Block Sensitivity and Certificate Complexity of Rotation Symmetric Boolean Functions
Winston–Salem State University(温斯顿-塞勒姆州立大学);Governors State University(州长州立大学)
该研究分析旋转对称布尔函数的块灵敏度与证书复杂度,明确奇次、二次单项式旋转对称布尔函数的相关测度关系,还确定连续四次族Rₙ的测度,得到灵敏度小于块灵敏度且二者与证书复杂度相等的无穷多类函数。
2026-11-10 cs.CC cs.DM math.CO
On the Approximation Method and the P versus NP Problem
首先给出了“自然证明”并没有为P $\not=$ NP的布尔复杂性证明建立障碍的原因。然后,我们研究其扩展的近似方法,以证明NP中合适的布尔函数的非单调复杂性的超多项式下界,或者理解为什么这是不可能的。证明了仅用逼近方法不能证明任何函数$f \in {\cal B}_n$的超线性下界。此外,还对布尔函数的非单调复杂性和单调复杂性下界的证明方法进行了综述。最后,对如何研究P vs. NP问题以及如何证明NP中布尔函数的非单调复杂性的超线性下界给出了个人的看法。
2020-06-15 cs.CC
Necessary and Sufficient Condition for Satisfiability of a Boolean Formula in CNF and its Implications on P versus NP problem
布尔可满足性问题在各个领域都有应用。求解可满足性问题的一个有效算法可以用来有效地解决许多其他问题。可满足性问题的输入是一个有限子句集。本文研究了小句的性质。已经定义了一种类型的子句,称为完全填充子句,它只包含一次每个变量。定义了两个不相等的完全填充子句之间的关系,称为兄弟子句。已经发现,如果一个完全填充的子句对于一个真值赋值为假,那么它的所有兄弟子句对于同一个真值赋值都将为真。这导致了一个布尔公式可满足的必要和充分条件,在CNF。利用这个充要条件,提出了一个求解布尔可满足性问题的多项式时间算法,即P = NP。此外,已经提供了一些优化,其可以与算法集成以获得更好的性能。
2021-05-24 cs.CC
Low-Sensitivity Functions from Unambiguous Certificates
我们提供了新的查询复杂性分离对总布尔函数的敏感性:确定性(甚至随机或量子)查询复杂性和敏感性之间的功率$3$分离,和证书复杂性和敏感性之间的功率$2.22$分离。我们得到这些分离,通过使用一个新的连接之间的敏感性和一个看似无关的措施称为单侧明确的证书复杂性($UC_{min}$)。我们还表明,$UC_{min}$是下界的分数块敏感性,这意味着我们不能使用这些技术得到一个超二次分离之间的$bs(f)$和$s(f)$。我们还提供了布尔函数的树敏感性和决策树复杂性之间的二次分离,反驳了Gopalan,Servedio,Tal和Wigderson的猜想(CCC 2016)。在此过程中,我们给出了证书复杂性和单侧明确证书复杂性之间的功率$1.22$分离,改进了Göös(FOCS 2015)导致的功率$1.128$分离。因此,我们得到了一个改进的$Ω(\log^{1.22} n)$下限的共非确定性通信复杂性的集团与独立集的问题。
2017-11-15 cs.CC quant-ph
An Optimal Separation Between Certificate Complexity and Approximate Degree
University of Latvia(拉脱维亚大学)
该研究构造总布尔函数$G$,证明证书复杂度可达到1/3-近似度的四次方倍,改进了此前的三次方倍分离结果,通过cheat-sheet框架实现最优分离,核心是构造低度验证的近似多项式。
2026-09-01 cs.CC
A Tight Lower Bound on Certificate Complexity in Terms of Block Sensitivity and Sensitivity
敏感度、证书复杂度和块敏感度是常用的布尔函数复杂度度量。Nisan和Szegedy提出的一个长期存在的问题是灵敏度和块灵敏度是否多项式相关。受构造已知最大分离度函数的启发,我们研究了1-证书复杂度与0-灵敏度和0-块灵敏度之间的关系。以前最著名的下界是由Kenyon和Kendall得到的$C_1(f)\geq \frac{bs_0(f)}{2 s_0(f)}$。我们将其改进为$C_1(f)\geq \frac{3 bs_0(f)}{2 s_0(f)}$。虽然这种改进仅仅是一个常数因子,但这是非常重要的,因为它排除了通过迭代达到该界限的函数来实现$bs(f)$和$s(f)$之间的超二次分离。此外,这个界限是紧的,因为它匹配Ambainis和Sun的结构直到一个加法常数。
