거의 항상 거의 옳다

나는 BPP는 이미 같은 질문을했다 P.에 관련된 APX에 관한 복잡한 클래스를 찾고 있어요 여기에 , 그러나 아마 TCS는 답변보다 유익한 장소가 될 것입니다.

문제의 원인은 실제 문제에서 종종 충분히 높은 신뢰도를 가진 대략적인 답변 (따라서 APX)을 찾아야하기 때문에 (따라서 BPP), 제한된 확률 적 근사 알고리즘의 문제 클래스를 잠재적으로 계산 가능한 것의 유용한 모델로 만들 수 있기 때문입니다 연습.

이러한 클래스의 가능한 후보는 . 한정된 확률 서브 루틴으로 근사 솔루션을 허용하는 문제; 그러나 나는 그러한 클래스가 학급 적으로 계산 가능한 근사치에 적합한 설정이 될 것이라고 확신하지 않습니다.$APX^{BPP}$

BPP와 APX 모두 광범위하게 연구되었습니다. 의 경우인가요 , 또는 어느 클래스가 최선을 다 할 것입니다 위의 문제를 포착?$APX^{BPP}$

주어진 목적 함수에 대해 BotL (최고 목록)은 일련의 입력에 대한 목표 함수를 평가하고 최대 출력 (해당 입력 중)이있는 목록에서 입력을 반환하는 알고리즘이되도록합니다. 임의로 고장났습니다. APX에는 목적 함수를 결정 성 다항식 시간으로 계산할 수있는 문제 만 포함되므로 BotL은 다항식 시간으로 결정적으로 구현할 수 있습니다. 또한, BotL 에 의해 반환 된 값 은 최소한 BotL이 평가 된 최소의 입력만큼 좋습니다. 특히, 그 목록에있는 입력 중 하나라도 충분하면 BotL의 출력이 충분합니다. $\:$
$\:$
$\:$

따라서 충분히 많은 수의 기본 알고리즘을 독립적으로 실행 한 결과에서 BotL을 실행하면 성공 확률이 1 / poly에서 1- (1 / (2 ^ poly))로 증폭 될 수 있습니다.

이전 단락의 결과로 정확한
신뢰 수준은 본질적으로 결과 클래스에 영향을 미치지 않습니다.
(이 상황은 RP와 매우 유사합니다 .)

이 논문
에서 언급 한 워크숍에서 논의 된 내용이 있을 수 있지만 복잡성 동물원에서 그에 대한 내용을 찾을 수 없었 습니다 .