ความซับซ้อนของการสื่อสารที่กำหนดขึ้นเมื่อเทียบกับจำนวนพาร์ติชัน


19

พื้นหลัง:

พิจารณาถึงรูปแบบสองฝ่ายปกติของความซับซ้อนในการสื่อสารโดยที่ Alice และ Bob ได้รับ bit stringsและและต้องคำนวณฟังก์ชันบูลีนที่\}nxyf : { 0 , 1 } n × { 0 , 1 } n{ 0 , 1 }f(x,y)f:{0,1}n×{0,1}n{0,1}

เรากำหนดปริมาณต่อไปนี้:

D(f) (ความซับซ้อนของการสื่อสารที่กำหนดขึ้นโดย ): จำนวนบิตต่ำสุดที่อลิซและบ๊อบจำเป็นต้องสื่อสารเพื่อคำนวณอย่างไม่แน่นอนf ( x , y )ff(x,y)

Pn(f) (หมายเลขพาร์ติชันของ ): ลอการิทึม (ฐาน 2) ที่เล็กที่สุดของสี่เหลี่ยมสีเดียวในพาร์ติชัน (หรือหน้าปกแยก) ของ n{ 0 , 1 } n × { 0 , 1 } nf{0,1}n×{0,1}n

สี่เหลี่ยมสีเดียวในเป็นเซตย่อยซึ่งใช้ค่าเดียวกัน (กล่าวคือเป็นสีเดียว) ในองค์ประกอบทั้งหมดของค R × C f R × C{0,1}n×{0,1}nR×CfR×C

นอกจากนี้โปรดทราบว่าหมายเลขพาร์ติชันนั้นแตกต่างจาก "หมายเลขพาร์ติชันโปรโตคอล" ซึ่งเป็นหัวข้อของคำถามนี้

ดูข้อความโดย Kushilevitz และ Nisan สำหรับข้อมูลเพิ่มเติม ในสัญกรณ์ของพวกเขาสิ่งที่ฉันได้กำหนดให้เป็นเป็น(ฉ)บันทึก2 C D ( f )Pn(f)log2CD(f)

หมายเหตุ : คำจำกัดความเหล่านี้ถูกทำให้เป็นมาตรฐานโดยทั่วไปสำหรับฟังก์ชันที่ไม่ใช่บูลีนซึ่งเอาต์พุตของเป็นชุดที่ใหญ่กว่าff


ผลลัพธ์ที่ทราบ:

เป็นที่รู้จักกันว่าเป็นที่ถูกผูกไว้ในที่ต่ำกว่าคือสำหรับทุก (บูลีนหรือไม่บูลีน) ,(ฉ) อันที่จริงส่วนใหญ่ลดเทคนิคที่ถูกผูกไว้ (หรืออาจจะทั้งหมดหรือไม่) สำหรับจริงลดผูกพัน(ฉ) (ทุกคนสามารถยืนยันได้ว่านี่เป็นความจริงของเทคนิคที่ต่ำกว่าทั้งหมดหรือไม่)D ( f ) f P n ( f ) D ( f ) D ( f ) P n ( f )Pn(f)D(f)fPn(f)D(f)D(f)Pn(f)

นอกจากนี้ยังเป็นที่รู้จักกันว่าผูกพันนี้เป็นส่วนใหญ่ quadratically หลวม (สำหรับบูลีนหรือฟังก์ชั่นที่ไม่ใช่แบบบูล) คือ 2 เพื่อสรุปเรารู้ดังต่อไปนี้:D(f)(Pn(f))2

Pn(f)D(f)(Pn(f))2

มันถูกสันนิษฐานว่า(ฉ)) (นี่เป็นปัญหาแบบเปิดที่ 2.10 ในข้อความโดยข้อความโดย Kushilevitz และ Nisan) อย่างไรก็ตามด้วยความรู้ที่ดีที่สุดของฉันการแยกที่รู้จักกันดีที่สุดระหว่างสองฟังก์ชันนี้สำหรับฟังก์ชันบูลีนนั้นมีเพียงปัจจัยคูณของ 2 ดังแสดงใน " การคาดคะเนเชิงเส้น - อาเรย์ในความซับซ้อนของการสื่อสารเป็นเท็จ "โดย Eyal Kushilevitz, Nathan Linial และ Rafail OstrovskyPn(f)=Θ(D(f))

แม่นยำมากขึ้นพวกเขาแสดงครอบครัวไม่มีที่สิ้นสุดของฟังก์ชั่นแบบบูลเช่นว่า(ฉ)D ( f ) ( 2 - o ( 1 ) ) P n ( f )fD(f)(2o(1))Pn(f)