2014-07-31 cs.CC
Exact versus Approximate Representations of Boolean Functions in the De Morgan Basis
本文在德摩根基下研究布尔函数精确表示与近似表示的关系,提出自适应随机限制方法,证明稀疏性和ℓ1范数在对数尺度上精确与近似版本具有类似关系,与傅里叶基形成对比。
2025-07-18 cs.CC
Algorithms and Certificates for Boolean CSP Refutation: "Smoothed is no harder than Random"
本文提出一种算法,强反驳所有布尔CSP的平滑实例,其运行时间与约束数量的权衡匹配随机情形,并利用超图偶覆盖解决了Feige 2008猜想,证明低于谱阈值时存在多项式大小反驳见证。
2023-09-03 cs.CC cs.DS
Quantum Certificate Complexity
给定一个布尔函数f,我们研究了证书复杂度C(f)的两种自然推广:随机证书复杂度RC(f)和量子证书复杂度QC(f)。使用Ambainis的对抗方法,我们精确地将QC(f)表征为RC(f)的平方根。然后,我们使用这个结果来证明新的关系R 0(f)= O(Q2(f)^2 Q 0(f)log n)对于总f,其中R 0,Q2和Q 0分别是零错误随机,有界错误量子和零错误量子查询复杂度。最后,我们给出了度量之间的渐近间隙,包括C(f)在QC(f)中超二次的全f,以及QC(f)= O(1)但Q2(f)= Omega(n/log n)的对称部分f。
2002-10-02 cs.CC quant-ph
New upper bound on block sensitivity and certificate complexity in terms of sensitivity
灵敏度\cite{CD82,CDR86}和块灵敏度\cite{Nisan91}是布尔函数复杂性的两个重要度量。决策树复杂性中的一个长期存在的开放问题,即由Nisan和Szegedy \cite{Nisan94}在1992年提出的“灵敏度与块灵敏度”问题,是这两个复杂性度量是否多项式相关,即,是否为$bs(f)=O(s(f)^{O(1)})$。我们证明了一个新的上界块灵敏度的灵敏度:$bs(f) \leq 2^{s(f)-1} s(f)$。以前,块灵敏度的最佳上限是Kenyon和Kendy \cite{KK}的$bs(f) \leq (\frac{e}{\sqrt{2π}}) e^{s(f)} \sqrt{s(f)}$。我们还证明,如果$\min\{s_0(f),s_1(f)\}$是一个常数,那么灵敏度和块灵敏度是线性相关的,即$bs(f)=O(s(f))$。
2013-06-24 cs.CC
SoS certification for symmetric quadratic functions and its connection to constrained Boolean hypercube optimization
研究了根位于点$k-1$和$k$上的$n$变量的对称二次函数在布尔超立方体上的平方和(SoS)阶的秩.这种类型的函数在加深对SoS方法在各种无约束布尔超立方体优化问题(包括最大割问题)中的性能的理解方面发挥了核心作用。最近,Lee,Prakash,de Wolf和Yuen证明了$Ω(\sqrt{k(n-k)})$的SQF的SoS秩的下界,并通过与$n$位OR函数的多项式表示的相似性来证明$Ω(n)$的下界。利用Chebyshev多项式,我们反驳了Lee-Prakash-deWolf- Yuen猜想,证明了SQFs的SoS秩至多为$O(\sqrt{nk}\log(n))$ .我们连接到两个约束布尔超立方体优化问题的结果。首先,我们提供了一个程度$O( \sqrt{n})$ SoS证书,匹配已知的SoS等级下限的一个实例,最小背包,一个问题,在文献中进行了深入研究。其次,我们研究了一个集合覆盖问题的例子,Bienstock和Zuckerberg证明了$n/4$的SoS秩下界。我们反驳了Bienstock-Zuckerberg猜想,并为这个问题提供了一个程度$O(\sqrt{n}\log(n))$ SoS证书。
2021-07-08 cs.CC cs.DS
Several Separations Based on a Partial Boolean Function
