计算复杂性理论前沿:UG 猜想证明的新突破
最近的一系列新证明,使理论计算机科学家离这个学科的一个伟大猜想更近一步。
1.向证明 UG 猜想更进一步
今年1月份在线发布的一篇论文,最近其他三篇论文结合在一起,使得UG猜想的证明向前迈出了实质性的一步。UG 猜想即 Unique Games Conjecture,该猜想是由纽约大学的计算机科学家 Subhash Khot 在2002年提出的。(注:UG 猜想提出时,Subhash Khot 正在普林斯顿大学攻读博士学位。)
UG 猜想的提出者:Subhash Khot
图片来源:Quanta Magazine
UG 猜想( 在过去的十五年中,这一猜想刺激了对泡沫几何(geometry of foams)和选举系统稳定性(stability of election systems)等多个话题的探索。 如果这个猜想能够得到证明,其含义将远远超出网络顶点着色(network-coloring)。
以色列威茨曼研究所的理论计算机科学家 Irit Dinur 认为:“如果这个猜想是对的,一大类着色问题的复杂度就能被很好地解释”。
时间复杂度
然而,直到此论文发表之前,所有证明 UG 猜想的尝试都失败了。 与此同时,计算机科学家还曾暗示这个猜想实际上可能是错误的。
随着这项新工作的发表,旧有的思想似乎已经转变了。 哈佛大学理论计算机科学家Boaz Barak 曾是这个猜想最激烈的怀疑者之一,但他说:“这是 的证据, 这项工作 ”
哈佛大学理论计算机科学家 Boaz Barak
2.为计算复杂性寻找漂亮的解释
理论计算机科学家已经知道, (当然,我们总是可以通过穷举的方法,来找到合适的着色方案,但是当要着色的图很大时,这样蛮力的算法是非常低效的。)
NP 问题、P 问题和 NPC 问题
P(Polynomially)问题:可在多项式时间内得解的问题。
NP 问题:不一定在多项式时间内得解,但可以在多项式时间内验证一个解的问题。只有 NP 问题才能找到多项式级的算法。
NPC 问题:所有 NP 问题都可以约化(Reducibility)到 NPC 问题。目前尚无多项式级的有效算法,计算的时间复杂度是指数级甚至是阶乘级的。
经典的图着色问题是一类 NP 完全问题(NPC 问题),没有多项式的有效算法。而对于 NPC 问题而言,随着问题规模增长,计算时长会呈指数级甚至阶乘级增长。
关于计算复杂度和 NPC 问题,可参考:http://www.matrix67.com/blog/archives/105
但如果你可用的颜色数量,比必要的颜色更多呢? 比如你要处理一个用四种颜色着色的图,但你却可以使用100种颜色。 你是否可以使用更大的颜色表,来有效地对这些图进行着色? Khot 认为答案是否定的,但他还无法证明。
Khot 发现,解决 Unique Games 问题的关键,在于理解图着色的复杂度。图着色问题的目标,和 UG 问题一样,同样是为图中的点着色,但这个问题的规则更特殊:无论何时,为某个节点着色时,相邻的节点都必须使用某种特定的颜色。而 UG 问题中,相邻节点的着色规则可能会冲突(比如婚礼上的冲突的座位需求),所以,我们的目标是,找到一种着色方案,使之满足尽可能多的着色规则。 (Unique Games 这个名字来源于博弈论中的一个类似的问题,而不是图着色的问题)
对于 A 中给出的约束规则,可以找到一个满足所有规则的着色方案,如 B。
但有时只能找到满足部分约束规则的着色方案。比如对于 C 中给出的约束规则,可以找到着色方案 D,满足了加粗连边以外三条边的约束规则(满足75%的规则)。
图片来源:Wikipedia
乍看之下,如果图上的着色规则能接近完全满足约束规则,那么找到一种完全满足约束规则的着色方案应该不难。比如某个着色方案在99%的节点上可以符合规则地着色,那么,似乎只要找到能让剩下1%的节点成功着色的方法就可以了。
但 Khot 怀疑,即便已经有99%的节点可以着色,想要找到让剩下1%节点成功着色的方案,也是非常棘手的。根本就没有一种有效的算法,可以为所有的图都找到完全符合规则的着色方案。 他猜想,对于一套着色方案算法,即使图上99.9999%的节点都满足着色规则,但要让剩下0.0001%的节点也同时满足,依然是困难的。不论这个比例有多小,都会是困难的。
图片来源:Quanta Magazine
Khot 提出这个猜想的动机与图着色密切相关。但当他和其他理论计算机科学家开始对 UG 猜想做推广时,他们发现它包含的信息远超图着色问题本身。 Khot 说,这个猜想是“自成体系的”。
特别是在 2008 年,加州大学伯克利分校的 Prasad Raghavendra 的工作表明,如果UG猜想是正确的,那么一个叫做半定规划(semidefinite programming)的算法可以为所有的“约束补偿问题”( ,也就是说当你要尽可能满足尽可能多的规则)提供最优的近似解。
