SlideShare a Scribd company logo
Структурная теория сложности

     Эдуард Алексеевич Гирш

http://logic.pdmi.ras.ru/~hirsch

            ПОМИ РАН


        23 ноября 2008 г.




                                   1/7
Доказательство леммы с прошлой лекции
For δ < 1/3, f is not δ-close to a linear function ⇒
                   Pr {f (y + z) = f (y ) + f (z)} > δ/2.
                   y ,z




                                                            2/7
Доказательство леммы с прошлой лекции
Для δ < 1/3, если
                       Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2,
                       y ,z

то f является δ-близкой к линейной.
Вот она эта линейная:
                    ˜
                    f (x) = maj (f (x + r ) + f (r )).
                                     r
                ˜
Пусть px = Prr {f (x) = f (x + r ) + f (r )}.
По построению px ≥ 1/2. Покажем, что px ≥ 1 − δ.

                Pr{f (x + r ) + f (s) = f (x + r + s)}    ≤    δ/2,
                r ,s
                Pr{f (r ) + f (x + s) = f (x + r + s)}    ≤    δ/2, т.е.
                r ,s
                                                     1
  1−δ ≤ Pr{f (x +r )+f (s) = f (x +s)+f (r )} =           (Pr{f (x +r )+f (s) = b})2 =
         r ,s                                              r
                                                    b=0
                                          px + (1 − px )2 ≤ px + px (1 − px ) = px .
                                           2                 2

                                                                                       2/7
Доказательство леммы с прошлой лекции
Для δ < 1/3, если
                    Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2,
                    y ,z

то f является δ-близкой к линейной.
Вот она эта линейная:
                    ˜
                    f (x) = maj (f (x + r ) + f (r )).
                                     r
           ˜
Итак, Prr {f (x) = f (x + r ) + f (r )} < δ.
     линейность:
                      ˜       ˜                              ˜
                   Pr{f (x) + f (y ) + f (r ) = f (x + r ) + f (y )} < δ,
                    r                  ˜(y ) = f (x + y + r )} < δ,
                      Pr{f (x + r ) + f
                       r                        ˜
                         Pr{f (x + y + r ) = f (x + y ) + f (r )} < δ,
                           r
               ˜            ˜       ˜
     т.е. Prr {f (x + y ) = f (x) + f (y )} > 0, т.е. = 1.



                                                                            2/7
Доказательство леммы с прошлой лекции
Для δ < 1/3, если
                    Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2,
                    y ,z

то f является δ-близкой к линейной.
Вот она эта линейная:
                    ˜
                    f (x) = maj (f (x + r ) + f (r )).
                                     r
           ˜
Итак, Prr {f (x) = f (x + r ) + f (r )} < δ.
     линейность:
                      ˜       ˜                              ˜
                   Pr{f (x) + f (y ) + f (r ) = f (x + r ) + f (y )} < δ,
                    r                  ˜(y ) = f (x + y + r )} < δ,
                      Pr{f (x + r ) + f
                       r                        ˜
                         Pr{f (x + y + r ) = f (x + y ) + f (r )} < δ,
                           r
               ˜            ˜        ˜
     т.е. Prr {f (x + y ) = f (x) + f (y )} > 0, т.е. = 1.
                                        ˜
     δ-близость: если Prx {f (x) = f (x)} > δ, а (по построению)
          ˜(x) = f (x + r ) + f (r )} ≥ 1/2, то
     Prr {f
     Prx,r {f (x) = f (x + r ) + f (r )} > δ/2, противоречие.               2/7
Constraint Satisfaction Problems
Теорема (PCP Theorem)
NP = PCP(O(log n), O(1)).

Теорема (Переформулировка PCP Theorem)
∃ρ < 1 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → {3–КНФ} т.ч.

       x ∈ L ⇒ f (x) выполнима,
       x ∈ L ⇒ нельзя выполнить даже долю ρ клозов f (x).
         /




                                                                3/7
Constraint Satisfaction Problems

Обобщение SAT       задача q–CSPW : даны клозы вида

              Ci = (X ∈ [1..n]q , ci : [1..W ]q → {0, 1});
                      переменные       таблица истинности

найти присваивание A : [1..n] → [1..W ],
выполняющее все клозы: ∀i ci (A(X1 ) . . . , A(Xq )) = 1.

