ทำไมเราไม่ใช้คลาสที่มีขนาดใหญ่กว่านี้ในการศึกษาระดับความหมายเทียบกับแบบไม่กำหนดระดับ?


10

ในคำถามก่อนหน้านี้เกี่ยวกับลำดับชั้นของเวลาฉันได้เรียนรู้ว่าความเท่าเทียมกันระหว่างสองคลาสสามารถแพร่กระจายไปยังคลาสที่ซับซ้อนมากขึ้นและอสมการสามารถแพร่กระจายไปยังคลาสที่ซับซ้อนน้อยลงโดยมีอาร์กิวเมนต์ที่ใช้การแพ็ดดิง

ดังนั้นคำถามอยู่ในใจ เหตุใดเราจึงศึกษาคำถามเกี่ยวกับการคำนวณประเภทต่าง ๆ (หรือทรัพยากร) ในชั้นเรียนที่เล็กที่สุด (ปิด) ที่เป็นไปได้?

นักวิจัยส่วนใหญ่เชื่อว่าNP ความแตกต่างของคลาสนี้จะไม่อยู่ระหว่างคลาสที่ใช้ทรัพยากรชนิดเดียวกัน ดังนั้นหนึ่งอาจคิดว่าความไม่เท่าเทียมนี้เป็นกฎสากล: Nondeterminism เป็นทรัพยากรที่มีประสิทธิภาพมากขึ้น ดังนั้นแม้ว่าจะมีความไม่เท่าเทียมกัน แต่ก็สามารถแพร่กระจายขึ้นไปโดยใช้ประโยชน์จากลักษณะที่แตกต่างกันของทรัพยากรทั้งสองดังนั้นหนึ่งอาจคาดหวังว่าเช่นกัน หากหนึ่งในการพิสูจน์แล้วว่านี้มีความสัมพันธ์หรือความไม่เท่าเทียมกันที่คล้ายกันอื่น ๆ ก็จะแปลNPE X P N E X P P N PPNPEXPNEXPPNP

ข้อโต้แย้งของฉันอาจชัดเจนในแง่ของฟิสิกส์ นิวตันจะมีช่วงเวลาที่ยากลำบากในการทำความเข้าใจกับแรงโน้มถ่วงสากลโดยการตรวจสอบหิน (แอปเปิ้ล?) แทนที่จะเป็นวัตถุท้องฟ้า วัตถุขนาดใหญ่มีรายละเอียดมากขึ้นในการศึกษาทำให้มีรูปแบบพฤติกรรมที่แม่นยำยิ่งขึ้นและอนุญาตให้ละเว้นปรากฏการณ์ขนาดเล็กที่อาจไม่เกี่ยวข้อง

แน่นอนว่ามีความเสี่ยงที่วัตถุขนาดใหญ่จะมีพฤติกรรมที่แตกต่างกันในกรณีของเราว่าอำนาจพิเศษของการไม่กำหนดระดับจะไม่เพียงพอในชั้นเรียนขนาดใหญ่ จะเกิดอะไรขึ้นถ้าได้รับการพิสูจน์แล้ว? เราควรเริ่มทำงานกับในวันถัดไปหรือไม่E X P N E X PPNPEXPNEXP

คุณคิดว่าวิธีนี้เป็นปัญหาหรือไม่? คุณรู้หรือไม่เกี่ยวกับการวิจัยที่ใช้คลาสที่ใหญ่กว่าพหุนามเพื่อแยกความแตกต่างของการคำนวณทั้งสองประเภท


1
ฉันคิดว่าอุปสรรคเดียวกันที่ทำให้การพิสูจน์ P! = NP เป็นเรื่องยากทำให้การแยก EXP และ NEXP เป็นเรื่องยากเช่นกัน เช่นฉันเชื่อว่ามีผลลัพธ์ที่ไม่เกี่ยวข้องสำหรับ EXP และ NEXP ฉันแน่ใจว่าผู้คนได้พิจารณาคำถามแยกจากกันเกี่ยวกับคลาสที่มีความซับซ้อนมากขึ้น แต่ฉันคิดว่าสิ่งนี้ไม่ได้นำไปสู่ความก้าวหน้ามากกว่าการพยายามแยกคำถามที่เล็กกว่าออก
Philip White

