คำถามติดแท็ก cc.complexity-theory

P เทียบกับ NP และการคำนวณที่ จำกัด ขอบเขตทรัพยากรอื่น ๆ

1
ทำไมการคาดคะเนบันทึกอันดับจึงใช้อันดับเหนือ reals
ในความซับซ้อนของการสื่อสารการคาดคะเนอันดับบันทึกระบุว่า c c ( M) = ( บันทึกR k ( M) )O ( 1 )คค(M)=(เข้าสู่ระบบ⁡Rk(M))O(1)cc(M) = (\log rk(M))^{O(1)} โดยที่คือความซับซ้อนของการสื่อสารของM ( x , y )และr k ( M )คืออันดับของM (เป็นเมทริกซ์) เหนือ realsc c ( M)คค(M)cc(M)M( x , y)M(x,Y)M(x,y)R k ( M)Rk(M)rk(M)MMM อย่างไรก็ตามเมื่อคุณใช้วิธีการจัดลำดับเพื่อลดขอบเขตคุณสามารถใช้r kบนฟิลด์ใดก็ได้ที่สะดวก ทำไมการคาดคะเนบันทึกอันดับจึง จำกัด ที่ rk มากกว่า reals? การคาดเดาได้รับการแก้ไขสำหรับr kเหนือฟิลด์ที่มีลักษณะไม่เป็นศูนย์หรือไม่? …
1
ปัญหาธรรมชาติใน
คลาสที่ซับซ้อนถูกกำหนดดังนี้ (จากWikipedia ):SP2S2P\textrm{S}_2^\textrm{P} ภาษาอยู่ในถ้ามีพหุนามเวลากริยาดังกล่าวว่าLLLSP2S2PS_2^PPPP ถ้าจะมีเช่นนั้นสำหรับทุก ,x∈Lx∈Lx \in LyyyzzzP(x,y,z)=1P(x,y,z)=1P(x,y,z)=1 ถ้าว่ามีสำหรับทุก ,x∉Lx∉Lx \notin LzzzyyyP(x,y,z)=0P(x,y,z)=0P(x,y,z)=0 ที่ขนาดของทั้งและจะต้องเป็นพหุนามในขนาดของxyyyzzzxxx ดูโพสต์ของ Fortnowและสวนสัตว์ที่ซับซ้อนสำหรับคำอธิบายเพิ่มเติมและการอภิปรายอย่างไม่เป็นทางการ แม้ว่าคลาสนี้จะดูเป็นธรรมชาติ แต่ฉันไม่สามารถหาตัวอย่างของปัญหาที่อยู่ในด้วยเหตุผลที่ไม่สำคัญ (เช่นไม่ใช่เพียงเพราะอยู่ใน NP หรือ MA หรือ บางคลาสมีอยู่ใน ) ไม่มีใครรู้ปัญหาที่ตรงกับคำอธิบายนี้หรือไม่?SP2S2P\textrm{S}_2^\textrm{P}SP2S2P\textrm{S}_2^\textrm{P} หากไม่มีใครสามารถคิดถึงปัญหาเช่นนั้นได้ฉันจะไม่คิดว่าปัญหาจะอยู่ในกลุ่มย่อยของแต่มันไม่สำคัญที่จะแสดงสิ่งนี้ในขณะที่ปัญหา จะเห็นได้ชัดใน{P}SP2S2P\textrm{S}_2^\textrm{P}SP2S2P\textrm{S}_2^\textrm{P}
1
พิสูจน์ใน
ในการพูดคุยโดย Razborov มีการโพสต์ข้อความแปลก ๆ หากแฟยากแล้วทฤษฎีบทเล็ก ๆ น้อย ๆ ของแฟร์มาต์ไม่สามารถพิสูจน์ได้ในS12S21S_{2}^{1} 2 คืออะไรS12S21S_{2}^{1}และทำไมพิสูจน์ปัจจุบันไม่ได้อยู่ในS12S21S_{2}^{1} ?