Теорема (Ещё переформулировка PCP Theorem)
∃ρ < 1 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч.

        x ∈ L ⇒ f (x) выполнима,
        x ∈ L ⇒ нельзя выполнить даже долю ρ клозов f (x).
          /



                                                                           3/7
Стратегия доказательства PCP Theorem
Теорема
∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч.
         x ∈ L ⇒ f (x) выполнима,
        x ∈L
          /    ⇒ нельзя выполнить даже долю 1 − δ клозов f (x).

    δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов;
    δ-свед´ние изменяет задачу q–CSPW так, что
          е
          размер увеличивается линейно;
          невыполнимые получаются δ-невыполнимые;
          новые q и W зависят только от q и W .




                                                                           4/7
Стратегия доказательства PCP Theorem
Теорема
∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч.
         x ∈ L ⇒ f (x) выполнима,
        x ∈L
          /    ⇒ нельзя выполнить даже долю 1 − δ клозов f (x).

    δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов;
    δ-свед´ние изменяет задачу q–CSPW так, что
          е
          размер увеличивается линейно;
          невыполнимые получаются δ-невыполнимые;
          новые q и W зависят только от q и W .
    Для доказательства достаточно построить свед´ние, которое по
                                                е
    формулам, у которых уже нельзя выполнить даже долю δ, строит
    те, у которых нельзя 2δ.



                                                                           4/7
Стратегия доказательства PCP Theorem
Теорема
∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч.
         x ∈ L ⇒ f (x) выполнима,
        x ∈L
          /    ⇒ нельзя выполнить даже долю 1 − δ клозов f (x).

    δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов;
    δ-свед´ние изменяет задачу q–CSPW так, что
          е
          размер увеличивается линейно;
          невыполнимые получаются δ-невыполнимые;
          новые q и W зависят только от q и W .
    Для доказательства достаточно построить свед´ние, которое по
                                                е
    формулам, у которых уже нельзя выполнить даже долю δ, строит
    те, у которых нельзя 2δ.
    Два сведения:
      1. δ → δ,     q = 2,   W = O(1),            любая константа.
      2. δ → δ/3,    q = O(1), W = 2.
                                                                           4/7
Стратегия доказательства PCP Theorem
Теорема
∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч.
         x ∈ L ⇒ f (x) выполнима,
        x ∈L
          /    ⇒ нельзя выполнить даже долю 1 − δ клозов f (x).

    δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов;
    δ-свед´ние изменяет задачу q–CSPW так, что
          е
          размер увеличивается линейно;
          невыполнимые получаются δ-невыполнимые;
          новые q и W зависят только от q и W .
    Для доказательства достаточно построить свед´ние, которое по
                                                е
    формулам, у которых уже нельзя выполнить даже долю δ, строит
    те, у которых нельзя 2δ.
    Два сведения:
      1. δ → δ,        q = 2,    W = O(1),          любая константа.
      2. δ → δ/3,       q = O(1),     W = 2.
      3. . . . и нулевое сведение, чтобы подготовить формулу к первому.
                                                                           4/7
Нулевое сведение: q = 2 и кое-что ещё
   q = 2, W = 2q :
       доп. переменные yi ∼
                присваивание переменным клоза Ci , удовлетворяющее его.
       клозы Dij (yi , Xj ) ∼
        yi действительно удовлетворяет Ci и согласовано со значением Xj .




                                                                      5/7
Нулевое сведение: q = 2 и кое-что ещё
   q = 2, W = 2q :
       доп. переменные yi ∼
                присваивание переменным клоза Ci , удовлетворяющее его.
       клозы Dij (yi , Xj ) ∼
        yi действительно удовлетворяет Ci и согласовано со значением Xj .
   Граф зависимостей CSP-формулы (с кратными рёбрами и
   петлями):
       вершины ∼ переменные;
       Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj },
       также добавим некоторые петли.




