มันเป็นกฎที่ว่าปัญหาที่ไม่ต่อเนื่องนั้นเป็นปัญหาที่เกิดขึ้นอย่างยากลำบากและต่อเนื่องใช่หรือไม่?


27

ในการศึกษาด้านวิทยาการคอมพิวเตอร์ของฉันฉันสังเกตเห็นว่าปัญหาที่ไม่ต่อเนื่องส่วนใหญ่เป็นปัญหาที่เกิดขึ้นอย่างสมบูรณ์ (อย่างน้อย) ในขณะที่การเพิ่มประสิทธิภาพของปัญหาอย่างต่อเนื่องนั้นสามารถทำได้ง่ายเกือบตลอดเวลาโดยใช้เทคนิคการไล่ระดับสี มีข้อยกเว้นสำหรับสิ่งนี้หรือไม่?


14
มีหลายคนแน่นอน Bipartite และการจับคู่ทั่วไปและการตัดขั้นต่ำเป็นเวลาพหุนามคลาสสิกสามครั้งแก้ปัญหาไม่ต่อเนื่อง ปัญหาการหาค่าเหมาะที่สุดแบบไม่ต่อเนื่องหลายรูปแบบคือ NP-hard: การหาเส้นผ่านศูนย์กลางของชุดนูนหรือการคำนวณหาค่าเฉลี่ยของหัวฉีดแบบ 3 มิติ
Sasho Nikolov

6
นี่เป็นปัญหาการเพิ่มประสิทธิภาพอย่างต่อเนื่องแบบง่ายๆที่แก้ปัญหายาก: cstheory.stackexchange.com/questions/14630/…
Jukka Suomela

8
ฉันไม่แน่ใจว่าปัญหาที่คุณมีอยู่ในใจ แต่ปัญหาต่อเนื่องมากมายที่ "แก้ไข" โดยวิธีการไล่ระดับสีไม่ได้ "แก้ไข" จริง ๆ : วิธีการดังกล่าวพบว่าเหมาะสมที่สุดในท้องถิ่นเท่านั้น
Suresh Venkat

1
การตอบสนองทั้งหมดจนถึงตอนนี้ดูเหมือนจะเป็นการตอบโต้ แต่ก็เป็นเรื่องดีที่ได้เห็นบางกรณีที่กฎนี้ดูเหมือนจะเป็นจริง สองสิ่งที่ต้องคำนึงถึงคือการเขียนโปรแกรมเชิงเส้น vs การเขียนโปรแกรมจำนวนเต็มและการปรับให้เหมาะสมที่สุดกับการเพิ่มประสิทธิภาพแบบนูนต่ำสุด
usul

13
ฉันคิดว่าสิ่งที่ไม่ต่อเนื่องและต่อเนื่องทั้งหมดคือปลาเฮอริ่งแดง ปัญหาต้องมีโครงสร้างพิเศษมากที่สามารถแก้ไขได้อย่างมีประสิทธิภาพ ฉันคิดว่าความแตกต่างที่แท้จริงที่นี่คือในกรณีที่มีปัญหาต่อเนื่องง่ายโครงสร้างพิเศษมีแนวโน้มที่จะนูนในขณะที่ในกรณีที่ปัญหาที่ไม่ต่อเนื่องง่าย ๆ สิ่งที่ดูซับซ้อนกว่า: บางครั้งโครงสร้างเป็น submodularity หรือ matroid นี่อาจเกี่ยวข้องกับความจริงที่ว่าเรายังไม่เข้าใจคณิตศาสตร์ที่แยกออกมาได้ดีนัก
Sasho Nikolov

คำตอบ:


41

ตัวอย่างที่ผมรักคือปัญหาที่ได้รับแตกต่างกัน1 , 2 , ... , nNตัดสินใจว่า: π - π cos ( 1 Z ) cos ( 2 Z ) ... cos ( n Z )a1,a2,,anN

