부분 집합 합계 또는 NPP에 대한 정수 관계 감지? 전혀없는 반면, 고밀도는 솔루션이 많은

정수 관계에 대한 (작은) 솔루션이 답을 얻을 수 있도록 부분 집합 합 또는 숫자 분할 문제의 인스턴스를 인코딩하는 방법이 있습니까? 확실하지 않다면 어떤 확률 론적 의미에서?

선택한 숫자의 범위가 보다 큰 ‘저밀도’영역에서 LLL (및 아마도 PSLQ)이 부분 집합 합계 문제를 해결하는 데 적당히 사용되었다는 것을 알고 있습니다. 선택된 숫자의 범위가 보다 훨씬 작을 때 더 큰 크기의 인스턴스로 ‘고밀도’영역에서 실패합니다 . 여기서 저밀도 및 고밀도는 솔루션 수를 나타냅니다. 저밀도 영역은 존재하는 솔루션이 거의 없거나 전혀없는 반면, 고밀도는 솔루션이 많은 영역을 나타냅니다. $2^{N}$

2^{N}

$2^N$ $2^{N}$

2^{N}

$2^N$

고밀도 영역에서 LLL은 주어진 인스턴스간에 (작은) 정수 관계를 발견하지만 인스턴스 크기가 증가함에 따라 실행 가능한 서브 세트 합 또는 숫자 분할 문제 솔루션 인 관계가 발견 될 확률은 점점 작아집니다.

정수 관계 감지는 최적의 지수 범위 내에서 다항식이지만 Subset Sum 및 NPP는 분명히 NP-Complete이므로 일반적으로 불가능할 수 있지만 인스턴스가 무작위로 균일하게 그려지면 더 간단해질 수 있습니까?

아니면이 질문을하지 말고 대신 계산의 기하 급수적으로 증가하는 대신 최적의 대답에서 지수를 줄이는 방법이 있는지 묻어 야합니까?

답변

m을 가장 큰 숫자의 로그라고하자. 경우 그것은 동적 프로그래밍을 이용하여 다항식 시간 내에 해결 가능하다. 일반적으로, 적어도 모든 알려진 알고리즘 인출 의 시간. 및 경우 알려진 다항식 시간 알고리즘이 없습니다. $m = O (\log n)$

미디엄 = 영형 (로그 엔)

$m=O(\log n)$ $Ω (2^{m})$

Ω (2^{미디엄})

$\Omega(2^{m})$ $m = ω (\log n)$

미디엄 = ω (로그 엔)

$m=\omega(\log n)$ $m = o (n)$

미디엄 = 영형 (엔)

$m=o(n)$

그러나 Flaxman과 Przydatek는 예상 다항식 시간의 중간 밀도 부분 집합 합 문제를 해결하는 알고리즘을 제공합니다.

이 참조를 확인하십시오.

Flaxman과 Przydatek, 예상 다항식 시간에 중간 밀도 부분 집합 합계 문제 해결

How IT

언제든지 물어보세요.

부분 집합 합계 또는 NPP에 대한 정수 관계 감지? 전혀없는 반면, 고밀도는 솔루션이 많은

답변

답변