1
สูตรบูลีนปรับสมดุลใน
ฉันกำลังมองหาการอ้างอิงเกี่ยวกับความซับซ้อนของปัญหาการปรับสมดุลสูตรบูลีน โดยเฉพาะอย่างยิ่ง, เป็นที่ทราบกันว่าสูตรบูลีนสามารถปรับสมดุลในหรือไม่?AC0AC0\mathsf{AC^0} มีหลักฐานที่เรียบง่ายของสูตรบูลีสมดุลอยู่ใน ?AC0AC0\mathsf{AC^0} โดย "ง่าย" ผมหมายถึงหลักฐานง่ายกว่าคนที่ผมกล่าวถึงข้างล่างนี้โดยเฉพาะอย่างยิ่งฉันกำลังมองหาหลักฐานที่ไม่ได้ขึ้นอยู่กับการประเมินผลการบูลีนสูตรเป็นอยู่ใน1}NC1NC1\mathsf{NC^1} พื้นหลัง ที่นี่ทุกชั้นเรียนที่ซับซ้อนกล่าวถึงเป็นคนที่เหมือนกัน BFB (บูลีนสูตรสมดุล): กำหนดสูตรบูลีน , ค้นหาเทียบเท่าสูตรบูลีนที่สมดุลφφ\varphi ฉันสนใจความซับซ้อนของปัญหานี้โดยเฉพาะการพิสูจน์อย่างง่าย ๆ ที่แสดงปัญหาอยู่ใน (หรือแม้แต่หรือ ) ร่วมกันสร้างความสมดุลระหว่างการขัดแย้งเช่นผู้ที่อยู่บนพื้นฐานของแทรก Spira ฯ กำหนดซ้ำปรับเปลี่ยนโครงสร้างต้นไม้สูตรซึ่งดูเหมือนจะเพียง แต่ให้2}AC0AC0\mathsf{AC^0}TC0TC0\mathsf{TC^0}NC1NC1\mathsf{NC^1}BFB∈NC2BFB∈NC2BFB \in \mathsf{NC^2} ฉันมีหลักฐานสำหรับแต่หลักฐานไม่ง่ายและขึ้นอยู่กับหลักฐานของ1}BFB∈AC0BFB∈AC0BFB \in \mathsf{AC^0}BFE∈NC1BFE∈NC1BFE \in \mathsf{NC^1} BFE (การประเมินผลสูตรบูลีน) ได้รับการบูลีนสูตรและการกำหนดความจริงของตัวแปรใน , ไม่ Satisfy ( )?φφ\varphiττ\tauφφ\varphiττ\tauφφ\varphiτ⊨φτ⊨φ\tau \vDash \varphi มันเป็นที่รู้จักจากผลที่มีชื่อเสียงโด่งดังแซมบัสที่บูลีนสูตรการประเมินผล ( ) สามารถคำนวณได้ใน (ดู[Buss87]และ[BCGR92] )BFEBFEBFENC1=ALogTimeNC1=ALogTime\mathsf{NC^1} = \mathsf{ALogTime} …
1
การสุ่มหลอกแบบกำหนดค่าอาจมีความแข็งแกร่งกว่าการสุ่มแบบขนานหรือไม่?
ปล่อยให้คลาส BPNC (การรวมกันของและ ) เป็นอัลกอริทึมแบบขนานความลึกของบันทึกที่มีความน่าจะผิดพลาดแบบ จำกัด ขอบเขตและเข้าถึงแหล่งข้อมูลแบบสุ่ม (ฉันไม่แน่ใจว่าชื่อนี้แตกต่างกัน) กำหนดคลาส DBPNC ในทำนองเดียวกันยกเว้นว่ากระบวนการทั้งหมดมีการเข้าถึงแบบสุ่มในสตรีมแบบสุ่มของบิตคงที่เมื่อเริ่มอัลกอริทึมB P PBPP\mathsf{BPP}N Cยังไม่มีข้อความค\mathsf{NC} กล่าวอีกนัยหนึ่งแต่ละกระบวนการใน BPNC มีการเข้าถึงแหล่งสุ่มที่แตกต่างกันในขณะที่อัลกอริทึม DBPNC มีตัวสร้างตัวนับโหมดตัวนับร่วมกันอย่างสมบูรณ์แบบ เรารู้หรือไม่ว่า BPNC = DBPNC
1
ทำไมขอบเขตที่ต่ำกว่าสำหรับวงจรบูลีนจึงไม่ได้หมายความถึงวงจรเลขคณิตที่ต่ำกว่า
คำถามของฉันคือเหตุผลที่ขอบเขตที่ต่ำกว่าสำหรับความลึก 3 วงจรบูลีนที่มีประตู "และ" และ "แฮคเกอร์" สำหรับปัจจัยไม่ได้หมายความถึงขอบเขตที่ต่ำกว่าเช่นเดียวกันสำหรับวงจรเลขคณิตกว่า ?ZZ\mathbb{Z} มีอะไรผิดปกติกับอาร์กิวเมนต์ต่อไปนี้: ให้เป็นวงจรคำนวณเลขคณิตดีเทอร์มิแนนต์แล้วนำตัวแปรทั้งหมด mod 2 เราจะได้บูลีนวงจรคำนวณดีเทอร์มีแนนต์ คCC
3
การจำลอง BPP ที่รู้จักกันเร็วที่สุดคืออะไรโดยใช้อัลกอริทึม Las Vegas?
