The zero-error randomized query complexity of the pointer function
G{<$}{<$}s、Pitassi和Watson \cite{DBLP:journals/eccc/GoosP015a}及其变体的指针函数最近已被用于证明复杂性的各种度量之间的分离结果,诸如确定性、随机化和量子查询复杂性、精确和近似多项式次数等。确定性和零错误随机化查询复杂度之间以及有界错误和零错误随机化查询复杂度之间的(二次)分离,已通过考虑此指针函数的{ \em变体}~ \cite{DBLP:journals/corr/AmbainisBBL15}获得。然而,正如在\cite{DBLP:journals/corr/AmbainisBBL15}中指出的,原始指针函数的精确零错误复杂度是未知的。我们展示了$\widetildeΩ(n^{3/4})$上的$Θ(n \log n)$位的指针函数的零错误随机化查询复杂性的下限;由于$\widetilde{O}(n^{3/4})$的上限是已知的\cite{DBLP:conf/fsttcs/MukhopadhyayS15},我们的下限是最佳的$\polylog\, n$的一个因素。
2016-07-06 cs.CC
A Composition Theorem for Randomized Query Complexity
假设错误概率$ε$的关系的随机化查询复杂度由$R_ε(\cdot)$表示。本文证明了对于任意关系$f \subseteq \{0,1\}^n \times \mathcal{R}$和布尔函数$g:\{0,1\}^m \rightarrow \{0,1\}$,$R_{1/3}(f\circ g^n) = Ω(R_{4/9}(f)\cdot R_{1/2-1/n^4}(g))$,其中$f \circ g^n$是由$f$和$g$合成得到的关系.我们还表明,$R_{1/3}\left(f \circ \left(g^\oplus_{O(\log n)}\right)^n\right)=Ω(\log n \cdot R_{4/9}(f) \cdot R_{1/3}(g))$,其中$g^\oplus_{O(\log n)}$是通过组合异或功能$O(\log n)$位和$g^t$获得的功能。
2017-06-14 cs.CC
An algebraic approach to complexity of data stream computations
我们考虑一般数据流模型中的基本问题,即,估计任意更新的向量$f \in \Z^n$(即,递增或递减)坐标方式。估计$\hat{f} \in \Z^n$必须满足$\norm{\hat{f}-f}_{\infty}\le ε\norm{f}_1 $,即$\forall i ~(\abs{\hat{f}_i - f_i} \le ε\norm{f}_1)$。已知具有$\tilde{O}(ε^{-1})$随机化空间上界\cite{cm:jalgo}、$Ω(ε^{-1} \log (εn))$空间下界\cite{bkmt:sirocco03}和$\tildeΩ(ε^{-2})$比特的确定性空间上界。\footnote{The $\tilde{O}$ and $\tildeΩ$ notations suppress poly-logarithmic factors in $n, \log ε^{-1}, \norm{f}_{\infty}$ and $\log δ^{-1}$, where, $δ$ is the error probability (for randomized algorithm).}我们表明,这个问题的任何确定性算法需要空间$Ω(ε^{-2} (\log \norm{f}_1))$位。
2008-04-06 cs.CC
Towards Stronger Counterexamples to the Log-Approximate-Rank Conjecture
我们给出了改进的分离的查询复杂性模拟的对数近似秩猜想,即我们表明,有过多的总布尔函数的$n$输入位,其中每一个近似傅立叶稀疏最多$O(n^3)$和随机奇偶校验决策树的复杂性$Θ(n)$。这改进了Chattopadhyay,Mande和Sherif(JACM '20)最近的工作,无论是定性(在设计大量的例子)和定量(改善从四次到三次的差距)。我们留下开放的问题证明一个随机的通信复杂性下界为我们的例子的XOR组合。一个线性下界将导致新的和改进的反驳的对数近似秩猜想。此外,如果这些组合中的任何组合甚至具有次线性成本随机化通信协议,则将证明随机化奇偶校验决策树复杂度一般不会提升到随机化通信复杂性(利用XOR小工具)。
2020-09-06 cs.CC
