Expliquer la preuve par Vinay Deolalikar que P! = NP [fermé]
-
26-09-2019 - |
La solution
Je n'ai scruté à travers le papier, mais voici un résumé sommaire de comment tout se tient.
De la page 86 du document.
... polynomiale algorithmes réussissent par successivement « Casser » le problème en plus petits sous-problèmes qui sont liés à l'autre est conditionnelle indépendance. Par conséquent, polynomiale Les algorithmes de temps ne peuvent pas résoudre problèmes dans les régimes où les blocs dont ordre est le même que le sous-jacent par exemple des problèmes nécessitent simultanément résolution.
D'autres parties du document montrent que certains problèmes NP ne peut pas être divisé de cette manière. Ainsi NP / = P
Une grande partie du document est consacré à la définition de l'indépendance conditionnelle et prouver ces deux points.
Autres conseils
Dick Lipton a une belle entrée de blog sur le papier et ses premières impressions de celui-ci. Malheureusement, il est aussi technique. D'après ce que je peux comprendre, l'innovation principale de Deolalikar semble être d'utiliser des concepts de la physique statistique et la théorie des modèles finis et de les attacher au problème.
Je suis avec Rex M avec celui-ci, des résultats, la plupart du temps les mathématiques ne peuvent pas être exprimés à des personnes qui ne disposent pas de la maîtrise technique.
J'ai aimé ce ( http://www.newscientist.com/article/dn19287-p--np-its-bad-news-for-the-power-of-computing.html ):
Son argument tourne autour d'une tâche particulière, le problème de satisfiabilité booléenne, qui demande si une collection d'états logiques peuvent tous être simultanément vraies ou si elles se contredisent. Ceci est connu pour être un problème NP.
Deolalikar prétend avoir montré que il n'y a pas de programme qui peut compléter rapidement à partir de zéro, et que est donc pas un problème P. Le sien l'argument implique l'utilisation ingénieuse de la physique statistique, comme il utilise un structure mathématique qui suit un grand nombre des mêmes règles que random système physique.
Les effets de ce qui précède peut être tout à fait significatif:
Si le résultat se, il prouverait que les deux classes P et NP ne sont pas identiques et imposent des limites sévères ce que les ordinateurs peuvent accomplir - ce qui implique que de nombreuses tâches peuvent être fondamentalement, irréductiblement complexe.
Pour certains problèmes - y compris factorisation - le résultat ne dire clairement si elles peuvent être résolus rapidement. Mais un énorme sous-classe de problèmes dits « NP-complets » seraient condamné. Un exemple célèbre est le problème du voyageur de commerce - trouver le plus court chemin entre un ensemble de villes. De tels problèmes peuvent être rapidement, mais si P ≠ NP alors il y a aucun programme informatique qui peut compléter les rapidement à partir de zéro.
Ceci est ma compréhension de la technique de preuve: il utilise la logique de premier ordre pour caractériser tous les algorithmes de temps polynomiale, puis montre que pour les grands problèmes SAT avec certaines propriétés qu'aucun algorithme de temps polynomial peut déterminer leur satisfiabilité.
Une autre façon de penser à ce sujet, qui peut être tout à fait tort, mais ma première impression que je lis sur la première passe, est que nous pensons à l'attribution / termes de compensation dans la satisfaction du circuit de formage et la rupture des grappes de « structure ordonnée », et qu'il est alors en utilisant la physique statistique pour montrer qu'il n'y a pas assez de vitesse dans les opérations polynomiales pour effectuer ces opérations dans un « espace de phase » particulière des opérations, parce que ces « clusters » finissent par être trop loin à part.
Cette preuve devrait couvrir toutes les classes d'algorithmes, comme l'optimisation globale continue .
Par exemple, dans le problème 3-SAT , nous devons évaluer les variables à remplir toutes les alternatives de triplets de ces variables ou leurs négations. Regarde, x OR y
peut être changée en optimisation
((x-1)^2+y^2)((x-1)^2+(y-1)^2)(x^2+(y-1)^2)
et analogue termes sept pour alternative de trois variables.
Trouver le minimum global d'une somme de ces polynômes pour tous les termes résoudrait notre problème. ()
Il va de techniques combinatoires standard au monde continue des méthodes de using_gradient, minims locales Supprimer les méthodes, les algorithmes évolutifs. Il est complètement différent royaume - analyse numérique - Je ne crois pas que cette preuve pourrait vraiment la couverture
(?)Il convient de noter que des preuves, « le diable est dans le détail ». La vue d'ensemble de haut niveau est évidemment quelque chose comme:
Certains une sorte de relation entre les éléments, montrer que cette relation implique X et que implique Y et donc mon argument est représenté.
Je veux dire, il peut être par induction ou toute autre forme de prouver les choses, mais ce que je veux dire, est le haut niveau aperçu est inutile. Il est inutile de l'expliquer. Bien que la question se rapporte à l'informatique, il est préférable de laisser aux mathématiciens (pensé qu'il est certainement très intéressant).