BPPBPP\mathsf{BPP}และเป็นคลาสความซับซ้อนที่น่าจะเป็นพื้นฐานสองชั้นZPPZPP\mathsf{ZPP} BPPBPP\mathsf{BPP}เป็นชั้นของภาษาตัดสินใจโดยขั้นตอนวิธีการทัวริงน่าจะเป็นพหุนามเวลาที่น่าจะเป็นของอัลกอริทึมกลับคำตอบที่ไม่ถูกต้องเป็นที่สิ้นสุดคือความน่าจะเป็นข้อผิดพลาดเป็นอย่างมาก (ทั้งใช่และ ไม่มีอินสแตนซ์)1313\frac{1}{3} ในทางกลับกัน อัลกอริทึมสามารถดูได้เป็นอัลกอริธึมที่น่าจะเป็นซึ่งไม่เคยส่งคืนคำตอบที่ไม่ถูกต้องเมื่อใดก็ตามที่พวกเขากลับคำตอบมันถูกต้อง อย่างไรก็ตามเวลาทำงานของพวกเขาไม่ได้ จำกัด โดยพหุนามZPPZPP\mathsf{ZPP} Letเป็นระดับของภาษาตัดสินใจโดยขั้นตอนวิธีการน่าจะเป็นกับศูนย์ความน่าจะเป็นข้อผิดพลาดและคาดว่าทำงานเวลาฉเหล่านี้จะยังเรียกว่าอัลกอริทึมลาสเวกัสและ(1)})ZPTime(f)ZPTime(f)\mathsf{ZPTime}(f)fffZPP=ZPTime(nO(1))ZPP=ZPTime(nO(1))\mathsf{ZPP} = \mathsf{ZPTime}(n^{O(1)}) คำถามของฉันคือสิ่งที่ดีที่สุดรู้การจำลองอัลกอริทึมโดยใช้อัลกอริทึมลาสเวกัส เราสามารถจำลองพวกมันในเวลาที่คาดหมายได้หรือไม่? มีการปรับปรุงใด ๆ ที่ทราบกันดีกว่าการจำลองแบบสัตว์เดรัจฉานแบบบังคับซึ่งใช้เวลานานมาก?BPPBPP\mathsf{BPP} อย่างเป็นทางการมากขึ้นเรารู้ว่า หรือสำหรับบางส่วน ?B P P ⊆ Z P T ฉันm e ( 2 n - n ϵ ) ϵ > 0B P P ⊆ Z P T ฉันมE ( 2O ( nε))BPP⊆ZPTผมม.อี(2O(nε))\mathsf{BPP} \subseteq …
2
เกี่ยวกับ Inverse 3-SAT
บริบท : Kavvadias และ Sideriได้แสดงให้เห็นว่าปัญหา Inverse 3-SAT นั้นเป็น coNP Complete: เมื่อได้รับชุดของแบบจำลองบนตัวแปรnมีสูตร 3-CNF ที่ϕเป็นชุดแบบจำลองที่แน่นอนหรือไม่? สูตรผู้สมัครทันทีเกิดขึ้นซึ่งเป็นการรวมกันของข้อ 3 ข้อที่ทุกรุ่นพอใจในϕφϕ\phinnnφϕ\phiφϕ\phi φ เนื่องจากมันมีทั้งหมด 3 ข้อมันหมายถึงสูตรผู้สมัครนี้สามารถเปลี่ยนเป็นสูตรที่เทียบเท่าซึ่งเป็น 3 ปิดภายใต้ความละเอียด - ปิด 3 ของสูตรเป็นชุดย่อยของการปิดภายใต้ความละเอียดที่มีเพียงส่วนของ ขนาด 3 หรือน้อยกว่า สูตร CNF ถูกปิดตามมติถ้า resolvents ที่เป็นไปได้ทั้งหมดจะวิทยโดยข้อของสูตร - ข้อค1วิทยโดยประโยคค2ถ้าตัวอักษรทั้งหมดของค2อยู่ในค 1FφFϕF_{\phi}ค1c1c_1ค2c2c_2ค2c2c_2ค1c1c_1 ป.ร. ให้ไว้ , การกำหนดบางส่วนของตัวแปรดังกล่าวว่าผมไม่ได้เป็นส่วนหนึ่งของรูปแบบของการใด ๆφผมIIผมIIφϕ\phi โทรหาสูตรที่เกิดจากการใช้ฉันเพื่อF φ : ข้อใด ๆ ที่มีตัวอักษรซึ่งจะประเมินให้ทีอาร์ยูอีภายใต้ฉันถูกลบออกจากสูตรและตัวอักษรใด ๆ ที่ประเมินฉลิตรs …