Lower bounds for uniform read-once threshold formulae in the randomized decision tree model
本研究证明均匀只读阈值公式在随机决策树模型中的下界为 $c(k,n)^d$,并扩展了交替 AND/OR 门树的渐近最优界。
2023-10-18 cs.CC
The Communication Complexity of Set Intersection and Multiple Equality Testing
在本文中,我们将探讨随机通信复杂性的基本问题,如计算集交叉集的大小$k$和长度$k$向量之间的相等性测试。Saintellam、Tardos和Brody等人表明,对于这些类型的问题,可以通过采用$O(\log^* k)$轮的随机协议来实现$O(k)$位的最佳通信量。除了回合和通信量之外,还有一个重要的\emph{third}参数,即\emph{error probability} $p_{\mathrm{err}}$。可以直接表明,用于集合相交或相等测试的协议需要发送$Ω(k + \log p_{\mathrm{err}}^{-1})$位。是否有可能同时实现所有三个参数(即$O(k + \log p_{\mathrm{err}}^{-1})$通信和$O(\log^* k)$轮次)的最优性?在本文中,我们证明了没有普遍的最优算法,并补充现有的轮通信权衡轮,通信和错误概率之间的一个新的权衡。具体而言:1.在$r$轮中求解多重等式测试的任何协议都具有通信量$Ω(Ek^{1/r})$,其中失败概率为$2^{-E}$。2.存在一个协议,用于解决多重等式测试在$r + \log^*(k/E)$轮与$O(k + rEk^{1/r})$通信,从而基本上匹配我们的下限和Saintellam和Tardos。我们最初考虑将$p_{\mathrm{err}}$作为独立参数的动机来自于在具有最大度$Δ$的分…
2020-05-20 cs.CC cs.IT math.IT
A Tight Composition Theorem for the Randomized Query Complexity of Partial Functions
我们证明了两个新的结果的随机查询复杂性的组合函数。首先,我们证明了随机合成猜想是错误的:存在偏布尔函数族$f$和$g$使得$R(f\circ g)\ll R(f) R(g)$。事实上,我们证明了左手边可以多项式小于右手边(尽管在我们的构造中,两边都是$f$输入大小的多对数)。其次,我们表明,对于所有的$f$和$g$,$R(f\circ g)=Ω(\mathop{noisyR}(f)\cdot R(g))$,其中$\mathop{noisyR}(f)$是一个衡量描述的成本计算$f$上嘈杂的Oracle输入。我们表明,这一组合定理是最强的可能的类型:对于任何措施$M(\cdot)$满足$R(f\circ g)=Ω(M(f)R(g))$的所有$f$和$g$,它必须持有,$\mathop{noisyR}(f)=Ω(M(f))$的所有$f$。我们还给出了一个干净的测量$\mathop{noisyR}(f)$的特征:它满足$\mathop{noisyR}(f)=Θ(R(f\circ gapmaj_n)/R(gapmaj_n))$,其中$n$是$f$的输入大小和$gapmaj_n$是$n$位上的$\sqrt{n}$ -间隙多数函数。
2020-12-07 cs.CC quant-ph
Separations in Query Complexity Based on Pointer Functions
在1986年,Saks和Wigderson指出,对于一个全布尔函数,确定性和零错误随机化查询复杂度之间的最大分离是由$f$在$n=2^k$位上给出的,$f$由深度为$k$的NAND门的完整二叉树定义,它实现了$R_0(f) = O(D(f)^{0.7537\ldots})$。我们证明这是假的,给出一个例子,总布尔函数$f$ $n$位的确定性查询复杂性是$Ω(n/\log(n))$,而其零错误随机查询复杂性是$\tilde O(\sqrt{n})$。我们进一步表明,量子查询复杂性相同的功能是$\tilde O(n^{1/4})$,给出了第一个例子的总功能与超二次差距之间的量子和确定性查询复杂性。我们还构造了一个总的布尔函数$g$ $n$变量,具有零错误的随机查询复杂度$Ω(n/\log(n))$和有界错误的随机查询复杂度$R(g) = \tilde O(\sqrt{n})$。这是这两个复杂性度量之间的第一个超线性分离。同一函数的量子查询复杂度是$Q_E(g) = \tilde O(\sqrt{n})$。这两个函数表明,$D(f) = O(R_1(f)^2)$和$R_0(f) = \tilde O(R(f)^2)$的关系是最佳的,直到多对数因子。这些函数的进一步变化给出了其他查询复杂性度量之间的额外分离:$Q$和$R_0$之间的立方分离,$Q_E$和$R$之间的$3/2$ -幂分离,以…
