SlideShare ist ein Scribd-Unternehmen logo
1 von 19
Downloaden Sie, um offline zu lesen
あらまし P と N P SAT から 3SAT への多項式時間還元
実験数学 3
(大阪大学理学部数学科 3 年・4 年)
第 5 回: NP 困難性
鈴木 譲
大阪大学
2014 年 5 月 29 日
2014 年 6 月 12 日 (改訂版)
1 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
あらまし
1 P と NP
2 SAT から 3SAT への多項式時間還元
2 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
Turing Machine (TM)
N := {1, 2, · · · }
S := 少なくとも start, halt を要素に含む有限集合
U := {▷} × {0, 1}∗ × {◁}
V := {▷, ◁, 0, 1}
(st, kt, xt) ∈ S × N × U, xt = (x
(1)
t , · · · , x
(mt )
t ), t = 1, · · · , T
s0 := start, k0 := 1, x0 ∈ U から、
A : S × V → S × V × {−1, 0, 1}
(st, x
(kt )
t ) → (st+1, x
(kt )
t+1, kt+1 − kt)
によって生成。T は、st = halt となる最初の t。
3 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
s0 = start
st
st+1
sT := halt
x
(mt+1−1)
t+1
x
(mt −1)
t
x
(kt −1)
t+1 x
(kt )
t+1 x
(kt +1)
t+1
x
(kt )
t
x
(2)
t+1
x
(2)
t
x
(2)
0
x
(mT −1)
Tx
(2)
T
▷ ◁
◁
◁
◁x
(m0)−1
0
↓
↓
↓ ↓ ↓
kt+1 − kt = −1 0 1
↓
▷
▷
▷
4 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
x0 ∈ U: 入力データ
xT ∈ U: 出力データ
A: アルゴリズム: 以下を仮定
.
1 kt = 1(ヘッドが左端) でも、x
(1)
t = ▷ は変更されない
.
2 kt = mt(ヘッドが右端) を変更する場合、
mt+1 := mt + 1, x
(mt+1)
t+1 := ◁
.
3 有限の T が存在
st ∈ S: 状態
kt ∈ N: テープのヘッド位置
5 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
多項式時間で解く
η : U → {0, 1}∗ (U の要素の両端をのぞいたもの)
f : {0, 1}∗
→ {0, 1}∗
, η(x0) → η(xT )
(mT = 3 のときは、f : {0, 1}∗ → {0, 1} となる)
TA: アルゴリズムが A のときの σ := η(x0) ∈ {0, 1}∗ → T ∈ N
Tn,A := max
σ∈{0,1}n
TA(σ)
(入力長が n := |σ| のときのアルゴリズム A の実行時間)
アルゴリズム A が多項式時間で解ける
有限個の n を除いて、Tn,A ≤ nk となる k ∈ N が存在
6 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
言語の認識
Σ1, Σ0 ⊆ {0, 1}∗, Σ1 ∩ Σ0 = ϕ, Σ := Σ1 ∪ Σ0
言語 Σ の認識 f : Σ → {0, 1}
.
.
TM のアルゴリズムが
入力 σ ∈ Σ に対し、1(σ ∈ Σ1) または 0(σ ∈ Σ0) を出力して halt
例: Σ = {0, 1}∗
.
1 σ ∈ {0, 1}∗
の中の 1 の個数が偶数か否か
2 σ ∈ {0, 1}∗
を 2 進数表記とみたときに、素数であるか否か
7 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
決定問題と符号化
Π1, Π0: Π1 ∩ Π0 = ϕ, 可算集合
Π := Π1 ∪ Π0 (Π を決定問題、その各要素を事例とよぶ)
 
φ : Π → Σ ⊆ {0, 1}∗ (全単射, 符号化とよぶ)
φ(Π1) = Σ1, φ(Π0) = Σ0
符号化 φ で、決定問題 Π が言語 Σ の認識に帰着
TM のアルゴリズムが
入力 σ ∈ Σ に対し、1(σ ∈ Σ1) または 0(σ ∈ Σ0) を出力して halt
8 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
決定問題の例: 充足可能性問題 SAT.
1 有限集合 U = {u1, u2, · · · , un} に対して、
t : U → {T, F}
.
2 t(ui ) = F ⇐⇒ t( ¯ui ) = T なる ¯U = {¯u1, ¯u2, · · · , ¯un} に対し、
t : U ∪ ¯U → {T, F}
.
3 c ⊆ U ∪ ¯U に対して、
t(c) = T ⇐⇒ t(z) = T for ∃z ∈ c
.
4 U 上の節集合 C に対して、
t(C) = T ⇐⇒ t(c) = T for ∀c ∈ C
リテラル U ∪ ¯U の要素
節 U ∪ ¯U の部分集合 c (|c|: 節の大きさ、要素数)
節集合 節を要素とする集合
9 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
事例: 有限集合 U, U 上の節集合 C
質問:  t(C) = T となる t : U → {T, F} が存在するか。
 
