参考资料:《计算复杂性 现代方法》, 中文版
文章目录
- 第一章 计算模型
- 第二章 NP和NP完全性
-
- Theorem 2.6 NP两种定义的等价性
- Theorem 2.8 规约的传递性
- Theorem 2.10 库克勒维定理(SAT是NPC的)
- Theorem 2.15 独立集是NPC的
- Theorem 2.16 0/1 IPROG是NPC的
- Theorem 2.17 dHAMPATH是NPC的
- Theorem 2.18 P=NP 使得证明可高效计算
- Def. 2.20 coNP的两种定义
- Theorem 2.22 如果 EXP ≠ NEXP \text{EXP}\neq \text{NEXP} EXP=NEXP,则 P ≠ NP \text{P} \neq \text{NP} P=NP
- 第三章 对角线方法
- 第四章 空间复杂性
-
- Theorem 4.2 DTIME ( S ( n ) ) ⊆ SPACE ( S ( n ) ) ⊆ NSPACE ( S ( n ) ) ⊆ DTIME ( 2 O ( S ( n ) ) ) \text{DTIME}(S(n)) \subseteq \text{SPACE}(S(n)) \subseteq \text{NSPACE}(S(n)) \subseteq \text{DTIME}(2^{O(S(n))}) DTIME(S(n))⊆SPACE(S(n))⊆NSPACE(S(n))⊆DTIME(2O(S(n)))
- Theorem 4.3 空间分层定理
- Theorem 4.13 量化SAT(TQBF)是PSAPCE完全
- Theorem 4.14 塞维奇定理
- Def. 4.16 对数空间规约
- Theorem 4.18 PATH是NL-完全的
- Def. 4.19 NL的另一种定义:L+只能读一次的纸带
- Theorem 4.20 NL = coNL
- 第5章 多项式分层与交错
-
- Theorem 5.4 多项式坍塌定理
- Theorem 5.10 AP = PSPACE \text{AP}=\text{PSPACE} AP=PSPACE
- Theorem: APSPACE = EXP \text{APSPACE} = \text{EXP} APSPACE=EXP
- Theorem 5.11: SAT ∉ TISP ( n 1.1 , n 0.1 ) \text{SAT} \notin \text{TISP}(n^{1.1},n^{0.1}) SAT∈/TISP(n1.1,n0.1)
- Theorem 5.12: ∑ 2 p = NP SAT \sum_2^p=\text{NP}^{\text{SAT}} ∑2p=NPSAT
- 第六章 布尔线路
第一章 计算模型
Theorem 1.9 高效通用图灵机
存在图灵机 U \mathcal{U} U使得 U ( x , α ) = M α ( x ) \mathcal{U}(x,\alpha)=M_{\alpha}(x) U(x,α)=Mα(x)对于任意 x , α ∈ { 0 , 1 } ∗ x,\alpha \in \{0,1\} ^* x,α∈{ 0,1}∗成立. 并且如果 M α M_{\alpha} Mα在输入 x x x上至多运行 T T T步后停机, 则 U ( x , α ) \mathcal{U}(x, \alpha) U(x,α)将在 C T log T CT\log T CTlogT步内停机。 C C C仅依赖于 α \alpha α所表示的图灵机。
Proof. 关键是如何处理多带的情形,只需将记录在纸带上的字符改为序对 Γ k \Gamma^k Γk . 其次要处理不同的带移动的情况不同的情况,利用缓冲区的想法可以在额外 log T \log T logT的时间内处理。(P21)
Theorem 1.10 不可计算函数的存在性
存在不能被任意图灵机计算的函数 U C : { 0 , 1 } ∗ ↦ { 0 , 1 } UC: \{0,1\}^* \mapsto \{0,1\} UC:{ 0,1}∗↦{ 0,1}。
Proof. 采用对角线方法即可,将函数表的对角线取反,如果该对角线可被图灵机 M M M计算,则在第 M M M行出现矛盾.
Theorem 1.11 HALT不可计算
HALT以序对 ( α , x ) (\alpha,x) (α,x)为输入,它输出1当且仅当 M α M_\alpha Mα输入 x x x后在有限步停机,则HALT不可计算。
Proof. 如果可以计算,则可利用HALT计算 U C UC UC, 产生矛盾.
哥德尔定理
任何包含算数公理的逻辑系统不可能同时完备且可靠。完备指能证明所有正确的结论,可靠指不会证明出错误的结论。能证明是指存在有限长的字符串可推导出该结论。
Proof. 图灵机的运算可看做是在格局图对应的整数上进行简单的算数操作(具有局部性,每次只对几位操作),由于逻辑系统包含算数公理体系,故输入 ( α , x ) (\alpha,x) (α,x),HALT ( α , x ) (\alpha,x) (α,x)可表示为逻辑算式 φ \varphi φ,如果该逻辑系统能证明 φ \varphi φ或者 ¬ φ \neg \varphi ¬φ,则图灵机也可通过枚举所有字符串在有限步证明,故HALT是可计算的,产生矛盾。
第二章 NP和NP完全性
Theorem 2.6 NP两种定义的等价性
NP = ⋃ c ∈ N NTIME ( n c ) \text{NP}=\bigcup_{c \in \mathbb{N}} \text{NTIME}(n^c) NP=⋃c∈NNTIME(nc), NTIME ( n c ) \text{NTIME}(n^c) NTIME(nc)指非确定性图灵机能在 T ( n c ) T(n^c) T(nc)内停机或者进入 q a c c e p t q_{accept} qaccept, NP \text{NP} NP指存在一个验证器 M \mathcal{M} M, 任意可被接受的字符串 x x x都存在一个多项式长度的证据 u u u,使得 M ( x , u ) = 1 \mathcal{M}(x,u)=1 M(x,u)=1。
Proof.
NP ⇒ NTIME ( n c ) \text{NP} \Rightarrow \text{NTIME}(n^c) NP⇒NTIME(nc):用非确定图灵机枚举所有证据。
NTIME ( n c ) ⇒ NP \text{NTIME}(n^c) \Rightarrow \text{NP} NTIME(nc)⇒NP:证据即为状态转移序列。
Theorem 2.8 规约的传递性
L ≤ p L ′ , L ′ ≤ p L ′ ′ ⇒ L ≤ p L ′ ′ L \le_p L', L' \le_p L'' \Rightarrow L \le_p L'' L≤pL′,L′≤pL′′⇒L≤pL′′
Theorem 2.10 库克勒维定理(SAT是NPC的)
SAT问题是NPC的,3SAT问题是NPC的。
Proof.
SAT ∈ NP \in \text{NP} ∈NP: 枚举变量赋值
SAT ∈ NPC \in \text{NPC} ∈NPC: 散漫图灵机的运行过程可表示为一系列逻辑等式
3SAT ∈ NPC \in \text{NPC} ∈NPC: SAT可多项式规约到3SAT
Theorem 2.15 独立集是NPC的
INDEST是NPC的
Proof.
只需证明3SAT ≤ p \le_p ≤p INDEST, 具体构造见P40.

这篇博客深入探讨了计算复杂性理论的基础,包括高效通用图灵机的存在性、不可计算函数、HALT问题的不可计算性以及哥德尔定理。进一步讨论了NP和NPC的概念,如库克勒维定理、独立集和0/1IPROG的NPC性质。此外,介绍了对角线方法在时间与空间复杂性定理中的应用,如时间分层定理和空间分层定理。最后,简述了多项式时间复杂性层次结构和布尔线路计算的相关理论。
1135

被折叠的 条评论
为什么被折叠?