ππcos(a1z)cos(a2z)cos(anz)dz0

ในตอนแรกดูเหมือนว่าปัญหาอย่างต่อเนื่องในการประเมินอินทิกรัลนี้ แต่มันง่ายที่จะแสดงว่าอินทิกรัลนี้ไม่เป็นศูนย์ถ้ามีพาร์ติชันที่สมดุลของเซตดังนั้นปัญหาอินทิกรัลนี้ NP-สมบูรณ์{a1,,an}

แน่นอนฉันขอแนะนำให้คุณลองเล่นด้วยเครื่องมือตัวเลขเพื่อโน้มน้าวตัวคุณเองว่าเทคนิคการคำนวณเชิงตัวเลขส่วนใหญ่ (ถ้าไม่ใช่ทั้งหมด) ในการประเมินอินทิกรัลนี้ถึงวาระที่จะล้มเหลวเมื่อมีขนาดใหญ่พอn


4
เนื่องจากเราอยู่ในหัวข้อการอ้างอิงที่เร็วที่สุดของปัญหานี้ที่ฉันสามารถหาได้คือ "ธรรมชาติของการคำนวณ" โดย Moore และ Mertens พวกเขาไม่มีการอ้างอิงดังนั้นฉันคิดว่าพวกเขาคิดค้นมันขึ้นมาหรือมันมาจากคติชนวิทยา ฉันจะขอบคุณถ้ามีคนรู้ถึงสาเหตุของปัญหานี้
Joe Bebel

สันนิษฐานว่าไม่เพียง แต่ส่วนใหญ่เทคนิคตัวเลขทั้งหมดจะขนาดย่อยยับสำหรับขนาดใหญ่พอที่ ? เนื่องจากปัญหาคือ NP-complete เทคนิคการคำนวณเชิงตัวเลขที่แม่นยำสำหรับการประเมินว่าอินทิกรัลที่สเกลพหุนามในnจะเพียงพอที่จะแสดง P = NP nn
EP

1
ถูกต้องอัลกอริทึมที่ประเมินว่าอินทิกรัลถูกต้องในเวลาพหุนามในจะเพียงพอที่จะแสดง P = NP ในทางกลับกันฉันไม่สามารถแยกแยะความเป็นไปได้ของเทคนิคเชิงตัวเลขบางอย่างที่ฉันไม่ทราบว่าทำดีกับอินสแตนซ์ที่เฉพาะเจาะจงของอินทิกรัลนี้ได้อย่างไรแม้nจะมีขนาดใหญ่ เพื่อค้นหาการมอบหมายที่น่าพอใจสำหรับบางสูตรด้วยตัวแปรหลายพันตัวถึงแม้ว่าประสิทธิภาพของตัวพิมพ์เล็กและตัวพิมพ์ใหญ่จะแย่ ดังนั้นแม้ว่าฉันสงสัยวิธีการดังกล่าวอยู่ฉันก็ป้องกันความเสี่ยงคำตอบของฉันเล็กน้อย nn
Joe Bebel

3
เห็นได้ชัดว่าแหล่งที่มาดั้งเดิมของปัญหานี้คือ: David Plaisted, ปัญหาการหารพหุนามและจำนวนเต็มนั้นเป็นปัญหา NP-hard SIAM Journal on Computing, 7 (4): 458–464, 1978 การอ้างอิงอยู่ที่ด้านหลังของ Moore และ Mertens ไม่ใช่ในเนื้อความของข้อความ
Joe Bebel

26

มีปัญหาอย่างต่อเนื่องมากมายของแบบฟอร์ม "ทดสอบว่าอินพุต combinatorial นี้สามารถรับรู้เป็นโครงสร้างทางเรขาคณิต" ที่สมบูรณ์สำหรับทฤษฎีการดำรงอยู่ของ realsซึ่งเป็นอะนาล็อกอย่างต่อเนื่องของ NP โดยเฉพาะอย่างยิ่งนี่ก็หมายความว่าปัญหาเหล่านี้เป็นปัญหา NP - ยากมากกว่าการแก้ปัญหาแบบ polynomially ตัวอย่างรวมถึงการทดสอบว่ากราฟที่กำหนดเป็นกราฟระยะทางของหน่วยหรือไม่กราฟที่กำหนดสามารถวาดในระนาบที่มีขอบเซ็กเมนต์ของเส้นตรงและมากที่สุดตามจำนวนข้ามที่กำหนด การจัดการ

