มันเป็นที่รู้จักกันดีว่าถ้าแล้วลำดับชั้นของพหุนามทรุดและ{}
สิ่งนี้สามารถเข้าใจได้โดยง่ายโดยใช้เครื่อง oracle คำถามคือ - ทำไมเราไม่สามารถดำเนินกระบวนการอุปนัยเกินกว่าระดับคงที่และพิสูจน์ (aka )?
ฉันกำลังมองหาคำตอบที่ใช้งานง่าย
มันเป็นที่รู้จักกันดีว่าถ้าแล้วลำดับชั้นของพหุนามทรุดและ{}
สิ่งนี้สามารถเข้าใจได้โดยง่ายโดยใช้เครื่อง oracle คำถามคือ - ทำไมเราไม่สามารถดำเนินกระบวนการอุปนัยเกินกว่าระดับคงที่และพิสูจน์ (aka )?
ฉันกำลังมองหาคำตอบที่ใช้งานง่าย
คำตอบ:
หลักฐานสำหรับ ( ) คือการเหนี่ยวนำโดยใช้ P การเหนี่ยวนำแสดงให้เห็นว่าสำหรับจำนวน ธรรมชาติ , (และ เป็นเพียงสหภาพของพวกเขา)
อุปนัยไม่ทำงานเมื่อจำนวนของการเปลี่ยนแปลงสามารถเปลี่ยนแปลงได้ด้วยขนาดอินพุต (เช่นเมื่อจำนวนตัวเลือกที่เป็นไปได้ของเครื่องไม่ใช่ตัวเลขแต่เป็นฟังก์ชั่นของขนาดอินพุตเช่นเราไม่ได้แสดงให้เห็นว่าการทำงานของเครื่อง ในอินพุตเดียวสามารถลดลงเป็นไม่มีการสลับเราแสดงให้เห็นว่าการประมวลผลของเครื่องในอินพุตทั้งหมดสามารถลดลง "สม่ำเสมอ" เป็นไม่มีการสลับ)
ลองดูข้อความที่คล้ายกัน แต่ง่ายกว่ากัน เราต้องการที่จะแสดงให้เห็นว่าการทำงานของตัวตนในที่สุดก็ครอบงำฟังก์ชั่นอย่างต่อเนื่องทั้งหมด ( ฉ« กรัม IFF สำหรับทุกคน แต่หลายขีดn F ( n ) ≤ กรัม( n ) ) มันสามารถพิสูจน์ได้ว่าโดยการเหนี่ยวนำ สำหรับทุกk , k « n (เช่นฉk « ฉันวันที่ฉk ( n ) = k
เปรียบเทียบลำดับชั้นพหุนามกับลำดับชั้นสำหรับการพิสูจน์เชิงโต้ตอบ ถ้าสำหรับk ที่ตายตัวบางตัวคุณมีk การสลับกันในการพิสูจน์แบบโต้ตอบ - IP ( k ) - ระดับความซับซ้อนที่เกิดขึ้นไม่มีอำนาจมากไปกว่าสิ่งที่คุณได้รับจากการสลับสองทาง - นั่นคือ IP ( k ) = IP (2) ) = AM (สมมติว่าk ≥2) อย่างไรก็ตามหากคุณอนุญาตให้มีการสลับจำนวนโพลิโนเมียลคุณจะได้รับระดับความซับซ้อนของ IP = PSPACE ซึ่งเชื่อว่าใหญ่กว่า AM มากคลาสจะมีอยู่ในΠ 2 P ที่ระดับที่สองของลำดับชั้นพหุนาม ดังนั้นปรากฏการณ์นี้จึงเกิดขึ้นจริง (แม้ว่าจะไม่เท่าที่เราทราบด้วยลำดับชั้นพหุนาม)
