Riduzione deterministica dell'errore, all'avanguardia?


12

Supponiamo che uno abbia un algoritmo randomizzato (BPP) A usa r bit di casualità. I modi naturali per amplificare la sua probabilità di successo a 1δ , per qualsiasi δ>0 scelto , sono

  • Piste indipendenti + maggioranza: eseguire A autonomo T=Θ(log(1/δ) . Volte, e prendere il voto della maggioranza delle uscite Ciò richiede rT=Θ(rlog(1/δ)) bit di casualità, e fa saltare il tempo di funzionamento di un fattore T=Θ(log(1/δ)) .
  • Esecuzioni indipendenti a coppie + Chebyshev: esegui A "in modo indipendente a coppie" T=Θ(1/δ) volte e confronta con una soglia Ciò richiede rT=Θ(r/δ) bit di casualità e fa saltare il tempo di esecuzione di un fattore T=Θ(1/δ) .

Karp, Pippenger, e Sipser [1] (a quanto pare, non ho potuto mettere le mani sulla carta stessa, si tratta di un conto di seconda mano) alternativa fornito approcci basati su forti espansioni normali: in sostanza, vedere i 2r nodi della expander come i semi casuali. Scegli un nodo casuale dell'espansore usando i bit casuali r , quindi

  • fai una breve camminata casuale di lunghezza T=Θ(log(1/δ)) da lì, ed esegui A sui semi T corrispondenti ai nodi sul percorso, prima di ottenere un voto a maggioranza. Ciò richiede r+T=r+Θ(log(1/δ)) bit di casualità e aumenta il tempo di esecuzione di un fattore T=Θ(log(1/δ)) .

  • eseguire A su tutti i vicini del nodo corrente (o, più in generale, tutti i nodi entro una distanza c dal nodo corrente) prima di ottenere il voto a maggioranza. Ciò richiede r bit di casualità e fa esplodere il tempo di esecuzione di un fattore T=d , dove d è il grado (o dc per il vicinato distanza c . Impostando bene i parametri, questo finisce per costare T=poly(1/δ) qui.

Sono interessato all'ultimo punto, che corrisponde alla riduzione degli errori deterministici . C'è stato qualche miglioramento dopo [1], riducendo la dipendenza di T da δ ? Qual è l'attuale migliore ottenibile - 1/δγ per il quale γ>1 ? γ>0 ? (Per BPP ? Per RP ?)

Nota: sono anche (molto) interessato a RP anziché a BPP . Come introdotto in [2], la costruzione pertinente non è più espansori, ma dispersori (vedi ad esempio queste note di lezione di Ta-Shma, in particolare la Tabella 3). Non sono riuscito a trovare i limiti corrispondenti per l' amplificazione deterministica (non un singolo bit più casuale della r consentita ), tuttavia, né (cosa più importante) quali sono le costruzioni di dispersori espliciti all'avanguardia per la gamma di parametri pertinente .


[1] Karp, R., Pippenger, N. e Sipser, M., 1985. Un compromesso di casualità nel tempo . Nella conferenza AMS sulla complessità computazionale probabilistica (Vol. 111).

[2] Cohen, A. e Wigderson, A., 1989, ottobre. Dispersori, amplificazione deterministica e fonti casuali deboli. Nel trentesimo simposio annuale sui fondamenti dell'informatica (pagg. 14-19). IEEE.


La mia comprensione è la seguente (principalmente sulle note di lezione di Ta-Shma sopra menzionate , quelle di van Melkebeek e quelle di Cynthia Dwork . Per quanto ne so, i dispersori sono fantastici per amplificare in modo esponenziale dati pochi bit casuali , ma non se ci sono 0 pezzi in più di casualità
Clemente C.

poly(1/δ)

1/δ

Anche rilevanti (ma non risponde alla domanda specifica): Sezione 3.5.4, e la sezione 4 (Problema 4.6) di di Salil Vadhan Pseudorandomness .
Clemente C.

Risposte:


3

O(1/δ)λO(δ)λ=O(1/d)

C/δCO(1/δ)

Ω(1/δ)


α>0dR=2rλδCαCαd(N,d)λC/dNdd=Oα(1/δ)

dd1λ=O(1/d) nnO((log3d)/d)
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.