책에서 감축.


22

이것은 " 책에서 알고리즘 "의 라인을 따라 입니다. 축소도 알고리즘이지만,이 책의 알고리즘에 대한 질문에 대한 응답이 축소 될 것이라고 생각하는 것은 의심 스럽다. 따라서 별도의 쿼리!

모든 종류의 감소는 가장 환영합니다.

먼저 정점 표지에서 별에 대한 다중 컷으로의 간단한 축소로 시작하겠습니다. 감소는 소스 문제가 확인되면 거의 그 자체로 제안됩니다 (그 전에 나는 별에서 문제가 어려울 것이라고 믿기가 어렵습니다). 이 감소는 잎 으로 별을 구성하고 한 쌍의 터미널을 그래프의 모든 모서리와 연관시키는 것을 포함하며, 작동하는 것이 "보기 쉽다". 찾은 참조에 대한 링크로 이것을 업데이트합니다.

이 책의 내용이 빠져있는 사람들은 책에서 알고리즘 에 관한 질문을보고 싶을 것입니다 .

업데이트 : 나는 책에서 축소 된 것의 자격에 대해 완전히 명확하지 않다는 것을 알고 있습니다. 나는이 문제가 약간 까다로워서 다른 스레드에 대한 참조로 미끄러짐으로써 반 고의적으로 문제를 피하는 것을 고백합니다 :)

제가 생각했던 것을 설명하겠습니다.이 점에서 YMMV는 말할 것도 없습니다. 나는 책의 증명 의도의 원래 의도와 직접적으로 유사합니다. 나는 끔찍한 영리한 감축을 보았고, 그 일련의 생각이 어떻게 누군가에게 일어날 수 있었는지에 대해 간극을 두었습니다. 그러한 감축으로 인해 경외감이 생겼지 만, 이러한 맥락에서 내가 모으고 자하는 예는 아닙니다.

내가 찾고있는 것은 너무 어렵지 않고 묘사 된 축소이며, 이해하기 쉽지만 찾기가 쉽지 않기 때문에 약간 놀랍습니다. 문제의 감소가 다루기 위해 강의가 필요할 것으로 추정한다면, 높은 수준의 아이디어가 우아하고 악마의 세부 사항에 예외가있을 수는 있지만 법안에 맞지 않을 것입니다. 기록, 나는 내가 생각할 수 있는지 확실하지 않다).

내가 제시 한 예는 의도적으로 단순했으며, 이러한 특성을 완벽하게 설명하지는 않았지만 다소 나 좋았습니다. 멀티 컷에 대해 처음 들었던 것은 교실에서였으며, 강사는 일반적으로 NP-hard 일뿐 아니라 나무로 제한되어 있어도 NP-hard입니다 ... 높이의 {dramatic pause} 하나 . 나는 그것을 회고하는 것이 명백해 보이지만 즉시 그것을 증명할 수 없었던 것을 기억합니다.

나는 회고 적으로 내가 찾고있는 것을 자세히 설명 한다고 가정 합니다. 이것이 설명의 복잡성과 관련이 있는지 확실하지 않습니다. 어쩌면 모호한 것으로 우아한 것으로 분류 될 수있는 상황이있을 수 있습니다-귀하의 예 (예외?)를 자유롭게 생각해보십시오. 그러나 정당화에 감사드립니다. 어느 시점이 지나면 이것이 맛의 문제라는 것을 감안할 때, 당신은 내가 미친 것처럼 복잡하고 완벽하게 아름다운 것을 자유롭게 발견해야합니다. 다양한 예를 기대하고 있습니다!


1
커뮤니티 위키.
Dave Clarke

@ supercooldave : 감사합니다-게시하는 동안 그 일을 했어야한다고 생각합니다. 나의 감독!
Neeldhara

@ Juka : 감사합니다! 나는 그것이 supercooldave의 편집이하는 것이라고 생각했습니다. 편집에 태그가 추가 된 것을 알았습니다. 그것은 지금 CW입니다 :)
Neeldhara

8
아마도 포스터는 "책에서"의 의미를 분명히해야합니다. 책의 증명과 유사하게 책의 알고리즘은 모두 짧고 상태가 간단하고 우아하며 거의 마술처럼 작동한다고 생각했을 것입니다. 그러나 다른 스레드에는 내가 언급 한 속성을 만족시키지 않는 복잡한 알고리즘이 많은 게시물이 있습니다.
Robin Kothari

3
@Robin : 인식이 다릅니다. 나는“책으로부터의 증거 (Proofs from the Book)”에서 간단한 증거를 찾지 못했습니다. 그리고 이미 두 번째 증거 (Bertrand의 가정)에는 여러 페이지가 필요하므로 짧지 않습니다. – 반대로, 관련 스레드의 많은 알고리즘이 매우 단순하다는 것을 알 수 있습니다 (후 시적으로는 명백히).
Konrad Rudolph

답변:



9

머신 러닝에는 많은 흥미로운 감소가 있습니다. 여기 몇 가지 예가 있어요.

  • 이진 분류에 대한 멀티 클래스 분류 ( link )-두 가지 중에서 선택하기 쉬운 문제를 해결함으로써 많은 클래스 중에서 선택하는 문제를 해결할 수 있습니다.
  • 약한 학습에 대한 강력한 학습 ( 강화 )-무작위보다 약간 더 나은 능력을 제공함으로써 임의의 낮은 오류율을 달성 할 수 있습니다.
  • 분류 순위 ( 링크 )
  • 분류에 대한 제곱 손실 ( probing )-오류율이 작은 분류 자를 사용하여 클래스 멤버쉽 확률을 추정 할 수 있습니다.

튜토리얼 알리 Beygelzimer, 존 랭 포드 및 비앙카 Zadrozny에 의해 어떤 다른 사람을 포함한다.


2
고맙습니다! 이것은 가장 유망한 것으로 보이며 완전히 새로운 것입니다. 그 튜토리얼과 다른 참고 자료에도 시간을 보내야합니다.
Neeldhara

8

쿡 레빈 정리

결정적인 튜링 머신을 SAT로 보내면 NP의 모든 문제가 폴리 타임에서 줄어들 수 있습니다. 참고로 1을 참조하십시오 .





3

3SAT에서 3COL로

가젯을 사용하여 3SAT를 줄이면 그래프를 3 색으로 채색 할 수 있는지 결정하는 문제가 발생합니다. 참고로 1을 참조하십시오 .


1
Papadimitriou의 책에서 3SAT 대신 NAESAT를 사용한 감소가 더 직접적입니다.
Diego de Estrada

3

말하자면, 간단합니다-회고하면 :

볼록 껍질 문제로 정렬을 줄입니다.


2

3 세트에서 서브 세트 합계까지의 정확한 표지

U={1,2,,3m}S1,,SnUmU

w1,,wnKK

Si{0,1}3mn+1Siwi=jSi(n+1)3mjK=j=03m1(n+1)j

(제 출처는 Papadimitriou의 책이었습니다.)

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.