                                                                      5/7
Нулевое сведение: q = 2 и кое-что ещё
   q = 2, W = 2q :
       доп. переменные yi ∼
                присваивание переменным клоза Ci , удовлетворяющее его.
       клозы Dij (yi , Xj ) ∼
        yi действительно удовлетворяет Ci и согласовано со значением Xj .
   Граф зависимостей CSP-формулы (с кратными рёбрами и
   петлями):
       вершины ∼ переменные;
       Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj },
       также добавим некоторые петли.
       Сделаем граф d -регулярным (∀v deg v = d ):
                                          (1)     (k)
            уменьшим степень: Xi → Xi , . . . , Xi ;
            увеличим степень: добавим петли (причём будем считать, что
            в каждой вершине не менее половины рёбер петли).




                                                                      5/7
Нулевое сведение: q = 2 и кое-что ещё
   q = 2, W = 2q :
       доп. переменные yi ∼
                присваивание переменным клоза Ci , удовлетворяющее его.
       клозы Dij (yi , Xj ) ∼
        yi действительно удовлетворяет Ci и согласовано со значением Xj .
   Граф зависимостей CSP-формулы (с кратными рёбрами и
   петлями):
       вершины ∼ переменные;
       Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj },
       также добавим некоторые петли.
       Сделаем граф d -регулярным (∀v deg v = d ):
                                          (1)     (k)
            уменьшим степень: Xi → Xi , . . . , Xi ;
            увеличим степень: добавим петли (причём будем считать, что
            в каждой вершине не менее половины рёбер петли).
       Сделаем из графа расширитель:
            пусть G        расширитель с тем же числом вершин (что такое
            расширитель, используется в док-ве, которое мы приводить
            не будем; но это граф ограниченной степени).
            новые клозы фиктивные: рёбра из G .                         5/7
Первое сведение: δ → δ, q → 2


“Возводим 2–CSPW формулу с d -регулярным графом в степень t”:
              5t
    W = Wd ;
    новые переменные y1 , . . . , yn ∈ W ;
    значение yi кодирует значения всех Xj , достижимых из Xi за
          √
    ≤ t + t шагов;
    клозы ∼ ∀y , y , связанных путём длины 2t + 1, для какого-то
    ребра √ i , Xj ) на этом пути с вершинами внутри шаров радиуса
          (X
    ≤ t + t вокруг y , y , опровергается старый клоз c(Xi , Xj ), где
    значение Xi задано y , а значение Xj    y;
                          √
                              t
    δ увеличивается в   105 dW 4
                                   раз (см. на доску).



                                                                        6/7
Второе сведение: δ → δ/3, W → 2

   Переменные из W разделим на отдельные биты.
   Каждому старому клозу (от 2 log W переменных) дадим
   PCP(poly(n), 1)-доказательство, соответствующее вып. набору u.




                                                                7/7
Второе сведение: δ → δ/3, W → 2

   Переменные из W разделим на отдельные биты.
   Каждому старому клозу (от 2 log W переменных) дадим
   PCP(poly(n), 1)-доказательство, соответствующее вып. набору u.
   Правда, этот u состоит из двух половинок и ещё доп. переменных
   для сведения старого клоза к квадратичным равенствам, т.к.
   набор для всех клозов дан наборами от W переменных: в
   частности, для одного клоза даны π1 = WH(u1 ), π2 = WH(u2 ).
   Поэтому нужен concatenation test (f          весь набор для клоза):

                    f (r ◦ s ◦ 0 . . . 0) = π1 (r ) + π2 (s).




                                                                         7/7
Второе сведение: δ → δ/3, W → 2

   Переменные из W разделим на отдельные биты.
   Каждому старому клозу (от 2 log W переменных) дадим
   PCP(poly(n), 1)-доказательство, соответствующее вып. набору u.
   Правда, этот u состоит из двух половинок и ещё доп. переменных
   для сведения старого клоза к квадратичным равенствам, т.к.
   набор для всех клозов дан наборами от W переменных: в
   частности, для одного клоза даны π1 = WH(u1 ), π2 = WH(u2 ).
   Поэтому нужен concatenation test (f          весь набор для клоза):

                    f (r ◦ s ◦ 0 . . . 0) = π1 (r ) + π2 (s).

   Вероятность ошибки 1/2 ⇒
   если лишь δ/3 новых не выполнены, 2δ/3 старых не выполнены.