คำถาม:

การแยกที่รู้จักกันดีที่สุดระหว่างและสำหรับฟังก์ชันที่ไม่ใช่บูลีนคืออะไร ยังคงเป็นการแยกตัวประกอบ 2 ที่อ้างถึงข้างต้นหรือไม่D ( f )Pn(f)D(f)

เพิ่มใน v2 : เนื่องจากฉันยังไม่ได้รับคำตอบในหนึ่งสัปดาห์ฉันก็ยินดีที่จะได้ยินคำตอบบางส่วนการคาดเดาคำบอกเล่าหลักฐานพอสมควรและอื่น ๆ


คุณแน่ใจเกี่ยวกับหรือไม่ แทรก 3.8 ในหนังสือ Jukna เพียงพิสูจน์และ KN เพียงรัฐ2) D ( f ) 2 ( P n ( f ) ) 2 D ( f ) = O ( ( P n ( f ) ) 2 )D(f)(Pn(f))2D(f)2(Pn(f))2D(f)=O((Pn(f))2)
András Salamon

1
@ AndrásSalamon: ฉันไม่ได้ระวังเกินไปที่จะระบุขอบเขตบนเนื่องจากฉันกำลังมองหาฟังก์ชั่นที่ใกล้เคียงกับขอบเขตล่าง แต่ฉันคิดว่าทำได้ ดูทฤษฎีบท 2.2 ใน "ขอบเขตที่ต่ำกว่าในความซับซ้อนของการสื่อสาร" โดย Troy Lee และ Adi Shraibman (Pn(f)+1)2
Robin Kothari

เนื่องจากโดยที่เป็นจำนวนใบที่เล็กที่สุดในแผนผังโปรโตคอลการสื่อสารสำหรับจึงอาจเป็นไปได้ที่จะเกิดขอบเขตล่าง สำหรับที่ไม่ได้ในทางเทคนิคมุ่งต่ำ(ฉ) อย่างไรก็ตามตั้งแต่ , เช่นลดผูกพันเป็นหลักจะสร้างความใกล้เคียงกับค่าที่แม่นยำของ(ฉ) L ( f ) f log L ( f ) P n ( f ) D ( f ) 3.4Pn(f)logL(f)D(f)L(f)flogL(f)Pn(f)D ( f )D(f)3.4logL(f)D(f)
András Salamon

ดูคำตอบที่เกี่ยวข้องcstheory.stackexchange.com/a/3352/109
András Salamon

คำตอบ:


8

คำถามนี้ได้รับการแก้ไขแล้ว! อย่างที่ฉันพูดไปมันเป็นที่รู้กันว่า

Pn(f)D(f)(Pn(f))2 ,

แต่มันก็เป็นปัญหาที่สำคัญในการเปิดแสดงให้เห็นว่าทั้งหรือว่ามีฟังก์ชั่นที่มีการ(ฉ))Pn(f)=Θ(D(f))Pn(f)=o(D(f))

ไม่กี่วันที่ผ่านมาสิ่งนี้ได้รับการแก้ไขโดย Mika Göös, Toniann Pitassi, Thomas Watson ( http://eccc.hpi-web.de/report/2015/050/ ) พวกเขาแสดงให้เห็นว่ามีฟังก์ชั่นซึ่งเป็นที่น่าพอใจf

Pn(f)=O~((D(f))2/3){2/3})

พวกเขายังแสดงผลลัพธ์ที่ดีที่สุดสำหรับแบบด้านเดียวซึ่งฉันจะเขียนแทนด้วยซึ่งคุณต้องครอบคลุม 1-inputs ด้วยรูปสี่เหลี่ยมผืนผ้า เป็นที่น่าพอใจเช่นกัน P n 1 ( f ) P n 1 ( f )Pn(f)Pn1(f)Pn1(f)

Pn1(f)D(f)(Pn1(f))2 ,

และพวกเขาแสดงให้เห็นว่านี่เป็นความสัมพันธ์ที่ดีที่สุดที่เป็นไปได้ระหว่างมาตรการทั้งสองเนื่องจากพวกเขาแสดงฟังก์ชั่นซึ่งเป็นที่น่าพอใจf

Pn1(f)=O~((D(f))1/2){1/2})


