[论文解读] Term Coding and Dispersion: A Perfect-vs-Rate Complexity Dichotomy for Information Flow

Søren Riis|arXiv (Cornell University)|Feb 8, 2026

Complexity and Algorithms in Graphs被引用 0

一句话总结

本文引入术语编码与离散扩散，证明一个尖锐的复杂性二分：对于 r≥3，精确的完美扩散是不可判定的；而扩散指数可以通过最大流/最小割构造在多项式时间内计算。

ABSTRACT

We introduce a new framework term coding for extremal problems in discrete mathematics and information flow, where one chooses interpretations of function symbols so as to maximise the number of satisfying assignments of a finite system of term equations. We then focus on dispersion, the special case in which the system defines a term map $Θ^\mathcal I:\A^k o\A^r$ and the objective is the size of its image. Writing $n:=|\A|$, we show that the maximum dispersion is $Θ(n^D)$ for an integer exponent $D$ equal to the guessing number of an associated directed graph, and we give a polynomial-time algorithm to compute $D$. In contrast, deciding whether \emph{perfect dispersion} ever occurs (i.e.\ whether $\Disp_n(\mathbf t)=n^r$ for some finite $n\ge 2$) is undecidable once $r\ge 3$, even though the corresponding asymptotic rate-threshold questions are polynomial-time decidable.

研究动机与目标

• 通过选择函数符号的解释来最大化满足分配的集合，建立一个统一框架（Term Coding）用于离散数学与信息流中的极值问题。
• 将扩散作为自然、可处理的子问题分离，并研究其复杂性差距。
• 将扩散与猜数问题及基于图的熵联系起来，以便进行组合分析。
• 提供预处理和基于图的工具，以便在适合计算机科学环境的设定中推理术语定义的信息流。

提出的方法

• 将术语编码实例转换为带展平子项和多样化符号的标准形式。
• 使用预处理流水线获得无冲突的函数正规形（CFNF）并构建依赖图。
• 通过多样化（猜数夹层）将扩散实例与依赖图上的猜谜游戏联系起来。
• 证明对 CFNF 的扩散，最大映射大小可由最大流/最小割的列式界定，以定义扩散指数 D(t)。
• 证明多样化产生上界 S_n(Γ) ≤ S_n(Γ_div)，且当 n ≥ v 时，存在匹配的下界 S_n(Γ) ≥ S_m(Γ_div) with m = ⌊n/v⌋，将 S_n 与 Guess(G_Γ, Src(Γ); n) 联系起来。
• 在扩散内部展示一个尖锐的复杂性二分：对于 r≥3，完美扩散是不可判定的；而扩散指数在多项式时间可计算。

实验结果

研究问题

• RQ1 在术语编码解释下，最大可满足分配数量是否可以被表征并高效计算？
• RQ2 扩散在术语编码中的图像大小目标如何表现，其渐近速率是否可以被基于图的不变量捕获？
• RQ3 是否存在在多项式时间内计算扩散指数 D(t) 的方法，且它是否有最大流/最小割证明？
• RQ4 完美扩散的存在性是否有可判定性状态，以及输出序（arity）r 的变化如何影响？
• RQ5 预处理步骤（正规形、商集化、多样化）对复杂性及与猜谜游戏的关系有何影响？

主要发现

• 扩散指数 D(t) 存在，是整数，并可以通过来自辅助网络的最大流/最小割构造在多项式时间内计算。
• 当 r≥3 时，完美扩散（Disp_n(t)=n^r 对某些 n≥2）不可判定，尽管相关的速率阈值问题在多项式时间内可判定。
• 多样化为术语编码与依赖图上的猜谜游戏之间提供了一个具有计算意义的桥梁，便于进行熵与图的分析。
• 一个双向夹带界把原始扩散问题与多样化实例连接起来，在保持渐近增长率的同时 enabling 组合推理。
• 一个预处理流水线（正规形、商集化、多样化和函数正规形）产生了一个紧凑、基于图的表示，适合分析。
• CFNF 与多样化框架使扩散等价于依赖图上的猜谜游戏，从而证成最大流/最小割的视角。