我们示出了部分布尔函数$f$连同输入$x\in f^{-1}\left(*\right)$,使得$C_{\bar{0}}\left(f,x\right)$和$C_{\bar{1}}\left(f,x\right)$都至少是$C\left(f\right)^{2-o\left(1\right)}$。由于Ben-David,Göös,Jain和Kothari最近的结果,这个结果意味着查询和通信复杂性的其他几个分离。例如,它给出了一个函数$f$,其中$C(f)=Ω(deg^{2-o\left(1\right)}(f))$,其中$C$和$deg$表示证书复杂度和$f$的多项式次数。(This是对Kushilevitz和Nisan在1995年提出的$C(f)$和$deg(f)$之间的分离的第一次改进)。这一结果的其他影响是一个改进的分离之间的敏感性和多项式的程度,一个接近最优的下限conondeterministic通信复杂性的团与独立集问题和一个接近最优的下界的复杂性的Alon-Saks-Seymour问题的图论。
2021-03-09 cs.CC
New algorithms and lower bounds for monotonicity testing
我们考虑的问题,测试是否一个未知的布尔函数$f$是单调与$ε$ -远离每一个单调函数。本文的两个主要结果是一个新的下界和一个新的算法,这个问题研究得很好。下限:我们证明了一个$\tildeΩ(n^{1/5})$下界的查询复杂性的任何非自适应双边错误算法测试是否一个未知的布尔函数$f$是单调与常数远离单调。由于Fischer等人[FLN+02],这给出了先前$Ω(\log n)$下限的指数改进。我们发现,相同的下界持有超网格域$\{1,\ldots,m\}^n$的所有$m\ge 2$的布尔值函数的单调性测试。上限:我们给出了一个$\tilde{O}(n^{5/6})\text{poly}(1/ε)$查询算法,测试是否一个未知的布尔函数$f$是单调与$ε$ -远离单调。我们的算法,这是非自适应的,使单侧错误,是一个修改版本的Chakrabarty和Seshadhri [CS 13 a],使$\tilde{O}(n^{7/8})\text{poly}(1/ε)$查询算法。
2014-12-17 cs.CC
Composition limits and separating examples for some Boolean function complexity measures
区块敏感度($bs(f)$)、证书复杂度($C(f)$)和分数证书复杂度($C^*(f)$)是布尔函数$f$复杂度的三个基本组合度量。人们早就知道$bs(f) \leq C^{\ast}(f) \leq C(f) =O(bs(f)^2)$。我们提供了一个无限家庭的例子,$C(f)$增长二次$C^{\ast}(f)$(也$bs(f)$),这些措施之间的最佳分离。以前已知的最大分离是$C(f)=C^{\ast}(f)^{\log_{4.5}5}$。我们还给出了一个家庭的例子,其中$C^{\ast}(f)=Ω(bs(f)^{3/2})$。这些例子是通过以各种方式组合布尔函数获得的。这里,$f$与$g$的组合$f \circ g$是通过在不相交的变量集合上用$g$的拷贝替换$f$的每个变量来获得的。为了构建和分析这些例子,我们系统地研究了这些措施的功能组合下的行为,也是灵敏度测量$s(f)$。测度$s(f)$、$C(f)$和$C^{\ast}(f)$在复合下表现良好:它们是次乘法的(其中测度$m$是次乘法的,如果$m(f \circ g) \leq m(f)m(g)$),在一些相当一般的条件下等式成立。度量$bs(f)$在性质上是不同的:它不是次乘法的。这种质的差异是没有注意到在以前的文献中,我们纠正了一些错误,出现在以前的文件。我们定义一个测度$m$在函数$f$,$m^{\lim}(f)…
2013-06-04 cs.CC
Renormalization group approach to the P versus NP question
本文认为,用于表征凝聚态系统相变的重整化群技术的基本思想可能有助于区分计算复杂性类。本文提出了一种重整化群变换,它将$N$布尔变量的任意布尔函数映射到$N-1$变量之一。当重复应用该变换时,所得到的函数序列的行为对于通用布尔函数与布尔函数不同,布尔函数可以被写为具有$ξ\ll N$的次数$ξ$的多项式,以及对于依赖于复合变量(诸如输入的算术和)的函数。能够证明函数是非通用的是令人感兴趣的,因为它提出了一种构造算法的途径,该算法能够证明给定的布尔函数不能使用由$N$的多项式限定的资源来计算。
2006-10-01 cond-mat.stat-mech cs.CC
Boolean function monotonicity testing requires (almost) $n^{1/2}$ non-adaptive queries
