रैंडमाइज्ड (बहुपद समय, बूलियन परिणाम) एल्गोरिदम आरपी कम्प्यूटेशनल जटिलता वर्ग में होते हैं, जो एनपी का एक उपसमूह है जहां गैर-निर्धारक (बहुपद समय, बूलियन परिणाम) एल्गोरिदम रहते हैं और पी का एक सुपरसेट जहां निर्धारक (बहुपद समय, बूलियन परिणाम) है। एल्गोरिदम रहते हैं।
सबसेटिंग जटिलता एक सेट से दूसरे सेट में समस्याओं को कम करने के बारे में है। इस प्रकार आरपी algorith एनपी यादृच्छिक एल्गोरिदम की संभावना को बाहर नहीं करता है जो गैर-नियतात्मक भी हैं क्योंकि आमतौर पर एक सुपरसेट में सबसेट होता है। सबसेट का अर्थ है प्रत्येक आरपी एल्गोरिथ्म (या कोई आरपी-पूर्ण एल्गोरिथ्म) को कुछ एनपी एल्गोरिथ्म (या किसी एनपी-पूर्ण एल्गोरिथ्म) में कम किया जा सकता है। P, RP का एक उपसमूह है क्योंकि P की प्रत्येक समस्या को RP में एक समस्या को कम किया जा सकता है जहां अनियंत्रित एंट्रोपी की मात्रा 0 है।
तात्कालिक रूप से, यह अनुरूप है कि कैसे नेकां में हर समस्या (समानांतर गणना) पी में एक सीरियल समस्या में कमी में समानांतर गणना का अनुकरण करके पी में एक समस्या को कम किया जा सकता है, लेकिन यह अभी तक साबित नहीं हुआ है कि काफिला सच है, अर्थात P में प्रत्येक समस्या NC में किसी समस्या के लिए reducible है, और न ही सत्य सिद्ध नहीं है, अर्थात यह अनुमान लगाया जा सकता है कि P- पूर्ण समस्या NC में किसी समस्या के लिए reducible नहीं है। यह संभव हो सकता है कि ऐसी समस्याएं हैं जो स्वाभाविक रूप से धारावाहिक हैं और समानांतर में गणना नहीं की जा सकती हैं, लेकिन यह साबित करने के लिए कि पी impl एनसी अनुमानित है (कारणों के लिए इस जवाब में चर्चा करने के लिए बहुत ही स्पर्शरेखा)।
अधिक आम तौर पर (अर्थात बूलियन परिणाम प्रकारों तक सीमित नहीं), यादृच्छिक एल्गोरिदम को नियतात्मक एल्गोरिदम से अलग किया जाता है जिसमें कुछ एन्ट्रापी बाह्य रूप से खट्टे होते हैं । रैंडमाइज्ड एल्गोरिदम को गैर-नियतात्मक एल्गोरिदम से अलग किया जाता है क्योंकि एन्ट्रापी बाध्य है , और इस तरह यादृच्छिक (और गैर-नियतात्मक नहीं) एल्गोरिदम हमेशा समाप्त करने के लिए सिद्ध हो सकते हैं।
नॉनडेर्मिनिस्टिक एल्गोरिदम की अप्रत्याशितता इनपुट एन्ट्रापी के सभी संभावित क्रमों की गणना करने में असमर्थता के कारण है (जिसके परिणामस्वरूप समाप्ति की अप्रत्याशितता है)। एक यादृच्छिक एल्गोरिथ्म की अप्रत्याशितता नियंत्रण में असमर्थता के कारण हैसभी इनपुट एन्ट्रॉपी (जिसके परिणामस्वरूप अनिश्चित परिणाम की अप्रत्याशितता होती है, हालांकि अप्रत्याशितता की दर का अनुमान लगाया जा सकता है)। समस्या के सही उत्तर की अप्रत्याशितता के बारे में न तो ये कथन हैं, बल्कि क्रमशः समाप्ति और अनिश्चित परिणाम के साइड-चैनल में अप्रत्याशितता प्रकट होती है। ऐसा लगता है कि कई पाठक सही परिणाम के अप्रत्याशित होने के साथ एक क्षेत्र में अप्रत्याशितता का सामना कर रहे हैं, जो कि एक उलझन है जो मैंने कभी नहीं लिखा (संपादित इतिहास की समीक्षा करें)।
