ฉันไม่แน่ใจว่าระดับใดเหมาะสำหรับบทความ Wikipedia (บทความต่าง ๆ ดูเหมือนจะมุ่งเป้าไปที่ระดับความเชี่ยวชาญต่าง ๆ ) หรือสิ่งที่คุณกำลังมองหา ดังนั้นนี่คือความพยายาม แต่ฉันเปิดรับข้อเสนอแนะ
ทฤษฎีความซับซ้อนทางเรขาคณิตเสนอให้ศึกษาความซับซ้อนของการคำนวณของฟังก์ชันคอมพิวเตอร์ (พูดพหุนาม) โดยใช้ประโยชน์จากความสมมาตรโดยธรรมชาติในความซับซ้อนและความสมมาตรเพิ่มเติมของฟังก์ชันที่กำลังศึกษา
เช่นเดียวกับวิธีการก่อนหน้านี้จำนวนมากเป้าหมายสูงสุดคือการแยกคลาสความซับซ้อนสองคลาสโดยแสดงให้เห็นว่ามีพหุนามpซึ่งรับหน้าที่fเป็นอินพุท (พูดโดยใช้เวกเตอร์สัมประสิทธิ์) หน้าหายไปในการทำงานทุกฉ∈ ซีอีs ปีแต่ไม่ได้หายไปในบางฟังก์ชั่นกรัมชั่วโมงR d ∈ C ชั่วโมงR dCeasy,Chardpfpf∈Ceasyghard∈Chard
แนวคิดหลักประการแรก (เปรียบเทียบ [GCT1, GCT2]) คือการใช้สมมาตรเพื่อจัดระเบียบฟังก์ชันที่ไม่ใช่ตัวเอง แต่เพื่อจัดระเบียบคุณสมบัติ ( พีชคณิตเรขาคณิต ) ของฟังก์ชันเหล่านี้ดังที่บันทึกโดยพหุนามเช่นด้านบน ซึ่งจะช่วยให้การใช้งานของทฤษฎีการแสดงในความพยายามที่จะหาเช่นพี แนวคิดที่คล้ายกันเกี่ยวกับทฤษฎีการเป็นตัวแทนและเรขาคณิตเชิงพีชคณิตถูกนำมาใช้ในเรขาคณิตเชิงพีชคณิตมาก่อน แต่สำหรับความรู้ของฉันไม่เคยมีในลักษณะนี้pp
ความคิดที่สำคัญที่สอง (cf [GCT6]) คือการหา combinatorial (และพหุนามเวลา) อัลกอริทึมสำหรับการส่งผลให้ปัญหาการแสดงตามทฤษฎีแล้วย้อนกลับวิศวกรกลไกเหล่านี้แสดงให้เห็นว่าเช่นอยู่ สิ่งนี้อาจถูกนำมาใช้ในการใช้Linear Programming (อัลกอริทึม) เพื่อพิสูจน์ข้อความที่ชัดเจนp
อันที่จริง [GCT6] แนะนำให้ลดปัญหาการเป็นตัวแทนทางทฤษฎีด้านบนเป็นปัญหาการเขียนโปรแกรมจำนวนเต็มจากนั้นแสดงให้เห็นว่า IP ที่ได้นั้นได้รับการแก้ไขโดยการผ่อนคลาย LP ของพวกเขาและในที่สุดก็ให้อัลกอริทึม combinatorial การคาดเดาใน [GCT6] ได้รับแรงบันดาลใจจากผลการวิศวกรรมแบบย้อนกลับสำหรับค่าสัมประสิทธิ์ Littlewood-Richardson ซึ่งเป็นปัญหาที่คล้ายคลึงกัน แต่ง่ายกว่าในทฤษฎีการเป็นตัวแทน ในกรณีของสัมประสิทธิ์ LR กฎการรวมตัวของLittlewood-Richardsonมาก่อน ต่อมา Berenstein และ Zelevinsky [BZ] และ Knutson and Tao [KT] (ดู [KT2] สำหรับภาพรวมที่เป็นมิตร) ให้ IP สำหรับสัมประสิทธิ์ LR Knutson และ Tao ยังพิสูจน์การคาดการณ์ความอิ่มตัวซึ่งหมายความว่า IP ได้รับการแก้ไขด้วยการผ่อนคลาย LP (เทียบกับ [GCT3, BI])
pCeasypCeasy
ตัวอย่างสมมาตรของความซับซ้อนและฟังก์ชัน
f(x1,…,xn)f(xπ(1),…,xπ(n))π
det(X)det(AXB)=det(XT)=det(X)A,Bdet(AB)=1
ความคืบหน้าล่าสุดบางส่วน [ส่วนนี้ไม่สมบูรณ์อย่างแน่นอนและทางเทคนิคมากขึ้น แต่บัญชีที่สมบูรณ์จะใช้เวลาหลายสิบหน้า .... ฉันแค่ต้องการเน้นความคืบหน้าล่
Burgisser และ Ikenmeyer [BI2] แสดงขอบเขตล่างของการคูณเมทริกซ์หลังจากโปรแกรม GCT เท่าที่ใช้การแทนด้วยศูนย์ที่ไม่เป็นศูนย์ Landsberg และ Ottaviani [LO] ให้ขอบเขตล่างที่รู้จักกันเป็นอย่างดีในระดับโดยการจัดอันดับของการคูณเมทริกซ์โดยใช้ทฤษฎีการเป็นตัวแทนในการจัดระเบียบคุณสมบัติเชิงพีชคณิต แต่ไม่ได้ใช้การแทนพหุคูณหรือกฎเชิงประกอบ32n22n2
