Analysis of Nederlof's algorithm for subset sum
我们证明了Nederlof的算法[信息处理快报,118(2017),15-16]用于构造一个证明子集的数量和一个特定的整数等于一个声称的数量是有缺陷的,因为:1)它的一致性没有保持; 2)提出的递归公式是不正确的。
2018-07-06 cs.CC cs.DS
On subset sum problem in branch groups
我们考虑一个经典的子集和问题的群论模拟。本文证明了子集和问题在第一Grigorchuk群上是NP-完全的。更一般地说,我们在弱正则分支群中证明了该问题的NP-困难性,这意味着如果该群是另外收缩的,则该问题是NP-完全的。
2020-06-22 cs.CC math.GR
A Subexponential Reduction from Product Partition to Subset Sum
本文研究乘积划分问题,通过整数因式分解、素因子指数矩阵构造及多子集和问题合并,提出次指数复杂度的PPP到SSP的归约方法,证明归约后SSP规模为多项式级且二者解的存在性等价。
2024-05-21 cs.CC math.CO
Optimization of a Quantum Subset Sum Oracle
本文面向 Grover 量子搜索优化子集和预言机,通过可变宽度算术、部分和、排序及新型位串比较减少量子比特、门和多控制门,并支持近似求解。
2024-10-02 cs.CC cs.ET
Does Subset Sum Admit Short Proofs?
本文研究子集和问题在多项式长度证书下的可解性,系统分析了参数化问题的认证复杂性,并证明置换群子集和问题至少与有界路径宽图的3Coloring问题同等困难。
2024-09-05 cs.CC cs.DS
SETH-Based Lower Bounds for Subset Sum and Bicriteria Path
Subset-Sum和k-SAT是计算机科学中研究最广泛的两个问题,关于它们的难度的说明是细粒度复杂性的基石之一。在这一领域最有趣的开放问题之一是将这些问题之一的难度建立在另一个问题的基础上。我们的主要结果是一个紧密的减少,从k-SAT的子集和密集的情况下,证明贝尔曼的1962年的伪多项式$O^{*}(T)$ -时间算法的子集和$n$号码和目标$T$不能提高到时间$T^{1-\varepsilon}\cdot 2^{o(n)}$的任何$\varepsilon>0$,除非强指数时间假设(SETH)失败。这是细粒度复杂性的任何两个核心问题之间最强的已知联系之一。作为一个推论,我们证明了“直接或”定理的子集和SETH下,提供了一个新的工具,证明条件下界:现在可以假设,决定是否出$N$给定的子集和实例是一个YES实例需要时间$(N T)^{1-o(1)}$。作为这一推论的应用,我们证明了一个严格的SETH为基础的下界的经典Bicriteria s,t-路径问题,这是广泛研究的运筹学。我们将其复杂性与子集和的复杂性分开:在具有$m$边和以$L$为界的边长度的图上,我们证明了Joksch从1966年开始的$O(Lm)$伪多项式时间算法不能改进为$\tilde{O}(L+m)$,这与最近对子集和的改进相反(Bringmann,SODA 2017)。
2021-02-19 cs.CC cs.DS
Upper bound on the number of steps for solving the subset sum problem by the Branch-and-Bound method
我们研究的计算复杂性的背包问题的一个特殊情况下:子集和问题。为了解决这个问题,我们考虑分支定界方法的基本变体之一,其中任何子问题沿着具有最大权重的自由变量分解。用分支定界法解决问题的复杂性,我们指的是用这种方法解决问题所需的步骤数。本文给出了用分枝定界法求解子集和问题的复杂性的上界。这些边界可以很容易地从问题的输入数据中计算出来。因此,这些界限可以用来初步估计分支定界法求解子集和问题所需的计算资源。
2015-06-20 cs.CC cs.DS
Improved Approximation Schemes for (Un-)Bounded Subset-Sum and Partition