                                                                         7/7

More Related Content

What's hot

20110224 systems of_typed_lambda_calculi_moskvin_lecture02
20110224 systems of_typed_lambda_calculi_moskvin_lecture0220110224 systems of_typed_lambda_calculi_moskvin_lecture02
20110224 systems of_typed_lambda_calculi_moskvin_lecture02Computer Science Club
 
практика 14
практика 14практика 14
практика 14student_kai
 
простейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображенийпростейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображений
Vladimir Kukharenko
 
Линейная алгебра - II
Линейная алгебра - IIЛинейная алгебра - II
Линейная алгебра - II
DEVTYPE
 
Исследование производной
Исследование производнойИсследование производной
Исследование производной
agafonovalv
 
Основы комбинаторики - I
Основы комбинаторики - IОсновы комбинаторики - I
Основы комбинаторики - I
DEVTYPE
 
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...Nikolay Grebenshikov
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
Technosphere1
 
fiz-mat
fiz-matfiz-mat
Proizvodnaya funkcii
Proizvodnaya funkciiProizvodnaya funkcii
Proizvodnaya funkcii
Dimon4
 
кин лекция 12
кин лекция 12кин лекция 12
кин лекция 12student_kai
 
Kuznecova 9klass
Kuznecova 9klassKuznecova 9klass
Kuznecova 9klass
qwasar1
 
20081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-0420081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-04Computer Science Club
 
Основы комбинаторики - II
Основы комбинаторики - IIОсновы комбинаторики - II
Основы комбинаторики - II
DEVTYPE
 
Funkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafikFunkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafik
Иван Иванов
 
L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторов
Technosphere1
 
20080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-0220080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-02Computer Science Club
 
Линейная алгебра - I
Линейная алгебра - IЛинейная алгебра - I
Линейная алгебра - I
DEVTYPE
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функций
DEVTYPE
 
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессия
Technosphere1
 

What's hot (20)

20110224 systems of_typed_lambda_calculi_moskvin_lecture02
20110224 systems of_typed_lambda_calculi_moskvin_lecture0220110224 systems of_typed_lambda_calculi_moskvin_lecture02
20110224 systems of_typed_lambda_calculi_moskvin_lecture02
 
практика 14
практика 14практика 14
практика 14
 
простейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображенийпростейшие применения принципа_сжатых_отображений
простейшие применения принципа_сжатых_отображений
 
Линейная алгебра - II
Линейная алгебра - IIЛинейная алгебра - II
Линейная алгебра - II
 
Исследование производной
Исследование производнойИсследование производной
Исследование производной
 
Основы комбинаторики - I
Основы комбинаторики - IОсновы комбинаторики - I
Основы комбинаторики - I
 
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...
Лекция №15. Методы программирования. Предмет "Структуры и алгоритмы обработки...
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
 
fiz-mat
fiz-matfiz-mat
fiz-mat
 
Proizvodnaya funkcii
Proizvodnaya funkciiProizvodnaya funkcii
Proizvodnaya funkcii
 
кин лекция 12
кин лекция 12кин лекция 12
кин лекция 12
 
Kuznecova 9klass
Kuznecova 9klassKuznecova 9klass
Kuznecova 9klass
 
20081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-0420081012 structuralcomplexitytheory lecture03-04
20081012 structuralcomplexitytheory lecture03-04
 
Основы комбинаторики - II
Основы комбинаторики - IIОсновы комбинаторики - II
Основы комбинаторики - II
 
Funkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafikFunkciya y cos_ee_svojstva_i_grafik
Funkciya y cos_ee_svojstva_i_grafik
 
L6: Метод опорных векторов
L6: Метод опорных векторовL6: Метод опорных векторов
L6: Метод опорных векторов
 
20080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-0220080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-02
 
Линейная алгебра - I
Линейная алгебра - IЛинейная алгебра - I
Линейная алгебра - I
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функций
 
L3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессияL3: Линейная и логистическая регрессия
L3: Линейная и логистическая регрессия
 

Similar to 20081123 structuralcomplexitytheory lecture11-12

20081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-0820081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-08Computer Science Club
 
Тригонометрические функции числового аргумента
Тригонометрические функции числового аргументаТригонометрические функции числового аргумента
Тригонометрические функции числового аргументаFormula.co.ua
 
