ปัญหาของการตัดสินใจว่า CNF แบบโมโนโทนมีความหมายถึง DNF แบบโมโนโทนหรือไม่


14

พิจารณาปัญหาการตัดสินใจต่อไปนี้

การป้อนข้อมูล : เป็นเสียงเดียว CNF Φและเสียงเดียว DNF ΨΨ

คำถาม : ΦΨซ้ำซากหรือไม่

แน่นอนคุณสามารถแก้ปัญหานี้ในO(2nพีโอล.Y(ล.)) - เวลาโดยที่nคือจำนวนของตัวแปรใน ΦΨและล.คือความยาวของอินพุต ในทางกลับกันปัญหานี้เป็น coNP-complete นอกจากนี้การลดลงซึ่งกำหนด coNP-ครบถ้วนนอกจากนี้ยังแสดงให้เห็นว่าเว้นแต่ SETH ล้มเหลวไม่มี O(2(1/2-ε)nพีโอล.Y(ล.))อัลกอริธึมเวลาสำหรับปัญหานี้ (สิ่งนี้จะเก็บไว้ที่ค่าบวกε ) นี่คือการลดนี้ ให้Aเป็น CNF ที่ไม่ใช่เสียงเดียวและปล่อยให้xเป็นตัวแปร แทนที่การเกิดขึ้นในเชิงบวกของxด้วยYทุกครั้งและการเกิดขึ้นทางลบของx by Zทุกครั้ง ทำเช่นเดียวกันสำหรับทุกตัวแปร ให้เสียงเดียวที่เกิด CNF จะΦΦมันง่ายที่จะเห็นว่าAนั้นเป็นที่น่าพอใจถ้าหากΦyzไม่ใช่เรื่องน่าเบื่อหน่าย การลดลงนี้ทำให้จำนวนตัวแปรเพิ่มขึ้นด้วยปัจจัย 2 ซึ่งหมายถึง2n/2 (ตาม SETH) ขอบเขตล่างที่กล่าวถึงข้างต้น

ดังนั้นจึงมีช่องว่างระหว่าง2n/2และ2n time คำถามของฉันคือรู้จักอัลกอริทึมที่ดีกว่าหรือดีกว่าการลด SETH หรือไม่

ดูเหมือนว่ามีข้อสังเกตสองข้อที่เกี่ยวข้องกับปัญหา:

  • ปัญหาย้อนกลับของการบอกว่าโมโนโทนโทน DNF มีความหมายว่าโมโนโทนหรือ CNF สามารถแก้ไขได้ในเวลาพหุนามหรือไม่

  • ที่น่าสนใจปัญหาของการตัดสินใจว่าΦและΨคำนวณฟังก์ชั่นเดียวกัน สามารถแก้ไขได้ในเวลากึ่งพหุนามเนื่องจาก Fredman และ Khachiyan (บนความซับซ้อนของ Dualization ของ Monotone Disjunctive Form, Journal of Algorithms 21 (1996), no. 3 , pp. 618–628, ดอย: 10.1006 / jagm.1996.0062 )

คำตอบ:


6

สมมติว่า SETH ปัญหาคือไม่ได้แก้ปัญหาได้ในเวลาสำหรับการใด ๆε > 0O(2(1ϵ)npoly(l))ϵ>0


ก่อนอื่นให้ฉันแสดงให้เห็นว่านี่เป็นความจริงสำหรับปัญหาทั่วไปที่และΨอาจเป็นสูตรโมโนโทนโดยพลการ ในกรณีนี้มีการลด ctt แบบโพลีเวลาจาก TAUT เป็นปัญหาที่รักษาจำนวนของตัวแปร ให้T n t ( x 0 , , x n - 1 )แสดงถึงฟังก์ชันขีด จำกัด T n t ( x 0 , , x n - 1 ) = 1ΦΨTtn(x0,,xn1) การใช้เครือข่ายการคัดแยก Ajtai – Komlós – Szemerédiทำให้T n tสามารถเขียนได้โดยสูตรโมโนโพเน่ขนาดพหุนามซึ่งสามารถสร้างได้ในเวลาpoly(n)