本文考虑了子集和问题及其重要的变形。在SUBSET SUM问题中,给定一个$n$正数的(多)集合$X$和一个目标数$t$,任务是寻找$X$的最大和不超过$t$的子集.这是众所周知的,这个问题是NP-困难的,并承认完全多项式时间近似计划(FPTAS)。近年来,在($\min$,+)-卷积猜想~ \cite{bringmann2021fine}的假设下,证明了对于任意小的$δ>0$,不存在运行时间$\tilde\OO( 1/ε^{2-δ})$的FPTAS.然而,如果我们放松约束,使得任务是找到$X$的子集,该子集可以稍微超过阈值$t$乘以$ε$,并且子集内的数字之和至少是遵守约束的最优目标值的$1-\tilde\OO(ε)$倍,则可以绕过下限。可能违反约束的近似方案也被称为弱近似方案。对于子集和问题,存在在时间上运行的随机弱近似方案$\tilde\OO(n+ 1/ε^{5/3})$ [Mucha et al. '19]。对于目标$t$是所有输入数总和的一半的特殊情况,弱近似方案等价于不违反约束的近似方案,并且最知名的算法在$\tilde\OO(n+1/ε^{{3}/{2}})$时间内运行[Bringmann and Nakos'21]。
2022-12-06 cs.CC cs.DS
A Quantum Approach to Subset-Sum and Similar Problems
在本文中,我们研究的子集和问题,使用量子启发式的方法类似的验证电路的量子亚瑟-梅林游戏。在一定的假设条件下,我们证明了子集和问题的精确解可以在多项式时间内得到,并且比经典算法的速度有可能达到指数级。我们给出了一个数值例子,并讨论了该方法的复杂性和它的进一步应用背包问题。
2017-09-22 cs.CC cs.DS quant-ph
EXPSPACE-Completeness of the Logics K4xS5 and S4xS5 and the Logic of Subset Spaces, Part 1: ESPACE-Algorithms
已知乘积逻辑K_4xS_5和S_4xS_5以及子集空间的逻辑SSL的可满足性问题都在N_2EXPTIME中。我们提出ESPACE算法,这些问题的复杂性,提高了这个上限。在另一篇论文中,我们证明了这些问题是EXPSPACE-困难的。这表明这三个问题都是EXPSPACE完备的。
2019-08-09 cs.CC cs.LO math.LO
Lower bounds for identifying subset members with subset queries
一组测试问题的实例是一组对象$\cO$和$\cO$的未知子集$P$。任务是通过使用类型为“$P$与$Q$相交吗”的查询来确定$P$,其中$Q$是$\cO$的子集。这个问题发生在诸如故障检测、多路访问通信、最优搜索、血液检测和染色体映射等领域。考虑求解一组测试问题的两阶段算法。在第一阶段中,并行地询问预定的查询集合,并且在第二阶段中,通过测试各个对象来确定$P$。令$n=\cardof{\cO}$。假设通过以概率$p/n$将每个$x\in \cO$独立地添加到$P$来生成$P$。令$q_1$($q_2$)是在该算法的第一(第二)阶段中询问的查询的数量。我们表明,如果$q_1=o(\log(n)\log(n)/\log\log(n))$,那么$\Exp(q_2) = n^{1-o(1)}$,而存在的算法与$q_1 = O(\log(n)\log(n)/\log\log(n))$和$\Exp(q_2) = o(1)$。证明涉及到一个松弛技术,可用于任意分布。以前已知的最佳界限是$q_1+\Exp(q_2) = Ω(p\log(n))$。对于一般的组测试算法,我们的研究结果意味着,如果在$n^γ$($γ>0$)独立实验的过程中查询的平均数是$O(n^{1-ε})$,那么以高概率$Ω(\log(n)\log(n)/\log\log(n))$非单例子集查询。这解决了Bill Bruno和Dav…
1994-11-03 cs.CC math.CO
Efficient Reporting of Top-k Subset Sums
“子集和问题”是一个非常著名的NP完全问题。在这项工作中,top-k变化的“子集和问题”被认为是。这个问题在推荐系统中有着广泛的应用,在推荐系统中,需要的不是k个最好的对象,而是具有最低(或最高)总得分的k个最好的对象子集。给定一个n个实数的输入集R和一个正整数k,我们的目标是生成R的k个最佳子集,使得它们的元素之和最小化。我们的解决方案方法是基于构建一个元数据结构G为给定的n。G的每个节点存储大小为n的位向量,从中可以检索R的子集。这里证明了不需要构造整个图G。为了回答一个查询,只需要隐式遍历G的所需部分就足够了,这显然摆脱了预处理步骤,从而减少了整体的时间和空间需求。然后,提出了一种改进的算法来生成每个子集递增,它表明,它是可能的,以消除显式存储的位向量。这不仅提高了空间要求,而且提高了渐近时间复杂度。最后,我们的算法,只报告前k子集和的变化已与现有的算法相比,这表明我们的算法在时间和空间要求方面表现得更好,由一个常数因子。
2021-08-25 cs.CC cs.DS
Classical and Quantum Algorithms for Variants of Subset-Sum via Dynamic Programming
