Существует ли алгоритм полиномиального времени, чтобы определить, содержит ли диапазон набора матриц матрицу перестановок?

30

Я хотел бы найти алгоритм полиномиального времени, который определяет, содержит ли диапазон данного набора матриц матрицу перестановок.

Если кто-нибудь знает, относится ли эта проблема к другому классу сложности, это было бы так же полезно.


РЕДАКТИРОВАТЬ: я пометил этот вопрос с помощью линейного программирования, потому что у меня есть сильное подозрение, что если бы такое решение существовало, это был бы своего рода алгоритм линейного программирования. Я полагаю, что причина в том, что крайние точки многогранника Биркгофа - это именно матрицы перестановок. Если бы тогда вы могли найти целевую функцию, которая максимизируется или минимизируется только на вершинах многогранника Биркгофа, вы можете ограничить свою функцию пересечением многогранника и вашего векторного подпространства, а затем максимизировать ее за полиномиальное время. Если бы это значение было матрицей перестановок, вы бы знали, что набор содержит перестановку. Это мои мысли на эту тему.


РЕДАКТИРОВАТЬ 2: После некоторого дополнительного размышления, мне кажется, что матрицы перестановок являются точно элементами многогранника Биркгофа с евклидовой нормой n , мы считаем многогранник Биркгофа выпуклой оболочкойматриц перестановокn×n. Возможно, это также может быть значительным.


РЕДАКТИРОВАТЬ 3: Я добавил полуопределенный тег программирования, потому что после моего предыдущего комментария я начинаю думать, что полуопределенное программирование может быть возможным, поскольку теперь это алгоритм линейной зависимости квадратичной оптимизации.

Ник
источник
2
Какой тип записей будет иметь входные матрицы?
Записи могут быть в любом поле, есть некоторая свобода в настройке матриц; однако вам нужно достаточно большое поле (поэтому поле характеристики 2, например, не годится).
Ник
Можете объяснить, каков размер набора матриц?
Мухаммед Аль-Туркистани
Мухаммед: Я думаю, что это линейная комбинация множества матриц.
Вивек Багария
4
@DavidRicherby Я думаю, что путаница Мохаммеда связана с тем фактом, что обычно мы думаем о матрицах как о представлении линейных карт, а диапазон линейных карт иногда используется в качестве другого термина для его диапазона. Но это не имеет смысла, поэтому я думаю, что мы должны думать о матрицах как о элементах векторного пространства
Сашо Николов

Ответы:

5

Теорема. Проблема в посте - NP-сложная, за счет сокращения от Subset-Sum.

Конечно, из этого следует, что проблема вряд ли будет иметь многовременный алгоритм, как того требует op.


Вот эта интуиция. Проблема в посте

  • Существует ли матрица перестановок в диапазоне заданного набора матриц?

Это по сути так же, как

  • Существует ли матрица перестановок, которая (рассматривая матрицу как вектор) удовлетворяет некоторым заданным линейным ограничениям?

Это в свою очередь так же, как

  • Существует ли идеальное совпадение (в полном двудольном графе), вектор инцидентности которого удовлетворяет некоторым заданным линейным ограничениям?

Сокращение Subset-Sum до последней проблемы является стандартным упражнением.

Вот подробное доказательство.


Определите следующую промежуточную задачу:

Соответствие-Sum:

вход: полный двудольный граф с неотрицательными весами ребер целого числа, и неотрицательной целое числом целевой Т .G=(U,V,E)T

Вывод: содержит ли точное совпадение веса точно T ?GT


Лемма 1 . Полумесяц Subset-Sum сводится к Matching-Sum.

Доказательство это стандартное домашнее задание. Доказательство в конце.

Лемма 2. Сопоставление-сумма множителей сводится к проблеме в посте.