นี่เป็นการสรุปคำถามอย่างดี!
András Salamon

7

คุณสังเกตว่าขอบเขตที่ต่ำกว่าในนั้นสัมพันธ์กับเทคนิคขอบเขตล่างที่มีอยู่ทั้งหมด สำหรับฟังก์ชั่นบูลีนสิ่งนี้น่าจะเป็นจริงตราบใดที่การคาดคะเนตำแหน่งบันทึกเป็นจริง อย่างไรก็ตามสามารถมีขนาดใหญ่กว่าชุดการหลอกที่อธิบายได้P n ( f )Pn(f)Pn(f)

ยังไม่ชัดเจนสำหรับฉันเท่าไหร่และสามารถแตกต่างกันในกรณีที่ไม่ใช่บูลีนD ( f )Pn(f)D(f)

ในส่วนที่เหลือฉันทำให้ความคิดเห็นเหล่านี้แม่นยำยิ่งขึ้น


KN (Kushilevitz และ Nisan ในหนังสือเรียนปี 1997) ร่างเทคนิคพื้นฐานสามประการสำหรับฟังก์ชั่นบูลีน: ขนาดของชุดหลอกขนาดของสี่เหลี่ยมเอกรงค์และอันดับของเมทริกซ์การสื่อสาร

ก่อนอื่นหลอกชุด หลอกลวงชุดเป็นสีเดียว: มีบางเช่นว่าสำหรับทุกS การแก้ไขขั้นสุดท้ายนั้นจำเป็นต้องคำนึงถึงสีอื่นด้วย ขั้นตอนพิเศษนี้สามารถหลีกเลี่ยงได้ ให้เป็นฟังก์ชั่น คู่ขององค์ประกอบที่แตกต่างคือหลอกลวงอ่อนสำหรับถ้าหมายความว่าทั้งหรือy_1) ชุดคือz { 0 , 1 } f ( x , y ) = z ( x , y ) S f : X × Y { 0 , 1 } ( x 1 , y 1 ) , ( x 2 , y 2 ) X × Y f f ( x 1 , y 1Sz{0,1}f(x,y)=z(x,y)Sf:X×Y{0,1}(x1,y1),(x2,y2)X×Yff ( x 1 , y 2 ) f ( x 1 , y 1 ) f ( x 2 , y 1 ) f ( x 1 , y 1 ) S X × Y f Sf(x1,y1)=f(x2,y2)f(x1,y2)f(x1,y1)f(x2,y1)f(x1,y1)SX×Yการหลอกลวงแบบอ่อนแอนั้นถูกกำหนดไว้สำหรับหากทุกองค์ประกอบที่แตกต่างกันของนั้นเป็นการหลอกลวงอย่างอ่อนแอ KN ระบุอย่างแน่ชัดหลังจากการพิสูจน์ 1.20 ว่าขนาดล็อกของชุดการหลอกที่อ่อนแอนั้นเป็นขอบเขตที่ต่ำกว่าสำหรับความซับซ้อนในการสื่อสารfS

ชุดหลอกที่อ่อนแอที่ใหญ่ที่สุดเลือกองค์ประกอบตัวแทนจากแต่ละรูปแบบเอกรงค์เดี่ยวในปกชุดที่แยกออกจากกันที่เล็กที่สุด ขนาดของชุดหลอกที่อ่อนแอที่สุดที่ใหญ่ที่สุดจึงมีขนาดใหญ่ที่สุดเท่ากับ (เลขชี้กำลังของ) หมายเลขพาร์ติชัน น่าเสียดายที่ขอบเขตที่จัดไว้โดยชุดหลอกมักอ่อนแอ หลักฐานการ KN 1.20 แสดงให้เห็นว่าการทำแผนที่ฟังก์ชั่นใด ๆ แต่ละองค์ประกอบของอ่อนแอหลอกลวงชุดเพื่อสี่เหลี่ยมผืนผ้าสีเดียวที่มีองค์ประกอบที่เป็นหนึง อย่างไรก็ตามสามารถมีได้หลาย monochromatic สี่เหลี่ยมในปก disjoint ที่เล็กที่สุดที่ไม่ปรากฏในภาพของกับองค์ประกอบทั้งหมดของอ่อนแออย่างหลอกลวงกับบางส่วน แต่ไม่ทั้งหมดขององค์ประกอบของS R s R S R S S n 1 / 4 n P n ( ) = n O ( บันทึกn )sSRsRSRSและไม่สามารถเพิ่มลงในได้ ในความเป็นจริง Dietzfelbinger, Hromkovičและ Schnitger แสดงให้เห็น (ดอย: 10.1016 / S0304-3975 (96) 00062-X ) ที่สำหรับที่มีขนาดใหญ่พออย่างน้อยของฟังก์ชันบูลีนทั้งหมดในตัวแปรมีเลย มี (อ่อน) ชุดหลอกลวงของบันทึกขนาดn) ดังนั้นบันทึกของชุดการหลอกที่ใหญ่ที่สุด (อ่อนแอ) จึงมีขนาดเล็กกว่าความซับซ้อนในการสื่อสารอย่างมากSn1/4nPn(f)=nO(logn)