1
ข้อผิดพลาดด้านเดียวในระบบพิสูจน์ความน่าจะเป็น
ในระบบพิสูจน์ความน่าจะเป็นส่วนใหญ่ (ตัวอย่างเช่นทฤษฎีบท PCP) ข้อผิดพลาด - ความน่าจะเป็นมักจะถูกกำหนดไว้ที่ด้านข้างของผลบวก - เท็จกล่าวคือคำจำกัดความทั่วไปอาจดูเหมือน: ถ้าแล้วผู้ตรวจสอบยอมรับเสมอ กรณีอื่นความน่าจะเป็นที่จะถูกปฏิเสธอย่างน้อย 1/2x ∈ Lx∈Lx \in L มีปัญหาในการอนุญาตให้ข้อผิดพลาดเกิดขึ้นในอีกด้านหนึ่งหรือไม่ ซึ่งหมายความว่าผู้ตรวจสอบปฏิเสธเสมอเมื่อควรและไม่เกินข้อผิดพลาดคงที่เมื่อต้องยอมรับ ความเป็นไปได้ที่ชัดเจนอีกประการหนึ่งคือการอนุญาตให้เกิดข้อผิดพลาดทั้งสอง คำจำกัดความเหล่านี้จะเทียบเท่ากับที่ได้รับตามปกติหรือไม่ หรือพวกเขาประพฤติแตกต่างกันอย่างไร หรือสำหรับเรื่องนั้นมีปัญหาของแท้ในการอนุญาตข้อผิดพลาดในด้านอื่น ๆ
1
คือ
ฉันไม่สามารถค้นหาข้อความที่เกี่ยวข้องกับMAMA\mathsf{MA}และNPRPNPRP\mathsf{NP}^\mathsf{RP}ในวรรณคดีได้ พอยน์เตอร์จะได้รับการชื่นชม ฉันเชื่อว่าพวกเขาเท่ากัน: MA⊆NPRPMA⊆NPRP\mathsf{MA} \subseteq \mathsf{NP}^\mathsf{RP} : เครื่องNPNP\mathsf{NP}คาดเดาสายของเมอร์ลินและRPRP\mathsf{RP}พยากรณ์ตรวจสอบสายที่อาร์เธอร์จะ NPRP⊆MANPRP⊆MA\mathsf{NP}^\mathsf{RP} \subseteq \mathsf{MA} : Merlin คาดเดาการคำนวณการยอมรับของเครื่องNPNP\mathsf{NP}รวมถึงการโทรทั้งหมดรวมถึงผลลัพธ์ของการโทรเหล่านี้ไปยังRPRP\mathsf{RP} oracle จากนั้นอาร์เธอร์ยืนยันว่าการคำนวณนั้นถูกต้องและผลลัพธ์ที่เดาได้ทั้งหมดของการเรียกไปยังOracleRPRP\mathsf{RP}นั้นถูกต้อง เขาใช้การขยายและขอบเขตที่ จำกัด เพื่อรวมความน่าจะเป็นทั้งหมดของข้อผิดพลาด ถูกต้องหรือไม่
4
ผลลัพธ์ของ Oracle ใน P vs BPP
ให้เป็นปัญหาใด ๆ ของ EXP ที่สมบูรณ์ จากนั้นP = N PAAAPA= NPAPA=NPAP^A = NP^A ให้เป็นคำพยากรณ์ที่คำนึงถึงข้อความค้นหาที่M (a ในหน่วย P) สร้างขึ้นและเราสามารถรับP B ≠ N P Bได้BBBMMMPB≠ NPBPB≠NPBP^B \neq NP^B คำถาม: เรามีผลพยากรณ์คล้ายกันสำหรับ P vs BPP หรือไม่?