我们证明了一个下界的$Ω(n^{1/2 - c})$,对于所有的$c>0$,(双侧错误)的非自适应算法的查询复杂性测试是否$n$变量布尔函数是单调与常数远离单调。这改进了最近在[CST 14]中给出的同一问题的$\tildeΩ(n^{1/5})$下限,并且非常接近$Ω(n^{1/2})$,我们推测这是该模型的最佳下限。
2014-12-17 cs.CC
Decision Tree Complexity versus Block Sensitivity and Degree
Relations between the decision tree complexity and various other complexity measures of Boolean functions is a thriving topic of research in computational complexity . It is known that decision tree complexity is bounded above by the cube of block sensitivity, and the cube of polynomial degree. However, the widest separation between decision tree complexity and each of block sensitivity and degree that is witnessed by known Boolean functions is quadratic. In this work, we investigate the tightness of the existing cubic upper bounds. We improve the cubic upper bounds for many interesting classe…
2022-09-16 cs.CC
Randomized query complexity can beat certificate complexity
University of Waterloo(滑铁卢大学);Google Quantum AI(谷歌量子人工智能)
本文构造了一个全布尔函数,证明其随机化查询复杂度可远低于证书复杂度,达到平方根级别的最优,同时量子查询复杂度也接近最优。
2026-09-15 cs.CC quant-ph
Trading inference effort versus size in CNF Knowledge Compilation
知识编译(KC)研究布尔函数f到某种形式F的编译,它允许在多项式时间内回答某种类型的所有查询。由于它与SAT求解的相关性,我们集中在查询类型"子句蕴涵"(CE)上,即,子句C是否从f得出,我们考虑CNF的子类,即,具有特殊性质的子句集F。在此报告中,我们不允许辅助变量(Outlook除外),因此F需要等效于f。我们考虑层次UC_k <= WC_k,这是作者在2012年引入的。每个级别都允许CE查询。前两个级别是KC的知名课程。即UC_0 = WC_0与KC中研究的PI相同,即f由所有素蕴涵的集合表示,而UC_1 = WC_1与del Val(1994)引入的单位反驳完备子句集类UC相同。我们发现,对于每一个k有(序列)布尔函数的polysize表示在UC_{k+1},但与WC_k表示的指数下界。这种分离以前只知道k = 0。我们还考虑了传播完备子句集类PC <UC。我们发现,有(序列)布尔函数的polysize表示在UC,而有一个指数下界表示在PC。这些分离是迈向确定层次结构PC_k <UC_k <= WC_k的表示能力的一般猜想的步骤。这个猜想的强形式也允许辅助变量,正如在展望中深入讨论的那样。
2013-11-08 cs.CC
Instance complexity of Boolean functions
Utrecht University(乌得勒支大学);University of Liverpool(利物浦大学)
研究布尔函数查询算法的实例复杂度(算法成本与最优先知算法成本之比),刻画对称布尔函数的实例复杂度,并发现某些函数的实例复杂度远小于查询复杂度与最小证书复杂度之比。
2026-06-15 cs.CC
Quadratically Tight Relations for Randomized Query Complexity
