Một cách hiệu quả có thể lấy mẫu một lân cận của một đỉnh trong đồ thị của một đa giác?


15

Tôi có một đa giác P được xác định bởi {x:Axb,x0} .

Câu hỏi: Cho một đỉnh v của P , có thuật toán thời gian đa thức để lấy mẫu đồng nhất từ ​​các lân cận của v trong đồ thị của P không? (Đa thức về thứ nguyên, số phương trình và biểu diễn của b . Tôi có thể giả sử rằng số phương trình là đa thức trong thứ nguyên.)

Cập nhật: Tôi nghĩ rằng tôi đã có thể chỉ ra rằng đây là NP-hard, hãy xem câu trả lời của tôi giải thích lập luận. (Và bởi NP -hard, ý tôi là thuật toán thời gian đa thức sẽ chứng minh RP=NP ... không chắc thuật ngữ chính xác ở đây là gì.)

Cập nhật 2: Có một bằng chứng 2 dòng về NP -hardness (được cung cấp đa giác kết hợp đúng) và tôi đã có thể tìm thấy nó một bài viết của Khachiyan. Xem câu trả lời cho mô tả và liên kết. : -D


Một vấn đề tương đương :

Trong các bình luận, Peter Shor đã chỉ ra rằng câu hỏi này tương đương với câu hỏi liệu chúng ta có thể lấy mẫu đồng nhất từ ​​các đỉnh của một đa giác đã cho hay không. (Tôi nghĩ rằng sự tương đương đi như thế này: Trong một hướng, chúng ta có thể đi từ một polytope P với một đỉnh v với con số đỉnh tại v , P/v , và lấy mẫu các đỉnh của P/v tương đương với lấy mẫu những người hàng xóm của v trên P Theo hướng khác, chúng ta có thể đi từ đa giác P sang đa giác Q có chiều cao hơn bằng cách thêm hình nón với đỉnh v và cơ sở P. Sau đó lấy mẫu các lân cận của v trong Q tương đương với lấy mẫu các đỉnh của P )

Công thức này của câu hỏi đã được hỏi trước đây: /mathpro/319930/sampling-uniformly-from-the-vertices-of-a-polytope



Tôi không biết câu trả lời cho câu hỏi của bạn, nhưng theo hiểu biết của tôi, không có độ cứng NP nào được biết để lấy mẫu một cách đồng nhất một đỉnh của một đa giác được đưa ra một cách rõ ràng. Ví dụ, chu kỳ lấy mẫu xấp xỉ là NP-hard. Tuy nhiên, nếu có một số chương trình tuyến tính có các đỉnh mã hóa chu kỳ, thì rất có thể bạn có thể tối ưu hóa độ dài của chu kỳ, và do đó giải quyết Hamilton-Chu kỳ.
Heng Guo

Một nhận xét khác là ngay cả khi câu hỏi của bạn có câu trả lời tích cực, nó không mang lại một bộ lấy mẫu thống nhất cho các đỉnh (giả sử giả thuyết đa giác 0-1). Bộ xương của polytope trong hầu hết các trường hợp thú vị là không thường xuyên, và độ có thể thay đổi theo cấp số nhân.
Heng Guo

@HengGuo Cảm ơn các bình luận một lần nữa, chúng rất hữu ích. Bạn có tình cờ biết một ví dụ điển hình trong đó mức độ thay đổi theo cấp số nhân? (Tôi không ngạc nhiên rằng điều này có thể xảy ra cho polytopes chung, nó sẽ được tốt đẹp để có một ví dụ tổ hợp nếu bí quyết của một ra khỏi đỉnh đầu của bạn.)
Lorenzo Najt

Hãy xem xét tập hợp đa giác độc lập của đồ thị lưỡng cực. Hai đỉnh (hai bộ độc lập) được kết nối nếu sự khác biệt đối xứng của chúng tạo ra một sơ đồ con được kết nối. Bây giờ, lấy một đồ thị lưỡng cực có một cạnh chỉ có hai đỉnh, kết nối với mọi đỉnh ở phía bên kia và v 2 chỉ có một. Xem xét các bộ độc lập { v 1 }{ v 2 } . v1v2{v1}{v2}
Heng Guo

5
Lấy mẫu thống nhất các đỉnh lân cận của một đỉnh đã cho của một đa giác là vấn đề tương tự như lấy mẫu một đỉnh ngẫu nhiên của một đa giác đều. Cắt bỏ một hình nón vô cùng gần với đỉnh. Người ta sau đó có một đa giác mới, và nếu bạn có thể lấy mẫu một đỉnh của đa giác mới này, thì người ta có thể lấy mẫu một đỉnh lân cận của đa giác gốc. Tôi đoán làm điều này xấp xỉ là trong BPP, nhưng tôi không thể tìm thấy bất kỳ bài báo nào chứng minh điều này.
Peter Shor

Câu trả lời:


4

NP

Đầu tiên, nhớ lại đa giác lưu thông của đồ thị ở cuối trang 4 của Tạo tất cả các đỉnh của khối đa diện là khó .

Các đỉnh của nó nằm trong sự tương ứng sinh học với các chu kỳ đơn giản được định hướng. Do đó, chúng khó lấy mẫu hoặc đếm theo Đề xuất JVV 5.1 . : -D

Được trang bị những từ khóa này, tôi đã có thể tìm thấy độ cứng của kết quả lấy mẫu như định lý 1 của Siêu dữ liệu chuyển đổi và Gia đình của Đa giác Cones của Khachiyan.


Chỉnh sửa: Tôi đã viết lên các đối số dưới đây, và nó xuất hiện chính xác. Tuy nhiên, có một đối số đơn giản hơn nhiều, mà tôi sẽ phác thảo ở đây:

a) Bằng cách phân tích các thuật toán quay lui để liệt kê tất cả các đỉnh và tất cả các mặt của khối đa diện lồi (Fukuda et al.), NP-hard rất khó giải quyết vấn đề sau trên các đa giác:

Ax=b,x0RnSn

vPS

yikiSk=1,,d0yikxiPS,dd|supp(x)S|

2d|supp(x)S|supp

dPS,dS

Dường như có nhiều phần mở rộng này. Tôi sẽ cập nhật với một liên kết khi viết xong.


(Đối số cũ từng có ở đây - đó là trong lịch sử chỉnh sửa. Tôi đã xóa nó vì nó rất dài và sẽ cản trở việc tìm câu trả lời chính xác cho câu hỏi.)


H1H0leavesd

|H0||H1|

Phải có điều gì đó sai với điều này. Nếu có một đa giác có các đỉnh là lassos và các chu kỳ đơn giản, chúng ta có thể sử dụng lập trình tuyến tính để tối đa hóa bất kỳ hàm tuyến tính nào chúng ta muốn trên đa giác này không? Và điều đó có cho phép chúng ta tìm thấy một bức tranh kéo dài trong thời gian đa thức không?
Peter Shor

@PeterShor Tôi nghĩ điều này không xảy ra vì đa giác sống bên trong siêu phẳng được xác định bằng cách đặt tổng của các biến cạnh là một. Vì vậy, chức năng là không đổi trên polytope. Hàm đại diện cho số cạnh là kích thước của sự hỗ trợ của vectơ, không tuyến tính trên đa giác này.
Lorenzo Najt

@PeterShor Tôi đã thêm một bằng chứng rằng hàm 'số cạnh' không thể là tuyến tính, xem hình ở phía dưới.
Lorenzo Najt
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.