สิ่งนี้เกิดขึ้นเนื่องจากการลดลงซึ่งใช้ปัญหาขนาดnใน IP ( k ) และเปลี่ยนเป็นปัญหาใน IP (2) ทำให้ขนาดของปัญหาใหญ่ขึ้นดังนั้นในขณะที่ IP เฉพาะ ( k ) ปัญหาใด ๆยังคงเป็นขนาดพหุนาม ถ้าคุณให้kแตกต่างกันการลดลงส่งผลให้ไม่ให้ปัญหาที่เป็นพหุนามในk
นี่คือสัญชาตญาณเล็กน้อยที่เกี่ยวข้องกับช่องว่างระหว่างการสลับคงที่และไม่ จำกัด : การดำเนินการพหุนามซ้ำจำนวนคงที่หลายครั้งคือพหุนาม แต่ซ้ำจำนวนพหุนามซ้ำหลายครั้งสามารถอธิบายได้ ตัวอย่างเช่นใช้การคูณซ้ำกับตัวเอง:
v = 2
for(i=1 to n)
v = v*v
จำนวนการวนซ้ำเป็นเส้นตรงและเอาต์พุตเป็นเลขชี้กำลัง แต่ถ้าคุณแก้ไข n มันก็คือพหุนามกับขนาดของค่าเริ่มต้น
ด้านล่างฉันขยายจุดเล็กน้อยในคำตอบของปีเตอร์โดยพยายามกำจัดปริมาณสำหรับจำนวนขั้นตอนมากกว่าคงที่เพื่อดูว่ามันล้มเหลวและหากมีสิ่งใดที่สามารถกู้จากความพยายามดังกล่าว
ลองขยายมากกว่าจำนวนครั้งคงที่
สมมติว่า P ดังนั้นจึงมีไทม์แมชชีนพหุนามที่แก้ Ext-Circuit-SAT (มีส่วนขยายที่น่าพอใจสำหรับวงจรที่กำหนดและการกำหนดบางส่วนให้กับอินพุตหรือไม่)
อย่างเป็นทางการมากขึ้นเรามีอัลกอริทึมแบบ polytime พร้อมพหุนามเวลาทำงาน st
รับบูลีนวงจรและการกำหนดค่าบางส่วนให้กับอินพุท
จะคืนค่า "ใช่" ถ้ามีส่วนขยายของที่สอดคล้องกับและส่งคืน "ไม่"
เพื่อให้ผ่านช่วงเวลาคงที่เราต้องทำการกำจัดปริมาณอย่างมีประสิทธิภาพ เราสามารถทำสิ่งนี้ได้เพราะทฤษฎีบท Cook-Levin เป็นทฤษฎีที่สร้างสรรค์ในความเป็นจริงมันให้อัลกอริธึมเวลาพหุนาม st
กำหนด DTM รับสองอินพุตและหมายเลขเอกภาพ , , และ ,
ส่งคืนวงจรบูลีนขนาดที่จำลองบนอินพุตของความยาวสำหรับขั้นตอน
ลองใช้สิ่งเหล่านี้เพื่อขยายการโต้แย้งสำหรับเพื่อให้ได้อัลกอริทึมที่แก้ปัญหา TQBF (อันที่จริงแล้ว TQBCircuit เช่นปัญหาวงจรบูลีนทั้งหมด
แนวคิดของอัลกอริทึมมีดังนี้: เราใช้บนซ้ำ ๆเพื่อลบปริมาณออกจากวงจรเชิงปริมาณที่กำหนด มีจำนวนเชิงเส้นของปริมาณที่มีดังนั้นเราจึงหวังที่จะได้รับอัลกอริทึมเวลาพหุนาม (เรามีขั้นตอนวิธีการที่มีหลายขั้นตอน polynomially ใช้เวลาพหุนามย่อย ) ในตอนท้ายของกระบวนการกำจัดปริมาณเราจะมีวงจรที่ไม่มีปริมาณซึ่งสามารถประเมินได้ในเวลาพหุนาม (ปัญหาค่าวงจรเป็น , ให้เป็นอัลกอริทึมเวลาพหุนามในการคำนวณค่าวงจรของวงจรที่กำหนด) .