Ttn(x0,,xn1)=1|{i<n:xi=1}|t.
Ttnpoly(n) )

รับสูตรบูลีนเราอาจใช้กฎ De Morgan เพื่อเขียนในรูปแบบϕ ( x 0 , , x n - 1 , ¬ x 0 , , ¬ x n - 1 ) โดย ที่ϕ เป็นเสียงเดียว จากนั้น ϕ ( x 0 , , x n -ϕ(x0,,xn1)

ϕ(x0,,xn1,¬x0,,¬xn1),
ϕϕ(x0,,xn1)เป็นซ้ำซากถ้าหากว่าเดียวความหมาย ใช้ได้กับทุกt nโดยที่ N i = T n - 1 t (
Ttn(x0,,xn1)ϕ(x0,,xn1,N0,,Nn1)
tn
Ni=Ttn1(x0,,xi1,xi+1,,xn1).

สำหรับความหมายจากซ้ายไปขวาให้จะโอนความพึงพอใจของT n Tคืออย่างน้อยเสื้อคน มีe eกับtที่แน่นอน แล้วอี'N ฉัน¬ x ฉันจึงE 'ไวนัยE 'ไว' ( x 0 , ... , x n - 1 , N 0 , NeTtnเสื้อeeteNi¬xieϕ ) เนื่องจากนี่เป็นสูตรโมโนโทนเราจึงมีe ϕ ( x 0 ,, x n - 1 , N 0 ,, N n - 1 )eϕ(x0,,xn1,N0,,Nn1)eϕ(x0,,xn1,N0,,Nn1) )ความหมายจากขวาไปซ้ายคล้ายกัน


ตอนนี้ให้ฉันกลับไปที่ปัญหาเดิม ผมจะแสดงต่อไปนี้: ถ้าเป็นปัญหาที่แก้ไขได้ในเวลาแล้วสำหรับการใด ๆk , k -DNF-ตึง (หรือ dually, k -SAT) เป็นแก้ปัญหาได้ในเวลา2 δ n + ( 2δnpoly(l)kkk) ซึ่งหมายความδ1ถ้า SETH ถือ2δn+O(knlogn)poly(l)δ1

ดังนั้นถือว่าเราจะได้รับ -DNF φ = ฉัน< ลิตร( เจฉัน x เจเจB ฉัน ¬ x J ) , ที่| A i | + | B i | kสำหรับแต่ละฉัน เราแบ่งตัวแปรnออกเป็นn = n / bบล็อกของขนาดb k

ϕ=i<l(jAixjjBi¬xj),
|Ai|+|Bi|kinn=n/bแต่ละอัน ด้วยเหตุผลเดียวกับข้างบนϕคือถ้าหากมีความหมายซ้ำซาก impl u < n T b t u ( x b u , , x b ( u + 1 ) - 1 ) i < l ( เจฉัน x เจเจB ฉัน Nbk1nlognϕ
(* * * *)ยู<n'Tเสื้อยู(xยู,...,x(ยู+1)-1)ผม<ล.(JAผมxJJBผมยังไม่มีข้อความJ)
n'เสื้อ0,...,เสื้อn'-1[0,]J=ยู+J'0J'<
Nj=Ttub1(xbu,,xbu+j1,xbu+j+1,,xb(u+1)1).
Tเสื้อO(2)ดังนั้น LHS ของ (* * * *) เป็นขนาด CNF เดียว O(n2). ทางด้านขวามือเราอาจเขียนยังไม่มีข้อความJ เป็น DNF ขนาดเดียว O(2). ดังนั้นการใช้การกระจายตัวแต่ละส่วนของ RHS สามารถเขียนเป็นขนาด DNF แบบโมโนโทนO(2k)และ RHS ทั้งหมดเป็นขนาด DNF O(ล.2k). มันติดตามว่า(* * * *) เป็นตัวอย่างของปัญหาขนาดของเรา O(ล.2O(k)) ใน nตัวแปร โดยสมมติฐานเราอาจตรวจสอบความถูกต้องในเวลาO(2δn+O(k)ล.O(1)). เราทำซ้ำการตรวจสอบนี้สำหรับทุกคนn' ทางเลือกของ เสื้อดังนั้นเวลาทั้งหมดคือ
O((+1)n/2δn+O(k)ล.O(1))=O(2δn+O(knเข้าสู่ระบบn)ล.O(1))
ตามที่อ้างสิทธิ์