20101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture0420101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture04Computer Science Club
 
Doppler reflectometry in large devices
Doppler reflectometry in large devicesDoppler reflectometry in large devices
Doppler reflectometry in large devices
alexandersurkov
 
Мысль №8
Мысль №8Мысль №8
Мысль №8rasparin
 
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии"
Technosphere1
 
Uravnenie kasat
Uravnenie kasatUravnenie kasat
Uravnenie kasat
Alex_Tam
 
Vzaimno obratnye funkcii
Vzaimno obratnye funkciiVzaimno obratnye funkcii
Vzaimno obratnye funkcii
Иван Иванов
 
Дифференцциальное исчисление
Дифференцциальное исчислениеДифференцциальное исчисление
Дифференцциальное исчислениеvladimiryaschuk
 
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
Mail.ru Group
 
Kasatelnaya k grafiku_funkcii
Kasatelnaya k grafiku_funkciiKasatelnaya k grafiku_funkcii
Kasatelnaya k grafiku_funkcii
Ivanchik5
 
Vozrastanie i ubyvanie_funkcij
Vozrastanie i ubyvanie_funkcijVozrastanie i ubyvanie_funkcij
Vozrastanie i ubyvanie_funkcij
Иван Иванов
 
23
2323
20081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-0620081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-06Computer Science Club
 
8
88
николаева первообр интеграл
николаева первообр интегралниколаева первообр интеграл
николаева первообр интегралurvlan
 
Метод проекции градиента для решения стационарной системы Стокса как задачи ...
Метод проекции градиента для решения стационарной системы Стокса  как задачи ...Метод проекции градиента для решения стационарной системы Стокса  как задачи ...
Метод проекции градиента для решения стационарной системы Стокса как задачи ...
iST1
 

Similar to 20081123 structuralcomplexitytheory lecture11-12 (20)

20081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-0820081109 structuralcomplexitytheory lecture07-08
20081109 structuralcomplexitytheory lecture07-08
 
Тригонометрические функции числового аргумента
Тригонометрические функции числового аргументаТригонометрические функции числового аргумента
Тригонометрические функции числового аргумента
 
20101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture0420101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture04
 
Get Ft
Get FtGet Ft
Get Ft
 
Doppler reflectometry in large devices
Doppler reflectometry in large devicesDoppler reflectometry in large devices
Doppler reflectometry in large devices
 
Мысль №8
Мысль №8Мысль №8
Мысль №8
 
Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии" Лекция №6 "Линейные модели для классификации и регрессии"
Лекция №6 "Линейные модели для классификации и регрессии"
 
Uravnenie kasat
Uravnenie kasatUravnenie kasat
Uravnenie kasat
 
Vzaimno obratnye funkcii
Vzaimno obratnye funkciiVzaimno obratnye funkcii
Vzaimno obratnye funkcii
 
Дифференцциальное исчисление
Дифференцциальное исчислениеДифференцциальное исчисление
Дифференцциальное исчисление
 
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
Дмитрий Кропотов, ВМК МГУ, Группа Байесовских Методов, «Методы оптимизации бо...
 
Kasatelnaya k grafiku_funkcii
Kasatelnaya k grafiku_funkciiKasatelnaya k grafiku_funkcii
Kasatelnaya k grafiku_funkcii
 
Vozrastanie i ubyvanie_funkcij
Vozrastanie i ubyvanie_funkcijVozrastanie i ubyvanie_funkcij
Vozrastanie i ubyvanie_funkcij
 
23
2323
23
 
лекция21
лекция21лекция21
лекция21
 
20081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-0620081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-06
 
8
88
8
 
николаева первообр интеграл
николаева первообр интегралниколаева первообр интеграл
николаева первообр интеграл
 
Метод проекции градиента для решения стационарной системы Стокса как задачи ...
Метод проекции градиента для решения стационарной системы Стокса  как задачи ...Метод проекции градиента для решения стационарной системы Стокса  как задачи ...
Метод проекции градиента для решения стационарной системы Стокса как задачи ...
 