สำหรับตำแหน่งการสร้างการติดต่อที่ใกล้ชิดระหว่างอันดับของเมทริกซ์ของฟังก์ชันและหมายเลขพาร์ติชันจะสร้างรูปแบบของการคาดคะเนบันทึกการจัดอันดับ (ขึ้นอยู่กับความหนาแน่นของการติดต่อ) ตัวอย่างเช่นหากมีค่าคงเช่นนั้นสำหรับฟังก์ชันบูลีนทุกดังนั้นและการคาดคะเนบันทึกอันดับหนึ่งสำหรับครอบครัวของฟังก์ชันที่เพิ่มขึ้นในที่สุดด้วยด้วยเลขชี้กำลังสำหรับใด ๆทำได้สำหรับขนาดใหญ่พอa>0Pn(f)alogrk(f)fD(f)(2alogrk(f))2rk(f)|X|+|Y|2+ϵϵ>0|X|+|Y|. (จำได้ว่าการคาดคะเนตำแหน่งอันดับบันทึกของLovász-Saks บอกว่ามีค่าคงที่เช่นนั้นสำหรับฟังก์ชันบูลีนทุก ; นี่คือ อันดับของเมทริกซ์การสื่อสารของเหนือ reals)c>0D(f)(logrk(f))cfrk(f)f

ในทำนองเดียวกันถ้ามีรูปสี่เหลี่ยมผืนผ้าขนาดใหญ่เพียงอันเดียวที่มีรูปสี่เหลี่ยมเล็ก ๆ จำนวนมากรวมกันแล้วจำนวนพาร์ติชั่นจะให้ความแข็งแรงมากกว่าขนาดของบันทึกของรูปสี่เหลี่ยมผืนผ้าขนาดใหญ่ที่สุด อย่างไรก็ตามการคาดคะเนบันทึกอันดับเทียบเท่ากับการคาดคะเนเกี่ยวกับขนาดของรูปสี่เหลี่ยมผืนผ้าขนาดใหญ่ที่สุด (Nisan และ Wigderson 1995, ดอย: 10.1007 / BF01192527 , ทฤษฎีบท 2) ดังนั้นการใช้รูปสี่เหลี่ยมผืนผ้าสีเดียวจึงไม่เป็นที่รู้จักกันในปัจจุบันว่า "เหมือนกับ" โดยใช้หมายเลขพาร์ติชัน แต่จะเกี่ยวข้องกันอย่างใกล้ชิดหากการคาดคะเนบันทึกอันดับ

โดยสรุปขนาดล็อกของชุดการหลอกลวงที่ใหญ่ที่สุดอาจมีขนาดเล็กกว่าหมายเลขพาร์ติชัน อาจมีช่องว่างระหว่างเทคนิคขอบล่างอื่น ๆ และหมายเลขพาร์ติชัน แต่ถ้าการคาดคะเนบันทึกระดับการจัดตำแหน่งแล้วช่องว่างเหล่านี้มีขนาดเล็ก

ด้วยการใช้ความคิดขนาดที่ขยายขนาดปกติ (ของ cardinality) ขนาดของรูปสี่เหลี่ยมผืนผ้าสีเดียวใด ๆ สามารถใช้เพื่อสรุปชุดหลอกและเพื่อลดความซับซ้อนของการสื่อสาร (ดู KN 1.24) ฉันไม่แน่ใจว่าขนาด "ใหญ่ที่สุด" ทั่วไปของสี่เหลี่ยมขนาดเดียวใด ๆ ที่ใกล้เคียงกับความซับซ้อนในการสื่อสาร