Доказательство леммы 2. Зафиксируем входную сумму совпадения: полный двудольный граф с неотрицательными целочисленными ребрами веса w : U × V N + и целью T N + , где U = { u 1 , , u n } и V = { v 1 , , v n } . Для каждого яG=(U,V,E)w:U×VN+TN+U={u1,,un}V={v1,,vn} , определите M ( i j ) как матрицу в R ( n + 1 ) × ( n + 1 ), где M ( i j ) i j = T и M ( i j ) n + 1 , i , v j ) , а все остальные записи равны нулю. Сокращение выводит следующий набор матриц: { M ( ii,j{1,2,,n}M(ij)R(n+1)×(n+1)Mij(ij)=TMn+1,n+1(ij)=w(ui,vj) Это определяет сокращение.

{M(ij):i,j{1,,n}}.

Запрос. Оболочка этого набора матриц состоит из этих матриц удовлетворяют линейным ограничениям M h , n + 1 = M n + 1 , h =0для всехhnи линейное ограничениеMR(n+1)×(n+1)Mh,n+1=Mn+1,h=0hn

i=1nj=1nMijw(ui,vj)=TMn+1,n+1.

( Доказательство утверждения. При проверке каждой матрицы в наборе удовлетворяет этим ограничениям, поэтому каждая линейная комбинация этих матриц удовлетворяет. И наоборот, еслиM R ( n + 1 ) × ( n + 1 ) удовлетворяет ограничениям тогдаMравно линейной комбинации M =n i = 1n j = 1 α i j M ( i j = M i j / M (M(ij)MR(n+1)×(n+1)M из матриц, где α я JM=i=1nj=1nαijM(ij). Обратите вниманиечтов частности,помощью различных определений и линейных ограничений, М ' п + 1 , п + 1 =ΣяJαяJш(уя,vJαij=Mij/Mij(ij)=Mij/T Это доказывает иск.)

Mn+1,n+1=ijαijw(ui,vj)=ijMijw(ui,vj)/T=(TMn+1,n+1)/T=Mn+1,n+1.

Теперь мы показываем, что сокращение является правильным. То есть данный граф имеет вес- T, совпадающий тогда и только тогда, когда набор матриц охватывает матрицу перестановок.GT

( Только если. ) Сначала предположим, что данный граф h = 0 для всех h n . Тогда есть весовое T идеальное соответствие M . Пусть M { 0 , 1 } ( n + 1 ) × ( n + 1 ) - соответствующаяматрица перестановок n × n с добавлением дополнительной строки и столбца, так что M n + 1 , n + 1 = 1 1 = M n + 1 ,GTMM{0,1}(n+1)×(n+1)n×nMn+1,n+1=1 и Mh,n+1=Mn+1,h=0hnявляется весМ', то есть,ТиМп+1i=1nj=1nMijw(ui,vj)MTMn+1,n+1=1, Так что линейные ограничения в трюме претензии, и продолжительность данного набора матриц перестановок содержат матрицу .M

( Матрица перестановок. Масса М ' является Σ п я = Если. ) С другой стороны , предположим , что оболочка содержит любую перестановку матрицу . Согласно утверждению, единственная ненулевая запись в строке n + 1 или столбце n + 1 - это M n + 1 , n + 1 , поэтому (поскольку M является матрицей перестановок), должно быть, что M n + 1 , n + 1 = 1 . Таким образом, удаление последней строки и столбца дает матрицу перестановок n × n . Пусть M будет идеальным соответствиемMn+1n+1Mn+1,n+1MMn+1,n+1=1n×nM соответствует этой n × n 1 Е п J = 1 М я J ш ( у я , v J ) , который (по п) является Т М п + 1 , п + 1 = Т . Таким образом, данный граф имеет соответствие веса и T , что доказывает лемму 2.Gn×nMi=1nj=1nMijw(ui,vj)TMn+1,n+1=TT  

Вот отложенное доказательство леммы 1:

Доказательство леммы 1. Для данного экземпляра суммы подмножеств редукция выдает экземпляр суммы совпадений ( G = ( U , V , E ) , T ), где U = { u 1 , u 2 , , u 2 n } , V = { v 1 , v 2 ,(w,T)N+n×N+(G=(U,V,E),T)U={u1,u2,,u2n}имеет вес w i , а все остальные ребра имеют вес ноль. , для каждого i { 1 , , n } , ребра ( u i , v i )V={v1,v2,,v2n}i{1,,n}(ui,vi)wi