มีปัญหาต่อเนื่องอื่น ๆ ที่ยากกว่า: ตัวอย่างเช่นการค้นหาเส้นทางที่สั้นที่สุดในบรรดาสิ่งกีดขวางหลายมิติในแบบ 3 มิตินั้นสมบูรณ์แบบด้วย PSPACE (Canny & Reif, FOCS'87)


1
'เส้นทางที่สั้นที่สุดท่ามกลางสิ่งกีดขวางหลายด้าน' เป็นชื่อต่อเนื่องเท่านั้นใช่ไหม? เราสามารถคิดถึงพื้นที่การตั้งค่าในการรวมกลุ่มของชิ้นส่วนที่ไม่ต่อเนื่องจำนวนหนึ่งที่สอดคล้องกับเส้นทางที่ 'กอด' ชุดของอุปสรรค จากนั้นการหาค่าเหมาะที่สุดของท้องถิ่นในแต่ละส่วนที่ระบุ (เช่นภายในชุดของสิ่งกีดขวางใด ๆ ) นั้นตรงไปตรงมา แต่การตัดสินใจว่าเส้นทางใดที่มีระยะทางที่ดีที่สุดทั่วโลกนั้นเป็นส่วนที่ยากของปัญหา
Steven Stadnicki

13

แม้ว่าสิ่งนี้จะไม่ตอบคำถามเดิมของคุณอย่างแน่นอน แต่มันเป็นตัวอย่าง (การคาดเดา) ของความแตกต่างทางปรัชญา: ปัญหาที่งานนำเสนอไม่ต่อเนื่อง แต่ความแข็งทั้งหมดมาจากด้าน 'ต่อเนื่อง' ของปัญหา

A={a1,a2,,am}B={b1,b2,,bn}i=1maij=1nbjยากมันเป็นที่สงสัยกันอย่างกว้างขวางว่ามันอาจจะเป็น NP-hard และในความเป็นจริงอาจจะอยู่นอก NP (มีตามที่ระบุไว้ในความคิดเห็นเหตุผลที่ดีที่จะเชื่อว่ามันไม่สมบูรณ์ NP); การ จำกัด เพียงอย่างเดียวที่รู้จักจนถึงปัจจุบันนั้นมีหลายระดับที่สูงกว่าลำดับชั้นพหุนาม เห็นได้ชัดว่าการนำเสนอของปัญหานี้ไม่ต่อเนื่องเท่าที่จะทำได้ - ชุดของจำนวนเต็มและคำถามเกี่ยวกับพวกเขา / ใช่ / ไม่ใช่ - แต่ความท้าทายที่เกิดขึ้นเพราะในขณะที่การคำนวณรากที่สองเพื่อความแม่นยำที่ระบุใด ๆ เป็นปัญหาง่าย ถึงความแม่นยำสูง (อาจมีค่าพหุนามสูง) ในการตัดสินความไม่เท่าเทียมกันทางใดทางหนึ่ง นี่เป็นปัญหา 'ที่ไม่ต่อเนื่อง' ที่ทำให้เกิดบริบทการเพิ่มประสิทธิภาพที่น่าแปลกใจและช่วยให้เกิดความซับซ้อนของตนเอง


4
ฉันชอบตัวอย่างนี้มากเช่นกันแม้ว่ามันจะมีค่าชี้ให้เห็นว่ามีเหตุผลที่ดีที่จะเชื่อว่ามันไม่สมบูรณ์ NP; ดู ( cstheory.stackexchange.com/a/4010/8985 )
Joe Bebel

@JoeBebel จุดที่ดีมาก - ฉันได้แก้ไขภาษาของฉันเล็กน้อยเพื่อให้สะท้อนถึงสิ่งนั้น ขอขอบคุณ!
Steven Stadnicki