ตรงกันข้ามกับการสนทนาข้างต้นสำหรับฟังก์ชั่นบูลีนสำหรับฟังก์ชั่นที่ไม่ใช่บูลีนช่องว่างระหว่างและอาจเป็นเลขยกกำลัง KN 2.23 ยกตัวอย่าง: ให้เป็นฟังก์ชันที่คืนค่าขนาดของการแยกของเซตที่แสดงโดยเวกเตอร์คุณลักษณะอินพุตสองตัว สำหรับฟังก์ชั่นนี้เข้าสู่ระบบการจัดอันดับเป็นn ตอนนี้ชุดของเซตที่ไม่ตัดกันทั้งหมดมีองค์ประกอบเท่าที่ฉันสามารถบอกได้จะต้องไม่มีรูปสี่เหลี่ยมผืนผ้าสีเดียวขนาดใหญ่กว่าชุดนี้ หากสิ่งนี้ถูกต้องดังนั้นดังนั้นสำหรับฟังก์ชั่นนี้ ,D(f)logrk(f)flogn3nD(f)Pn(f)(2log3)n>0.4nD(f)Pn(f)และขนาดของบันทึกของสี่เหลี่ยมที่มีขนาดใหญ่ที่สุดเดียวนั้นอยู่ที่เท่าของกันและกันโดยที่อยู่ห่างไกลจากอันดับล็อก แยกเล็ก ๆ ดังนั้นระหว่างและอาจจะเป็นไปได้ในกรณีที่ไม่ใช่แบบบูล แต่พวกเขาจะไม่เกี่ยวข้องในทางที่ชัดเจนที่จะเข้าสู่ระบบการจัดอันดับของเมทริกซ์ของฉฉันไม่ได้ตระหนักถึงงานที่ตีพิมพ์ใด ๆ ที่พูดถึงว่ามาตรการเหล่านี้เกี่ยวข้องกันอย่างไรในกรณีที่ไม่ใช่บูลีน2.5Pn(f)D(f)f

ในที่สุด Dietzfelbinger และคณะ นอกจากนี้ยังกำหนดขอบเขตการหลอกลวงที่ขยายขอบเขต generalising เงื่อนไขการหลอกลวงจากคู่ ("คำสั่ง 1" ส่วนย่อย) ไปยังชุดย่อยขนาดใหญ่ขององค์ประกอบ monochromatic; เงื่อนไขการหลอกลวงแบบขยายนั้นกำหนดให้ submatrix ที่ถูกขยายโดยองค์ประกอบ monochromatic นั้นไม่ใช่ monochromatic ยังไม่ชัดเจนว่าพฤติกรรมนี้เป็นอย่างไรเมื่อคำสั่งของชุดย่อย monochromatic เพิ่มขึ้นเมื่อเราต้องแบ่งขนาดของการหลอกลวงแบบขยายตามคำสั่งและพิจารณามูลค่าที่ใหญ่ที่สุดเหนือคำสั่งทั้งหมด แต่ความคิดนี้สิ้นสุดขึ้นเป็นใกล้ต่ำผูกไว้กับ(ฉ)Pn(f)


ขอขอบคุณที่แบ่งปันข้อสังเกตของคุณ เกี่ยวกับคำแถลงแรกฉันคิดว่าความจริงที่ว่านั้นเกี่ยวข้องกับเทคนิคขอบเขตล่างทั้งหมดสำหรับนั้นเป็นจริงโดยไม่ขึ้นอยู่กับการคาดคะเนระดับบันทึก เท่าที่ฉันรู้ทุกเทคนิคขอบเขตล่างสำหรับจริง ๆ แล้วเป็นเทคนิคขอบเขตล่างสำหรับ , รวมถึงบันทึกลำดับล่างล่าง D ( f ) D ( f ) P n ( f )Pn(f)D(f)D(f)Pn(f)
Robin Kothari

@ Robin: ขอโทษสำหรับการขาดความชัดเจนของฉัน; วลีที่สำคัญคือ "เกี่ยวข้องอย่างใกล้ชิด" และ "เท่าใด ... สามารถแตกต่าง" ฉันกำลังทำตามที่ได้รับ inequalities ที่รู้จักเช่น , ที่คือจำนวนรายการในสี่เหลี่ยม monochromatic ที่ใหญ่ที่สุดในเมทริกซ์ของและโดเมนของคือ n ความคิดเห็นของฉันเป็นเรื่องเกี่ยวกับความไม่เท่าเทียมกันเหล่านี้อย่างใกล้ชิดเช่นว่าพวกเขาหลีกเลี่ยงช่องว่างแบบเอ็กซ์โปเนนเชียลหรือไม่และทำไมขนาดของชุดการเล่นหลอกที่อ่อนแอจึงมีประโยชน์มากกว่าความคิดปกติ (รุ่น monochromatic m o n o ( f ) f f 2 n × 2 nD(f)Pn(f)2nlogmono(f)mono(f)ff2n×2n
András Salamon
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.