SlideShare una empresa de Scribd logo
1 de 25
Descargar para leer sin conexión
Сложность пропозициональных доказательств
Эдуард Алексеевич Гирш
http://logic.pdmi.ras.ru/~hirsch
ПОМИ РАН
25 ноября 2010 г.
1 / 8
Семантическая полуалгебраическая система
Система Th(k):
Строки — мультилинейные неравенства степени k.
Аксиомы — перевод исходной формулы.
Правило —
f (z) ≥ 0
g(z) ≥ 0
, если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0).
2 / 8
Семантическая полуалгебраическая система
Система Th(k):
Строки — мультилинейные неравенства степени k.
Аксиомы — перевод исходной формулы.
Правило —
f (z) ≥ 0
g(z) ≥ 0
, если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0).
Доказательство нижней оценки для treelike Th(k):
док-во → decision tree → коммуникационный протокол.
2 / 8
Семантическая полуалгебраическая система
Система Th(k):
Строки — мультилинейные неравенства степени k.
Аксиомы — перевод исходной формулы.
Правило —
f (z) ≥ 0
g(z) ≥ 0
, если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0).
Доказательство нижней оценки для treelike Th(k):
док-во → decision tree → коммуникационный протокол.
Decision tree для C1 ∧ C2 ∧ . . . от переменных z:
f (z) ≥ 0
f0(z) ≥ 0 f1(z) ≥ 0
f00(z) ≥ 0 f01(z) ≥ 0 f10(z) ≥ 0 f11(z) ≥ 0
¬Ci (z) ¬Cj (z) ¬Ck(z) ¬C (z) . . . 2 / 8
Древесное док-во → decision tree
Дано док-во π — дерево P,
соблюдающее логические следствия и с противоречием в корне.
Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0.
Это будет корень decision tree.
3 / 8
Древесное док-во → decision tree
Дано док-во π — дерево P,
соблюдающее логические следствия и с противоречием в корне.
Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0.
Это будет корень decision tree.
Если g(z) < 0, ложная дизъюнкция — в T,
построим decision subtree для T рекурсивно.
А если g(z) ≥ 0, то не в T,
заменим T на 0 ≥ 0 и построим decision subtree для P рекурсивно.
3 / 8
Древесное док-во → decision tree
Дано док-во π — дерево P,
соблюдающее логические следствия и с противоречием в корне.
Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0.
Это будет корень decision tree.
Если g(z) < 0, ложная дизъюнкция — в T,
построим decision subtree для T рекурсивно.
А если g(z) ≥ 0, то не в T,
заменим T на 0 ≥ 0 и построим decision subtree для P рекурсивно.
Итого размер тот же, неравенства те же, глубина O(log |π|).
3 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
4 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
Number-in-hand model: Ai знает zi .
Number-on-forehead model: Ai знает всё, кроме zi .
4 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
Number-in-hand model: Ai знает zi .
Number-on-forehead model: Ai знает всё, кроме zi .
Надо вычислить f (F, z1, . . . , zk).
Сложность — общее кол-во переданных битов.
4 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
Number-in-hand model: Ai знает zi .
Number-on-forehead model: Ai знает всё, кроме zi .
Надо вычислить f (F, z1, . . . , zk).
Сложность — общее кол-во переданных битов.
Можно детерминированно, можно вероятностно.
4 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
Number-in-hand model: Ai знает zi .
Number-on-forehead model: Ai знает всё, кроме zi .
Надо вычислить f (F, z1, . . . , zk).
Сложность — общее кол-во переданных битов.
Можно детерминированно, можно вероятностно.
Наша задача: дана КНФ F, набор значений z разбит на части.
Надо выдать номер невыполненной дизъюнкции.
4 / 8
Коммуникационная сложность
Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk.
Number-in-hand model: Ai знает zi .
Number-on-forehead model: Ai знает всё, кроме zi .
Надо вычислить f (F, z1, . . . , zk).
