[论文解读] Average-Case Completeness in Tag Systems

Nakamura, Yoshiki, Asada, Kazuyuki+3 more|arXiv (Cornell University)|Jun 8, 2006

Complexity and Algorithms in Graphs参考文献 75被引用 8

一句话总结

本文综述了NP中的平均情况复杂度，建立了在均匀分布下NP问题的完备性结果：若某一特定NP问题在平均情况下容易，则在任何可采样分布下所有NP问题在平均情况下都容易。本文回顾了基础概念，包括Levin的完备性理论、单向函数以及困难性放大，同时指出了连接最坏情况与平均情况复杂度的开放问题。

ABSTRACT

To prove average-case NP-completeness for a problem, we must choose a known average-case complete problem and reduce it to that problem. Unfortunately, the set of options to choose from is far smaller than for standard (worst-case) NP-completeness. In an effort to help remedy this we focus on tag systems, which due to their extreme simplicity have been a target for other types of reductions for many problems including the matrix mortality problem, the Post correspondence problem, the universality of cellular automaton Rule 110, and all of the smallest universal single-tape Turing machines. Here we show that a tag system can efficiently simulate a Turing machine even when the input is provided in an extremely simple encoding which adds just log n carefully set bits to encode an arbitrary Turing machine input of length n. As a result we show that the bounded halting problem for nondeterministic tag systems is average-case NP-complete. This result is unexpected when one considers that in the current state of the art for simple universal systems it had appeared that there was a trade-off whereby simpler systems required more complicated input encodings. In other words, although simple systems can compute interesting things, they had appeared to require very carefully encoded inputs in order to do so. Our result surprisingly goes in the opposite direction by giving the first average-case completeness result for such a simple model of computation. In ongoing work we have already found applications of our result having used it to give average-case NP-completeness results for a 2D generalization of the Collatz function, a nondeterministic version of the 2D elementary functions studied by Koiran and Moore, 3D piecewise affine maps, and bounded Post correspondence problem instances that use simpler word pairs than previous results.

研究动机与目标

• 形式化并综述NP问题的平均情况复杂度理论，尤其关注在均匀分布和可采样分布下的完备性。
• 研究NP中存在平均情况困难问题的假设是否可基于P ≠ NP假设或相关最坏情况假设建立。
• 考察单向函数在密码学中的作用及其与NP中平均情况不可解性的关联。
• 分析当前证明技术在建立NP中最坏情况到平均情况联系方面的局限性。
• 探讨困难性放大技术及其对密码学安全性和计算复杂性的影响。

提出的方法

• 引入并形式化了使用可计算、可采样及任意分布于NP输入上的‘平均情况高效’的定义。
• 应用分布问题之间的归约来定义平均情况复杂度中的完备性，尤其针对有界归约问题。
• 应用Levin的完备性结果：若在均匀分布下有界归约问题是平均情况容易的，则在任何可采样分布下所有NP问题都是平均情况容易的。
• 分析启发式和无错误算法，区分平均情况设置下决策问题与搜索问题。
• 采用Yao的XOR引理和O’Donnell的方法进行困难性放大，表明弱困难问题可被转化为强困难问题。
• 研究可采样分布的可逆性和可压缩性，以关联平均情况复杂度与密码学原 primitive。

实验结果

研究问题

• RQ1 能否基于P ≠ NP假设来证明NP中存在平均情况困难问题？
• RQ2 是否存在一个在均匀分布下对平均情况NP完备的问题，使得其可解性可推出在任何可采样分布下所有NP问题的可解性？
• RQ3 Yao的XOR引理或O’Donnell方法等困难性放大技术在多大程度上可将弱困难问题转化为强困难问题？
• RQ4 单向函数与NP中的平均情况不可解性有何关联？能否从最坏情况假设构造单向函数？
• RQ5 可采样分布在建模NP问题的真实世界输入分布中起什么作用？它们如何影响平均情况复杂度？

主要发现

• Levin的完备性结果表明：若在均匀分布下有界归约问题是平均情况容易的，则在任何可采样分布下所有NP问题都是平均情况容易的。
• 本文表明，某些证明技术无法证明P ≠ NP意味着存在平均情况困难的NP问题，揭示了当前方法的内在局限性。
• 通过Yao的XOR引理和O’Donnell方法进行困难性放大，表明弱困难问题可被转化为强困难问题，并给出了困难性增强的显式界。
• 单向函数被证明等价于NP中存在平均情况不可解的搜索问题，构成了现代密码学的基础。
• 对于自然分布问题，平均情况复杂度理论仍不完整，因为许多此类问题尚未纳入完备性框架。
• 仅使用标准技术，无法从P ≠ NP单独证明NP中存在平均情况困难问题，凸显了复杂度理论中的一个重大开放问题。