ฉันเพิ่งอ่านย่อหน้าสุดท้ายของคุณอีกครั้ง ฉันอาจอ่านคำถามของคุณผิด คุณกำลังถามว่า "ทำไมเราไม่สามารถแยก P! = NP โดยตรวจสอบการคาดเดาที่เกี่ยวข้องเช่น EXP! = NEXP?" หรือคุณกำลังถามว่า "เพราะเหตุใด P? = NP ถูกเลือกแทนที่จะเป็นคำถามที่แตกต่างกันเพื่อสำรวจความแตกต่างระหว่างดีเทอร์มินัลและ nondeterminism?" ฉันสมมติว่าคุณทราบว่า P = NP -> EXPTIME = NEXPTIME ฉันคิดว่าคำตอบสำหรับคำถามที่สองเกี่ยวข้องกับข้อเท็จจริงที่ว่า P เป็นไปได้ในขณะที่ EXPTIME ไม่ นอกจากนี้ NP มีความเกี่ยวข้องกับการเข้ารหัส ฉันคิดว่า P? = NP ดูเหมือนจะ "มีความเกี่ยวข้อง" มากกว่านี้
Philip White

คำถามที่สองคือคำถามหลักของฉัน อย่างไรก็ตามคำถามแรกก็มีความเกี่ยวข้องเช่นกัน: เราสามารถแยกลัทธิ nondeterminism ออกจากระดับได้เพียงครั้งเดียวและสำหรับทั้งหมดหรือเราจะพยายามแก้ปัญหา P! = คำถามที่ไม่มีที่สิ้นสุดทุกครั้งที่มีคลาสที่ใหญ่กว่าหรือไม่? ฉันยังเถียงว่าถึงแม้ว่า P และ NP จะเกี่ยวข้องกับปัญหา "มนุษย์" ของเรา แต่อาจจำเป็นต้องเรียนในชั้นเรียนที่มีขนาดใหญ่ขึ้นซึ่งเป็นไปไม่ได้เพื่อทำความเข้าใจถึงพลังของ
ลัทธิ

คำตอบ:


21

ปัญหาอาจจะทำความสะอาดบิตที่มีและN E = N T ฉันm E ( 2 O ( n ) ) วิธีที่ง่ายที่สุดที่จะคิดเกี่ยวกับการเรียนเหล่านี้เป็นสิ่งที่พวกเขาเป็นเช่นเดียวกับPและN Pแต่ จำกัด ให้เอกภาษา นั่นคือปัจจัยการผลิตทั้งหมดที่มีรูปแบบที่1 kE=Dtime(2O(n))NE=Ntime(2O(n))PNP1k

นั่นคือภาษาอยู่ในEถ้าหากภาษาU L = { 1 x : x L }อยู่ในP (ระบุสตริงกับตัวเลขที่ใช้แทน binary) และในทำนองเดียวกันN Eคือ isomorphic เพื่อเอกN PLEUL={1x:xL}PNENP

ดังนั้นการพยายามแยกออกจากEก็เหมือนกับการพยายามไม่เพียง แต่แยกPจากN Pแต่จริงๆแล้วมันใช้ภาษาที่เป็นเอกภาพ ไม่มีเหตุผลที่จะทำให้ชีวิตของคุณง่ายขึ้นNEEPNP


ดูเหมือนว่าจะชี้แจงสถานการณ์ ดังนั้นอาจกล่าวได้ว่าบอกเป็นนัยว่าไม่มีอัลกอริธึมทั่วไปที่อนุญาตให้มีการจำลองพหุนามของ NTM โดย DTM ในขณะที่ข้อความที่คล้ายกันสำหรับคลาสที่มีขนาดใหญ่แสดงถึงข้อความเดียวกัน แต่สำหรับภาษาที่เฉพาะเจาะจงมากขึ้น? PNP
chazisop

2
ใช่แน่นอนมันไม่ (สำหรับครอบครัวที่ จำกัด มากขึ้นของภาษา)
โบอาส Barak

4

ทำไมเราถึงสนใจและN P ? อันที่จริงแล้วลัทธิมนตราเทวนิยมในฐานะที่เป็นวัตถุแห่งการศึกษาเป็นเพียงข้อกังวลรอง เราสนใจเกี่ยวกับN Pเพราะปัญหาที่สำคัญหลายพันเรื่องที่ไม่สมบูรณ์N P นี่คือปัญหาที่เราต้องการ (และในชีวิตจริงจำเป็นต้องแก้ไข) เราใส่ใจว่าปัญหาเหล่านี้สามารถแก้ไขได้อย่างมีประสิทธิภาพหรือไม่และPเป็นแบบจำลองเชิงทฤษฎีสำหรับการคำนวณที่มีประสิทธิภาพ ดังนั้นเราจะนำไปสู่คำถามของPกับN PPNPNPNPPPNP


