Complessità inferiore: il divario tra alberi decisionali e RAM


15

Recentemente ho scoperto un limite inferiore quadratico alla complessità di un problema nel modello dell'albero decisionale e mi chiedo se questo risultato possa essere parzialmente generalizzato al modello di macchina ad accesso casuale. In parte , intendo una generalizzazione ai programmi RAM con un certo compromesso tempo / spazio. Ad esempio, vorrei mostrare che il mio problema non può essere risolto da un programma RAM a tempo lineare e spazio.

AM Ben-Amram e Z. Galil dimostrato in questo documento che un programma RAM esecuzione in tempo e spaziali s possono essere simulati O ( ttS tempo su una macchina puntatore. Conosciamo risultati simili che potrebbero essere applicati agli alberi delle decisioni?O(tlog⁡S)

In alternativa, è possibile simulare un programma RAM in esecuzione nello spazio con un albero decisionale di grado s ? (intuitivamente, l'indirizzamento indiretto potrebbe essere simulato usando nodi di grado ≤ s )SS≤S


Non so molto della complessità della query classica (complessità dell'albero decisionale) ma quando si lavora nel modello analogo in un'impostazione quantistica (complessità della query quantistica) a volte si ottengono limiti inferiori piuttosto scarsi per il modello di circuito. Ad esempio, per HSP puoi mostrare che la complessità della query è polinomiale, ma gli unitari tra le query prendono un numero esponenziale di gate ... e per quanto sospettiamo che l'HSP generale non sia realizzabile in tempo polinomiale, quindi la complessità della query fornisce solo limiti inferiori molto allentati. O stai bene con un limite inferiore molto lento?
— Artem Kaznatcheev

In realtà, mi piacerebbe davvero avere un limite inferiore superlineare per (alcuni) programmi in esecuzione su RAM. Ecco perché speravo che limitare la complessità dello spazio potesse aiutare.
— Totoro,

1
Non capisco la tua domanda. Come si può avere un limite inferiore quadratico sulla complessità della query? Inoltre, i compromessi spazio-tempo usano spesso teoremi di prodotto diretti, quindi potresti dover lavorare di più per ottenere tali risultati.
— Hartmut Klauck,

1
La complessità del limite inferiore nel modello dell'albero decisionale deriva da un limite inferiore del numero di possibili output del problema (il cui logaritmo fornisce un limite inferiore dell'altezza sull'albero).
— Totoro,

Risposte:


10

Il modello naturale correlato agli alberi decisionali in grado di simulare le RAM è il programma di ramificazione. Fondamentalmente, è un albero decisionale con sottostrutture comuni coalizzate che producono un DAG. Il tempo T e lo spazio S su una RAM possono essere simulati in altezza T e dimensione 2 ^ S in un programma di diramazione. (Potrebbe essere necessario utilizzare la ramificazione multidirezionale).

Per problemi di decisione, è chiaro che qualsiasi albero decisionale necessita solo di altezza = # input e spazio = numero totale di bit nell'input. Si noti che con la ramificazione a più vie si potrebbero avere i # bit nell'ingresso più grandi della solita misura del # degli ingressi (ad es. N puntatori ciascuno prendendo log n bit.) Per tali problemi con nlog n bit di input totali si può dimostrare che alcuni problemi non possono essere risolti nel tempo O (n) e spazio = O (n) bit. È questa la tua forma di problema?

Sembra che tu stia utilizzando il numero di uscite per cercare di ottenere un limite inferiore più grande. È normale che i problemi di multi-output consentano più output lungo un singolo bordo anziché ai nodi foglia (vedere, ad esempio, il documento di Borodin-Cook del 1982 sull'ordinamento dei limiti inferiori). Tuttavia, anche senza questo presupposto, si può anche calcolare qualsiasi funzione con bit di input height = # e space = #. (Leggere e ricordare l'input e generare tutti i valori in ciascun nodo foglia.)


La ringrazio per la risposta. L'input del problema è una raccolta di set di numeri interi, in modo che si possa supporre che siano indicati come elenchi. Comunque, grazie per aver sottolineato la tecnica di Borodin e Cook (non lo sapevo affatto). Spero che questo tipo di metodo possa essere applicato al mio problema.
— Totoro,

1

Il modello naturale relativo agli alberi decisionali che simula le RAM senza perdita è il programma di ramificazione. Fondamentalmente, è un albero decisionale con sottostrutture comuni coalizzate che producono un DAG. Il tempo T e lo spazio S su una RAM possono essere simulati in altezza T e dimensione 2 ^ S in un programma di diramazione. (Potrebbe essere necessario utilizzare la ramificazione multidirezionale).

Per problemi di decisione, è chiaro che qualsiasi albero decisionale necessita solo di altezza = # input e spazio = numero totale di bit nell'input. Si noti che con la ramificazione multidirezionale si potrebbero avere i # bit nell'ingresso più grandi della normale misura del # degli ingressi (ad es. N puntatori ciascuno prendendo log n bit.) Per tali problemi con nlog n bit di input totali si può dimostrare che alcuni problemi non possono essere risolti nel tempo O (n) e spazio = O (n) bit su una RAM.) È questa la forma del tuo problema?

Sembra che tu stia utilizzando il numero di uscite per cercare di ottenere un limite inferiore più grande. Tuttavia, anche con questo è anche possibile calcolare qualsiasi funzione con bit di input height = # e space = #. (Leggere e ricordare l'input e generare tutti i valori richiesti in ciascun nodo foglia. È normale consentire più output in un singolo nodo.)


Forse è meglio per l'autore unire questa risposta con la precedente poiché sono quasi identici.
— Oleksandr Bondarenko,
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.