设$f:\{0,1\}^n \rightarrow \{0,1\}$为布尔函数。证书复杂度$C(f)$是对于零错误随机化查询复杂度$R_0(f)$是二次紧的复杂度度量:$C(f) \leq R_0(f) \leq C(f)^2$。在本文中,我们研究了一个新的复杂性度量,我们称之为预期证书复杂性$EC(f)$,这也是一个二次紧界$R_0(f)$:$EC(f) \leq R_0(f) = O(EC(f)^2)$。我们证明了$EC(f) \leq C(f) \leq EC(f)^2$,并表明两者之间存在二次分离,因此$EC(f)$给出了$R_0(f)$更紧的上界。该度量还与分数证书复杂度$FC(f)$相关如下:$FC(f) \leq EC(f) = O(FC(f)^{3/2})$。这也与Aaronson提出的一个悬而未决的问题有关,即$FC(f)$是否是$R_0(f)$的二次紧界,因为$EC(f)$实际上是$FC(f)$的松弛。在工作的第二部分中,我们通过查询损坏界限($\mathrm{corr}_ε(f)$)的平方来上限产品分布$μ$的分布式查询复杂度$D^μ_ε(f)$,这改进了Harsha,Jain和Radhakrishnan [2015]的结果。对于通信复杂性的类似陈述是开放的。
2017-08-02 cs.CC
Existence versus Exploitation: The Opacity of Backbones and Backdoors Under a Weak Assumption
ETH-Zürich(苏黎世联邦理工学院);University of Dusseldorf(杜塞尔多夫大学);University of Rochester(罗切斯特大学);Rochester Institute of Technology(罗切斯特理工学院)
布尔公式的后门和主干是隐藏的结构属性。一个自然的目标,已经部分实现,是求解器算法寻求通过利用这些结构获得更好的性能。然而,本文并不打算提高SAT求解器的性能,而是一个警示文件。特别是,本文的主题是,在布尔公式中存在这样的结构和能够有效地利用它们之间存在着潜在的鸿沟。这并不意味着这些结构对求解器没有用。它确实意味着人们必须非常小心,不要假设从结构的存在到能够得到它和/或能够利用结构在计算上是容易的。例如,在本文中,我们表明,在假设P $\neq$ NP,有很容易识别的家庭布尔公式强后门,很容易找到,但它是很难(事实上,NP-完全),以确定是否满足的公式。我们还表明,也在假设P $\neq$ NP,有很容易识别的布尔公式集,它是很难(事实上,NP-完全),以确定他们是否有一个大的骨干。
2018-11-01 cs.AI cs.CC cs.LO
Conflict complexity is lower bounded by block sensitivity
我们显示冲突的复杂性,每一个总的布尔函数,最近在[Swagato Sanyal。一个基于conict复杂性的复合定理。arXiv预印本arXiv:1801.03285,2018。]证明一个随机决策树的合成定理的复杂度,至少是其块敏感度的一半。我们建议将冲突复杂性与证书复杂性进行比较,并解释为什么它会很有趣。
2020-05-11 cs.CC math.CO
A Solution of the P versus NP Problem based on specific property of clique function
电路下界是重要的,因为据信NP中的问题的超多项式电路下界意味着P!= NP. Razborov用逼近的方法证明了单调电路的超多项式下界。通过扩展这种方法,研究人员已经证明了几个不同函数的单调网络复杂性的指数下界。但是到目前为止,还没有人能够证明NP中任意布尔函数的非单调复杂度的非线性下界。本文通过将标准电路中的每个“非”门等价地替换为常数1,证明了非单调网络与单调网络相比具有相同或更高的计算团函数的下界.这表明团函数的非单调网络复杂度是超多项式,这意味着P!= NP.
2020-06-26 cs.CC
Bounds for Hardness Condensation in the Query Model
Université Paris Cité, CNRS, IRIF(巴黎西岱大学、法国国家科学研究中心、IRIF);Indian Institute of Technology Kanpur(坎普尔印度理工学院);Microsoft Research India(微软研究院印度分部);Indian Institute of Technology Hyderabad(海得拉巴印度理工学院);Indian Institute of Technology Madras(马德拉斯印度理工学院)
该研究探讨了在查询模型中,是否可以将布尔函数限制到Θ(k)变量并保持复杂度为Θ(k),并证明了决策树度量如块敏感度和证书复杂度无法无损凝结,同时给出了关于有损凝结的正结果。
2026-05-21 cs.CC
A Nearly Optimal Lower Bound on the Approximate Degree of AC$^0$