อย่างไรก็ตามเราจะเห็นว่าความคิดนี้ไม่ได้ผล (ด้วยเหตุผลเดียวกันที่ชี้ให้เห็นโดยปีเตอร์)
สำหรับตั้งแต่ถึงทำ
หาก ,
หาก ,
อัลกอริทึมที่ได้จะดูเวลาพหุนาม: เรามีพหุนามหลายขั้นตอนแต่ละขั้นตอนจะคำนวณเวลาพหุนาม อย่างไรก็ตามนี่ไม่ถูกต้องอัลกอริทึมไม่ใช่เวลาพหุนาม
การใช้รูทีนย่อยเวลาพหุนามในอัลกอริทึมเวลาพหุนามคือเวลาพหุนาม ปัญหาคือโดยทั่วไปสิ่งนี้ไม่จำเป็นต้องเป็นจริงหากค่าที่ส่งคืนโดยรูทีนย่อยไม่ได้มีขนาดพหุนามในอินพุตดั้งเดิมและเราถือว่าเราทำการมอบหมายเกี่ยวกับค่าที่ส่งคืนจากรูทีนย่อย (ในโมเดล TM เราต้องอ่านผลลัพธ์ของรูทีนย่อยเวลาพหุนามใด ๆ ทีละบิต) นี่ขนาดของค่าที่ส่งคืนจากอัลกอริทึมกำลังเพิ่มขึ้น (อาจเป็นขนาดกำลังไฟฟ้าของอินพุตที่ป้อน พลังงานที่แน่นอนขึ้นอยู่กับเวลาในการทำงานของและประมาณดังนั้นตั้งแต่เรารู้ว่าไม่สามารถจะน้อยกว่าเส้นเวลา| o u t p u t | อย่างน้อยก็คือ| ฉันn p u t | 2 )
ปัญหาคล้ายกับรหัสง่าย ๆ ด้านล่าง:
ทุกครั้งที่เราดำเนินการเราตารางขนาดของปีหลังจากการประมวลผลเราจะมีซึ่งคือและมีขนาดแน่นอนว่าไม่ใช่พหุนามในขนาดของอินพุต
สมมติว่าเราพิจารณาเฉพาะสูตรเชิงปริมาณด้วยการสลับปริมาณ quantifier (โดยที่คือขนาดรวมของสูตรเชิงปริมาณ)
สมมติว่าวิ่งในเวลาพี (เช่นเส้นตรงเวลาที่ไม่ได้ตัดออกเพื่อให้ห่างไกล) และมีอาจจะมีประสิทธิภาพมากขึ้นC o o kอัลกอริทึม outputting วงจรขนาดเล็กขนาดL ( T )ในสถานที่ของที2แล้วที่เราได้รับ อัลกอริทึมสำหรับ ExtCircuitSat ที่ทำงานในเวลา( l ∘ p ) O ( k ) ( n ) = l ( p ( l ( p ( … ( l ( p )องค์ประกอบ แม้ในกรณีที่ว่าทั้งสองและเป็นเชิงเส้น ( แต่มีค่าสัมประสิทธิ์รวม≥2) เราจะได้รับอัลกอริทึมที่ทำงานในเวลาΩ(n2k(n))และถ้าk(n)=Θ(n)มัน จะเป็นΩ(n2n) คล้ายกับอัลกอริธึมกำลังเดรัจฉาน (และแม้นี้จะขึ้นอยู่กับการสมมติว่า Cook-Levin สามารถดำเนินการกับอัลกอริทึมที่ทำให้เกิดวงจรขนาดเชิงเส้นในเวลาทำงานของอัลกอริทึม)
ฉันคิดว่านี่เป็นเพราะในแต่ละระดับของ PH จำนวนของการสลับจะเป็นค่าคงที่ (กล่าวคือเป็นอิสระจากขนาดอินพุต) ในขณะที่ AP จำนวนการสลับสามารถถูก จำกัด ได้