ความแม่นยำเชิงตัวเลขในวิธีผลรวมของกำลังสอง?


13

ผมได้อ่านเกี่ยวกับบิต sum-of-สี่เหลี่ยมวิธี (SOS) จากการสำรวจของ Barak & STEURERและเอกสารประกอบการบรรยายของ Barak ในทั้งสองกรณีพวกเขากวาดประเด็นเรื่องความแม่นยำของตัวเลขใต้พรม

จากความเข้าใจของฉัน (มี จำกัด ) วิธีการดังต่อไปนี้ควรเป็นจริง:

ให้ระบบใด ๆ ของความเท่าเทียมกันของพหุนามมากกว่าตัวแปรมูลค่าจริงโดยที่พารามิเตอร์ทั้งหมดคือ ( ,และระดับของข้อ จำกัด แต่ละระดับ), องศา - " "( ) SOS วิธีพบว่าการกำหนดความพึงพอใจของตัวแปรหรือพิสูจน์ไม่มีอยู่ในเวลา x R n O ( 1 ) n | E | 2 n = O ( 1 ) O ( 1 )ExRnO(1)n|E|2n=O(1)O(1)

คำถามแรกของฉันคือการอ้างสิทธิ์ข้างต้นเป็นจริงหรือไม่ (มีข้อโต้แย้งที่ไร้เดียงสาที่ไม่ได้ใช้ SOS เพื่อแก้ปัญหานี้หรือไม่) คำถามที่สองคือที่ความแม่นยำเชิงตัวเลขเข้ากันได้ถ้าฉันต้องการได้รับการมอบหมายที่สอดคล้องกับข้อ จำกัด ทั้งหมดภายในความแม่นยำของการเติมรันไทม์ขึ้นอยู่กับอย่างไร โดยเฉพาะมันคือพหุนามหรือไม่1 / εε1/ε

แรงจูงใจสำหรับสิ่งนี้คือการพูดใช้วิธีการแบ่งและพิชิตบนระบบขนาดใหญ่จนกระทั่งกรณีพื้นฐานเป็นระบบขนาดO(1)

แก้ไข:จาก Barak-Steurer ปรากฏว่า " อัลกอริทึมองศาผลรวมของกำลังสอง" ใน p.9 (และย่อหน้าที่นำไปสู่) ทั้งหมดกำหนดปัญหาสำหรับการแก้ปัญหามากกว่าและในความเป็นจริง ความหมายของการหลอกกระจายในส่วน 2.2 เป็นมากกว่า{R} ตอนนี้ฉันเห็นจากเลมม่า 2.2 อย่างไรก็ตามนั่นไม่ได้รับประกันการแก้ปัญหา / การพิสูจน์ที่ระดับโดยไม่มีตัวแปรไบนารีR R 2 nlRR2n

ดังนั้นฉันสามารถปรับแต่งคำถามของฉันเล็กน้อย หากตัวแปรของคุณไม่ใช่ไบนารีความกังวลก็คือลำดับของเอาต์พุตไม่แน่นอน (อาจไม่เพิ่มขึ้นแม้แต่ตอนเดียว) ดังนั้นคำถามคือ:ยังคงเพิ่มขึ้นหรือไม่ และถ้าเป็นเช่นนั้นคุณต้องไปไกลแค่ไหนเพื่อให้ได้ความแม่นยำที่เพิ่มขึ้น ? φ ( l ) εφ(l)φ(l)ε

แม้ว่าสิ่งนี้จะไม่เปลี่ยนแปลงอะไรเลย แต่ฉันรู้ว่าระบบของฉันเป็นที่น่าพอใจ (ไม่มีการพิสูจน์ในระดับใด) ดังนั้นฉันจึงกังวลเกี่ยวกับความต้องการของขนาดใหญ่ ในที่สุดฉันสนใจวิธีแก้ปัญหาเชิงทฤษฎีไม่ใช่ตัวแก้เชิงตัวเลขl


คำตอบ:


1

นี่คือความคิดเห็นของ Boaz Barak เกี่ยวกับปัญหา:

เราทำการกวาดตัวเลขที่มีความแม่นยำภายใต้พรมปูพื้น - ยิ่งเป็น "SOS" วรรณกรรมของ Parrilo, Lasserre ฯลฯ . เกี่ยวข้องกับปัญหาเหล่านี้ (เช่นดูการสำรวจของ Monique Laurent และการอ้างอิงในนั้น) เป็นที่ทราบกันว่าลำดับชั้นเป็นเสียงเดียว (ไม่ยากที่จะเห็นว่าการแจกแจงระดับ psuedo นั้นมีระดับโดยเฉพาะ) และมันจะมาบรรจบกันในขอบเขต จำกัด สำหรับชุดสมการคงที่ใด ๆ (นี่คือ Positivstellensatz) ระดับที่แน่นอนอาจแตกต่างกันไป โดยทั่วไปถ้าค่าสัมประสิทธิ์ของพหุนามทั้งหมดถูกล้อมรอบและคุณพยายามแยกแยะระหว่างกรณีที่มีวิธีแก้ปัญหาและกรณีที่ในการมอบหมายสมการหนึ่งในนั้นถูกปิดโดยเราสามารถแยกแยะสิ่งนี้กับลิตร- 1 ε δ δ εll1ϵδ-net สำหรับที่เกี่ยวข้องกับจำนวนของตัวแปรระดับของสมการและและจากนั้น (สมมติว่าเน็ตนั้นเพียงพอ "ดี" และ "คิวบ์แบบ") ระดับที่ต้องการควรบันทึกขนาดของเน็ตอย่างคร่าวๆδϵ


โพสต์เป็นคำตอบเพื่อหลีกเลี่ยงชุมชนบอทชนคำถามอีกในอนาคต
Kaveh

1

ฉันคิดว่าคำตอบของฉันอาจจะไม่เพียงพอ แต่มันก็ยังคงเป็นเพราะเห็นแก่ความสมบูรณ์ (แม้ว่าจะเห็นความคิดเห็นของโบอาสด้านล่างสำหรับคำตอบที่ดีกว่า)

เมื่อเรา จำกัด ตัวเองเป็นตัวแปรบูลีนการเรียกร้องสามารถเห็นได้เมื่อสำหรับด้วยการสังเกตว่าการกระจายหลอกหลอกระดับคือการแจกแจงจริงนั่นคือสมมติว่าคุณ มีการแจกแจงแบบหลอกเหนือโซลูชันของพหุนามของคุณพอใจ:ฉัน[ n ] 2 n μ ( x ) x E(xi21)Ei[n]2nμ(x)xE

x { - 1 , 1 } n μ ( x ) p 2 ( x ) 0 p nx{1,1}nμ(x)และสำหรับทุกพหุนามที่มีระดับที่มากที่สุดx{1,1}nμ(x)p2(x)0pn

แต่พหุนามดีกรีมีพหุนามรวมอยู่ด้วย (เช่นมีซึ่งเป็นทั้งหมด - ศูนย์อื่น ๆ และ 1 ในการมอบหมายนั้น) ดังนั้นสำหรับทุกดังนั้นเราจึงสรุปคือการกระจายจริงมากกว่าการแก้ปัญหาของEDegree pseudo-distributions สามารถพบได้โดยใช้การเขียนโปรแกรม semidefinite เพื่อค้นหา degree pseudo-expectation operator ที่เกี่ยวข้องในเวลาดังนั้นเราสามารถหาการแจกแจงที่แท้จริงในเวลาnx1=1,x2=1,x3=123(1+x1)(1x2)(1+x3)μ(x)0x{1,1}nμEnO()n O ( n ) μμnO(n)โดยใช้ที่หลอกคาดหวัง (ตอนนี้ความคาดหวังที่เกิดขึ้นจริง) เพื่อหาช่วงเวลาทั้งหมดของ\μ

ดังนั้นถ้า , แล้วคุณจะพบการกระจายตัวของการแก้ปัญหาไปยังในเวลา แน่นอนว่าการค้นหากำลังเดรัจฉานเป็นการรับประกันแบบเดียวกันE O ( 1 )|E|=O(1)EO(1)

อย่างไรก็ตามหากการแก้ปัญหาไม่จำเป็นต้องบูลีนการคาดหวังหลอกระดับจะไม่เพียงพอที่จะหาการกระจายตัวของโซลูชั่น ที่สามารถมองเห็นข้างต้นพิสูจน์ว่าระดับหลอกกระจายการกระจายแท้จริงขึ้นอยู่กับความจริงที่ว่าการศึกษาระดับปริญญาพหุนามมีเพียงพอที่จะ 'เลือก' ที่ได้รับมอบหมายของแต่ละบุคคลซึ่งไม่เป็นความจริงมากขึ้นโดยทั่วไป วิธีการดูว่ามันก็คือว่ามีหลายชื่อบูลตัวแปรจะถือว่าเพื่อศึกษาระดับปริญญาของทุก monomial คือที่มากที่สุดn2 n n2n2nnnmod(xi2)n