เราได้รับการเชื่อมต่อที่แน่นยิ่งขึ้นกับ (S) ETH โดยพิจารณาจากปัญหาความกว้างแบบขอบเขต: สำหรับสิ่งใด ๆ k3, ปล่อย k-MonImp แสดงถึงข้อ จำกัด ของปัญหาที่ Φ คือ k-CNF และ Ψ คือ k-DNF (S) ETH เกี่ยวข้องกับค่าคงที่

sk=INF{δ:k-SATDTผมME(2δn)},s=จีบ{sk:k3}.
ในทำนองเดียวกันให้เรากำหนด
sk'=INF{δ:k-Mโอnผมม.พีDTผมME(2δn)},s'=จีบ{sk':k3}.
เห็นได้ชัดว่า
s3's4's'1
เช่นเดียวกับในกรณี SAT เรายังมี
sk'sk,
และการลดลงของตัวแปรคู่ในคำถามแสดง
sk2sk'.
ตอนนี้ถ้าเราใช้สิ่งก่อสร้างด้านบนด้วยขนาดบล็อกคงที่ เราได้รับ
sksbk+log(b+1)b,
hence
s=s.
In particular, SETH is equivalent to s=1, and ETH is equivalent to sk>0 for all k3.

ขอบคุณสำหรับคำตอบ! ฉันอยากรู้ว่ามันเป็นไปได้ที่จะทำΦ และ Ψความลึกคงที่ในการก่อสร้างนี้? กล่าวคือฉันไม่ทราบว่าสูตรโมโนโพลเชิงลึกขนาดคงที่แบบเอ็กซ์โพเนนเชียลขนาดคงที่ (หรือแม้แต่วงจรที่ไม่ใช่โมโนโทน) เป็นที่รู้จักสำหรับTkn(โดยเฉพาะอย่างยิ่งสำหรับคนส่วนใหญ่)? แน่นอนว่ามี2nΩ(1/d) ขอบเขตล่างสำหรับความลึก -dแต่พูด 2n ขนาดจะตกลง
Sasha Kozachinskiy

Tkn, and in general anything computable by polynomial-size formulas (i.e., in NC^1), has depth-d circuits of size 2nO(1/d). See e.g. cstheory.stackexchange.com/q/14700 . I will have to think if you can make them monotone, but it sounds plausible.
Emil Jeřábek supports Monica

OK. First, the generic construction works fine in the monotone setting: if a function has poly-size monotone formulas, it has depth-d monotone circuits of size 2nO(1/d)poly(n) for any d2. Second, for Tkn specifically, it is easy to construct monotone depth-3 circuits of size 2O(nlogn) by splitting the input into blocks of size Θ(nlogn).
Emil Jeřábek supports Monica

Actually, pushing this idea a little bit more, it does provide an answer to the original question: assuming SETH, the lower bound holds already for Φ monotone CNF and Ψ monotone DNF. I will write it up later.
Emil Jeřábek supports Monica

I would guess that you can divide all the variables into about n blocks x1,xn and then write Tk1n(x1)Tknn(xn)ϕ for every k1++knn. You can use 2n-size CNF for every threshold function. But then on a right hand side you will have not DNF but a depth-3 formula...
Sasha Kozachinskiy
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.