.
1 U = {u1, u2}, C = {{u1, ¯u2}, {¯u1, u2}} 「存在する」
t(u1) = t(u2) = T なる t に対して t(C) = T。
.
2 U = {u1, u2}, C = {{u1, u2}, {u1, ¯u2}, {¯u1}} 「存在しない」
t(C) = T なる t が存在しない。
10 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
符号化の例
Ψ := {0, 1, −, [, ], (, ), , }.
1 x ∈ Z: 非負の数は 2 進、負の数は前に −。
. 2 [x]: で数値ではなく、識別のための記号。
.
3 (x1, · · · , xm): x1, · · · , xm からなる列。
Ψ の要素 0 1 − [ ] ( ) ,
2 進列 000 001 010 011 100 101 110 111
.
1 U = {u1, u2}, C = {{u1, ¯u2}, {¯u1, u2}}:
(([1],[10]),(([1],[-10]),([-1],[10])))
を 2 進列に直した 41 × 3 = 123 ビットが入力の長さ
2 U = {u1, u2}, C = {{u1, u2}, {u1, ¯u2}, {¯u1}}:
([1],[10]),(([1],[10]),([1],[-10]),([-1]))
を 2 進列に直した 48 × 3 = 144 ビットが入力の長さ
11 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
P と NP
決定性 TM (DTM) 1 個の TM のみを適用
非決定性 TM (NDTM) 任意個の TM を適用 (並列演算)
(いずれかの TM で st = halt になるまで)
P
.
.
DTM のアルゴリズムで、多項式時間で解ける決定問題の集合
NP
NTM のアルゴリズムで、多項式時間で解ける決定問題の集合
P ⊆ NP
P ̸= NP であることが強く予想されている
12 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
多項式時間還元性
Π, Π′: 決定問題
φ : Π → {0, 1}∗: Π における符号化
φ′ : Π′ → {0, 1}∗: Π′ における符号化
Σ0 := φ(Π0), Σ1 := φ(Π1), Σ′
0 := φ′(Π′
0), Σ′
1 := φ(Π′
1),
Π は Π′ に多項式時間で還元 (Π ∝ Π′)
.
任意の σ ∈ Σ について、
σ ∈ Σ1 ⇐⇒ f (σ) ∈ Σ′
1
なる f : Σ → Σ′ を、多項式時間で解けるアルゴリズム A が存在
13 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
Π ∝ Π′
, Π′
∝ Π′′
=⇒ Π ∝ Π′′
証明:
f : f (Σ) → Σ′, f ′ : f (Σ′) → Σ′′ を多項式時間で解くアルゴリズム
をそれぞれ A, B とおくと、
.
1 σ → f (σ) を、TA(σ) ≤ |σ|kA
の時間で解けるような kA が存在
.
2 f (σ) → f ′
(f (σ)) を、TB (f (σ)) ≤ |f (σ)|kB
の時間で解けるような
kB が存在
.
3 B の入力長、すなわち A の出力長 |f (σ)| は、|σ| + TA(σ) を超えな
い。(◁ を右に移動させるのに 1 ステップ以上要する)
4 全体として、入力長 n = |σ| の多項式時間: n ≥ 2,
k = (kA + 1)(kB + 1) について
T(σ) := TA(σ) + TB (f (σ)) ≤ nkA
+ (n + nkA
)kB
≤ nk
14 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
Π ∝ Π′
, Π′
∈ P =⇒ Π ∈ P
f : f (Σ) → Σ′ を多項式時間で解くアルゴリズムを A、言語 Σ′ を
多項式時間で認識するアルゴリズムを C とすると、
.
1 多項式時間還元で、TA(σ) = |σ|kA
.
2 言語の認識は、多項式時間で完了するので、TC (f (σ)) ≤ |f (σ)|kC
.
3 C の入力長、すなわち A の出力長 |f (σ)| は、|σ| + TA(σ) を超えな
