Pozwolić być klasą złożoności i być randomizowanym odpowiednikiem zdefiniowane w taki sam sposób jak jest zdefiniowany w odniesieniu do . Bardziej formalnie zapewniamy wielomianowo wiele losowych bitów i akceptujemy dane wejściowe, jeśli prawdopodobieństwo, że zostanie zaakceptowane, jest zakończone.
W poprzednim poście zapytałem, czy wiadomo, czy równość się utrzymuje i dla klasa złożoności obwodu. Odpowiedź brzmi: tak dla wszystkich klas złożoności wystarczająco ekspresyjnych, aby obliczyć Większość i dlaz innego powodu. Te wyniki są jednak niejednolite i chciałbym wiedzieć:
Czy jednolite wersje tych wyników są badane lub znane? Jakieś częściowe wyniki?
Czy implikują długotrwałą hipotezę?
Uważam, że jednolita derandomizacja jest dokładnie więc oczekuję, że odpowiedź brzmi „tak”, ale dla mnie mniej jasne jest, jakie jednolite derandomizacja małych klas w obrębie -hierarchia implikuje.
Odpowiedzi:
Mundur klasowy - RNC był często badany. Problemem otwartym jest, czy uniform-RNC = uniform-NC. Uniform- (R) NC odpowiada (randomizowanym) PRAM z wielomianowo wieloma procesorami i polilogarytmicznym czasem pracy (patrz Handbook of Theoretical Computer Science Vol. A). Pytanie brzmi zatem, czy każdy skuteczny randomizowany równoległy algorytm może zostać zdesandomizowany.
Ponieważ testy tożsamości symbolicznej determinant są w jednolitym RNC, derandomizacja RNC implikuje dolne granice obwodu przez wyniki Kabanetsa i Impagliazza (Computational Complexity, 13 (1-2), strony 1-46, 2004).
Ważnym szczególnym przypadkiem jest pytanie, czy możemy obliczyć idealne dopasowania w uniform-NC. Znanych jest kilka losowych algorytmów równoległych, ale nie wiemy, czy istnieje jeden deterministyczny. Ostatnio Fenner, Gurjar i Thierauf (STOC 2016) wykazali, że możemy obliczyć idealne dopasowania na grafach dwudzielnych za pomocą jednolitych obwodów o głębokości polilogarytmicznej i wielkości quasipolynomialnej.
źródło