[논문 리뷰] Monoidal computer II: Normal complexity by string diagrams

Duško Pavlović|arXiv (Cornell University)|2014. 02. 23.

Computability, Logic, AI Algorithms참고 문헌 31인용 수 9

한 줄 요약

이 논문은 고유한 복잡도 측정법을 카테고리적 프레임워크를 사용하여 도입하며, 스트링 다이어그램을 활용해 기계에 종속되지 않는 방식으로 계산과 복잡도를 형식화한다. 시간 복잡도와 공간 복잡도가 정상 복잡도 측정법임을 보여주며, 이는 복잡도 평가가 프로그램 실행만큼 비용이 들지 않음을 의미한다. 이를 통해 가설 검증과 알고리즘 학습에서 실용적인 런타임 응용이 가능해진다.

ABSTRACT

In Monoidal Computer I, we introduced a categorical model of computation where the formal reasoning about computability was supported by the simple and popular diagrammatic language of string diagrams. In the present paper, we refine and extend that model of computation to support a formal complexity theory as well. This formalization brings to the foreground the concept of normal complexity measures, which allow decompositions akin to Kleene's normal form. Such measures turn out to be just those where evaluating the complexity of a program does not require substantially more resources than evaluating the program itself. The usual time and space complexity are thus normal measures, whereas the average and the randomized complexity measures are not. While the measures that are not normal provide important design time information about algorithms, and for theoretical analyses, normal measures can also be used at run time, as practical tools of computation, e.g. to set the bounds for hypothesis testing, inductive inference and algorithmic learning.

연구 동기 및 목표

• 카테고리적 및 다이어그램적 방법을 사용하여 기계에 종속되지 않는 복잡도 이론을 개발하기 위해.
• 측정하는 프로그램만큼 계산적으로 가벼운 복잡도 측정법을 형식화하기 위해.
• 클리니 스타일의 정상 형식을 지원하는 '정상' 복잡도 측정법을 식별하고 특성화하기 위해.
• 복잡도 경계의 런타임 사용을 가능하게 하여 이론적 복잡도와 실질적 계산 간 격차를 메우기 위해.
• 카테고리 이론을 사용하여 계산 가능성, 복잡도, 암호학에 대한 고수준 추론의 기초를 제공하기 위해.

제안 방법

• 모노이드 카테고리에서 실행 추적과 프로그램 변환을 표현하기 위해 스트링 다이어그램을 사용한다.
• 객체가 복잡도 등급(예: 시간 또는 공간 단계)으로 라벨링된 계층적 모노이드 컴퓨터를 도입한다.
• 카테고리 내에서 내재된 트레이스 평가기와 보편 평가기를 통해 정규화를 정의한다.
• 정상 복잡도 측정법을 블룸 측정법 중에서 카테고리적 정규화 조건을 만족하는 것으로 특성화한다.
• C♮에서 내재된 조건문과 정지 함수를 사용하여 복잡도 평가의 결정 절차를 표현한다.
• 정상 측정법이 클리니 유사 정상 형식을 갖추며, 복잡도를 단일 검색 연산으로 줄일 수 있음을 증명한다.

실험 결과

연구 질문

• RQ1 측정하는 프로그램만큼 비용이 들지 않는 복잡도 측정법은 무엇으로 특징지어질 수 있는가?
• RQ2 카테고리 이론을 사용하여 기계에 종속되지 않고 고수준의 프레임워크에서 복잡도 이론을 어떻게 형식화할 수 있는가?
• RQ3 어떤 복잡도 측정법이 클리니의 정상 형식 정리의 카테고리적 버전을 허용하는가?
• RQ4 가설 검증과 인도적 추론과 같은 작업에서 복잡도 경계를 런타임에 효과적으로 사용할 수 있는가?
• RQ5 시간 복잡도와 공간 복잡도가 통합된 프레임워크에서 기반 카테고리적 구조는 무엇인가?

주요 결과

• 정상 복잡도 측정법은 복잡도 평가가 프로그램 자체 평가만큼 비용이 들지 않으며, 카테고리적 정규화 조건을 만족하는 경우를 의미한다.
• 시간 복잡도와 공간 복잡도는 정상 측정법임이 입증되었으나, 평균 복잡도와 랜덤화 복잡도는 그렇지 않다.
• 이 프레임워크는 복잡도를 인코딩된 실행 추적에 대한 단일 검색으로 줄이는 카테고리적 클리니 정상 형식을 지원한다.
• 스트링 다이어그램은 모노이드 카테고리에서 복잡도를 표현하고 추론하는 데 자연스럽고 조합적인 언어를 제공한다.
• 등급화와 트레이스 평가의 내재화는 다양한 계산 모델 간의 복잡도에 대해 통일된 처리를 가능하게 한다.
• 정상 측정법은 인도적 추론과 알고리즘 학습에서 경계 설정과 같은 실용적 작업에 런타임에서 사용될 수 있다.