い。(◁ を右に移動させるのに 1 ステップ以上要する)
.
4 全体として、入力長 n = |σ| の多項式時間: n ≥ 2,
k = (kA + 1)(kC + 1) について
T(σ) := TA(σ) + TC (f (σ)) ≤ nkA
+ (n + nkA
)kC
≤ nk
15 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
NP 完全性
NP 完全な決定問題
.
.
.
任意の Π ∈ NP に対して Π ∝ Π′ となる決定問題 Π′ ∈ NP
Π が NP 完全, Π′ が NP, Π ∝ Π′ =⇒ Π′ が NP 完全
Π が NP 完全であることを示せば、Π ̸∈ P の強い証拠
.
.
Π が NP 完全, Π ∈ P なる Π が存在 =⇒ P = NP (予想と矛盾)
Cook の定理
SAT は、NP 完全問題である。
(証明略)
16 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
NP 困難性
NP 完全 決定問題に対して定義
NP 困難 決定問題ではなくともよいが、その問題が決定性
TM で多項式時間で解かれると、P = NP を意味す
る問題
例:
事例: 有限集合 U, U 上の節集合 C
質問:  t(C) = T となる t : U → {T, F} が存在す
るとき、その 1 個を出力せよ
17 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
3-充足可能性問題 3SAT
事例: 有限集合 U, U 上の大きさ 3 の節からなる節集合 C
質問:  t(C) = T となる t : U → {T, F} が存在するか。
3SAT は、NP 完全である。
.
.
SAT ∝ 3SAT
U = {u1, · · · , un}, C = {c1, · · · , cm}: SAT の任意の事例
C と C′ の充足可能性が一致するように 3SAT の事例
U′ := U ∪ (∪m
j=1U′
j ), C′ := ∪m
j=1C′
j , cj = {z1, · · · , zk}
k U′
j C′
j
1 {y1
j , y2
j } {{z1, y1
j , y2
j }, {z1, y1
j , ¯yj
2}, {z1, ¯yj
1, y2
j }, {z1, ¯yj
1, ¯yj
2}}
2 {y1
j } {{z1, z2, y1
j }, {z1, z2, ¯y1
j }}
3 ϕ {cj }
≥ 4 {yi
j |1 ≤ i {{z1, z2, y1
j }, {¯y1
j , z3, y2
j }, {¯y2
j , z4, y3
j }, · · · ,
≤ k − 3} {¯yk−4
j , zk−2, yk−3
j }, {¯yk−3
j , zk−1, zk}}
18 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
あらまし P と N P SAT から 3SAT への多項式時間還元
t が C を充足していれば、以下のように t′ が C′ を充足:
.
1 k = 1 では、{y1
j , y2
j } の {T, F} は任意。.
2 k = 2 では、{y1
j } の {T, F} は任意。
. 3 k ≥ 4 では、t(z1) = F, · · · , t(zl−1) = F, t(zl ) = T として、
l = 1, 2: t′
(yi
j ) = F (1 ≤ i ≤ k − 3)
3 ≤ l ≤ k − 2: t′
(yi
j ) =
{
T (1 ≤ i ≤ l − 2)
F (l − 1 ≤ i ≤ k − 3)
l = k − 1, k: t′
(yi
j ) = T (1 ≤ i ≤ k − 3)
t が cj を充足していなければ、k = 1, 2, 3 では、C′
j が充足されな
い。k ≥ 4 では、t(z1) = t(z2) = F より、t(y1
j ) = T。また、
t(¯y1
j ) = t(z3) = F より、t(y2
j ) = T。同様に、
t(y3
j ) = · · · = t(yk−3
j ) = T が必要。しかし、このとき、
t({¯yj
k−3, zk−1, zk}) = F となる。
 