Сложность — общее кол-во переданных битов.
Можно детерминированно, можно вероятностно.
Наша задача: дана КНФ F, набор значений z разбит на части.
Надо выдать номер невыполненной дизъюнкции.
F — цейтинская, но xi заменены на k
j=1 zij .
4 / 8
Decision tree → детерминированный протокол
Вычисляем R(x1, . . . , xn), имея
дерево глубины d,
неравенства степени k,
n и коэффициенты ≤ N.
Строим (k + 1)-NOF протокол сложности O(d · log N).
5 / 8
Decision tree → детерминированный протокол
Вычисляем R(x1, . . . , xn), имея
дерево глубины d,
неравенства степени k,
n и коэффициенты ≤ N.
Строим (k + 1)-NOF протокол сложности O(d · log N).
Каждый моном целиком виден хотя бы одному участнику.
Протокол: каждый сообщает сумму “своих” мономов,
проверяет неравенство и движется дальше по дереву.
5 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
yi = hi + i , где hi ≤ yi /2 n/2
(старшие n/2 битов),
Если hi > 0 или hi < −k, то всё ясно.
Поэтому “главный” выбирает p ∈ P ∩ [nc+2
ln n..2nc+2
ln n],
собирает hi mod p, вычисляет сумму mod p.
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
yi = hi + i , где hi ≤ yi /2 n/2
(старшие n/2 битов),
Если hi > 0 или hi < −k, то всё ясно.
Поэтому “главный” выбирает p ∈ P ∩ [nc+2
ln n..2nc+2
ln n],
собирает hi mod p, вычисляет сумму mod p.
Если получилось j ∈ {−k, . . . , 0},
то запускаем для 1 + . . . + k+1 + j · 2 n/2
≥ 0.
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
yi = hi + i , где hi ≤ yi /2 n/2
(старшие n/2 битов),
Если hi > 0 или hi < −k, то всё ясно.
Поэтому “главный” выбирает p ∈ P ∩ [nc+2
ln n..2nc+2
ln n],
собирает hi mod p, вычисляет сумму mod p.
Если получилось j ∈ {−k, . . . , 0},
то запускаем для 1 + . . . + k+1 + j · 2 n/2
≥ 0.
Иначе запускаем для h1 + . . . + hk+1 ≥ 0.
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
yi = hi + i , где hi ≤ yi /2 n/2
(старшие n/2 битов),
Если hi > 0 или hi < −k, то всё ясно.
Поэтому “главный” выбирает p ∈ P ∩ [nc+2
ln n..2nc+2
ln n],
собирает hi mod p, вычисляет сумму mod p.
Если получилось j ∈ {−k, . . . , 0},
то запускаем для 1 + . . . + k+1 + j · 2 n/2
≥ 0.
Иначе запускаем для h1 + . . . + hk+1 ≥ 0.
Ошибка, если p оказалось среди делителей чисел { hi + t}k
t=0.
6 / 8
Decision tree → вероятностный протокол
Вычислим с ошибкой 1/n и сложностью O(d(log log N)2).
(k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0
с ошибкой O(1/nc) и сложностью O(k · log2
n),
где n — число битов в yi :
yi = hi + i , где hi ≤ yi /2 n/2
(старшие n/2 битов),
Если hi > 0 или hi < −k, то всё ясно.
Поэтому “главный” выбирает p ∈ P ∩ [nc+2
ln n..2nc+2
ln n],
собирает hi mod p, вычисляет сумму mod p.
Если получилось j ∈ {−k, . . . , 0},
то запускаем для 1 + . . . + k+1 + j · 2 n/2
≥ 0.
Иначе запускаем для h1 + . . . + hk+1 ≥ 0.
Ошибка, если p оказалось среди делителей чисел { hi + t}k
t=0.
Вместо того, чтобы сообщать сумму мономов,
воспользуемся вероятностным протоколом
(свободный член учитывает первый участник). 6 / 8
Нижняя оценка на длины док-в в Th(k)
Теорема
Нижняя оценка (log n)3+ на (k + 1)-NOF сложность задачи OddCharge
(по суммам в вершинах и набору значений, распределённому среди
участников, определить вершину с ошибкой) влечёт
суперполиномиальную нижнюю оценку на длины доказательств
формул для тех же графов в treelike Th(k).
7 / 8
Планы
Список вопросов к экзамену — на сайте клуба.
Последняя лекция и консультация — 16 декабря.
Экзамен рекомендуется сдать до конца декабря.
8 / 8
Планы
Список вопросов к экзамену — на сайте клуба.
Последняя лекция и консультация — 16 декабря.
Экзамен рекомендуется сдать до конца декабря.
. . . но можно и после 15 января.
8 / 8