ตัวอย่างเช่นหนึ่งอาจพิจารณาเปลี่ยนทุกตัวแปรไบนารีกับตัวแปร 4 Ary พูดโดยรวมE จากนั้นคุณจะต้องมีการคาดหวังหลอกระดับเพื่อรับประกันการกู้คืนการแจกจ่ายผ่านโซลูชัน4 n(xi21)(xi24)E4n

ตอนนี้สำหรับการค้ำประกันทางทฤษฎีดูเหมือนว่าการประมาณรากของระบบของพหุนามเป็นที่รู้จักกันว่าปัญหาที่ 17 ของ Smale และเห็นได้ชัดว่ามีอัลกอริธึมเวลาพหุนามแบบสุ่ม (ลาสเวกัส) ที่แก้ปัญหานี้ - ดูhttp://arxiv.org /pdf/1211.1528v1.pdf โปรดทราบว่านี่น่าจะเป็นในรูปแบบของ Blum-Shub-Smale ดังนั้นการใช้งานจริงจึงเป็นสิ่งดั้งเดิม ฉันไม่แน่ใจว่าสิ่งนี้จะรับประกันว่าคุณต้องการ


ฉันคิดว่าฉันอาจไม่ได้อธิบายอย่างชัดเจน: ตัวแปรของฉันอยู่ในเนื่องจากไม่เช่นนั้นฉันก็สามารถค้นหาเหนือบูลีน hypercube ได้เล็กน้อย ฉันได้อัปเดตคำถามเพื่อสะท้อนถึงสิ่งนี้แล้ว SDP / SOS ยังนำไปใช้กับปัญหาการเพิ่มประสิทธิภาพของอินพุตจริงใช่ไหม R O ( 2 n ) = O ( 1 )xiRO(2n)=O(1)
Jeremy Kun

โอ๊ะฉันผิดพลาด! ใช่มันใช้กับการตั้งค่าทั่วไปมากขึ้นแม้ว่าหลาย ๆ ครั้งที่เราเพิ่งคิดว่าเราอยู่ใน hypercube ฉันได้อัปเดตคำตอบแล้วแม้ว่าคำตอบของฉันจะชัดเจนน้อยกว่าที่ฉันคาดไว้
Joe Bebel

10
เราทำการกวาดตัวเลขที่มีความแม่นยำภายใต้พรมปูพื้น - ยิ่งเป็น "SOS" วรรณกรรมของ Parrilo, Lasserre ฯลฯ . เกี่ยวข้องกับปัญหาเหล่านี้ (เช่นดูการสำรวจของ Monique Laurent และการอ้างอิงในนั้น) เป็นที่ทราบกันว่าลำดับชั้นเป็นเสียงเดียว (ไม่ยากที่จะเห็นว่าการแจกแจงแบบองศา psuedo นั้นมีระดับโดยเฉพาะ) และมันจะมาบรรจบกันในระดับ จำกัด สำหรับชุดคงที่ของสมการใด ๆ นี่คือ Positivstellensatz) - 11
Boaz Barak

9
.. ระดับที่แน่นอนอาจแตกต่างกันไป โดยทั่วไปถ้าค่าสัมประสิทธิ์ของพหุนามทั้งหมดถูกล้อมรอบและคุณพยายามแยกแยะระหว่างกรณีที่มีวิธีแก้ปัญหาและกรณีที่ในการมอบหมายสมการหนึ่งในนั้นถูกปิดโดยเราสามารถแยกแยะสิ่งนี้กับ -net สำหรับที่เกี่ยวข้องกับจำนวนของตัวแปรระดับของสมการและและจากนั้น (สมมติว่าเน็ตมีเพียงพอ "ดี" และ "คิวบ์แบบ") ระดับที่ต้องการควรบันทึกขนาดของเน็ตอย่างคร่าวๆ . δ δ εϵδδϵ
Boaz Barak

4
@BoazBarak อาจเป็นคำตอบใช่ไหม
Suresh Venkat
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.