(SAT の事例の符号長の多項式時間で 3SAT の事例を生成するアル
ゴリズムが存在する証明は省略)
19 / 19
実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性

Weitere ähnliche Inhalte

Was ist angesagt?

行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
Tasuku Soma
 
Aishima140714
Aishima140714Aishima140714
Aishima140714
nwpmq516
 
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
Koji Sekiguchi
 
公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題
Joe Suzuki
 

Was ist angesagt? (17)

JSIAM_2019_9_4
JSIAM_2019_9_4JSIAM_2019_9_4
JSIAM_2019_9_4
 
第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)第8回 配信講義 計算科学技術特論A(2021)
第8回 配信講義 計算科学技術特論A(2021)
 
Jokyo20110711
Jokyo20110711Jokyo20110711
Jokyo20110711
 
有限モデル理論入門:MSOとオートマトン
有限モデル理論入門:MSOとオートマトン有限モデル理論入門:MSOとオートマトン
有限モデル理論入門:MSOとオートマトン
 
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム行列補完を用いた無線マルチキャスト符号構成アルゴリズム
行列補完を用いた無線マルチキャスト符号構成アルゴリズム
 
第9回 配信講義 計算科学技術特論A(2021)
第9回 配信講義 計算科学技術特論A(2021)第9回 配信講義 計算科学技術特論A(2021)
第9回 配信講義 計算科学技術特論A(2021)
 
Aishima140714
Aishima140714Aishima140714
Aishima140714
 
上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフト上三角 Pascal 行列による多項式のシフト
上三角 Pascal 行列による多項式のシフト
 
逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎逐次モンテカルロ法の基礎
逐次モンテカルロ法の基礎
 
立命合宿2016Day3:B問題
立命合宿2016Day3:B問題立命合宿2016Day3:B問題
立命合宿2016Day3:B問題
 
Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0Similarity functions in Lucene 4.0
Similarity functions in Lucene 4.0
 
El text.tokuron a(2019).yamamoto190620
El text.tokuron a(2019).yamamoto190620El text.tokuron a(2019).yamamoto190620
El text.tokuron a(2019).yamamoto190620
 
ロマ数16 simizut
ロマ数16 simizutロマ数16 simizut
ロマ数16 simizut
 
Convex Hull Trick
Convex Hull TrickConvex Hull Trick
Convex Hull Trick
 
Coreset+SVM (論文紹介)
Coreset+SVM (論文紹介)Coreset+SVM (論文紹介)
Coreset+SVM (論文紹介)
 
topology of musical data
topology of musical datatopology of musical data
topology of musical data
 
公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題公開鍵暗号6: 楕円曲線における離散対数問題
公開鍵暗号6: 楕円曲線における離散対数問題
 

Andere mochten auch

離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
Joe Suzuki
 

Andere mochten auch (20)

基本概念
基本概念基本概念
基本概念
 
2014 9-22
2014 9-222014 9-22
2014 9-22
 
2014 12-9
2014 12-92014 12-9
2014 12-9
 
公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮公開鍵暗号(7): データ圧縮
公開鍵暗号(7): データ圧縮
 
MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後MaCaulay2 Miuraパッケージの開発と今後
MaCaulay2 Miuraパッケージの開発と今後
 
Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較Jeffreysの事前確率とBDeuの一致性に関する比較
Jeffreysの事前確率とBDeuの一致性に関する比較
 
相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定相互情報量を用いた独立性の検定
相互情報量を用いた独立性の検定
 
2014 9-26
2014 9-262014 9-26
2014 9-26
 
Experimental mathematics 2
Experimental mathematics 2Experimental mathematics 2
Experimental mathematics 2
 
公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題公開鍵暗号(4): 楕円曲線における離散対数問題
公開鍵暗号(4): 楕円曲線における離散対数問題
 
公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題公開鍵暗号(3): 離散対数問題
公開鍵暗号(3): 離散対数問題
 
公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号公開鍵暗号(1): RSA暗号
公開鍵暗号(1): RSA暗号
 
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる離散と連続の入り混じった相互情報量を推定して、SNP と遺伝子発現量の因果関係をさぐる
離散と連続の入り混じった相互情報量を推定して、 SNP と遺伝子発現量の因果関係をさぐる
 
Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-Bayes Independence Test - HSIC と性能を比較する-
Bayes Independence Test - HSIC と性能を比較する-
 
Grammatical inference メモ 1
Grammatical inference メモ 1Grammatical inference メモ 1
Grammatical inference メモ 1
 
Hash Table
Hash TableHash Table
Hash Table
 
Reading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGsReading Seminar (140515) Spectral Learning of L-PCFGs
Reading Seminar (140515) Spectral Learning of L-PCFGs
 
一階述語論理のメモ
一階述語論理のメモ一階述語論理のメモ
一階述語論理のメモ
 
KDD読み会(図なし版)
KDD読み会(図なし版)KDD読み会(図なし版)
KDD読み会(図なし版)
 
ベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズムベイズ Chow-Liu アルゴリズム
ベイズ Chow-Liu アルゴリズム
 

Ähnlich wie 公開鍵暗号(5): NP困難性

公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算
Joe Suzuki
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題
Joe Suzuki
 
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
Joe Suzuki
 
公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号
Joe Suzuki
 

Ähnlich wie 公開鍵暗号(5): NP困難性 (20)

公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算公開鍵暗号8: 有限体上の楕円曲線の位数計算
公開鍵暗号8: 有限体上の楕円曲線の位数計算
 
JOIss2020 発表資料
JOIss2020 発表資料JOIss2020 発表資料
JOIss2020 発表資料
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第6回 変数分離形の変形 (2018. 10. 30)
 
PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現PRML 6.1章 カーネル法と双対表現
PRML 6.1章 カーネル法と双対表現
 