Линейные многошаговые методы
Линейные многошаговые методыЛинейные многошаговые методы
Линейные многошаговые методы
 

More from Computer Science Club

20141223 kuznetsov distributed
20141223 kuznetsov distributed20141223 kuznetsov distributed
20141223 kuznetsov distributed
Computer Science Club
 
Computer Vision
Computer VisionComputer Vision
Computer Vision
Computer Science Club
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugsComputer Science Club
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12Computer Science Club
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11Computer Science Club
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10Computer Science Club
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09Computer Science Club
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02Computer Science Club
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01Computer Science Club
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04Computer Science Club
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01Computer Science Club
 

More from Computer Science Club (20)

20141223 kuznetsov distributed
20141223 kuznetsov distributed20141223 kuznetsov distributed
20141223 kuznetsov distributed
 
Computer Vision
Computer VisionComputer Vision
Computer Vision
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04
 
20140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-0320140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-03
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01
 
20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 

20081123 structuralcomplexitytheory lecture11-12

  • 1. Структурная теория сложности Эдуард Алексеевич Гирш http://logic.pdmi.ras.ru/~hirsch ПОМИ РАН 23 ноября 2008 г. 1/7
  • 2. Доказательство леммы с прошлой лекции For δ < 1/3, f is not δ-close to a linear function ⇒ Pr {f (y + z) = f (y ) + f (z)} > δ/2. y ,z 2/7
  • 3. Доказательство леммы с прошлой лекции Для δ < 1/3, если Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2, y ,z то f является δ-близкой к линейной. Вот она эта линейная: ˜ f (x) = maj (f (x + r ) + f (r )). r ˜ Пусть px = Prr {f (x) = f (x + r ) + f (r )}. По построению px ≥ 1/2. Покажем, что px ≥ 1 − δ. Pr{f (x + r ) + f (s) = f (x + r + s)} ≤ δ/2, r ,s Pr{f (r ) + f (x + s) = f (x + r + s)} ≤ δ/2, т.е. r ,s 1 1−δ ≤ Pr{f (x +r )+f (s) = f (x +s)+f (r )} = (Pr{f (x +r )+f (s) = b})2 = r ,s r b=0 px + (1 − px )2 ≤ px + px (1 − px ) = px . 2 2 2/7
  • 4. Доказательство леммы с прошлой лекции Для δ < 1/3, если Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2, y ,z то f является δ-близкой к линейной. Вот она эта линейная: ˜ f (x) = maj (f (x + r ) + f (r )). r ˜ Итак, Prr {f (x) = f (x + r ) + f (r )} < δ. линейность: ˜ ˜ ˜ Pr{f (x) + f (y ) + f (r ) = f (x + r ) + f (y )} < δ, r ˜(y ) = f (x + y + r )} < δ, Pr{f (x + r ) + f r ˜ Pr{f (x + y + r ) = f (x + y ) + f (r )} < δ, r ˜ ˜ ˜ т.е. Prr {f (x + y ) = f (x) + f (y )} > 0, т.е. = 1. 2/7
  • 5. Доказательство леммы с прошлой лекции Для δ < 1/3, если Pr {f (y + z) = f (y ) + f (z)} ≥ 1 − δ/2, y ,z то f является δ-близкой к линейной. Вот она эта линейная: ˜ f (x) = maj (f (x + r ) + f (r )). r ˜ Итак, Prr {f (x) = f (x + r ) + f (r )} < δ. линейность: ˜ ˜ ˜ Pr{f (x) + f (y ) + f (r ) = f (x + r ) + f (y )} < δ, r ˜(y ) = f (x + y + r )} < δ, Pr{f (x + r ) + f r ˜ Pr{f (x + y + r ) = f (x + y ) + f (r )} < δ, r ˜ ˜ ˜ т.е. Prr {f (x + y ) = f (x) + f (y )} > 0, т.е. = 1. ˜ δ-близость: если Prx {f (x) = f (x)} > δ, а (по построению) ˜(x) = f (x + r ) + f (r )} ≥ 1/2, то Prr {f Prx,r {f (x) = f (x + r ) + f (r )} > δ/2, противоречие. 2/7
