Jednolita derandomizacja klas złożoności obwodów


9

Pozwolić C być klasą złożoności i BP-C być randomizowanym odpowiednikiem C zdefiniowane w taki sam sposób jak BPP jest zdefiniowany w odniesieniu do P. Bardziej formalnie zapewniamy wielomianowo wiele losowych bitów i akceptujemy dane wejściowe, jeśli prawdopodobieństwo, że zostanie zaakceptowane, jest zakończone23.

W poprzednim poście zapytałem, czy wiadomo, czy równość się utrzymuje C i BP-C dla Cklasa złożoności obwodu. Odpowiedź brzmi: tak dla wszystkich klas złożoności wystarczająco ekspresyjnych, aby obliczyć Większość i dlaAC0z innego powodu. Te wyniki są jednak niejednolite i chciałbym wiedzieć:

  1. Czy jednolite wersje tych wyników są badane lub znane? Jakieś częściowe wyniki?

  2. Czy implikują długotrwałą hipotezę?

Uważam, że jednolita derandomizacja P/poly jest dokładnie P=BPP więc oczekuję, że odpowiedź brzmi „tak”, ale dla mnie mniej jasne jest, jakie jednolite derandomizacja małych klas w obrębie NC-hierarchia implikuje.


Sugerują obwód dolne granice?
Nikhil

Odpowiedzi:


6

Mundur klasowy - RNC był często badany. Problemem otwartym jest, czy uniform-RNC = uniform-NC. Uniform- (R) NC odpowiada (randomizowanym) PRAM z wielomianowo wieloma procesorami i polilogarytmicznym czasem pracy (patrz Handbook of Theoretical Computer Science Vol. A). Pytanie brzmi zatem, czy każdy skuteczny randomizowany równoległy algorytm może zostać zdesandomizowany.

Ponieważ testy tożsamości symbolicznej determinant są w jednolitym RNC, derandomizacja RNC implikuje dolne granice obwodu przez wyniki Kabanetsa i Impagliazza (Computational Complexity, 13 (1-2), strony 1-46, 2004).

Ważnym szczególnym przypadkiem jest pytanie, czy możemy obliczyć idealne dopasowania w uniform-NC. Znanych jest kilka losowych algorytmów równoległych, ale nie wiemy, czy istnieje jeden deterministyczny. Ostatnio Fenner, Gurjar i Thierauf (STOC 2016) wykazali, że możemy obliczyć idealne dopasowania na grafach dwudzielnych za pomocą jednolitych obwodów o głębokości polilogarytmicznej i wielkości quasipolynomialnej.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.