[论文解读] Parameterized Uniform Complexity in Numerics: from Smooth to Analytic, from NP-hard to Polytime

Akitoshi Kawamura, Norbert Müller+2 more|arXiv (Cornell University)|Nov 21, 2012

Computability, Logic, AI Algorithms参考文献 2被引用 9

一句话总结

该论文为数值算子——最大化、积分和常微分方程求解——建立了一个参数化的统一复杂度框架，表明当函数从光滑函数转变为解析函数时，其计算难度从 NP-难过渡到多项式时间，这一转变通过 Gèvrey 层次结构实现。论文证明了在统一框架下，解析函数可保持多项式时间可计算性，而光滑函数则可能使这些算子变为 NP-难，其分析基于 Type-2 和 Type-3 计算模型中的二阶复杂度理论。

ABSTRACT

The synthesis of classical Computational Complexity Theory with Recursive Analysis provides a quantitative foundation to reliable numerics. Here the operators of maximization, integration, and solving ordinary differential equations are known to map (even high-order differentiable) polynomial-time computable functions to instances which are `hard' for classical complexity classes NP, #P, and CH; but, restricted to analytic functions, map polynomial-time computable ones to polynomial-time computable ones -- non-uniformly! We investigate the uniform parameterized complexity of the above operators in the setting of Weihrauch's TTE and its second-order extension due to Kawamura&Cook (2010). That is, we explore which (both continuous and discrete, first and second order) information and parameters on some given f is sufficient to obtain similar data on Max(f) and int(f); and within what running time, in terms of these parameters and the guaranteed output precision 2^(-n). It turns out that Gevrey's hierarchy of functions climbing from analytic to smooth corresponds to the computational complexity of maximization growing from polytime to NP-hard. Proof techniques involve mainly the Theory of (discrete) Computation, Hard Analysis, and Information-Based Complexity.

研究动机与目标

• 通过为数值算子建立统一的参数化复杂度框架，弥合经典计算复杂度与递归分析之间的鸿沟。
• 研究最大化、积分和常微分方程求解等算子的计算复杂度如何随函数正则性从光滑到解析而演变。
• 确定哪些参数和信息类型（连续、离散、一阶或二阶）足以在多项式时间内计算这些算子。
• 厘清数值计算中 NP-难与多项式时间可计算性之间的边界，尤其关注 Gèvrey 类与解析函数的关系。
• 使用二阶 Type-2 和 Type-3 计算模型，提供形式化且统一的复杂度分析，扩展先前的非统一结果。

提出的方法

• 采用 Weihrauch 的 Type-2 有效理论（TTE）及其由 Kawamura 和 Cook（2010）提出的二阶扩展，形式化实函数上的统一计算。
• 通过在闭单位圆盘、[0,1] 上的幂级数以及整函数表示方式，以可计算表示法表示解析函数，支持统一复杂度分析。
• 应用二阶复杂度理论，以输入精度 $2^{-n}$ 以及函数范数、收敛半径等参数为基准，分析时间与大小的界。
• 利用 Gèvrey 层次结构对函数进行分类，从解析函数到光滑函数，并将此层次结构映射到计算复杂度层级。
• 采用实分析与基于信息的复杂度技术，证明二阶计算中预言机查询次数与机器复合的界。
• 分析二阶机器的复合，推导出 $G \circ F$ 等算子的复杂度界，表明复杂度在复合下封闭，并可通过二阶多项式的次数复合规则表达。

实验结果

研究问题

• RQ1 在从解析到光滑的 Gèvrey 层次结构中，最大化与积分算子的统一参数化复杂度是什么？
• RQ2 从解析函数到光滑函数的转变如何影响最大化与积分等数值算子的计算难度？
• RQ3 哪些参数（如函数范数、收敛半径、导数界）足以确保这些算子的多项式时间可计算性？
• RQ4 在二阶时间与大小下，解析函数上算子的统一复杂度是否可被界定？与非统一结果相比有何差异？
• RQ5 是否存在一种光滑函数的表示方式，可实现最大化与积分的多项式时间计算？若不能，原因是什么？

主要发现

• 在统一参数化复杂度设置下，即使输入函数是多项式时间可计算的，光滑函数的最大化与积分运算仍为 NP-难。
• 相比之下，对于解析函数，若使用适当的表示方式（如幂级数），这些算子在统一参数化复杂度下仍保持多项式时间可计算性。
• 从解析函数到光滑函数的 Gèvrey 层次结构，精确对应于计算复杂度的递增层级：最大化算子从多项式时间演变为 NP-难。
• 通过幂级数或整函数编码表示的解析函数的二阶表示，支持基本算子（如最大值与积分）的多项式时间可计算性。
• 二阶机器的复合保持复杂度界，时间与大小界可通过二阶多项式的次数复合规则表达。
• 构造了一种人工的二阶表示 $ ilde{ ho}$，使 $C^ty$ 函数的最大值与积分运算在多项式时间内可计算，但无法统一提取解析控制量 $A \times K^j \times j!$。