यह समझना महत्वपूर्ण है कि गैर-निर्धारकवाद हमेशा (किसी भी विज्ञान या शब्द के उपयोग में) सार्वभौमिक (अर्थात अबाधित) एन्ट्रॉपी को एन्यूमरेट करने में असमर्थता है। जबकि, रैंडमाइजेशन से तात्पर्य एन्ट्रापी के एक अन्य स्रोत तक पहुँचना है (इन्ट्रोपी कार्यक्रमों के अलावा और इस प्रकार इनपुट चर के नियंत्रण में नहीं है) जो अनबाउंड हो सकता है या नहीं।
मैंने वर्तमान में सबसे लोकप्रिय उत्तर के नीचे निम्नलिखित टिप्पणी को दूसरे धागे से जोड़ा है जो एक समान प्रश्न पूछता है।
सभी विज्ञान अप्रत्यक्ष एन्ट्रापी की अवधारणा पर एकीकृत nondeterminism की समान परिभाषा का उपयोग करते हैं। सभी विज्ञानों में अप्रत्याशित परिणाम एक एल्गोरिथ्म (या सिस्टम) के एक प्राथमिक सभी संभावित आउटपुट को एन्यूमरेट करने में असमर्थता के कारण होते हैं क्योंकि यह अनबाउंड राज्यों अर्थात एनपी जटिलता वर्ग को स्वीकार करता है। किसी विशेष इनपुट को निर्दिष्ट करने के लिए कि क्या यह रुकता है और यह देखते हुए कि परिणाम एक ही राज्य परिवर्तन को दोहराते हुए ब्रह्मांड के बाकी एन्ट्रापी को स्थिर रखने के लिए अन्य विज्ञानों के बराबर है, यह देखने के लिए कि क्या परिणाम है। कम्प्यूटिंग इस एन्ट्रापी अलगाव की अनुमति देता है, जबकि प्राकृतिक विज्ञान नहीं करते हैं।
यादृच्छिक और नॉनडेटर्मिनिस्टिक के बीच एकमात्र मुख्य अंतर के बारे में मेरी बात को स्पष्ट करने के लिए कुछ बेहतरीन टिप्पणियां जोड़ना।
भेद देखना वास्तव में बहुत ही सुरुचिपूर्ण और आसान है, एक बार जब आप सभी इसे सल्यूट एन्ट्रॉपी पॉइंट-ऑफ-व्यू के बजाय एक ऑपरेशनल पॉइंट-ऑफ़-व्यू से वर्णन करने का प्रयास करके इसे बंद कर देते हैं।
@reinierpost हर कोई यादृच्छिक और nondeterministic के बीच अंतर को स्वीकार कर रहा है। इससे आपकी टिप्पणी मद्धम हो जाती है। एल्गोरिथ्म इनपुट (चर) एन्ट्रापी और इसके स्रोत कोड (इनवेरिएंट) आंतरिक एन्ट्रॉपी की बातचीत का जवाब देता है। नॉनडेटर्मिनिज्म अबाधित एन्ट्रॉपी है। अपरिवर्तनीय एन्ट्रॉपी को आंतरिक रूप से अनबाउंड भी किया जा सकता है जैसे ent के अंकों का विस्तार । रैंडमाइज्ड कुछ एन्ट्रापी है जो इनपुट के रूप में परिभाषित नहीं है (यानी यह सिस्टम कॉल से आ सकता है /dev/random
, या यादृच्छिक यादृच्छिकता जैसे NFA या PRNG) हो सकता है।
।
@ गैर-नियतात्मक परिमित ऑटोमे (एनएफए) की औपचारिक परिभाषा परिमित इनपुट एनट्रॉपी (डेटा: 5-ट्यूपल) है। इस प्रकार प्रत्येक एनएफए एक नियतात्मक ट्यूरिंग मशीन पर चल सकता है, अर्थात इसके लिए एक nondeterministic ट्यूरिंग-पूर्ण मशीन की आवश्यकता नहीं होती है। इस प्रकार NFAs nondeterministic समस्याओं के वर्ग में नहीं हैं। एनएफए में "नॉनडेर्मिनिज़्म" की धारणा यह है कि इसका निर्धारणवाद (जबकि स्पष्ट रूप से हर एनएफए को डीएफए में परिवर्तित किया जा सकता है) स्पष्ट रूप से विस्तारित नहीं है - कम्प्यूटेशन के नॉनडेटर्मिनिज़्म के समान नहीं