6

โดยทั่วไปแล้วปัญหาที่ไม่ต่อเนื่องมักจะยากกว่า (เช่น LP vs. ILP) แต่มันก็ไม่ได้เป็นปัญหาที่เกิดขึ้นเองนั่นคือปัญหา ... มันเป็นข้อ จำกัด ที่ส่งผลต่อวิธีการค้นหาโดเมนของคุณ ตัวอย่างเช่นคุณอาจคิดว่าการเพิ่มประสิทธิภาพของพหุนามเป็นสิ่งที่คุณสามารถทำได้อย่างมีประสิทธิภาพ แต่ ตัดสินใจนูนของ quartics (ปริญญา-4 มีหลายชื่อ) เป็น NP-ยาก

ซึ่งหมายความว่าแม้ว่าคุณจะมีประสิทธิภาพสูงสุดอยู่แล้วก็ตามเพียงแค่พิสูจน์ให้เห็นว่าคุณอยู่ในระดับที่เหมาะสมก็มีปัญหากับ NP อยู่แล้ว


ฉันคิดว่าความแตกต่างก็เป็นส่วนหนึ่งของปัญหาเช่นกัน พูดเช่นคุณจะมี LP ของ ILP คุณสามารถตั้งเป้าหมายที่จะค้นหาวิธีแก้ไขสำหรับตัวแปร LP แต่ยังมี2^n" เพื่อนบ้านที่น่าสนใจ " ที่คุณต้องการค้นหา
Willem Van Onsem

@CommuSoft: ไม่จริง ... ความแตกต่างไม่ใช่ปัญหา ตรวจสอบปัญหาเส้นทางที่สั้นที่สุดซึ่งเป็นปัญหาที่ไม่ต่อเนื่อง แต่จะลดลงเป็นกรณีพิเศษของการเขียนโปรแกรมเชิงเส้นแบบอินทิกรัลซึ่งเป็น P-time ที่แก้ไขได้ (เพื่อไม่ให้สับสนกับการโปรแกรมเชิงเส้นจำนวนเต็มซึ่งเห็นได้ชัดว่า
Mehrdad

นั่นไม่น่าแปลกใจจริงๆ: เนื่องจากการเขียนโปรแกรมเชิงเส้นจำนวนเต็มเป็น NP-complete ทุกปัญหาในP (ที่สามารถแก้ไขได้ในเวลาโพลี) สามารถเปลี่ยนได้ในเวลาโพลีในปัญหา ILP
Willem Van Onsem

@CommuSoft: คุณอ่านความคิดเห็นทั้งหมดหรือไม่ ฉันไม่ได้พูดเกี่ยวกับ ILP
Mehrdad

ขอโทษที่อ่านเร็ว แต่ก็ยังเป็นเพราะข้อ จำกัด มีทั้งหมด unimodularดังนั้นโดยเฉพาะ "พระคุณ" ของข้อ จำกัด ที่มีโครงสร้างที่ดีปัญหาดังกล่าวสามารถแก้ไขได้ง่าย โดยทั่วไปการแยกประเภทเป็นประเด็นปัญหาในปัญหา
Willem Van Onsem

5

ถึงแม้ว่าสำหรับปัญหาที่ได้รับความนิยมบางอย่างมันเป็นความจริงฉันคิดว่าสมมติฐานทั้งสองนั้นขึ้นอยู่กับสิ่งที่คุณกำหนดว่าเป็นปัญหาการเพิ่มประสิทธิภาพ - ไม่ใช่ความจริง