Takuya Tsuchiya
Takuya TsuchiyaTakuya Tsuchiya
Takuya Tsuchiya
 
yyoshida thesis
yyoshida thesisyyoshida thesis
yyoshida thesis
 
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
2016年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2016. 11. 10)
 
公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題公開鍵暗号5: 離散対数問題
公開鍵暗号5: 離散対数問題
 
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
2016年度秋学期 応用数学(解析) 第5回 微分方程式とは,変数分離形 (2016. 10. 27)
 
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27) 2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
2022年度秋学期 応用数学(解析) 第6回 変数分離形の変形 (2022. 10. 27)
 
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1) 2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
2022年度秋学期 応用数学(解析) 第10回 生存時間分布と半減期 (2022. 12. 1)
 
光発振器ネットワークで組合せ最適化問題を解くコヒーレントイジングマシン
光発振器ネットワークで組合せ最適化問題を解くコヒーレントイジングマシン光発振器ネットワークで組合せ最適化問題を解くコヒーレントイジングマシン
光発振器ネットワークで組合せ最適化問題を解くコヒーレントイジングマシン
 
量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析量子アニーリングを用いたクラスタ分析
量子アニーリングを用いたクラスタ分析
 
公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理公開鍵暗号7: 楕円曲線の数理
公開鍵暗号7: 楕円曲線の数理
 
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
2018年度秋学期 応用数学(解析) 第2部・基本的な微分方程式 第5回 微分方程式とは・変数分離形 (2018. 10. 23)
 
Newtsulideprint
NewtsulideprintNewtsulideprint
Newtsulideprint
 
アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法アルゴリズムイントロダクション15章 動的計画法
アルゴリズムイントロダクション15章 動的計画法
 
公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号公開鍵暗号3: ナップザック暗号
公開鍵暗号3: ナップザック暗号
 
第9回スキル養成講座講義資料
第9回スキル養成講座講義資料第9回スキル養成講座講義資料
第9回スキル養成講座講義資料
 
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
2018年度秋学期 応用数学(解析) 第3部・微分方程式に関する話題 第10回 生存時間分布と半減期 (2018. 11. 20)
 

Mehr von Joe Suzuki

分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
Joe Suzuki
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
Joe Suzuki
 

Mehr von Joe Suzuki (20)

RとPythonを比較する
RとPythonを比較するRとPythonを比較する
RとPythonを比較する
 
R集会@統数研
R集会@統数研R集会@統数研
R集会@統数研
 
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...E-learning Development of Statistics and in Duex: Practical Approaches and Th...
E-learning Development of Statistics and in Duex: Practical Approaches and Th...
 
分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する分枝限定法でモデル選択の計算量を低減する
分枝限定法でモデル選択の計算量を低減する
 
連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定連続変量を含む条件付相互情報量の推定
連続変量を含む条件付相互情報量の推定
 
E-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka UniversityE-learning Design and Development for Data Science in Osaka University
E-learning Design and Development for Data Science in Osaka University
 
UAI 2017
UAI 2017UAI 2017
UAI 2017
 
AMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップAMBN2017 サテライトワークショップ
AMBN2017 サテライトワークショップ
 
CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要CRAN Rパッケージ BNSLの概要
CRAN Rパッケージ BNSLの概要
 
Forest Learning from Data
Forest Learning from DataForest Learning from Data
Forest Learning from Data
 
A Bayesian Approach to Data Compression
A Bayesian Approach to Data CompressionA Bayesian Approach to Data Compression
A Bayesian Approach to Data Compression
 
A Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent LearningA Conjecture on Strongly Consistent Learning
A Conjecture on Strongly Consistent Learning
 
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
A Generalization of the Chow-Liu Algorithm and its Applications to Artificial...
 
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
A Generalization of Nonparametric Estimation and On-Line Prediction for Stati...
 
研究紹介(学生向け)
研究紹介(学生向け)研究紹介(学生向け)
研究紹介(学生向け)
 
Bayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal MeasuresBayesian Criteria based on Universal Measures
Bayesian Criteria based on Universal Measures
 
MDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/MeasureMDL/Bayesian Criteria based on Universal Coding/Measure
MDL/Bayesian Criteria based on Universal Coding/Measure
 
The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...The Universal Measure for General Sources and its Application to MDL/Bayesian...
The Universal Measure for General Sources and its Application to MDL/Bayesian...
 
Universal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or ContinuousUniversal Prediction without assuming either Discrete or Continuous
Universal Prediction without assuming either Discrete or Continuous
 
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...Bayesian network structure estimation based on the Bayesian/MDL criteria when...
Bayesian network structure estimation based on the Bayesian/MDL criteria when...
 