  • 6. Constraint Satisfaction Problems Теорема (PCP Theorem) NP = PCP(O(log n), O(1)). Теорема (Переформулировка PCP Theorem) ∃ρ < 1 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → {3–КНФ} т.ч. x ∈ L ⇒ f (x) выполнима, x ∈ L ⇒ нельзя выполнить даже долю ρ клозов f (x). / 3/7
  • 7. Constraint Satisfaction Problems Обобщение SAT задача q–CSPW : даны клозы вида Ci = (X ∈ [1..n]q , ci : [1..W ]q → {0, 1}); переменные таблица истинности найти присваивание A : [1..n] → [1..W ], выполняющее все клозы: ∀i ci (A(X1 ) . . . , A(Xq )) = 1. Теорема (Ещё переформулировка PCP Theorem) ∃ρ < 1 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч. x ∈ L ⇒ f (x) выполнима, x ∈ L ⇒ нельзя выполнить даже долю ρ клозов f (x). / 3/7
  • 8. Стратегия доказательства PCP Theorem Теорема ∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч. x ∈ L ⇒ f (x) выполнима, x ∈L / ⇒ нельзя выполнить даже долю 1 − δ клозов f (x). δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов; δ-свед´ние изменяет задачу q–CSPW так, что е размер увеличивается линейно; невыполнимые получаются δ-невыполнимые; новые q и W зависят только от q и W . 4/7
  • 9. Стратегия доказательства PCP Theorem Теорема ∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч. x ∈ L ⇒ f (x) выполнима, x ∈L / ⇒ нельзя выполнить даже долю 1 − δ клозов f (x). δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов; δ-свед´ние изменяет задачу q–CSPW так, что е размер увеличивается линейно; невыполнимые получаются δ-невыполнимые; новые q и W зависят только от q и W . Для доказательства достаточно построить свед´ние, которое по е формулам, у которых уже нельзя выполнить даже долю δ, строит те, у которых нельзя 2δ. 4/7
  • 10. Стратегия доказательства PCP Theorem Теорема ∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч. x ∈ L ⇒ f (x) выполнима, x ∈L / ⇒ нельзя выполнить даже долю 1 − δ клозов f (x). δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов; δ-свед´ние изменяет задачу q–CSPW так, что е размер увеличивается линейно; невыполнимые получаются δ-невыполнимые; новые q и W зависят только от q и W . Для доказательства достаточно построить свед´ние, которое по е формулам, у которых уже нельзя выполнить даже долю δ, строит те, у которых нельзя 2δ. Два сведения: 1. δ → δ, q = 2, W = O(1), любая константа. 2. δ → δ/3, q = O(1), W = 2. 4/7
  • 11. Стратегия доказательства PCP Theorem Теорема ∃δ > 0 т.ч. ∀L ∈ NP имеется полин. f : {0, 1}∗ → инд. задачи q–CSPW т.ч. x ∈ L ⇒ f (x) выполнима, x ∈L / ⇒ нельзя выполнить даже долю 1 − δ клозов f (x). δ-невыполнимые формулы: не выполнить даже долю 1 − δ клозов; δ-свед´ние изменяет задачу q–CSPW так, что е размер увеличивается линейно; невыполнимые получаются δ-невыполнимые; новые q и W зависят только от q и W . Для доказательства достаточно построить свед´ние, которое по е формулам, у которых уже нельзя выполнить даже долю δ, строит те, у которых нельзя 2δ. Два сведения: 1. δ → δ, q = 2, W = O(1), любая константа. 2. δ → δ/3, q = O(1), W = 2. 3. . . . и нулевое сведение, чтобы подготовить формулу к первому. 4/7
  • 12. Нулевое сведение: q = 2 и кое-что ещё q = 2, W = 2q : доп. переменные yi ∼ присваивание переменным клоза Ci , удовлетворяющее его. клозы Dij (yi , Xj ) ∼ yi действительно удовлетворяет Ci и согласовано со значением Xj . 5/7
