Có những trường hợp đối xứng của một vấn đề (dường như) đặc trưng cho sự phức tạp của nó. Một ví dụ rất thú vị là các vấn đề thỏa mãn ràng buộc (CSP).
Định nghĩa về CSP
BạnΓkBạnk{ 0 , 1 }VΓϕ : V→ U
ΓBạn{ 0 , 1 }ΓkBạn{ 0 , 1 }
Đa hình
φ1, ... , φtf: Ut→ Uφϕ ( v ) = f( ϕ1( V ) , ... , φt( v ) )ft
f( x , y, z) = x + y+ z( mod2 )f( x , x , y) = f( y, x , x ) = yf
f( x , y) = x
Đa hình và độ phức tạp (phỏng đoán phân đôi)
Γ1Γ2Γ1Γ2Γ2Γ1
Một vấn đề mở lớn trong lý thuyết phức tạp là đặc trưng cho độ cứng của CSP. Giả thuyết phân đôi của Feder và Vardi nói rằng bất kỳ CSP nào đều ở dạng P hoặc NP hoàn chỉnh. Sự phỏng đoán có thể được rút gọn thành một tuyên bố về đa hình: CSP là NP-cứng nếu và chỉ khi đa hình duy nhất mà nó thừa nhận là "kẻ độc tài" (nếu không thì nó nằm trong P). Tức là một CSP chỉ khó nếu không có cách địa phương để hình thành các giải pháp mới chính hãng từ các giải pháp cũ. Phần if (độ cứng) đã biết, nhưng phần duy nhất (thiết kế thuật toán polytime) là mở.
Bạn= { 0 , 1 }
Để đọc thêm về đa hình, đại số phổ quát và phỏng đoán lưỡng phân, bạn có thể xem khảo sát của Bulatov .
Đa hình và gần đúng
Tôi cũng giới thiệu một bài giảng IAS của Prasad Raghavendra nơi ông đặt kết quả của mìnhđưa ra mức độ gần đúng tối ưu của bất kỳ CSP nào giả định các phỏng đoán trò chơi duy nhất trong một khung tương tự. Ở mức độ cao, nếu tất cả các đa hình (điều này cần được khái quát hóa để xử lý các vấn đề gần đúng) của CSP gần với các nhà độc tài, người ta có thể sử dụng CSP để thiết kế một cách để kiểm tra xem một chức năng có phải là một nhà độc tài hay không là tất cả những gì bạn cần để giảm độ cứng xấp xỉ từ các trò chơi độc đáo. Điều này cho hướng cứng của kết quả của mình; hướng thuật toán là khi một CSP có tính đa hình khác xa với một nhà độc tài, người ta có thể sử dụng một nguyên tắc bất biến (khái quát hóa các định lý giới hạn trung tâm) để cho rằng thuật toán làm tròn SDP cho phép xấp xỉ tốt. Một trực giác thực sự sơ sài cho phần thuật toán: một đa hình khác xa với một nhà độc tài không ' t quan tâm nếu nó được đưa ra dưới dạng đối số (phân phối trên) các phép gán biến hoặc biến ngẫu nhiên gaussian xấp xỉ cục bộ một phân phối trên các phép gán biến. Đây là cách tương tự như hàm tổng "không quan tâm" nếu nó được đưa ra các biến ngẫu nhiên rời rạc với phương sai nhỏ hoặc gaussian rv's có cùng phương sai, theo định lý giới hạn trung tâm. Các biến ngẫu nhiên gaussian mà chúng ta cần có thể được tính toán từ sự nới lỏng SDP của vấn đề CSP. Vì vậy, chúng tôi tìm thấy một đa hình khác xa với một nhà độc tài, cung cấp cho nó các mẫu gaussian và nhận được một giải pháp tốt. nếu nó được đưa ra các biến ngẫu nhiên rời rạc với phương sai nhỏ hoặc gaussian rv's có cùng phương sai, theo định lý giới hạn trung tâm. Các biến ngẫu nhiên gaussian mà chúng ta cần có thể được tính toán từ sự nới lỏng SDP của vấn đề CSP. Vì vậy, chúng tôi tìm thấy một đa hình khác xa với một nhà độc tài, cung cấp cho nó các mẫu gaussian và nhận được một giải pháp tốt. nếu nó được đưa ra các biến ngẫu nhiên rời rạc với phương sai nhỏ hoặc gaussian rv's có cùng phương sai, theo định lý giới hạn trung tâm. Các biến ngẫu nhiên gaussian mà chúng ta cần có thể được tính toán từ sự nới lỏng SDP của vấn đề CSP. Vì vậy, chúng tôi tìm thấy một đa hình khác xa với một nhà độc tài, cung cấp cho nó các mẫu gaussian và nhận được một giải pháp tốt.