1

ทราบว่ามีเป็นที่รู้จักกันแยกบางชั้นเรียนซับซ้อนมากมายเช่นและยัง equalities เช่นN P S p a c e = P S p a c e และp r idecidablecomputability enumerableNPSpace=PSpaceprimitive recursive=nondeterministic primitive recursive. (มันเป็นบทเรียนที่จะคิดเกี่ยวกับสาเหตุที่ช่องว่างภายในเล็กน้อยใช้พวกเขาไม่ได้เป็นประโยชน์สำหรับการตกตะกอน P VS NP.) เราควรจะระมัดระวังมากขึ้นเกี่ยวกับสิ่งที่เราหมายถึงคำถามเช่น VS N PและE X P VS N E X P ถ้าP vs N Pเป็นเวอร์ชันแบบบุ (เช่นE X PกับN E X PและEกับN E ) คำตอบของ Boaz ก็จะถูกนำมาใช้เช่นกันPNPEXPNEXPPNPEXPNEXPENE

หลักฐานสำหรับนั้นอ่อนแอกว่าP N P มากและมีผลกระทบน้อยกว่ามากและมีคนที่พบE X P = N E X Pเป็นไปได้ดังนั้นสถานการณ์มีความซับซ้อนมากขึ้นและเรามี สัญชาตญาณอ่อนแอมากเกี่ยวกับคำตอบที่คาดหวัง ความเท่าเทียมกันจะไม่ช่วยในทางปฏิบัติและไม่มีใครรู้ว่ามีผลกระทบต่อกรณีที่น่าสนใจจริง ๆนั่นคือP vs N Pและความไม่เท่าเทียมกันอย่างเป็นทางการและแนวคิดเป็นเรื่องยากเหมือนความไม่เท่าเทียมกันระหว่างEXPNEXPPNPEXP=NEXPPNP VS N PPNP


หมายถึง P N Pดังนั้นฉันไม่เข้าใจคำกล่าวอ้างของคุณว่าหลักฐานสำหรับ E X P N E X Pนั้นอ่อนแอกว่ามาก ขอให้สังเกตว่า E X P = N E X Pหมายถึง tht N E X P = C o - N E X Pซึ่งเป็นผลที่น่าแปลกใจมาก EXPNEXPPNPEXPNEXPEXP=NEXPNEXP=coNEXP
Mohammad Al-Turkistany

1
@ turkistany: ขอบคุณสำหรับความคิดเห็น (แม้ว่าฉันจะไม่พบเหตุผลที่ดีสำหรับการลงคะแนน) ผมคิดว่ามันเป็นที่ชัดเจน, หมายถึงP N Pแต่ไม่ในทางกลับกันดังนั้นหลักฐานสำหรับP N Pดูเหมือนจะไม่เป็นหลักฐานสำหรับE X P N E X P ไม่ว่าในกรณีใดE X P = N E X Pน่าประหลาดใจน้อยกว่าP = N P มากEXPNEXPPNPPNPEXPNEXPEXP=NEXPP=NPคุณไม่เห็นด้วยไหม
Kaveh

1
@ Kaveh ให้ฉันไม่เห็นด้วย ฉันพบว่าเป็นผลลัพธ์ที่น่าประหลาดใจมากเพราะมันหมายถึงN E X P = c o - N E X Pตามที่ระบุไว้ข้างต้น EXP=NEXPNEXP=coNEXP
Mohammad Al-Turkistany

2
@turkistany: เป็นที่ชัดเจนสำหรับฉันว่าจะน่าแปลกใจกว่าE X P = N E X Pแต่แน่นอนคุณสามารถไม่เห็นด้วย :)P=NPEXP=NEXP
Kaveh

คุณกำหนดค่าการเรียกซ้ำแบบดั้งเดิมที่ไม่ได้กำหนดได้อย่างไร
slimton
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.