2015-10-26 cs.CC quant-ph
An Optimal Separation of Randomized and Quantum Query Complexity
我们证明,对于每一个决策树,傅立叶系数的一个给定的顺序$\ell\geq1$总和的绝对值至多$c^{\ell}\sqrt{\binom{d}{\ell}(1+\log n)^{\ell-1}},$其中$n$是变量的数量,$d$是树的深度,$c>0$是一个绝对常数。这个界限本质上是紧的,并解决了Tal的一个猜想(arxiv 2019; FOCS 2020)。在我们的工作之前的界限迅速退化,$\ell,$在$\ell=\sqrt{d}.$上已经变得微不足道。作为应用,对于每个整数$k\geq1,$,我们获得$n$比特上的部分布尔函数,其具有至多$k$的有界错误量子查询复杂度和随机化查询复杂度$\tildeΩ(n^{1-\frac{1}{2k}}).$。Aaronson和Ambainis(STOC 2015)以及Bravyi,Gosset,Grier和Schaeffer(2021)的结果。在我们的工作之前,最著名的分离是多项式较弱的:对于任何$ε>0$,$O(1)$与$Ω(n^{2/3-ε})$(Tal,FOCS 2020)。作为另一个应用,我们得到了一个基本上最优的分离$O(\log n)$与$Ω(n^{1-ε})$的有界错误量子与随机通信复杂性,对于任何$ε>0.$最好的以前的分离是多项式较弱:$O(\log n)$与$Ω(n^{2/3-ε})$(隐含在塔尔,FOCS 2020)。
2023-01-29 cs.CC quant-ph
On the communication complexity of sparse set disjointness and exists-equal problems
本文研究了稀疏集不交问题和存在相等问题的两局人随机通信复杂性,给出了这两个问题在任意轮数下的匹配上、下界(直到常数因子).在稀疏集不相交问题中,每个参与者接收[m]的k-子集,目标是确定集合是否相交。对于这个问题,我们给出了一个协议,总的O(k \log^{(r)} k)位的r轮和错误的概率非常小。这里我们可以取r= \log^{*} k来获得具有指数小错误概率的O(k)总通信\log^{*} k轮协议,改进了Hastad和Wigderson从1997年开始的O(k)比特O(\log k)轮恒定错误概率协议。在存在相等问题中,参与者接收向量x,y \in [t]^n,目标是确定是否存在坐标i使得x_i=y_i。也就是说,存在相等问题是n个相等问题的或。观察到exists-equal是稀疏集不相交的一个实例,k=n,因此上面的协议也适用于这里,给出了O(n \log^{(r)} n)的上限。本文的主要技术贡献是给出了一个匹配的下界:证明了当t=Ω(n)时,对于错误概率不超过1/3的存在相等问题,任何r轮随机化协议都应该有一个大小为Ω(n \log^{(r)} n)的消息.我们的下界甚至对超常数r <= \log^* n也成立,表明任何O(n)位存在相等协议都应该有\log^* n-O(1)轮。
2013-04-04 cs.CC
An Exponential Separation Between Randomized and Deterministic Complexity in the LOCAL Model
在过去的30年中,许多算法已经被设计用于对称破缺问题的模型,如最大匹配,MIS,顶点着色,边着色。对于大多数问题,最好的随机算法至少比最好的确定性算法快指数。在本文中,我们证明了这些指数差距是必要的,并建立了确定性和随机化的复杂性之间的联系,在ESTA模型。每个结果都有一个非常引人注目的信息:1。快速$Δ$ -树的着色需要随机位:基于Brandt等人最近的下界,本文证明了对任意$Δ\ge 3$,用最大度$Δ\ge 55$对树进行$Δ$着色的随机复杂性为$Θ(\log_Δ\log n)$,而确定复杂性为$Θ(\log_Δn)$。这也建立了$Δ$ -着色和$(Δ+1)$ -着色树的确定性复杂性之间的大分离。2.随机下界意味着确定性下界:我们证明,任何确定性算法的一个自然类的问题,在$O(1)+o(\log_Δn)$轮运行可以转换为运行在$O(\log^*n-\log^*Δ+1)$轮。如果变换后的算法违反了一个下限(甚至允许随机化),那么可以得出结论,该问题需要$Ω(\log_Δn)$时间确定性。3.确定性下界意味着随机下界:我们证明了任何自然问题的大小$n$的实例的随机复杂性至少是其确定性复杂性的大小$\sqrt{\log n}$的实例。这表明,任何问题的确定性$Ω(\log_Δn)$下限意味着随机$Ω(\log_Δ\log n)$下限。它还说明了图粉碎技术是必不可少的,以保证模型。