Más contenido relacionado

La actualidad más candente

егэ часть а
егэ часть аегэ часть а
егэ часть аdasha2012
 
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...Nikolay Grebenshikov
 
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...Alexey Paznikov
 
04 динамическое программирование - основные концепции
04 динамическое программирование - основные концепции04 динамическое программирование - основные концепции
04 динамическое программирование - основные концепцииFedor Tsarev
 
Лекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовЛекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовMikhail Kurnosov
 
05 динамическое программирование
05 динамическое программирование05 динамическое программирование
05 динамическое программированиеFedor Tsarev
 
05 динамическое программирование
05 динамическое программирование05 динамическое программирование
05 динамическое программированиеFedor Tsarev
 
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...Mikhail Kurnosov
 
20090913 algorithmsfornphardproblems kulikov_lecture02
20090913 algorithmsfornphardproblems kulikov_lecture0220090913 algorithmsfornphardproblems kulikov_lecture02
20090913 algorithmsfornphardproblems kulikov_lecture02Computer Science Club
 
Bolshakova prez
Bolshakova prezBolshakova prez
Bolshakova prez67921340AB
 
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...2berkas
 
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.SmartTools
 
CSEDays. Александр Семенов
CSEDays. Александр СеменовCSEDays. Александр Семенов
CSEDays. Александр СеменовLiloSEA
 
Дмитрий Прокопцев — R-ссылки в С++11
Дмитрий Прокопцев — R-ссылки в С++11Дмитрий Прокопцев — R-ссылки в С++11
Дмитрий Прокопцев — R-ссылки в С++11Yandex
 
Лекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовЛекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовMikhail Kurnosov
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функцийDEVTYPE
 
Численное дифференцирование
Численное дифференцированиеЧисленное дифференцирование
Численное дифференцированиеsmileman94
 
A System of Deductive Verification of Predicate Programs
A System of Deductive Verification of Predicate ProgramsA System of Deductive Verification of Predicate Programs
A System of Deductive Verification of Predicate ProgramsIosif Itkin
 

La actualidad más candente (20)

егэ часть а
егэ часть аегэ часть а
егэ часть а
 
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...
Лекция №2. Абстрактные типы данных. ООП. Предмет "Структуры и алгоритмы обраб...
 
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...
ПВТ - весна 2015 - Лекция 1. Актуальность параллельных вычислений. Анализ пар...
 
Pril2
Pril2Pril2
Pril2
 
04 динамическое программирование - основные концепции
04 динамическое программирование - основные концепции04 динамическое программирование - основные концепции
04 динамическое программирование - основные концепции
 
Лекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмовЛекция 11: Методы разработки алгоритмов
Лекция 11: Методы разработки алгоритмов
 
05 динамическое программирование
05 динамическое программирование05 динамическое программирование
05 динамическое программирование
 
05 динамическое программирование
05 динамическое программирование05 динамическое программирование
05 динамическое программирование
 
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...
Лекция 12: Методы разработки алгоритмов. Динамическое программирование. Жадны...
 
Python
PythonPython
Python
 
20090913 algorithmsfornphardproblems kulikov_lecture02
20090913 algorithmsfornphardproblems kulikov_lecture0220090913 algorithmsfornphardproblems kulikov_lecture02
20090913 algorithmsfornphardproblems kulikov_lecture02
 
Bolshakova prez
Bolshakova prezBolshakova prez
Bolshakova prez
 
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...
Презентация на тему: Методика подготовки учащихся к итоговой аттестации по ин...
 
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.
Стажировка 2016-07-08 01 Евгений Тюменцев. S.O.L.I.D.
 
CSEDays. Александр Семенов
CSEDays. Александр СеменовCSEDays. Александр Семенов
CSEDays. Александр Семенов
 
Дмитрий Прокопцев — R-ссылки в С++11
Дмитрий Прокопцев — R-ссылки в С++11Дмитрий Прокопцев — R-ссылки в С++11
Дмитрий Прокопцев — R-ссылки в С++11
 
Лекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмовЛекция 11. Методы разработки алгоритмов
Лекция 11. Методы разработки алгоритмов
 
Скорость роста функций
Скорость роста функцийСкорость роста функций
Скорость роста функций
 
Численное дифференцирование
Численное дифференцированиеЧисленное дифференцирование
Численное дифференцирование
 