ปัญหาถัดไปหลังจากที่ค่าสัมประสิทธิ์ Littlewood-ริชาร์ดเป็นค่าสัมประสิทธิ์ Kronecker สิ่งเหล่านี้แสดงให้เห็นทั้งคู่ในชุดของปัญหาที่น่าสงสัยว่าในที่สุดก็มาถึงปัญหาการเป็นตัวแทนทางทฤษฎีที่เกิดขึ้นใน GCT และอีกมากมายโดยตรงในขอบเขตของความหลากหลายในแนวทาง GCT เพื่อการคูณเมทริกซ์และตัวกำหนดถาวร การหากฏ combinatorial สำหรับค่าสัมประสิทธิ์ Kronecker เป็นปัญหาที่เปิดกว้างในทฤษฎีการเป็นตัวแทน Blasiak [B] เมื่อเร็ว ๆ นี้ได้ให้กฎ combinatorial สำหรับค่าสัมประสิทธิ์ Kronecker ที่มีรูปร่างเบ็ดเดียว
Kumar [K] แสดงให้เห็นว่ามีตัวแทนบางอย่างปรากฏอยู่ในวงแหวนพิกัดของดีเทอร์มีแนนด้วยหลายศูนย์โดยสมมติว่าการคาดคะเนคอลัมน์ละตินสแควร์ (เทียบกับ Huang-Rota และ Alon-Tarsi) การคาดเดาเช่นนี้อาจไม่บังเอิญ ]) ดังนั้นการเป็นตัวแทนเหล่านี้ไม่สามารถใช้ในการแยกถาวรจากดีเทอร์แนนต์บนพื้นฐานของศูนย์กับหลายหลากไม่ใช่ศูนย์แม้ว่ามันอาจจะเป็นไปได้ที่จะใช้มันเพื่อแยกถาวรจากดีเทอร์มีแนนต์โดยความไม่เท่าเทียมทั่วไประหว่าง
ข้อมูลอ้างอิง
[B] J. Blasiak ค่าสัมประสิทธิ์ Kronecker สำหรับรูปร่างเบ็ดหนึ่ง arXiv: 1209.2018, 2012
[BI] P. Burgisser และ C. Ikenmeyer อัลกอริธึมการไหลสูงสุดสำหรับค่าบวกของสัมประสิทธิ์ Littlewood-Richardson FPSAC 2009
[BI2] P. Burgisser และ C. Ikenmeyer ขอบเขตล่างอย่างชัดเจนผ่านทฤษฎีเชิงซ้อนเชิงเรขาคณิต arXiv: 1210.8368, 2012
[BZ] AD Berenstein และ AV Zelevinsky มัลติเพิลสำหรับและสเปกตรัมของพีชคณิตภายนอกของการเป็นตัวแทน adjoint sl(r+1)J. พีชคณิตเชิงพีชคณิต 1 (1992) หมายเลข 1, 7–22
[GCT1] KD Mulmuley และ M. Sohoni ทฤษฎีความซับซ้อนเชิงเรขาคณิต I: วิธีการของ P เทียบกับ NP และปัญหาที่เกี่ยวข้อง SIAM J. Comput 31 (2), 496–526, 2001
[GCT2] KD Mulmuley และ M. Sohoni ทฤษฎีความซับซ้อนเชิงเรขาคณิต II: สู่สิ่งกีดขวางที่ชัดเจนสำหรับการแต่งงานในหมู่ชนชั้นต่างๆ SIAM J. Comput., 38 (3), 1175–1206, 2008
[GCT3] KD Mulmuley, H. Narayanan และ M. Sohoni ทฤษฎีความซับซ้อนทางเรขาคณิต III: ในการตัดสินใจเลือก nonvanishing ของค่าสัมประสิทธิ์ Littlewood-Richardson J. พีชคณิตเชิงพีชคณิต 36 (2555) หมายเลข 1, 103–110
[GCT5] KD Mulmuley ทฤษฎีความซับซ้อนเชิงเรขาคณิต V: ความเท่าเทียมกันระหว่างการสุ่มตัวอย่างแบบพหุนามในการคำนวณเอกลักษณ์พหุนามและการแยกความแตกต่างของการทำให้เป็นมาตรฐานของ Noether FOCS 2012 หรือ arXiv: 1209.5993
[GCT6] KD Mulmuley ทฤษฎีความซับซ้อนเชิงเรขาคณิต VI: การพลิกผ่าน positivity , รายงานทางเทคนิค, แผนกวิทยาศาสตร์คอมพิวเตอร์, มหาวิทยาลัยชิคาโก, มกราคม 2011
[K] S. Kumar การศึกษาการเป็นตัวแทนที่สนับสนุนโดยการปิดวงโคจรของดีเทอร์มิแนนต์ arXiv: 1109.5996, 2011
[LO] JM Landsberg และ G. Ottaviani ขอบเขตล่างใหม่สำหรับการจัดลำดับเส้นขอบของการคูณเมทริกซ์ arXiv: 1112.6007, 2011
[KT] A. Knutson และ T. Tao รูปแบบรังผึ้งของผลิตภัณฑ์เทนเซอร์ I. หลักฐานการคาดเดาความอิ่มตัว GLn(C)เจอเมอร์ คณิตศาสตร์. Soc 12 (1999), ฉบับที่ 4, 1055–1090
[KT2] A. Knutson และ T. Tao Honeycombs และผลรวมของเมทริกซ์ Hermitian ประกาศ Amer คณิตศาสตร์. Soc 48 (2001), ครั้งที่ 2, 175–186