Złożoność obliczeniowa mnożenia macierzy

14

Szukam informacji o złożoności obliczeniowej mnożenia macierzy prostokątnych macierzy. Wikipedia stwierdza, że ​​złożoność pomnożenia przez B R n × p wynosi O ( m n p ) (mnożenie podręcznika).ARm×nBRn×pO(mnp)

Mam przypadek, w którym i n są znacznie mniejsze niż p , i miałem nadzieję, aby uzyskać lepszą złożoność niż liniowego w p , na koszt dokonywania uzależnienie od m i n gorsze niż liniowy.mnppmn

Jakieś pomysły?

Dzięki.

Uwaga: powodem, dla którego mam nadzieję, że będzie to możliwe, jest dobrze znany wynik zależności mniejszej niż sześcienna w jeśli m = n = p (gdy wszystkie macierze są kwadratami).pm=n=p

informujący się
źródło
8
Złożoność algorytmu (sekwencyjnego) nie może być mniejsza niż wielkość jego wyniku. Czy dla swojego problemu możesz reprezentować dane wejściowe i wyjściowe za pomocą przestrzeni podliniowej w p?
Colin McQuillan
czy elementy są w większości niezerowe czy często zerowe? tj. rzadki? co z pewnością prowadzi do różnych optymalizacji. wydaje się również, że SVD [rozkład wartości w liczbie pojedynczej] może być istotny w oparciu o bieżącą odpowiedź odnoszącą się do przybliżeń.
vzn

Odpowiedzi:

13

Klasyczna praca Coppersmitha pokazuje, że dla niektórych można pomnożyć macierz n × n α przez macierz n α × n w operacjach arytmetycznych ˜ O ( n 2 ) . Jest to kluczowy składnik ostatniego słynnego wyniku Ryana Williamsa.α>0n×nαnα×nO~(n2)

François le Gall ostatnio ulepszył pracę Coppersmitha, a jego praca została właśnie przyjęta na FOCS 2012. Aby zrozumieć tę pracę, będziesz potrzebować wiedzy na temat teorii złożoności algebraicznej. Artykuł Virginii Williams zawiera kilka istotnych wskazówek. W szczególności praca Coppersmitha jest całkowicie opisana w książce Teoria złożoności algebraicznej .

n×NN.×nN.n

Podstawowym podejściem jest próbkowanie matryc (odpowiada to losowej redukcji wymiarowości) i pomnożenie znacznie mniejszych próbkowanych matryc. Sztuką jest dowiedzieć się, kiedy i w jakim sensie daje to dobre przybliżenie. W przeciwieństwie do poprzedniej części pracy, która jest całkowicie niepraktyczna, algorytmy próbkowania są praktyczne, a nawet niezbędne do obsługi dużych ilości danych.

Yuval Filmus
źródło
Tylko uwaga: wiadomo (od listopada 2010 r.), Że mnożenie macierzy prostokątnej nie jest konieczne do rozwiązania ACC SAT. (Co jest dobre, ponieważ prostokątna matryca mult jest „galaktyczna” i złożona.)
Ryan Williams