।
@ राफेल ने एनएफए में "गैर-नियतत्ववाद" का दावा किया है वास्तव में यादृच्छिकता और यादृच्छिकता के बीच अंतर की मेरी परिभाषा की भावना है। मेरी परिभाषा यह है कि यादृच्छिकता वह है जहां कुछ एन्ट्रापी कार्यक्रम या फ़ंक्शन के इनपुट के ज्ञान, (या एनएफए के मामले में वांछित गैर-स्पष्ट विस्तार) के नियंत्रण में नहीं है। जबकि, किसी भी मामले में एन्ट्रापी को जानने में असमर्थता का सही अर्थ है, क्योंकि यह अबाधित है। यह ठीक वही है जो नॉनडेटर्मिनिज़्म से यादृच्छिक रूप से प्रतिष्ठित है। इसलिए एनएफए पूर्व का उदाहरण होना चाहिए, न कि बाद का जैसा आपने दावा किया है।
।
@ राफेल जैसा कि मैंने पहले ही समझाया, एनएफए में गैर-नियतिवाद की धारणा परिमित एन्ट्रापी के साथ गैर-नियतात्मक जोड़ी है। इस प्रकार गैर-नियतात्मकता संपीड़न या सुविधा के रूप में नियतात्मकता का विस्तार नहीं करने की एक स्थानीय अवधारणा है, इस प्रकार हम यह नहीं कहते हैं कि एनएफए गैर-नियतात्मक हैं, बल्कि वे नियतात्मक विस्तार की गणना करने के लिए एक अलौकिक अनिच्छा के लिए यादृच्छिकता की उपस्थिति रखते हैं। लेकिन यह सब एक मृगतृष्णा है क्योंकि इसमें कॉल का विस्तार किया जाना नियत रूप से bcz होता है ताकि एन्ट्रॉपी अनबाउंड न हो अर्थात परिमित न हो।
शब्दकोश उपकरण हैं। उनका उपयोग करना सीखो।
यादृच्छिक विशेषण
सांख्यिकी। या चयन की एक प्रक्रिया की विशेषता जिसमें किसी सेट के प्रत्येक आइटम को चुने जाने की समान संभावना होती है।
किसी सेट या किसी ऐसे तत्व के तत्व से संबंधित होना या होना, जिनके तत्वों में घटना होने की समान संभावना है
इस प्रकार रैंडमाइजेशन के लिए केवल यह आवश्यक है कि इनपुट एन्ट्रापी में से कुछ ट्रांसफॉर्मेबल हो, जो इस प्रकार मेरी परिभाषा के अनुरूप है कि कुछ इनपुट एन्ट्रापी को फंक्शन के कॉलर द्वारा नियंत्रित नहीं किया जाता है। ध्यान दें कि रेंडमाइजेशन के लिए जरूरी नहीं है कि इनपुट एन्ट्रापी टर्मिनेशन के लिए अयोग्य हो।
कंप्यूटर विज्ञान में, एक नियतात्मक एल्गोरिथ्म एक एल्गोरिथ्म है, जो एक विशेष इनपुट दिया जाता है, हमेशा एक ही आउटपुट का उत्पादन करेगा, अंतर्निहित मशीन हमेशा राज्यों के समान अनुक्रम से गुजरती है।
औपचारिक रूप से, एक नियतात्मक एल्गोरिथ्म एक गणितीय कार्य की गणना करता है; एक फ़ंक्शन का अपने डोमेन में किसी भी इनपुट के लिए एक अद्वितीय मूल्य है, और एल्गोरिथ्म एक ऐसी प्रक्रिया है जो आउटपुट के रूप में इस विशेष मूल्य का उत्पादन करती है।
नियतात्मक एल्गोरिदम को एक राज्य मशीन के संदर्भ में परिभाषित किया जा सकता है: एक राज्य का वर्णन करता है कि एक मशीन समय में एक विशेष पल में क्या कर रही है। राज्य मशीनें एक राज्य से दूसरे राज्य में असतत तरीके से गुजरती हैं। हमारे द्वारा इनपुट दर्ज करने के ठीक बाद, मशीन अपने प्रारंभिक अवस्था या प्रारंभ स्थिति में है। यदि मशीन नियतात्मक है, तो इसका मतलब है कि इस बिंदु से, इसकी वर्तमान स्थिति यह निर्धारित करती है कि इसकी अगली स्थिति क्या होगी; राज्यों के सेट के माध्यम से इसका पाठ्यक्रम पूर्व निर्धारित है। ध्यान दें कि एक मशीन नियतात्मक हो सकती है और फिर भी कभी भी बंद या समाप्त नहीं हो सकती है, और इसलिए परिणाम देने में विफल रहती है।