Для любого идеального соответствия с весами ребер, суммирующими с , множество S = { i : ( u i , v i ) M , i n } является решением данного экземпляра суммы подмножества (так как они являются единственными ребра с нулевым весом в M ).TS={i:(ui,vi)M,in}M

Наоборот, при любом решении экземпляра суммы подмножеств, скажем, с i S w i = T , множество ребер { ( u i , v i ) : i S } равно частичное сопоставление с весом T , и оно легко распространяется на идеальное сопоставление веса T путем добавления, например, следующего набора ребер (с нулевым весом):S{1,,n}iSwi=T{(ui,vi):iS}TT

{(ui+n,vi+n):iS}i{1,,n}S{(ui,vi+n),(ui+n,vi)}.

Это доказывает лемму 1. Теорема следует из лемм 1 и 2.    


ps Кроме того, согласно этому ответу , ограничение Matching-Sum на экземпляры с полиномиально ограниченными весами ребер находится в P. Но я уверен, что ограничение задачи в посте на матрицы с полиномиально-ограниченными (целое число ) записи остается нп хард.

Нил Янг
источник
2
Похоже, вы берете выпуклый корпус матриц, а не пролет. Диапазон матриц, которые вы описали, является полным пространством матриц. Или я что-то упустил?
Ванесса
@ Squark, вы правы - я неверно истолковал «span». Спасибо. Я исправил доказательство, чтобы использовать правильное определение диапазона (как любой линейной комбинации матриц).
Нил Янг,
Ницца! Я думаю, что было бы лучше умножить определение на w ( u i , v j ) , чтобы нам не приходилось делить на что-то, что может быть 0? Кроме того, кажется, что доказательство может быть несколько упрощено путем объединения двух сокращений без промежуточной проблемы. M(ij)w(ui,vj)
Ванесса
Хороший момент о делении на ноль. Я исправлю это. Я оставлю два сокращения отдельно, хотя для меня это более интуитивно понятно.
Нил Янг
3

Относительно проблемы вычисления диаметра многогранника, представленного как пересечение полупространств, проблема является NP-трудной в целом, а также NP-трудной для аппроксимации в пределах любого постоянного множителя, см. Статью Бридена и ссылки в ней. Я думаю, что для центрально-симметричных многогранников SDP дает приближение, гдеm- число неравенств, определяющих многогранник. Я рисую это ниже черты.О(журналм)м

В вашем случае многогранник Биркгофа не является центрально-симметричным, но для ваших целей достаточно работы с выпуклой оболочкой P и - P. Я думаю, что этот «симметричный многогранник Биркгофа» можно представить как множество всех квадратных матриц Mпп-пM которые удовлетворяют:

я*,J*:ΣяMяJ*знак равноΣJMя*Jзнак равнос

я,J:-1MяJ1

-1с1

Если это правильное представление (не уверен), то вы можете просто добавить ограничения, которые ограничивают этот многогранник для вашего данного подпространства. Нетрудно адаптировать SDP под линией к этому представлению, но я предпочитаю не проходить его, чтобы сохранить нотацию управляемой.

Я не уверен, что приблизительный диаметр делает для вашей задачи: он, вероятно, позволяет вам решить, является ли данное подпространство близко к матрице перестановок или далеко от всех из них, но я не разработал расчеты.


Позвольте мне закончить с эскизом округления SDP (который является довольно стандартным тарифом). Пусть - центрально-симметричный многогранник, где A - m × n . Определим векторную программу:P={x:bAxb}Am×n

α2=maxi=1nvi22

при условии:

1im:j=1nAijvj22bi2

vinPαP .

. Чтобы показать это, я дам вам алгоритм, который, учитывая(Vя)αO(logm)diam(P)(vi)i=1nαxPαO(logm)nggix~i=gTvi

E x~22=α2
im:E |(Ax~)i|2bi2    E maxi=1m|(Ax~)i|biClogm.
Cm субгуасовых случайных величин и может быть доказан с использованием границы Черноффа).

xxPx221Clogmα12Clogmx~Px~212α.

Sasho Nikolov
источник