  • 13. Нулевое сведение: q = 2 и кое-что ещё q = 2, W = 2q : доп. переменные yi ∼ присваивание переменным клоза Ci , удовлетворяющее его. клозы Dij (yi , Xj ) ∼ yi действительно удовлетворяет Ci и согласовано со значением Xj . Граф зависимостей CSP-формулы (с кратными рёбрами и петлями): вершины ∼ переменные; Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj }, также добавим некоторые петли. 5/7
  • 14. Нулевое сведение: q = 2 и кое-что ещё q = 2, W = 2q : доп. переменные yi ∼ присваивание переменным клоза Ci , удовлетворяющее его. клозы Dij (yi , Xj ) ∼ yi действительно удовлетворяет Ci и согласовано со значением Xj . Граф зависимостей CSP-формулы (с кратными рёбрами и петлями): вершины ∼ переменные; Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj }, также добавим некоторые петли. Сделаем граф d -регулярным (∀v deg v = d ): (1) (k) уменьшим степень: Xi → Xi , . . . , Xi ; увеличим степень: добавим петли (причём будем считать, что в каждой вершине не менее половины рёбер петли). 5/7
  • 15. Нулевое сведение: q = 2 и кое-что ещё q = 2, W = 2q : доп. переменные yi ∼ присваивание переменным клоза Ci , удовлетворяющее его. клозы Dij (yi , Xj ) ∼ yi действительно удовлетворяет Ci и согласовано со значением Xj . Граф зависимостей CSP-формулы (с кратными рёбрами и петлями): вершины ∼ переменные; Ci = (X , ci ), Xi , Xj ∈ X ⇒ добавляем ребро {Xi , Xj }, также добавим некоторые петли. Сделаем граф d -регулярным (∀v deg v = d ): (1) (k) уменьшим степень: Xi → Xi , . . . , Xi ; увеличим степень: добавим петли (причём будем считать, что в каждой вершине не менее половины рёбер петли). Сделаем из графа расширитель: пусть G расширитель с тем же числом вершин (что такое расширитель, используется в док-ве, которое мы приводить не будем; но это граф ограниченной степени). новые клозы фиктивные: рёбра из G . 5/7
  • 16. Первое сведение: δ → δ, q → 2 “Возводим 2–CSPW формулу с d -регулярным графом в степень t”: 5t W = Wd ; новые переменные y1 , . . . , yn ∈ W ; значение yi кодирует значения всех Xj , достижимых из Xi за √ ≤ t + t шагов; клозы ∼ ∀y , y , связанных путём длины 2t + 1, для какого-то ребра √ i , Xj ) на этом пути с вершинами внутри шаров радиуса (X ≤ t + t вокруг y , y , опровергается старый клоз c(Xi , Xj ), где значение Xi задано y , а значение Xj y; √ t δ увеличивается в 105 dW 4 раз (см. на доску). 6/7
  • 17. Второе сведение: δ → δ/3, W → 2 Переменные из W разделим на отдельные биты. Каждому старому клозу (от 2 log W переменных) дадим PCP(poly(n), 1)-доказательство, соответствующее вып. набору u. 7/7
  • 18. Второе сведение: δ → δ/3, W → 2 Переменные из W разделим на отдельные биты. Каждому старому клозу (от 2 log W переменных) дадим PCP(poly(n), 1)-доказательство, соответствующее вып. набору u. Правда, этот u состоит из двух половинок и ещё доп. переменных для сведения старого клоза к квадратичным равенствам, т.к. набор для всех клозов дан наборами от W переменных: в частности, для одного клоза даны π1 = WH(u1 ), π2 = WH(u2 ). Поэтому нужен concatenation test (f весь набор для клоза): f (r ◦ s ◦ 0 . . . 0) = π1 (r ) + π2 (s). 7/7
  • 19. Второе сведение: δ → δ/3, W → 2 Переменные из W разделим на отдельные биты. Каждому старому клозу (от 2 log W переменных) дадим PCP(poly(n), 1)-доказательство, соответствующее вып. набору u. Правда, этот u состоит из двух половинок и ещё доп. переменных для сведения старого клоза к квадратичным равенствам, т.к. набор для всех клозов дан наборами от W переменных: в частности, для одного клоза даны π1 = WH(u1 ), π2 = WH(u2 ). Поэтому нужен concatenation test (f весь набор для клоза): f (r ◦ s ◦ 0 . . . 0) = π1 (r ) + π2 (s). Вероятность ошибки 1/2 ⇒ если лишь δ/3 новых не выполнены, 2δ/3 старых не выполнены. 7/7