布尔函数$f \colon \{-1, 1\}^n \rightarrow \{-1, 1\}$的近似次数是将$f$逐点近似到误差至多为$1/3$的实多项式的最小次数。我们介绍了一种通用的方法,增加一个给定的函数的近似程度,同时保持其可计算性的恒定深度的电路。具体来说,我们展示了如何将任何布尔函数$f$与近似度$d$转换为函数$F$上的$O(n \cdot \operatorname{polylog}(n))$变量与近似度至少$D = Ω(n^{1/3} \cdot d^{2/3})$。特别地,如果$d= n^{1-Ω(1)}$,则$D$多项式地大于$d$。此外,如果$f$是由一个深度恒定的多项式大小的布尔电路计算的,那么$F$也是。通过递归地应用我们的变换,对于任何常数$δ> 0$,我们展示了近似度为$Ω(n^{1-δ})$的AC $^0$函数。这改进了Aaronson和Shi(J. ACM 2004)提出的$Ω(n^{2/3})$的最佳下界,并且几乎与$n$的平凡上界相匹配,它适用于任何函数。我们的下界也适用于(准多项式大小)DNF的多对数宽度。我们描述了这些结果的几个应用。我们给出:* 对于任何常数$δ> 0$,AC $^0$中函数的量子通信复杂度的$Ω(n^{1-δ})$下界。* 近似度至少为$C(f)^{2-o(1)}$的布尔函数$f$,其中$C(f)$是$f$的证书复杂…
2017-03-16 cs.CC
On the resolution of the sensitivity conjecture
敏感性猜想是理论计算机科学中的一个长期存在的问题,它试图将布尔函数的敏感性拟合到由布尔函数的其他复杂性度量(如块敏感性和证书复杂性)形成的统一框架中。在对这个猜想进行了三十多年的攻击之后,黄昊(2019)给出了一个非常简洁的证明。在这个调查中,我们探索的想法,启发了这个猜想的证明,由四个文件,对猜想的影响最大的博览会。我们还讨论了进一步的研究方向的进展,该猜想导致我们。
2020-01-07 cs.CC math.CO
A Ihara-Bass Formula for Non-Boolean Matrices and Strong Refutations of Random CSPs
ETH Zürich(苏黎世联邦理工学院);Bocconi University(博科尼大学)
本文提出非布尔矩阵的Ihara-Bass公式,用于改进随机k-CSP的强反驳,将奇数k所需约束数从n^{k/2}(log n)^{O(1)}/ε²降至n^{k/2}/ε²,并给出半随机设置下的新PTAS。
2023-05-14 cs.AI cs.CC cs.LO
Hazard-free Decision Trees
本文将决策树扩展为允许查询输出未知的三元无冒险决策树模型,证明其深度、规模与灵敏度等参数的多项式等价关系及灵敏度定理,并与布尔决策树建立最优分离。
2025-01-01 cs.CC
Query Complexity with Unknowns
该研究提出了含“未知”应答的u-query布尔函数查询复杂度模型,分析了其与标准模型的复杂度差异,证明全布尔函数的各类u-query复杂度间呈多项式关系。
2024-12-09 cs.CC
Quantum versus Randomized Communication Complexity, with Efficient Players
我们研究了一种新型的分离量子和经典通信的复杂性,这是使用量子协议,各方都是有效的,在这个意义上说,他们可以实现的小量子线路与Oracle访问他们的输入。更准确地说,我们给出了一个显式的部分布尔函数,可以计算的量子同时与纠缠通信模型,然而,每个交互式随机协议是指数更大的成本。此外,量子协议中的所有参与方都可以通过小尺寸的量子线路来实现,并对输入进行黑盒访问。我们的结果定性地匹配量子和经典通信复杂性之间最强的已知分离,并使用所有各方都有效的量子协议获得。
2019-11-06 cs.CC quant-ph
Relations between monotone complexity measures based on decision tree complexity
本文研究 Boolean 函数单调块敏感度、分数块敏感度、证书复杂度等度量,揭示其与 AND-decision tree、稀疏度和敏感度的关系,并给出界、等价性及两类函数上的等式。
2024-06-13 cs.CC cs.DM
Optimal Unambiguous DNFs and Alon-Saks-Seymour
Stanford University(斯坦福大学)
本文构造了宽度$O(n)$、0-证书复杂度$\u03a9(n^2)$的无歧义DNF,利用其结构证明提升定理,反驳Alon-Saks-Seymour猜想、得到团与独立集问题最优通信下界,还应用于查询与学习理论,获证书复杂度与近似度的最优四次方分离及多类概念类样本压缩下界。
2026-10-16 cs.CC cs.DM cs.LG
On query complexity measures and their relations for symmetric functions
