การคาดคะเน Berman - Hartmanis: ภาษา NP สมบูรณ์ทั้งหมดมีลักษณะเหมือนกันในแง่ที่ว่าพวกเขาสามารถเชื่อมโยงซึ่งกันและกันโดยพหุนามเวลา isomorphisms [1]
ฉันสนใจรุ่น "พหุนามเวลา" ที่ละเอียดยิ่งขึ้นนั่นคือถ้าเราใช้การลดพารามิเตอร์
ปัญหาที่แปรตามพารามิเตอร์คือเซตย่อยของโดยที่Σเป็นตัวอักษร จำกัด และZ ≥ 0เป็นชุดของตัวเลขที่ไม่ติดลบ อินสแตนซ์ของปัญหาที่ทำให้เป็นพารามิเตอร์จึงเป็นคู่( I , k )โดยที่kคือพารามิเตอร์
ปัญหาที่แปรตามพารามิเตอร์ได้รับการแก้ไขพารามิเตอร์ที่ลดลงให้กับปัญหาที่แปรตามพารามิเตอร์π 2หากมีฟังก์ชันf , g : Z ≥ 0 → Z ≥ 0 , Φ : Σ ∗ × Z ≥ 0 → Σ ∗และพหุนามp ( · )เช่นนั้นสำหรับตัวอย่างใด ๆ( I , k )ของπ 1 , ( Φ ( I ,เป็นตัวอย่างของ π 2คำนวณเวลาฉ( k ) · P ( |ฉัน| )และ ( ฉัน, k ) ∈ π 1และถ้าหาก ( Φ ( ฉัน, k ) , กรัม( k ) ) ∈ เธ 2. ปัญหาที่ได้รับการแปรสภาพสองประการนั้นเทียบเท่าพารามิเตอร์คงที่หากพวกเขาสามารถลดพารามิเตอร์คงที่ซึ่งกันและกันได้
ปัญหา NP-complete บางอย่างคือ FPT ตัวอย่างเช่นเวอร์ชันการตัดสินใจของปัญหา cover จุดสุดยอดคือ NP-Complete มีอัลกอริทึม [2] หาลดดีกว่าคงพารามิเตอร์ของปัญหาเอฟพีทีซึ่งเป็น NP-สมบูรณ์สามารถนำไปสู่ขั้นตอนวิธีการที่ดีขึ้นตัวอย่างเช่นโดยการกล่าวอ้างลดลงไปยัง "รุ่นรับประกันดังกล่าวข้างต้น" ของปัญหา Multiway ตัดจะนำไปสู่ขั้นตอนวิธีการในเวลาO * ( 4 k )สำหรับปัญหา AGVC (เหนือการรับประกันจุดสุดยอดปก) ปัญหา [3] ซึ่งดีกว่าอัลกอริทึมO ∗ ( 15 k )ดั้งเดิม[4]
การคาดเดานั้นเป็นจริงหรือไม่?
[1] Berman, L .; Hartmanis, J. (1977), "เกี่ยวกับมอร์ฟและความหนาแน่นของ NP และเซตสมบูรณ์อื่น ๆ ", SIAM Journal on Computing 6 (2): 305–322
[2] J. Chen, IA Kanj, และ G. Xia, ปรับปรุงขอบเขตบนสำหรับการครอบคลุมจุดสุดยอด, Theor.Comput วิทย์, 411 (2010), pp. 3736-3756
[3] M. Cygan, M. Pilipczuk, M. Pilipczuk และ JO Wojtaszczyk, บนทางหลายทางตัดพารามิเตอร์เหนือขอบเขตล่างใน IPEC, 2011
[4] M. Mahajan และ V. Raman, Parameterizing ด้านบนรับประกันราคา: Maxsat และ maxcut, J. Algorithms, 31 (1999), pp. 335-354