La prova di Adleman che è contenuto in P / p o l y mostra che se esiste un algoritmo randomizzato per un problema che corre nel tempo t ( n ) su input di dimensione n , allora esiste anche un algoritmo deterministico per il problema che scorre nel …
Molti credono che . Tuttavia sappiamo solo che è al secondo livello della gerarchia polinomiale, ovvero . Un passo verso la visualizzazione di è di portarlo al primo livello della gerarchia polinomiale, ovvero .BPP=P⊆NPBPP=P⊆NP\mathsf{BPP} = \mathsf{P} \subseteq \mathsf{NP}BPPBPP\mathsf{BPP}BPP⊆ΣP2∩ΠP2BPP⊆Σ2P∩Π2P\mathsf{BPP}\subseteq \Sigma^ \mathsf{P}_2 \cap \Pi^ \mathsf{P}_2BPP=PBPP=P\mathsf{BPP} = \mathsf{P}BPP⊆NPBPP⊆NP\mathsf{BPP} \subseteq \mathsf{NP} Il contenimento significherebbe …
Ho sentito spesso che per molti problemi conosciamo algoritmi randomizzati molto eleganti, ma nessuna, o solo soluzioni deterministiche più complicate. Tuttavia, conosco solo alcuni esempi per questo. Soprattutto Quicksort randomizzato (e relativi algoritmi geometrici, ad es. Per scafi convessi) Mincut randomizzato Test di identità polinomiale Klee's Measure problem Tra questi, …
Esiste un esempio interessante di algoritmo randomizzato per un problema di ricerca che genera sempre la stessa risposta (corretta), indipendentemente dalla casualità interna, ma che sfrutta la casualità in modo che il suo tempo di esecuzione previsto sia migliore del tempo di esecuzione del più veloce conosciuto algoritmo deterministico per …
La NC uniforme nello spazio log è contenuta nello spazio polivalente deterministico (talvolta scritto PolyL). RNC è uniforme nello spazio di registro anche in questa classe? La versione randomizzata standard di PolyL dovrebbe essere in PolyL, ma non vedo che RNC (uniforme) sia in PolyL randomizzato. La difficoltà che vedo …
Modifica: ho scelto la risposta con il punteggio più alto entro il 06 dicembre 2012. Questa è una domanda delicata. Il concetto di algoritmi (deterministici) risale al BC. E gli algoritmi probabilistici? In questa voce wiki , l'algoritmo di Rabin per il problema di coppia più vicino nella geometria computazionale …
Ho appena insegnato l' algoritmo mincut randomizzato di Karger-Stein nella mia classe di algoritmi laureati. Questo è un vero gioiello algoritmico , quindi non posso non insegnare, ma mi lascia sempre frustrato, perché non conosco altre applicazioni della tecnica principale. (Quindi è difficile assegnare i compiti che portano il punto …
Sono sicuro che tutti conoscono l' esperimento con ago di Buffon nel 18 ° secolo, che è uno dei primi algoritmi probabilistici per calcolare .ππ\pi L'implementazione dell'algoritmo nei computer di solito richiede l'uso di , o una funzione trigonometrica, che, anche se implementati come serie troncate, in qualche modo vanifica …
RP è la classe di problemi decidibili da una macchina di Turing non deterministica che termina in un tempo polinomiale, ma a cui è anche consentito un errore unilaterale. P è la solita classe di problemi decidibili da una macchina di Turing deterministica che termina in un tempo polinomiale. P …
Un importante articolo del 2003 di Childs et al.introdotto il "problema degli alberi congiunti": un problema che ammette uno speedon quantistico esponenziale che è diverso da qualsiasi altro problema di cui siamo a conoscenza. In questo problema, ci viene dato un grafico esponenzialmente grande come quello mostrato di seguito, che …
PPPXX\mathcal{X}AA\mathcal{A}PPPDD\mathcal{D}RR\mathcal{R}AA\mathcal{A}minA∈AEcost(A,D)≤maxx∈XEcost(R,x)for all D and R.minA∈AEcost(A,D)≤maxx∈XEcost(R,x)for all D and R.\min_{A\in\mathcal{A}}\quad\mathbb{E} cost(A,\mathcal{D}) \leq \max_{x\in\mathcal{X}}\quad\mathbb{E} cost(\mathcal{R},x) \quad\quad\text{for all $\mathcal{D}$ and $\mathcal{R}$}. Principalmente il principio di Yao riguarda solo gli algoritmi di Las Vegas , ma può essere generalizzato agli algoritmi di Monte Carlo come segue. dove indica il costo degli algoritmi Monte Carlo …
Per gli algoritmi randomizzati assumono valori reali, il "trucco mediano" è un modo semplice per ridurre la probabilità di fallimento a qualsiasi soglia , al costo di solo una moltiplicativa overhead. Vale a dire, se l' output di cade in un "buon intervallo" con probabilità (almeno) , quindi eseguendo copie …
Quando insegno i limiti della coda, utilizzo la solita progressione: Se il tuo camper è positivo, puoi applicare la disuguaglianza di Markov Se si dispone di indipendenza e anche la varianza delimitata, è possibile applicare la disuguaglianza di Chebyshev Se ogni camper indipendente anche ha tutti i momenti limitato, quindi …
Se è una funzione convessa, la disuguaglianza di Jensen afferma che e, mutatis mutandis, quando è concavo. Chiaramente, nel peggiore dei casi, non è possibile limite superiore in termini di per una convessa , ma esiste un limite che va in questa direzione se è convesso ma "non troppo convesso"? …
Lascia che sia una funzione. Vogliamo stimare la media di , ovvero: .f E [ f ( n ) ] = 2 - n ∑ x ∈ { 0 , 1 } n f ( x )f:{0,1}n→(2−n,1]f:{0,1}n→(2−n,1]f \colon \lbrace 0,1 \rbrace ^ n \to (2^{-n},1]fffE[f(n)]=2−n∑x∈{0,1}nf(x)E[f(n)]=2−n∑x∈{0,1}nf(x)\mathbb{E}[f(n)]=2^{-n}\sum_{x\in \lbrace 0,1 \rbrace ^ n}f(x) …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.