公開鍵暗号(5): NP困難性

  • 1. あらまし P と N P SAT から 3SAT への多項式時間還元 実験数学 3 (大阪大学理学部数学科 3 年・4 年) 第 5 回: NP 困難性 鈴木 譲 大阪大学 2014 年 5 月 29 日 2014 年 6 月 12 日 (改訂版) 1 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 2. あらまし P と N P SAT から 3SAT への多項式時間還元 あらまし 1 P と NP 2 SAT から 3SAT への多項式時間還元 2 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 3. あらまし P と N P SAT から 3SAT への多項式時間還元 Turing Machine (TM) N := {1, 2, · · · } S := 少なくとも start, halt を要素に含む有限集合 U := {▷} × {0, 1}∗ × {◁} V := {▷, ◁, 0, 1} (st, kt, xt) ∈ S × N × U, xt = (x (1) t , · · · , x (mt ) t ), t = 1, · · · , T s0 := start, k0 := 1, x0 ∈ U から、 A : S × V → S × V × {−1, 0, 1} (st, x (kt ) t ) → (st+1, x (kt ) t+1, kt+1 − kt) によって生成。T は、st = halt となる最初の t。 3 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 4. あらまし P と N P SAT から 3SAT への多項式時間還元 s0 = start st st+1 sT := halt x (mt+1−1) t+1 x (mt −1) t x (kt −1) t+1 x (kt ) t+1 x (kt +1) t+1 x (kt ) t x (2) t+1 x (2) t x (2) 0 x (mT −1) Tx (2) T ▷ ◁ ◁ ◁ ◁x (m0)−1 0 ↓ ↓ ↓ ↓ ↓ kt+1 − kt = −1 0 1 ↓ ▷ ▷ ▷ 4 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 5. あらまし P と N P SAT から 3SAT への多項式時間還元 x0 ∈ U: 入力データ xT ∈ U: 出力データ A: アルゴリズム: 以下を仮定 . 1 kt = 1(ヘッドが左端) でも、x (1) t = ▷ は変更されない . 2 kt = mt(ヘッドが右端) を変更する場合、 mt+1 := mt + 1, x (mt+1) t+1 := ◁ . 3 有限の T が存在 st ∈ S: 状態 kt ∈ N: テープのヘッド位置 5 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 6. あらまし P と N P SAT から 3SAT への多項式時間還元 多項式時間で解く η : U → {0, 1}∗ (U の要素の両端をのぞいたもの) f : {0, 1}∗ → {0, 1}∗ , η(x0) → η(xT ) (mT = 3 のときは、f : {0, 1}∗ → {0, 1} となる) TA: アルゴリズムが A のときの σ := η(x0) ∈ {0, 1}∗ → T ∈ N Tn,A := max σ∈{0,1}n TA(σ) (入力長が n := |σ| のときのアルゴリズム A の実行時間) アルゴリズム A が多項式時間で解ける 有限個の n を除いて、Tn,A ≤ nk となる k ∈ N が存在 6 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 7. あらまし P と N P SAT から 3SAT への多項式時間還元 言語の認識 Σ1, Σ0 ⊆ {0, 1}∗, Σ1 ∩ Σ0 = ϕ, Σ := Σ1 ∪ Σ0 言語 Σ の認識 f : Σ → {0, 1} . . TM のアルゴリズムが 入力 σ ∈ Σ に対し、1(σ ∈ Σ1) または 0(σ ∈ Σ0) を出力して halt 例: Σ = {0, 1}∗ . 1 σ ∈ {0, 1}∗ の中の 1 の個数が偶数か否か 2 σ ∈ {0, 1}∗ を 2 進数表記とみたときに、素数であるか否か 7 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 8. あらまし P と N P SAT から 3SAT への多項式時間還元 決定問題と符号化 Π1, Π0: Π1 ∩ Π0 = ϕ, 可算集合 Π := Π1 ∪ Π0 (Π を決定問題、その各要素を事例とよぶ)   φ : Π → Σ ⊆ {0, 1}∗ (全単射, 符号化とよぶ) φ(Π1) = Σ1, φ(Π0) = Σ0 符号化 φ で、決定問題 Π が言語 Σ の認識に帰着 TM のアルゴリズムが 入力 σ ∈ Σ に対し、1(σ ∈ Σ1) または 0(σ ∈ Σ0) を出力して halt 8 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 9. あらまし P と N P SAT から 3SAT への多項式時間還元 決定問題の例: 充足可能性問題 SAT. 1 有限集合 U = {u1, u2, · · · , un} に対して、 t : U → {T, F} . 