1
แรงจูงใจที่อยู่เบื้องหลังคำจำกัดความของการจัดการพารามิเตอร์แบบคงที่คืออะไร?
Wikipediaเขียนว่า: เอฟพีทีมีการแก้ไขปัญหาพารามิเตอร์ซูฮกซึ่งเป็นผู้ที่สามารถแก้ไขได้ในเวลาที่สำหรับฟังก์ชันคำนวณบางฉโดยทั่วไปแล้วฟังก์ชั่นนี้ถือว่าเป็นเลขยกกำลังเดียวเช่นแต่ความหมายยอมรับฟังก์ชั่นที่เติบโตเร็วยิ่งขึ้น นี่เป็นสิ่งจำเป็นสำหรับส่วนใหญ่ของประวัติศาสตร์ยุคแรก ๆ ของชั้นนี้ จะเป็นส่วนสำคัญของความหมายคือการไม่รวมฟังก์ชั่นในรูปแบบเช่น kf(k)⋅|x|O(1)f(k)⋅|x|O(1)f(k)\cdot|x|^{O(1)}fff2O(k)2O(k)2^{O(k)}f(n,k)f(n,k)f(n,k)nknkn^k คำถาม : อะไรคือแรงจูงใจเบื้องหลังคำจำกัดความนี้? สิ่งที่ทำให้งงฉันก็คือว่าถ้าได้รับการแก้ไข (ตาม "คงที่สามารถจัดการได้ง่ายพารามิเตอร์") แล้วเป็นพหุนามในnดังนั้นเหตุผลที่มันเป็นสิ่งสำคัญที่จะไม่รวม ?kkknknkn^knnnnknkn^k
2
การตัดสินใจกราฟโฮโมมอร์ฟิซึม
การตัดสินใจกราฟโฮโมมอร์ฟิซึมโดยทั่วไปคือ NP-Complete มีผลใดบ้างที่ศึกษาปัญหานี้เมื่อกราฟต้นแบบมีโครงสร้างเกี่ยวกับพีชคณิต (เช่นการตัดสินใจโฮโมมอร์ฟิซึมจากเคย์ลีหรือเคย์ลีคอเซทกราฟไปยังกราฟอื่นที่มีโครงสร้างที่แน่นอนเช่นกัน)? นอกจากผลลัพธ์ที่ซับซ้อนฉันยังสนใจในเทคนิคพีชคณิตและ / หรือสเปกตรัมที่มีประโยชน์
3
หุ่นยนต์ทัวริงชนิดใดของ Google เป็น Doodle
ในการเฉลิมฉลองวันคล้ายวันเกิดของอลันทัวริง Google ตีพิมพ์Doodleซึ่งแสดงเครื่อง Doodle คือเครื่องจักรชนิดใด? มันสามารถแสดงภาษาทัวริงที่สมบูรณ์ได้หรือไม่ มีความแตกต่างที่ชัดเจนกับเครื่องทัวริงคลาสสิก: เทป จำกัด ข้อ จำกัด ในการเชื่อมต่อสถานะ ... ดูเดิลยังคงมีอยู่ที่นี่ (หน้าจอด้านบนขวาแสดงผลลัพธ์ที่ต้องการ) เทปที่อยู่ตรงกลางจะถูกแบ่งออกเป็นสี่เหลี่ยมที่สามารถเก็บว่างเปล่าเป็นศูนย์หรือหนึ่ง หัวอยู่ในตำแหน่งเหนือหนึ่งในสี่เหลี่ยมและใช้สำหรับการอ่านและการเขียน ใต้เทปคุณจะเห็นลูกศรสีเขียวซึ่งคุณสามารถคลิกเพื่อเริ่มเครื่อง มีวงกลมสองเส้นถัดจากมันและบางวงเชื่อมต่อกัน ฉันจะเรียกพวกเขาว่า "รัฐ" หลังจากที่เครื่องเริ่มขึ้นสถานะแรกทางด้านขวาของปุ่มสีเขียวจะสว่างขึ้นจากนั้นสถานะถัดไปทางขวาและอื่น ๆ ... แต่ละสถานะมีหนึ่งในคำสั่งต่อไปนี้: blank = ไม่ทำอะไรเลย (เพิ่งย้ายไปยังสถานะถัดไป) 1 = เขียนหนึ่งไปยังเทปที่ตำแหน่งปัจจุบันของหัว 