ครั้งแรกบางคำจำกัดความ: ปัญหาการเพิ่มประสิทธิภาพมากที่สุดคือไม่ได้เป็นส่วนหนึ่งของปัญหา ตัวอย่างเช่นสำหรับปัญหาเป้ : หนึ่งไม่สามารถใช้ประโยชน์จากการไม่กำหนดเพื่อสร้างกระเป๋าที่มีค่าที่สุดง่าย ๆ เพราะสาขาที่ไม่ได้กำหนดไว้แตกต่างกันไม่มีหน่วยความจำที่ใช้ร่วมกัน NPนอกจากนี้ยังหมายถึง "การตรวจสอบ polynomially" [1, p. 34](การตรวจสอบใบรับรอง) ในกรณีนี้ใบรับรองจะใช้เป็นถุง : บิตสตริงโดยที่หากมีการตั้งค่าบิตi- th จะหมายถึงรายการi- th ที่เป็นส่วนหนึ่งของกระเป๋า แน่นอนคุณสามารถตรวจสอบในเวลาพหุนามถ้าถุงดังกล่าวมีค่ามากกว่าเกณฑ์ที่กำหนด (นี่คือตัวแปรการตัดสินใจ) แต่คุณไม่สามารถ - เท่าที่เรารู้ - โดยใช้ถุงเดียว (จำนวนถุงพหุนาม) ให้ตัดสินใจว่ากระเป๋าใบนั้นมีค่าที่สุดสำหรับกระเป๋าที่เป็นไปได้ทั้งหมดหรือไม่ นั่นคือความแตกต่างที่สำคัญระหว่างเช่นNPและEXP : ในEXPคุณสามารถระบุถุงที่เป็นไปได้ทั้งหมดและทำบัญชีเกี่ยวกับกระเป๋าใบที่ดีที่สุด

ตัวแปรการตัดสินใจของปัญหาการเพิ่มประสิทธิภาพคือในบางส่วนกรณีของการNPหนึ่งต้องการที่จะสร้างความแตกต่างที่ชัดเจนระหว่างรสชาติสูงสุดและรสชาติตัดสินใจ ในรสชาติของการตัดสินใจคำถามคือ: " เมื่อได้รับปัญหาการปรับให้เหมาะสมและยูทิลิตี้ที่ถูกผูกไว้จะมีวิธีการแก้ปัญหาที่มียูทิลิตี้มากกว่าหรือเท่ากับขอบเขตนั้น " (หรือแก้ไขเล็กน้อยสำหรับปัญหาการย่อเล็กสุด)

ฉันยังคิดว่าโดยNPคุณหมายถึงส่วน (สมมุติ) ของNPที่ไม่ได้เป็นส่วนหนึ่งของP ถ้าP = NPแน่นอนว่าNP-completeยังคงมีอยู่ แต่มันจะเท่ากับP (เกิดขึ้นพร้อมกับ P สำหรับการลดความคิดบางอย่างเช่นพหุนามเวลา - ลดลงหลายคนโดย @ AndrásSalamon) ซึ่งไม่น่าประทับใจ ( และจะลด " ช่องว่าง " ที่คุณระบุในคำถามของคุณ)

ฉันสังเกตว่าปัญหาที่ไม่ต่อเนื่องส่วนใหญ่เป็นปัญหาที่สมบูรณ์

ตอนนี้เรามีการจัดเรียงที่ออก: มีจำนวนมากที่มีปัญหาการเพิ่มประสิทธิภาพที่อยู่ในP : ปัญหาเส้นทางที่สั้นที่สุด , ปัญหาการไหลสูงสุด (สำหรับความจุหนึ่ง) ขั้นต่ำต้นไม้ทอดและการจับคู่สูงสุด แม้ว่าปัญหาเหล่านี้อาจดูเหมือน "ไม่สำคัญสำหรับการแก้ปัญหา" สำหรับคุณ แต่ปัญหาเหล่านี้ยังคงเป็นปัญหาการปรับให้เหมาะสมที่สุดและในหลายกรณีการก่อสร้าง (และพิสูจน์ความถูกต้อง) ไม่ใช่เรื่องง่าย ดังนั้นการอ้างสิทธิ์จึงไม่ถือปัญหาที่ไม่ต่อเนื่องทั้งหมดคือ NP-complete ได้รับPไม่เท่ากับNPปัญหาเหล่านี้จึงไม่สามารถNP-สมบูรณ์