2 t(ui ) = F ⇐⇒ t( ¯ui ) = T なる ¯U = {¯u1, ¯u2, · · · , ¯un} に対し、 t : U ∪ ¯U → {T, F} . 3 c ⊆ U ∪ ¯U に対して、 t(c) = T ⇐⇒ t(z) = T for ∃z ∈ c . 4 U 上の節集合 C に対して、 t(C) = T ⇐⇒ t(c) = T for ∀c ∈ C リテラル U ∪ ¯U の要素 節 U ∪ ¯U の部分集合 c (|c|: 節の大きさ、要素数) 節集合 節を要素とする集合 9 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 10. あらまし P と N P SAT から 3SAT への多項式時間還元 事例: 有限集合 U, U 上の節集合 C 質問:  t(C) = T となる t : U → {T, F} が存在するか。   . 1 U = {u1, u2}, C = {{u1, ¯u2}, {¯u1, u2}} 「存在する」 t(u1) = t(u2) = T なる t に対して t(C) = T。 . 2 U = {u1, u2}, C = {{u1, u2}, {u1, ¯u2}, {¯u1}} 「存在しない」 t(C) = T なる t が存在しない。 10 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 11. あらまし P と N P SAT から 3SAT への多項式時間還元 符号化の例 Ψ := {0, 1, −, [, ], (, ), , }. 1 x ∈ Z: 非負の数は 2 進、負の数は前に −。 . 2 [x]: で数値ではなく、識別のための記号。 . 3 (x1, · · · , xm): x1, · · · , xm からなる列。 Ψ の要素 0 1 − [ ] ( ) , 2 進列 000 001 010 011 100 101 110 111 . 1 U = {u1, u2}, C = {{u1, ¯u2}, {¯u1, u2}}: (([1],[10]),(([1],[-10]),([-1],[10]))) を 2 進列に直した 41 × 3 = 123 ビットが入力の長さ 2 U = {u1, u2}, C = {{u1, u2}, {u1, ¯u2}, {¯u1}}: ([1],[10]),(([1],[10]),([1],[-10]),([-1])) を 2 進列に直した 48 × 3 = 144 ビットが入力の長さ 11 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 12. あらまし P と N P SAT から 3SAT への多項式時間還元 P と NP 決定性 TM (DTM) 1 個の TM のみを適用 非決定性 TM (NDTM) 任意個の TM を適用 (並列演算) (いずれかの TM で st = halt になるまで) P . . DTM のアルゴリズムで、多項式時間で解ける決定問題の集合 NP NTM のアルゴリズムで、多項式時間で解ける決定問題の集合 P ⊆ NP P ̸= NP であることが強く予想されている 12 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 13. あらまし P と N P SAT から 3SAT への多項式時間還元 多項式時間還元性 Π, Π′: 決定問題 φ : Π → {0, 1}∗: Π における符号化 φ′ : Π′ → {0, 1}∗: Π′ における符号化 Σ0 := φ(Π0), Σ1 := φ(Π1), Σ′ 0 := φ′(Π′ 0), Σ′ 1 := φ(Π′ 1), Π は Π′ に多項式時間で還元 (Π ∝ Π′) . 任意の σ ∈ Σ について、 σ ∈ Σ1 ⇐⇒ f (σ) ∈ Σ′ 1 なる f : Σ → Σ′ を、多項式時間で解けるアルゴリズム A が存在 13 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 14. あらまし P と N P SAT から 3SAT への多項式時間還元 Π ∝ Π′ , Π′ ∝ Π′′ =⇒ Π ∝ Π′′ 証明: f : f (Σ) → Σ′, f ′ : f (Σ′) → Σ′′ を多項式時間で解くアルゴリズム をそれぞれ A, B とおくと、 . 1 σ → f (σ) を、TA(σ) ≤ |σ|kA の時間で解けるような kA が存在 . 2 f (σ) → f ′ (f (σ)) を、TB (f (σ)) ≤ |f (σ)|kB の時間で解けるような kB が存在 . 3 B の入力長、すなわち A の出力長 |f (σ)| は、|σ| + TA(σ) を超えな い。(◁ を右に移動させるのに 1 ステップ以上要する) 4 全体として、入力長 n = |σ| の多項式時間: n ≥ 2, k = (kA + 1)(kB + 1) について T(σ) := TA(σ) + TB (f (σ)) ≤ nkA + (n + nkA )kB ≤ nk 14 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 15. あらまし P と N P SAT から 3SAT への多項式時間還元 Π ∝ Π′ , Π′ ∈ P =⇒ Π ∈ P f : f (Σ) → Σ′ を多項式時間で解くアルゴリズムを A、言語 Σ′ を 多項式時間で認識するアルゴリズムを C とすると、 . 