A System of Deductive Verification of Predicate Programs
A System of Deductive Verification of Predicate ProgramsA System of Deductive Verification of Predicate Programs
A System of Deductive Verification of Predicate Programs
 

Similar a 20101125 proof complexity_hirsch_lecture08

Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...
Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...
Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...Nikolay Grebenshikov
 
Лекция 13: Трудноразрешимые задачи. NP-полнота.
Лекция 13: Трудноразрешимые задачи. NP-полнота.Лекция 13: Трудноразрешимые задачи. NP-полнота.
Лекция 13: Трудноразрешимые задачи. NP-полнота.Mikhail Kurnosov
 
20101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture0420101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture04Computer Science Club
 
Алгоритмы и структуры данных осень 2013 лекция 1
Алгоритмы и структуры данных осень 2013 лекция 1Алгоритмы и структуры данных осень 2013 лекция 1
Алгоритмы и структуры данных осень 2013 лекция 1Technopark
 
20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10Computer Science Club
 
20111023 circuit complexity_seminar_lecture04_mihajlin
20111023 circuit complexity_seminar_lecture04_mihajlin20111023 circuit complexity_seminar_lecture04_mihajlin
20111023 circuit complexity_seminar_lecture04_mihajlinComputer Science Club
 
Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes" Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes" Technosphere1
 
Лекция 2: Абстрактные типы данных. Алгоритмы сортировки
Лекция 2: Абстрактные типы данных. Алгоритмы сортировкиЛекция 2: Абстрактные типы данных. Алгоритмы сортировки
Лекция 2: Абстрактные типы данных. Алгоритмы сортировкиMikhail Kurnosov
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыTechnosphere1
 
20080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-0220080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-02Computer Science Club
 
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"Nikolay Grebenshikov
 
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...it-people
 
пугач му по матлогике 2015
пугач му по матлогике 2015пугач му по матлогике 2015
пугач му по матлогике 2015LIPugach
 
ITMO RecSys course. Autumn 2014. Lecture 5
ITMO RecSys course. Autumn 2014. Lecture 5ITMO RecSys course. Autumn 2014. Lecture 5
ITMO RecSys course. Autumn 2014. Lecture 5Andrey Danilchenko
 
Решение краевых задач методом конечных элементов
Решение краевых задач методом конечных элементовРешение краевых задач методом конечных элементов
Решение краевых задач методом конечных элементовTheoretical mechanics department
 
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокTechnosphere1
 
20081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-0620081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-06Computer Science Club
 
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...Nikolay Grebenshikov
 

Similar a 20101125 proof complexity_hirsch_lecture08 (20)

Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...
Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...
Лекция №11. Работа с внешней памятью (файлами). Предмет "Структуры и алгоритм...
 
Лекция 13: Трудноразрешимые задачи. NP-полнота.
Лекция 13: Трудноразрешимые задачи. NP-полнота.Лекция 13: Трудноразрешимые задачи. NP-полнота.
Лекция 13: Трудноразрешимые задачи. NP-полнота.
 
20101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture0420101007 proof complexity_hirsch_lecture04
20101007 proof complexity_hirsch_lecture04
 
Алгоритмы и структуры данных осень 2013 лекция 1
Алгоритмы и структуры данных осень 2013 лекция 1Алгоритмы и структуры данных осень 2013 лекция 1
Алгоритмы и структуры данных осень 2013 лекция 1
 
20081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-1020081116 structuralcomplexitytheory lecture09-10
20081116 structuralcomplexitytheory lecture09-10
 
20111023 circuit complexity_seminar_lecture04_mihajlin
20111023 circuit complexity_seminar_lecture04_mihajlin20111023 circuit complexity_seminar_lecture04_mihajlin
20111023 circuit complexity_seminar_lecture04_mihajlin
 
Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes" Лекция №5 "Обработка текстов, Naive Bayes"
Лекция №5 "Обработка текстов, Naive Bayes"
 
Лекция 2: Абстрактные типы данных. Алгоритмы сортировки
Лекция 2: Абстрактные типы данных. Алгоритмы сортировкиЛекция 2: Абстрактные типы данных. Алгоритмы сортировки
Лекция 2: Абстрактные типы данных. Алгоритмы сортировки
 
L5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмыL5: Л5 Байесовские алгоритмы
L5: Л5 Байесовские алгоритмы
 
20080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-0220080928 structuralcomplexitytheory lecture01-02
20080928 structuralcomplexitytheory lecture01-02
 
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"
Лекция №3. Анализ алгоритмов. Предмет "Структуры и алгоритмы обработки данных"
 
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...
DUMP-2013 Наука и жизнь - Приближённый подсчёт количества уникальных элементо...
 