0 = เขียนค่าศูนย์ลงในเทปที่ตำแหน่งปัจจุบันของส่วนหัว ลูกศรไปทางซ้าย = ย้ายหัวหนึ่งก้าวไปทางซ้าย ลูกศรไปทางขวา = เลื่อนหัวหนึ่งก้าวไปทางขวา condition: หากค่าภายใต้ส่วนหัวเท่ากับค่าที่แสดงในช่องสี่เหลี่ยมลงไปที่บรรทัดที่สองของสถานะ ถ้าไม่ใช่ให้ย้ายไปยังสถานะถัดไปทางด้านขวา กระโดดไปทางซ้าย: กลับสู่สถานะก่อนหน้า (คงที่) แต่อยู่ที่แถวบนเท่านั้น [ฉันลืมไปแล้วหนึ่งอันขอบคุณ @Marzio!] …
1
วิธีการเชิงปริมาณของการ“ แยกย่อย” ในการคำนวณแบบ nondeterministic probabilistic และควอนตัม?
การคำนวณของเครื่องทัวริสเทอโรนิก Turing (NTM) เป็นที่รู้กันดีว่าสามารถนำเสนอได้ในรูปแบบของการกำหนดค่า การเปลี่ยนแปลงใด ๆ ในโปรแกรมแสดงโดยลิงค์พ่อ - ลูกในแผนภูมินี้ ต้นไม้ที่คล้ายกันนี้ยังสามารถสร้างขึ้นเพื่อแสดงภาพการคำนวณของความน่าจะเป็นและเครื่องควอนตัมได้เช่นกัน (โปรดทราบว่ามันจะดีกว่าสำหรับวัตถุประสงค์บางอย่างที่จะไม่ดูกราฟที่เกี่ยวข้องสำหรับการคำนวณควอนตัมเป็นต้นไม้เนื่องจากสองโหนดแสดงการกำหนดค่าเหมือนกันในระดับเดียวกันของต้นไม้สามารถ "ยกเลิก" ซึ่งกันและกันเนื่องจากการรบกวนควอนตัม ไม่มีอะไรเกี่ยวข้องกับคำถามปัจจุบัน) แน่นอนการคำนวณที่กำหนดไม่ได้เป็นเช่นนั้น มี "สาขา" เดียวใน "ต้นไม้" ที่เกี่ยวข้องสำหรับการทำงานของเครื่องกำหนด ในทั้งสามกรณีที่กล่าวถึงข้างต้นสิ่งที่ทำให้การคำนวณเหล่านี้ "ยาก" สำหรับคอมพิวเตอร์ที่กำหนดขึ้นจริง ๆ แล้วไม่ใช่ว่ามีการแตกแขนงออกไป แต่เป็นเรื่องของการแตกแขนงออกเป็นจำนวนมากในต้นไม้ ยกตัวอย่างเช่นพหุนาม - เวลา nondeterministic ทัวริงเครื่องจักรซึ่งรับประกันว่าจะสร้างต้นไม้ที่ "กว้าง" (เช่นจำนวนโหนดในระดับที่แออัดมากที่สุด) ก็ถูก จำกัด ด้วยฟังก์ชันพหุนามของพหุนามขนาดสามารถป้อนโดยพหุนาม กำหนดเวลา TM (โปรดสังเกตว่าเงื่อนไข "ความกว้างพหุนาม" นี้เทียบเท่ากับการ จำกัด NTM ให้มากที่สุดโดยมีการ จำกัด จำนวนแบบลอการิทึมขอบเขตลอการิทึมโดยทั่วไป) สิ่งเดียวกันนี้เป็นจริงเมื่อเราใส่ขอบเขตความกว้างที่คล้ายกันในการคำนวณความน่าจะเป็นและควอนตัม ฉันรู้ว่าปัญหานี้ได้รับการตรวจสอบในรายละเอียดสำหรับการคำนวณแบบ nondeterministic ดูตัวอย่างเช่นการสำรวจ …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.