2016-04-06 cs.CC cs.DC cs.DS
Dispersion of Mass and the Complexity of Randomized Geometric Algorithms
随机性对计算有多大帮助?出于这个一般性的问题和体积计算,随机性证明有助于少数情况之一,我们分析了分散的概念,并将其连接到渐近凸几何。我们得到了R^n中凸体随机体积算法复杂度的近似二次下界(目前最好的算法复杂度约为n^4,假设为n^3)。我们的主要工具,分散的随机行列式和分散的随机点的长度从凸体,是独立的利益和适用性更普遍,特别是后者是密切相关的方差假设凸几何。这种几何分散也导致了矩阵问题和属性测试的下界。
2008-06-17 cs.CC cs.CG cs.DS
Optimal and Verifiable Quantum Advantages in Communication Complexity
UT Austin(德克萨斯大学奥斯汀分校);Google Quantum AI(谷歌量子人工智能);IBM Quantum(IBM 量子);Columbia University(哥伦比亚大学)
我们建立了搜索问题中量子通信复杂度与经典的最优分离,引入可验证的 Pelagic Fourier Fishing 变体,并构造了 Clifford 层级协议族,实现渐近最优的量子优势,且可适应于可验证的近期实验。
2026-10-06 cs.CC quant-ph
How much does randomness help with locally checkable problems?
局部可检验标号问题(LCL)是一种分布式图问题,如果一个解在所有常数半径邻域内都是局部可行的,则该解是全局可行的。顶点着色、极大独立集和极大匹配都是LCL的例子。一方面,众所周知,一些LCL从随机性中呈指数级受益--例如,任何找到无下沉方向的确定性分布式算法都需要$Θ(\log n)$轮,而问题的随机复杂性是$Θ(\log \log n)$轮。另一方面,也有许多LCL中的随机性是无用的。以前,不知道是否有任何LCL受益于随机性,但只有次指数。我们发现,这样的问题存在:例如,有一个LCL确定性的复杂性$Θ(\log^2 n)$轮和随机复杂性$Θ(\log n \log \log n)$轮。
2020-02-18 cs.CC cs.DC
Preserving Randomness for Adaptive Algorithms
假设$\mathsf{Est}$是使用$n$随机比特并输出$\mathbb{R}^d$中的值的随机估计算法。我们展示了如何执行$\mathsf{Est}$ $k$自适应选择的输入只使用$n + O(k \log(d + 1))$随机位,而不是平凡的$nk$(在错误和故障概率的轻微增加的成本)。我们的算法结合了一个变种的INW伪随机发生器(STOC '94)与一个新的计划,用于移位和舍入的输出$\mathsf{Est}$。我们证明,修改输出的$\mathsf{Est}$是必要的,在这种情况下,此外,我们的算法的随机复杂性是接近最佳的$d \leq O(1)$。作为应用,我们给出了Goldreich-Levin算法的随机有效版本;我们的算法使用对$F$和$O(n)$随机位(独立于$θ$)的$O(n \log n) \cdot \text{poly}(1/θ)$查询来找到函数$F: \{0, 1\}^n \to \{-1, 1\}$的绝对值至少为$θ$的所有傅立叶系数,改进了Bshouty等人先前的工作。(JCSS '04)。
2018-06-13 cs.CC cs.DS
Inner Product and Set Disjointness: Beyond Logarithmically Many Parties
复杂性理论的一个基本目标是理解与$k\gg\log n$方的前额数问题$f\colon(\{0,1\}^n)^{k}\to\{0,1\}$的通信复杂性。我们研究了内积和集合不相交性问题,并确定了每个$k\geq\log n$的随机通信复杂性,表明在这两种情况下,$Θ(1+\lceil\log n\rceil/\log\lceil1+k/\log n\rceil)$位都是必要且充分的。特别地,当且仅当对于某个常数$ε>0.$,参与方的数目是$k\geq n^ε$时,这些问题允许常数费用协议
2017-11-29 cs.CC
Individual Communication Complexity
我们提出了个体输入的通信复杂性理论,而不是最坏情况或平均情况。我们考虑总的,部分的,部分正确的协议,单向与双向,有和没有帮助位。结果用Kolmogorov复杂度表示。
2003-04-08 cs.CC cs.DC