzun süreli karamsarlık hem de temkinli iyimserlik arasında bir denge vardır ve kayıt dışılık için bir yer olsa da, tüm ciddi araştırmacılar iş tanımının bir parçası olarak mesleki tutumlarında tarafsızlığa doğru çaba göstermelidir. anlaşılır bir şekilde küçük zaferler ve artımlılık ve "taşınmamak" üzerine bir odak vardır.


1
Teşekkürler, bu harika bir yanıt. Kuperberg tarafından ne harika bir diyagram!
GMB

Evet. umarım bu, indirimlerin biyolojideki filum / tür vb. bu genellikle daha fazla çalışmayı engellemek yerine desteklemektedir. diyagramda da, hesaplama sertliğinin sürekliliği alt kısımdaki "düşük / kolay" ile üst kısımdaki "sert" arasında değişmektedir. dikkat çekici olan şey, sınıf hiyerarşisinin ayrık ve sürekli yönlerinin kontrast / ikilikidir. ayrıca, P / NP gibi büyük / anahtar sınıflar, kendileriyle ilgili diğer birçok sınıfla "hub" gibi bir işlevi görür.
vzn
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.