пугач му по матлогике 2015
пугач му по матлогике 2015пугач му по матлогике 2015
пугач му по матлогике 2015
 
ITMO RecSys course. Autumn 2014. Lecture 5
ITMO RecSys course. Autumn 2014. Lecture 5ITMO RecSys course. Autumn 2014. Lecture 5
ITMO RecSys course. Autumn 2014. Lecture 5
 
Решение краевых задач методом конечных элементов
Решение краевых задач методом конечных элементовРешение краевых задач методом конечных элементов
Решение краевых задач методом конечных элементов
 
Линейные многошаговые методы
Линейные многошаговые методыЛинейные многошаговые методы
Линейные многошаговые методы
 
Soboland Sat
Soboland SatSoboland Sat
Soboland Sat
 
L2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибокL2: Задача классификации и регрессии. Метрики ошибок
L2: Задача классификации и регрессии. Метрики ошибок
 
20081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-0620081026 structuralcomplexitytheory lecture05-06
20081026 structuralcomplexitytheory lecture05-06
 
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...
Лекция №4. Асимтотическая нотация. Предмет "Структуры и алгоритмы обработки д...
 

Más de Computer Science Club

20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugsComputer Science Club
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugsComputer Science Club
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12Computer Science Club
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11Computer Science Club
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10Computer Science Club
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09Computer Science Club
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02Computer Science Club
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01Computer Science Club
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04Computer Science Club
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01Computer Science Club
 

Más de Computer Science Club (20)

20141223 kuznetsov distributed
20141223 kuznetsov distributed20141223 kuznetsov distributed
20141223 kuznetsov distributed
 
Computer Vision
Computer VisionComputer Vision
Computer Vision
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs20140531 serebryany lecture02_find_scary_cpp_bugs
20140531 serebryany lecture02_find_scary_cpp_bugs
 
20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs20140531 serebryany lecture01_fantastic_cpp_bugs
20140531 serebryany lecture01_fantastic_cpp_bugs
 
20140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture1220140511 parallel programming_kalishenko_lecture12
20140511 parallel programming_kalishenko_lecture12
 
20140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture1120140427 parallel programming_zlobin_lecture11
20140427 parallel programming_zlobin_lecture11
 
20140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture1020140420 parallel programming_kalishenko_lecture10
20140420 parallel programming_kalishenko_lecture10
 
20140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture0920140413 parallel programming_kalishenko_lecture09
20140413 parallel programming_kalishenko_lecture09
 
20140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture0220140329 graph drawing_dainiak_lecture02
20140329 graph drawing_dainiak_lecture02
 
20140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture0120140329 graph drawing_dainiak_lecture01
20140329 graph drawing_dainiak_lecture01
 
20140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-0420140310 parallel programming_kalishenko_lecture03-04
20140310 parallel programming_kalishenko_lecture03-04
 
20140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-0320140223-SuffixTrees-lecture01-03
20140223-SuffixTrees-lecture01-03
 
20140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture0120140216 parallel programming_kalishenko_lecture01
20140216 parallel programming_kalishenko_lecture01
 
20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich20131106 h10 lecture6_matiyasevich
20131106 h10 lecture6_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich20131027 h10 lecture5_matiyasevich
20131027 h10 lecture5_matiyasevich
 
20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich20131013 h10 lecture4_matiyasevich
20131013 h10 lecture4_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 
20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich20131006 h10 lecture3_matiyasevich
20131006 h10 lecture3_matiyasevich
 