伯克利的 Prasad Raghavendra
你可以想当然地将算法设计看作一个有创造性的过程,在这个过程中,你必须找到新颖的算法去解决遇到的每个问题,”Barak 说道。 但是 Raghavendra 的工作意味着,如果 UG 猜想是正确的,那么对于许多问题来说,创造性是多余的——半定规划算法就是一种万能的解决方案。
Irit Dinur:为很多事情找到漂亮的解释,是我们的真爱所在,特别是在科学和数学方面。从这个角度来看,我们真的希望这个猜想是正确的。”
德州大学奥斯汀分校的 Dana Moshkovitz 认为,在 Raghavendra 的结果提出之后,理论计算机科学家对 UG 猜想的信任程度,“完全取决于我们是否相信半定规划能够如此强大,”得克萨斯大学奥斯汀分校的 Dana Moshkovitz 说道。 而对于许多理论计算机科学家来说,这似乎是一个可疑的命题。
Dana Moshkovitz
他们的疑虑受到了 UG 问题的两个特点的支持。 一方面,Khot 的猜想认为,对某些图而言,即使找到让99%节点满足规则,但还是难以找到同时解决剩下的1%节点的着色方案。不过目前还没有人能够找到这样的具体示例。 这与其他数学难题形成鲜明对比。 例如,当涉及到整数分解时(一个普遍认为没有高效算法的问题),只需将大素数相乘,就可以很容易地找出残差分解算法的数字。
2010年,Barak 与普林斯顿大学的 Sanjeev Arora 和瑞士苏黎世联邦理工学院的 David Steurer 一起为某些形式的 UG 问题,提出了“次指数”算法(sub exponential algorithm)。
次指数算法,指运算时间比多项式级增长得快,但仍明显小于指数的算法。
David Steurer
计算问题的蛮力方法往往带来运算时间的“指数”级增长,可能是2^n或3^n。 例如,如果你想用3种颜色为n个顶点着色,那么就有3^n种可能的着色——对于任何计算机来说,其耗时远远超过了可以接受的范围,即便是对于很小的n也是如此。 在一个次指数算法中,其指数小于n——例如它可能是n的平方根,这意味着该算法比蛮力方法快得多。尽管还不够快,不足以称为是真正有效的(计算机科学家以使算法的运行时间在多项式级别为荣,例如n^2或n^3)。
在 UG 问题的次指数算法提出之后,“我想至于人们认为的算法,’得了,我们会加把劲研究,最终找到一个真正高效的算法,’”卡内基梅隆大学的 Ryan O’Donnell 说道。要是这种情况发生,UG 猜想将会被证伪。
理论计算机科学家 Ryan O’Donnell
O’Donnell 回顾了2014年在首尔举行的国际数学家大会上午餐时,关于这个理论的非正式地投票。在那次会议中,Khot 被授予奈望林纳奖(Rolf Nevanlinna Prize)——计算机科学最高荣誉之一——在很大程度上,是由于他的在 UG 猜想上做出的工作。而当 O’ Donnell 问谁认为这个猜想是对的时,只有他和 Khot 举手。
O’ Donnell 说:“我觉得 Khot 因 UG 猜想获奖的过程实在有趣,要知道很多人认为这个猜想是错误的”。
3.问题很难,但是可计算
四篇新论文(其中也依赖普林斯顿大学的 Barak,Steurer 和 Pravesh Kothari 的观察以及 Moshkovitz 的观点)所提出的观点,并不能为 UG 猜想提供的完整证据。 不过,它证明了 “2-2 Games” 猜想,这是一种类似的猜想。所谓 “2-2 Games”,是指当你为一个顶点着色时,你可以从两种颜色中选择,为它的相邻顶点着色。
图片来源:Quanta Magazine
看到这项最新工作之后,O’Donnell 认为趋势正在转变,但他认为像 UG 猜想这样的问题还是很难解决的。
Irit Dinur,就职于以色列魏茨曼研究所,正致力于解决 UG猜想。
论文地址:
https://eccc.weizmann.ac.il/report/2018/006/
翻译:王贝贝
审校:章彦博,刘培源
编辑:小风
原文地址:https://www.quantamagazine.org/computer-scientists-close-in-on-unique-games-conjecture-proof-20180424/
推荐阅读
Nature最新论文解读:最小车队问题与“乌托邦”交通系统 | 张江
集智QQ群|292641157
商务合作|zhangqian@swarma.org
投稿转载|wangting@swarma.org
◆ ◆ ◆
搜索公众号:集智俱乐部
加入“没有围墙的研究所”
让苹果砸得更猛烈些吧!
始发于微信公众号: 集智俱乐部