本文探讨了对称函数类中量子查询复杂性下界与其他基于决策树的复杂性度量之间的关系,为正对手方法等给出了显式构造,并刻画了Gap Majority的量子查询复杂性及紧分离。
2024-02-19 cs.CC quant-ph
Query Complexity: Worst-Case Quantum Versus Average-Case Classical
本文研究了最坏情况量子查询复杂度和平均情况经典查询复杂度之间的关系。具体来说,我们证明了如果量子计算机可以在最坏情况下使用T个查询来计算具有有界误差的全布尔函数f,那么在输入均匀分布的情况下,确定性经典计算机可以在平均情况下使用O(T^5)个查询来计算f。如果f是单调的,我们进一步证明了只需要O(T^3)查询。在此之前,Beals等人(1998)证明了如果量子计算机在最坏情况下可以使用T个查询以有界误差计算f,那么确定性经典计算机在最坏情况下可以使用O(T^6)个查询计算f,或者如果f是单调的,则使用O(T^4)个查询计算f。推测最佳界为O(T^2),但O(T^6)的改进仍然是一个悬而未决的问题。将最坏情况的量子复杂性与平均情况的经典复杂性联系起来,可能会提出新的方法来减少普通最坏情况与最坏情况设置中的多项式差距。
2000-06-23 cs.CC quant-ph
Monte Carlo to Las Vegas for Recursively Composed Functions
University of Waterloo(滑铁卢大学);Institute for Quantum Computing(量子计算研究所)
该研究证明了递归组合函数中随机查询复杂度的组合限制等于最大值,从而将有界误差随机算法转换为零误差算法,并扩展到量子算法。
2026-01-12 cs.CC quant-ph
On (Simple) Decision Tree Rank
在布尔函数的决策树计算模型中,深度对应于查询复杂度,大小对应于存储空间。深度度量是研究最充分的一个,并且已知与函数的几个非计算复杂性度量(诸如证书复杂性)多项式相关。规模的措施也进行了研究,但在较小程度上。另一个很少受到关注的决策树度量是决策树的最小秩,它首先由Eschericht和Haussler在1989年提出。这个度量与大小的对数密切相关,但与深度不是多项式相关,因此它可以揭示有关函数复杂性的其他信息。它的特点是由Pudlák和Impagliazzo在树状分辨率证明的背景下首次提出的证明延迟游戏的价值。在本文中,我们进一步研究这一措施。我们得到的秩和傅立叶稀疏性的深度上界。我们得到的上限和下限的排名(变种)证书的复杂性。我们还得到了上界和下界的深度的外部功能和内部功能的组成功能的秩。这使我们能够容易地恢复已知的渐近下限的大小的对数迭代与或和迭代3位多数。我们精确地计算了几个自然函数的秩,并用它们来证明我们得到的所有界都是紧的。我们还表明,在简单的决策树模型中的秩可以用来约束查询的复杂性,或深度,在更一般的合取决策树模型。最后,我们改进了Tribes函数的大小下界,并得出结论:在Escherichfeucht和Haussler得到的决策树的大小-秩关系中,Tribes函数的上界是渐近紧的.
2022-09-26 cs.CC
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
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
Separations in query complexity using cheat sheets
我们展示了一个总布尔函数的有界错误随机化和量子查询复杂性之间的幂2.5分离,驳斥了人们普遍认为的最佳分离只能是二次的猜想(来自Grover算法)。我们还提出了一个总功能的量子查询复杂性和近似多项式的程度之间的权力4分离,显示严重的限制的权力的多项式方法。最后,我们展示了量子查询复杂性和证书复杂性之间的二次差距的总函数,这是最佳的(最多对数因子)。这些分离是使用一种新的,通用的技术,我们称之为备忘单技术。该技术是基于一个通用的转换,将任何(可能部分)功能转换成一个新的总功能与所需的属性,显示分离。该框架还允许许多已知的分离,包括Ambainis等人最近的一些突破性结果,以统一的方式展示。
2019-07-09 cs.CC quant-ph
The Banach-Butterfly Invariant: Influence-Adaptive Walsh Geometry for Ternary Polynomial Threshold Functions
Lehigh University(莱德大学);Johnson and Johnson(强生公司)
本文提出Banach-Butterfly不变量,用于三元多项式阈值函数的适应影响的Walsh几何分析,通过影响向量的Schur凸性分离函数,并证明其作为收缩不变量的性质。
2026-05-02 cs.CC cs.DM cs.LG