1 多項式時間還元で、TA(σ) = |σ|kA . 2 言語の認識は、多項式時間で完了するので、TC (f (σ)) ≤ |f (σ)|kC . 3 C の入力長、すなわち A の出力長 |f (σ)| は、|σ| + TA(σ) を超えな い。(◁ を右に移動させるのに 1 ステップ以上要する) . 4 全体として、入力長 n = |σ| の多項式時間: n ≥ 2, k = (kA + 1)(kC + 1) について T(σ) := TA(σ) + TC (f (σ)) ≤ nkA + (n + nkA )kC ≤ nk 15 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 16. あらまし P と N P SAT から 3SAT への多項式時間還元 NP 完全性 NP 完全な決定問題 . . . 任意の Π ∈ NP に対して Π ∝ Π′ となる決定問題 Π′ ∈ NP Π が NP 完全, Π′ が NP, Π ∝ Π′ =⇒ Π′ が NP 完全 Π が NP 完全であることを示せば、Π ̸∈ P の強い証拠 . . Π が NP 完全, Π ∈ P なる Π が存在 =⇒ P = NP (予想と矛盾) Cook の定理 SAT は、NP 完全問題である。 (証明略) 16 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 17. あらまし P と N P SAT から 3SAT への多項式時間還元 NP 困難性 NP 完全 決定問題に対して定義 NP 困難 決定問題ではなくともよいが、その問題が決定性 TM で多項式時間で解かれると、P = NP を意味す る問題 例: 事例: 有限集合 U, U 上の節集合 C 質問:  t(C) = T となる t : U → {T, F} が存在す るとき、その 1 個を出力せよ 17 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 18. あらまし P と N P SAT から 3SAT への多項式時間還元 3-充足可能性問題 3SAT 事例: 有限集合 U, U 上の大きさ 3 の節からなる節集合 C 質問:  t(C) = T となる t : U → {T, F} が存在するか。 3SAT は、NP 完全である。 . . SAT ∝ 3SAT U = {u1, · · · , un}, C = {c1, · · · , cm}: SAT の任意の事例 C と C′ の充足可能性が一致するように 3SAT の事例 U′ := U ∪ (∪m j=1U′ j ), C′ := ∪m j=1C′ j , cj = {z1, · · · , zk} k U′ j C′ j 1 {y1 j , y2 j } {{z1, y1 j , y2 j }, {z1, y1 j , ¯yj 2}, {z1, ¯yj 1, y2 j }, {z1, ¯yj 1, ¯yj 2}} 2 {y1 j } {{z1, z2, y1 j }, {z1, z2, ¯y1 j }} 3 ϕ {cj } ≥ 4 {yi j |1 ≤ i {{z1, z2, y1 j }, {¯y1 j , z3, y2 j }, {¯y2 j , z4, y3 j }, · · · , ≤ k − 3} {¯yk−4 j , zk−2, yk−3 j }, {¯yk−3 j , zk−1, zk}} 18 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性
  • 19. あらまし P と N P SAT から 3SAT への多項式時間還元 t が C を充足していれば、以下のように t′ が C′ を充足: . 1 k = 1 では、{y1 j , y2 j } の {T, F} は任意。. 2 k = 2 では、{y1 j } の {T, F} は任意。 . 3 k ≥ 4 では、t(z1) = F, · · · , t(zl−1) = F, t(zl ) = T として、 l = 1, 2: t′ (yi j ) = F (1 ≤ i ≤ k − 3) 3 ≤ l ≤ k − 2: t′ (yi j ) = { T (1 ≤ i ≤ l − 2) F (l − 1 ≤ i ≤ k − 3) l = k − 1, k: t′ (yi j ) = T (1 ≤ i ≤ k − 3) t が cj を充足していなければ、k = 1, 2, 3 では、C′ j が充足されな い。k ≥ 4 では、t(z1) = t(z2) = F より、t(y1 j ) = T。また、 t(¯y1 j ) = t(z3) = F より、t(y2 j ) = T。同様に、 t(y3 j ) = · · · = t(yk−3 j ) = T が必要。しかし、このとき、 t({¯yj k−3, zk−1, zk}) = F となる。   (SAT の事例の符号長の多項式時間で 3SAT の事例を生成するアル ゴリズムが存在する証明は省略) 19 / 19 実験数学 3, (大阪大学理学部数学科 3 年・4 年), 第 5 回: NP 困難性