ΣiP

ในขณะที่การแก้ปัญหาอย่างต่อเนื่องสามารถทำได้อย่างง่ายดาย

ปัญหาอย่างต่อเนื่องเป็นที่นิยมที่เป็นNP-ยากคือการเขียนโปรแกรมการกำลังสอง

x

xTQx2+cTx

Axb

การเขียนโปรแกรมเชิงเส้นจริง ๆ แล้วถือว่าNP-hardเช่นกัน แต่ด้วยฮิวริสติกที่มีประสิทธิภาพดีมาก( วิธีSimplex ) อัลกอริทึม Karmarkar ของมี แต่ในP

จากช่วงเวลาที่เกิดปัญหาการปรับให้เหมาะสมกับวัตถุที่ไม่นูนโดยทั่วไปมันจะยาก - ถ้าไม่เป็นไปไม่ได้ - เพื่อค้นหาอัลกอริทึมที่มีประสิทธิภาพ

บรรณานุกรม

[1] การคำนวณความซับซ้อนวิธีการที่ทันสมัย , Sanjeev ร่าและโบอาส Barak


2
คำจำกัดความวรรคนั้นเป็นประเภทที่สับสน เป้เป็นปัญหาการเพิ่มประสิทธิภาพ NP มันไม่เป็นความจริงว่า "ไม่เป็นที่รู้จัก" หากรุ่นการปรับให้เหมาะสมอยู่ใน NP: มันไม่ได้เป็นเพียงแค่คำจำกัดความ นอกจากนี้ฉันไม่คิดว่าเรารู้ปัญหาใด ๆ ที่เป็นปัญหาแบบสมบูรณ์บน NP ไม่เท่ากับ PIe 3-SAT จะเป็น NP-complete แม้ว่า P = NP (ที่จริงถ้า P = NP ทุกปัญหาใน P คือ NP สมบูรณ์)
Sasho Nikolov

@ AndrásSalamon: จุดถ่าย ฉันลบส่วนนั้นออก มันค่อนข้างเลอะเทอะไปหน่อย
Willem Van Onsem

@ AndrásSalamon: เห็นได้ชัดว่าเป็นเรื่องจริง ดังนั้นจึงกล่าวว่า: "รับP ไม่เท่ากับ NP ปัญหาเหล่านี้จึงไม่สามารถทำให้สมบูรณ์ได้ "
Willem Van Onsem

@ AndrásSalamon: ถ้าP=NPทุกปัญหาในNP-completeคือโดยส่วนคำจำกัดความของNPและด้วยการขยายPตอนนี้Pหมายความว่ามีอัลกอริทึมพหุนาม ประเด็นก็คือฉันคิดว่าการเปลี่ยนแปลงไม่สำคัญเพราะสำหรับทุกภาษาในPจะต้องมีอัลกอริทึมพหุนาม ไม่ว่าคุณจะทำการแปลง (อย่างมากในพหุนาม) หรือไม่นั้นไม่เกี่ยวข้อง มันยังคงเป็นพหุนามจึงP กล่าวอีกนัยหนึ่งเนื่องจากองค์ประกอบดั้งเดิมเป็นPคุณสามารถใช้การแปลงเวลาแบบโพลิไทม์ได้ฟรี (ไม่ส่งผลให้ระดับความซับซ้อนสูงขึ้น)
Willem Van Onsem

2
เป้เป็นปัญหาการเพิ่มประสิทธิภาพแน่นอนไม่สมบูรณ์ NP เพราะมันไม่ใช่ปัญหาการตัดสินใจจึงไม่อยู่ใน NP ไม่ว่าในกรณีใดฉันเข้าใจสิ่งที่คุณกำลังพูด แต่นี่เป็นรายละเอียดระดับปริญญาตรีที่ฉันคิดว่าควรได้รับอนุญาตในฟอรัมระดับการวิจัยเช่น CStheory @ SE เช่นเดียวกับที่ฉันไม่คาดหวังที่จะเห็นคำอธิบาย เกี่ยวกับความเป็นไปได้ของการลู่เข้าในความน่าจะเป็นนั้นไม่เหมือนกับการบรรจบกันของ Mathoverflow
Sasho Nikolov
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.