तो यह हमें बता रहा है कि नियतात्मक एल्गोरिदम को फ़ंक्शन की इनपुट स्थिति द्वारा पूरी तरह से निर्धारित किया जाना चाहिए, अर्थात हमें यह साबित करने में सक्षम होना चाहिए कि फ़ंक्शन समाप्त हो जाएगा (या समाप्त नहीं होगा) और यह अनिर्दिष्ट नहीं हो सकता है। विकिपीडिया द्वारा परिभाषित के रूप में विकिपीडिया के उपद्रव का वर्णन करने की विकिपीडिया की घिनौनी कोशिश के बावजूद, विकिपीडिया द्वारा उपर्युक्त के रूप में नियतात्मकता का एकमात्र विरोधाभास एल्गोरिदम है, जिसका इनपुट राज्य (एन्ट्रॉपी) अ-परिभाषित है। और इनपुट स्टेट को केवल एक ही तरह से अ-परिभाषित किया जा सकता है, जब वह अनबाउंड होता है (इस प्रकार नियतांक रूप से प्रचारित नहीं किया जा सकता है)। यह ठीक वही है जो एक nondeterministic ट्यूरिंग मशीन (और कई वास्तविक दुनिया के कार्यक्रमों को अलग करता है जो सामान्य ट्यूरिंग पूर्ण भाषाओं जैसे सी, जावा, जावास्क्रिप्ट, एमएल, आदि में) नियतात्मक TM और प्रोग्रामिंग भाषाओं जैसे HTML, स्प्रेडशीट फ़ार्मुलों से लिखे गए हैं। कोक, एपिग्राम,
कम्प्यूटेशनल जटिलता सिद्धांत में, nondeterministic एल्गोरिदम वे हैं जो हर संभव कदम पर, कई निरंतरता के लिए अनुमति दे सकते हैं (कल्पना करें कि एक आदमी एक जंगल में एक रास्ते पर चल रहा है और, हर बार जब वह आगे कदम बढ़ाता है, तो उसे वह सड़क चुननी चाहिए जिसमें वह चाहता है लेना)। ये एल्गोरिदम हर संभव कम्प्यूटेशनल पथ के लिए एक समाधान पर नहीं पहुंचते हैं; हालाँकि, उन्हें कुछ रास्ते के लिए एक सही समाधान पर पहुंचने की गारंटी दी जाती है (अर्थात, जंगल से गुजरने वाले व्यक्ति को केवल अपना केबिन मिल सकता है यदि वह "सही" रास्तों के कुछ संयोजन को चुनता है)। खोज प्रक्रिया में अनुमानों के रूप में विकल्पों की व्याख्या की जा सकती है।
विकिपीडिया और अन्य नॉनडेटर्मिनिज़्म के साथ यादृच्छिककरण को भ्रमित करने की कोशिश करते हैं, लेकिन अगर आप उन्हें स्पष्ट रूप से भेद नहीं करने जा रहे हैं, तो दो अवधारणाओं के होने का क्या मतलब है?
स्पष्ट रूप से निर्धारकता निर्धारित करने की क्षमता के बारे में है। स्पष्ट रूप से यादृच्छिककरण एन्ट्रापी के कुछ को परिवर्तनीय बनाने के बारे में है।
एक एल्गोरिथ्म की स्थिति में यादृच्छिक एन्ट्रापी को शामिल करना आवश्यक नहीं है जो इसे अनिश्चित बना देता है। उदाहरण के लिए एक PRNG में आवश्यक परिवर्तनीय सांख्यिकीय वितरण हो सकता है, फिर भी पूरी तरह से निर्धारक हो सकता है।
ओर्थोगोनल अवधारणाओं को समझना कम बुद्धि वाले लोगों को होता है। मुझे इस समुदाय से बेहतर की उम्मीद है!