子集求和是一个NP完全问题,其中必须判定$n$整数的多集合是否包含其元素和为目标值$m$的子集。最著名的经典和量子算法分别在时间上运行$\tilde{O}(2^{n/2})$和$\tilde{O}(2^{n/3})$,基于著名的中间相遇技术。在这里,我们介绍了一种新的经典的动态编程为基础的数据结构与应用程序的子集和和一些变种,其中包括(其中寻找两个具有相同和的不相交子集),2-Subset-Sum(Subset-Sum的一个宽松版本,其中输入集中的每个项目可以在求和中使用两次),以及Shifted-Sums,这两个变体的推广,其中寻找两个不相交的子集,其和相差某个指定值。给定任何模数$p$,我们的数据结构可以在时间上构造为$O(n^2p)$,之后可以在时间上查询$O(n^2)$,查询求和为任何模数$p$的值的子集列表。我们使用这种数据结构结合可变时间振幅放大和一个新的量子对发现算法,扩展的量子爪发现算法的多个解决方案的情况下,给出一个$O(2^{0.504n})$量子算法的移位和,最有名的$O(2^{0.773n})$经典的运行时间的改进。顺便说一句,我们获得了新的$\tilde{O}(2^{n/2})$和$\tilde{O}(2^{n/3})$经典和量子算法的子集和,而不是基于开创性的满足在中间的方法。我们还研究了鸽子洞模型和鸽子洞模型和鸽子洞,其中解决方案的存在性是由鸽子洞原理…
2022-07-22 cs.CC cs.CR cs.DS
Subset Sum via Partial Match
Institute for Interdisciplinary Information Sciences, Tsinghua University(清华大学交叉信息研究院);Columbia University(哥伦比亚大学)
本文提出一种基于部分匹配的表示技术,通过深度2线性电路实现子集和问题在 $O(2^{0.499999n})$ 时间内求解,突破中间相遇障碍。
2026-10-08 cs.CC cs.DS
Dense Subset Sum may be the hardest
子集求和问题询问给定的$n$正整数集合是否包含元素的子集,这些元素的总和等于给定的目标$t$。Horowitz和Sahni [J. ACM 1974]提出的子集和的$O^*(2^{n/2})$时间算法是否能在最坏情况下被“真正更快”的、具有某些恒定$δ> 0$的$O^*(2^{(0.5-δ)n})$时间算法击败,这是一个悬而未决的问题。继续早期的工作[STACS 2015],我们研究了由最大bin大小$β$参数化的Subset Sum,$β$定义为产生相同总和的$n$输入整数的最大子集数量。对于每一个$ε> 0$,我们给出了一个真正更快的算法的实例与$β\leq 2^{(0.5-ε)n}$,以及实例与$β\geq 2^{0.661n}$。因此,我们也得到了一个表征流行的密度参数$n/\log_2 t$:如果所有的密度至少$1.003$的实例承认一个真正更快的算法,那么这样做的每一个实例。这违背了目前的直觉,即密度1的实例是最难的,因此是朝着肯定回答开放问题迈出的一步。我们的研究结果源于新的组合早期算法子集和研究的极值问题添加剂组合连接到问题的唯一可解码的代码对信息论。
2015-08-25 cs.CC cs.DM cs.DS
Faster Space-Efficient Algorithms for Subset Sum, k-Sum and Related Problems
我们提出了空间有效的Monte Carlo算法,解决子集和背包实例与$n$项目使用$O^*(2^{0.86n})$时间和多项式空间,其中$O^*(\cdot)$符号抑制因素多项式的输入大小。这两种算法都假定对随机位的随机只读访问。模这个温和的假设,这解决了一个长期存在的开放问题,在精确算法的NP难问题。这些结果可以推广到求解$n$变量上的二元线性规划问题,在相似的运行时间内,约束条件较少。我们还表明,对于任何恒定的$k\geq 2$,$k$ -Sum的随机实例可以解决使用$O(n^{k-0.5}polylog(n))$时间和$O(\log n)$空间,而不需要随机访问随机位的假设。这些结果的基础是一个算法,该算法确定两个给定的列表的长度$n$与整数由一个多项式在$n$共享一个共同的值。假设随机只读访问随机位,我们表明,这个问题可以解决使用$O(\log n)$空间显着快于平凡的$O(n^2)$时间算法,如果没有值经常出现在同一列表中。
2017-06-24 cs.CC cs.CR cs.DS
Beyond Worst-Case Subset Sum: An Adaptive, Structure-Aware Solver with Sub-$2^{n/2}$ Enumeration
本文提出了一种适应性、结构感知的子集和求解器,通过减少枚举空间和优化运行时间,实现了低于2^{n/2}的效率提升。
2025-12-03 cs.CC cs.DM cs.DS