20101125 proof complexity_hirsch_lecture08

  • 1. Сложность пропозициональных доказательств Эдуард Алексеевич Гирш http://logic.pdmi.ras.ru/~hirsch ПОМИ РАН 25 ноября 2010 г. 1 / 8
  • 2. Семантическая полуалгебраическая система Система Th(k): Строки — мультилинейные неравенства степени k. Аксиомы — перевод исходной формулы. Правило — f (z) ≥ 0 g(z) ≥ 0 , если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0). 2 / 8
  • 3. Семантическая полуалгебраическая система Система Th(k): Строки — мультилинейные неравенства степени k. Аксиомы — перевод исходной формулы. Правило — f (z) ≥ 0 g(z) ≥ 0 , если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0). Доказательство нижней оценки для treelike Th(k): док-во → decision tree → коммуникационный протокол. 2 / 8
  • 4. Семантическая полуалгебраическая система Система Th(k): Строки — мультилинейные неравенства степени k. Аксиомы — перевод исходной формулы. Правило — f (z) ≥ 0 g(z) ≥ 0 , если ∀z ∈ {0, 1}n (f ≥ 0 =⇒ g ≥ 0). Доказательство нижней оценки для treelike Th(k): док-во → decision tree → коммуникационный протокол. Decision tree для C1 ∧ C2 ∧ . . . от переменных z: f (z) ≥ 0 f0(z) ≥ 0 f1(z) ≥ 0 f00(z) ≥ 0 f01(z) ≥ 0 f10(z) ≥ 0 f11(z) ≥ 0 ¬Ci (z) ¬Cj (z) ¬Ck(z) ¬C (z) . . . 2 / 8
  • 5. Древесное док-во → decision tree Дано док-во π — дерево P, соблюдающее логические следствия и с противоречием в корне. Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0. Это будет корень decision tree. 3 / 8
  • 6. Древесное док-во → decision tree Дано док-во π — дерево P, соблюдающее логические следствия и с противоречием в корне. Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0. Это будет корень decision tree. Если g(z) < 0, ложная дизъюнкция — в T, построим decision subtree для T рекурсивно. А если g(z) ≥ 0, то не в T, заменим T на 0 ≥ 0 и построим decision subtree для P рекурсивно. 3 / 8
  • 7. Древесное док-во → decision tree Дано док-во π — дерево P, соблюдающее логические следствия и с противоречием в корне. Найдём поддерево T размера |π|/3..2|π|/3 с корнем g(z) ≥ 0. Это будет корень decision tree. Если g(z) < 0, ложная дизъюнкция — в T, построим decision subtree для T рекурсивно. А если g(z) ≥ 0, то не в T, заменим T на 0 ≥ 0 и построим decision subtree для P рекурсивно. Итого размер тот же, неравенства те же, глубина O(log |π|). 3 / 8
  • 8. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. 4 / 8
  • 9. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. Number-in-hand model: Ai знает zi . Number-on-forehead model: Ai знает всё, кроме zi . 4 / 8
  • 10. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. Number-in-hand model: Ai знает zi . Number-on-forehead model: Ai знает всё, кроме zi . Надо вычислить f (F, z1, . . . , zk). Сложность — общее кол-во переданных битов. 4 / 8
  • 11. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. Number-in-hand model: Ai знает zi . Number-on-forehead model: Ai знает всё, кроме zi . Надо вычислить f (F, z1, . . . , zk). Сложность — общее кол-во переданных битов. Можно детерминированно, можно вероятностно. 4 / 8
  • 12. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. Number-in-hand model: Ai знает zi . Number-on-forehead model: Ai знает всё, кроме zi . Надо вычислить f (F, z1, . . . , zk). Сложность — общее кол-во переданных битов. Можно детерминированно, можно вероятностно. Наша задача: дана КНФ F, набор значений z разбит на части. Надо выдать номер невыполненной дизъюнкции. 4 / 8
  • 13. Коммуникационная сложность Общаются A1, . . . , Ak. Общий вход F и ещё входы z1, . . . , zk. Number-in-hand model: Ai знает zi . Number-on-forehead model: Ai знает всё, кроме zi . Надо вычислить f (F, z1, . . . , zk). Сложность — общее кол-во переданных битов. Можно детерминированно, можно вероятностно. Наша задача: дана КНФ F, набор значений z разбит на части. Надо выдать номер невыполненной дизъюнкции. F — цейтинская, но xi заменены на k j=1 zij . 4 / 8
  • 14. Decision tree → детерминированный протокол Вычисляем R(x1, . . . , xn), имея дерево глубины d, неравенства степени k, n и коэффициенты ≤ N. Строим (k + 1)-NOF протокол сложности O(d · log N). 5 / 8
  • 15. Decision tree → детерминированный протокол Вычисляем R(x1, . . . , xn), имея дерево глубины d, неравенства степени k, n и коэффициенты ≤ N. Строим (k + 1)-NOF протокол сложности O(d · log N). Каждый моном целиком виден хотя бы одному участнику. Протокол: каждый сообщает сумму “своих” мономов, проверяет неравенство и движется дальше по дереву. 5 / 8
  • 16. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). 6 / 8
  • 17. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : 6 / 8
  • 18. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : yi = hi + i , где hi ≤ yi /2 n/2 (старшие n/2 битов), Если hi > 0 или hi < −k, то всё ясно. Поэтому “главный” выбирает p ∈ P ∩ [nc+2 ln n..2nc+2 ln n], собирает hi mod p, вычисляет сумму mod p. 6 / 8
  • 19. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : yi = hi + i , где hi ≤ yi /2 n/2 (старшие n/2 битов), Если hi > 0 или hi < −k, то всё ясно. Поэтому “главный” выбирает p ∈ P ∩ [nc+2 ln n..2nc+2 ln n], собирает hi mod p, вычисляет сумму mod p. Если получилось j ∈ {−k, . . . , 0}, то запускаем для 1 + . . . + k+1 + j · 2 n/2 ≥ 0. 6 / 8
  • 20. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : yi = hi + i , где hi ≤ yi /2 n/2 (старшие n/2 битов), Если hi > 0 или hi < −k, то всё ясно. Поэтому “главный” выбирает p ∈ P ∩ [nc+2 ln n..2nc+2 ln n], собирает hi mod p, вычисляет сумму mod p. Если получилось j ∈ {−k, . . . , 0}, то запускаем для 1 + . . . + k+1 + j · 2 n/2 ≥ 0. Иначе запускаем для h1 + . . . + hk+1 ≥ 0. 6 / 8
  • 21. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : yi = hi + i , где hi ≤ yi /2 n/2 (старшие n/2 битов), Если hi > 0 или hi < −k, то всё ясно. Поэтому “главный” выбирает p ∈ P ∩ [nc+2 ln n..2nc+2 ln n], собирает hi mod p, вычисляет сумму mod p. Если получилось j ∈ {−k, . . . , 0}, то запускаем для 1 + . . . + k+1 + j · 2 n/2 ≥ 0. Иначе запускаем для h1 + . . . + hk+1 ≥ 0. Ошибка, если p оказалось среди делителей чисел { hi + t}k t=0. 6 / 8
  • 22. Decision tree → вероятностный протокол Вычислим с ошибкой 1/n и сложностью O(d(log log N)2). (k + 1)-NIH протокол для проверки y1 + . . . + yk+1 ≥ 0 с ошибкой O(1/nc) и сложностью O(k · log2 n), где n — число битов в yi : yi = hi + i , где hi ≤ yi /2 n/2 (старшие n/2 битов), Если hi > 0 или hi < −k, то всё ясно. Поэтому “главный” выбирает p ∈ P ∩ [nc+2 ln n..2nc+2 ln n], собирает hi mod p, вычисляет сумму mod p. Если получилось j ∈ {−k, . . . , 0}, то запускаем для 1 + . . . + k+1 + j · 2 n/2 ≥ 0. Иначе запускаем для h1 + . . . + hk+1 ≥ 0. Ошибка, если p оказалось среди делителей чисел { hi + t}k t=0. Вместо того, чтобы сообщать сумму мономов, воспользуемся вероятностным протоколом (свободный член учитывает первый участник). 6 / 8
  • 23. Нижняя оценка на длины док-в в Th(k) Теорема Нижняя оценка (log n)3+ на (k + 1)-NOF сложность задачи OddCharge (по суммам в вершинах и набору значений, распределённому среди участников, определить вершину с ошибкой) влечёт суперполиномиальную нижнюю оценку на длины доказательств формул для тех же графов в treelike Th(k). 7 / 8
  • 24. Планы Список вопросов к экзамену — на сайте клуба. Последняя лекция и консультация — 16 декабря. Экзамен рекомендуется сдать до конца декабря. 8 / 8
  • 25. Планы Список вопросов к экзамену — на сайте клуба. Последняя лекция и консультация — 16 декабря. Экзамен рекомендуется сдать до конца декабря. . . . но можно и после 15 января. 8 / 8