Está en la página 1de 7

LOWER BOUND

Ingeniera en Sistemas Inform ticos y de a Computaci n o SIC324


Farinango T. Gabriela J. gabys cachorrita@hotmail.com Septiembre 10 del 2012

Indice
1. Lower Bounds 2. Conclusi n o 3. Referencias 2 5 6

Lower bound

1.
1.

Lower Bounds
El problema b sico est calculando un recorrido aleatorio donde las salidas de a a fuente del destino , que se dene como sigue. Se nos ha dado una red G=(V,E) y unos nodos de origen s V. El objetivo es idear un algoritmo distribuido de tal manera que, al nal, algunos v nodo enva el ID de s, donde v es el nodo de destino recogido de acuerdo con la probabilidad de que sea el destino de un recorrido aleatorio de longitud l que comienza en s. Asumimos que el paseo aleatorio est ndar a donde, en cada paso, se toma una ventaja del v nodo actual con probabilidad proporcional al 1/d(v) donde d(v) es el grado de v Nuestro objetivo es la producci n o una verdadera muestra aleatoria de la distribuci n de l recorrido empezando desde o s. Lower bound : ( lD + D) Lower bound para los objetos de uso restringido limitado por el valor m ximo, a registros aproximados de uso limitado y contadores exactos y de uso limitado recopilar y comparar andswap-objetos, L depende del n mero de veces que el objeto u se puede acceder o el valor m ximo que soporta. a Lower bound : (min(log L, n))

2.

3.

El problema de contar mal la moneda:Tenemos n monedas, lo que puede ser bueno o malo, por lo menos uno de ellos es malo. Todo lo bueno monedas tienen el mismo peso, y todas las monedas incorrectas el mismo peso. Las monedas malos son m s ligeros que las monedas buenas. Se desea determinar el n mero de monedas a u incorrectas, con la mnima comparaciones en un equilibrio posible. (Hay que es pecicar que al menos una moneda es malo, ya que no es posible distinguir un conjunto de todas las monedas buenas de un conjunto de monedas de todos los malos.) Lower bound : ( n) Lower bound de la colisi n y el elemento de Problemas Distinci n. Dada una funo o ci n f como un oracle, el problema de colisi n es encontrar dos distintos entradas o o i y j tal quef (i) = f (j), bajo la promesa de que existen tales entradas. esta documento se reere al problema de colisi n r-a-uno: o Lower bound : ((n/r)) Buscando el mejor alcance de lmites inferiores Para el modelo del grupo, se mues tra que los conjuntos de entrada y de consulta conjuntos que son difciles para el rango de informes en la m quina indicada, son tambi n difciles para la b squeda a e u de rango din mico en el modelo grupal. Entre otras cosas, esto incluye un lmite a inferior para mejorar el problema fundamental de d-dimensional din mico rango a ortogonal b squeda. u Lower bound : ((log n/ log log n)d1 )

4.

5.

6.

Selecci n del lower bound basado en la comparaci n tiempo-espacio: Probar que o o cualquier algoritmo aleatorio basado en la comparaci n requiere (n loglogS n). o Se establecen los primeros lmites inferiores no triviales en el espaciotiempo para la selecci n del problema. Se demuestra que cualquier algoritmo aleatorio basado o en la comparaci n para encontrar la mediana requiere (n loglogS n) tiempo de o

EPN

Algoritmos

Lower bound

espera en el modelo de RAM (o m s generalmente en la comparaci n de ramicaa o ci n modelo de programa), si tenemos bits S de espacio extra, adem s de la matriz o a de entrada de s lo lectura. Esta cota es apretado para todo S>> log n. o Lower bound : (logn (n/s) + nlogs n) 7. El n mero de eventos de recombinaci n en una Historia Muestra: Dos de las prinu o cipales fuerzas evolutivas que dan forma a esta diversidad son la mutaci n y la reo combinaci n. Una reconstrucci n de la mutaci n probablemente hist rico y eveno o o o tos de recombinaci n que explicar la divergencia de la poblaci n existente de seo o cuencias de una secuencia ancestral unica es un problema difcil sin resolver en la gen tica de poblaciones. e Lower bound : (max(|D(M (S))| |S| 1)) Encontrar las frecuencias necesarias para satisfacer la demanda en frecuencia de un celular red: Han propuesto un lower bound con destino a la FAP (problema de asignaci n de frecuencias). En su amplia aplicabilidad y f cil. El lmite inferior o a hay que buscar a trav s de todos los subconjuntos completos sin m ximos para ene a contrar los que satisface la condici n. Por lo tanto, se necesitara demasiado tiempo o para complejos del mundo real de las redes celulares.Por otro lado, la nuestra requiere encontrar otro subconjunto maxima completo contenido en un subconjunto completo m xima, que puede llevarse a cabo f cilmente mediante el empleo de un a a algoritmo de b squeda de camarilla existente. u Referencias a memoria remota (RM RS). La complejidad de los procesos deterministas que se comunican a trav s de la lectura y escritura compartida de memoria e en cach coherente asncrona y distribuida de memoria compartida multiprocesae dores.Se dene una clase de algoritmos que llamamos codicaci n orden, aplio cando argumentos de la teora de la informaci n, probamos que todo algoritmo de o codicaci n n, compartido por n procesos o Lower bound : (n log n) RMRS. 10. Tiempo lmites inferiores para las implementaciones de Instantaneas de m ltiples u Escritor:Se demuestra un limite inferior apretado de m en el n mero de objetos u sin historia necesarios para la ejecuci n de un objeto instant nea m-componente o a compartido por n > m + 1 procesos. Esto demuestra un apretado lmite inferior (mn) en el paso complejidad de SCAN en cualquier implementaci n de m < n o registros om < n1 objetos sin historia. Tambi n hay una (vmn) el lmite inferior e de la complejidad de paso SCAN para las implementaciones de m < n 1 objetos sin historia y n registros de un solo escritor. Todos estos lmites inferiores trabajar sin importar la cantidad de informaci n puede ser almacenada en cada objeto sin o historial. Lower bound :( mn) Se investiga el problema de construir entropas en supercies generales, probando versiones apropiadas del teorema de Shannon-McMillan, y el uso de estas construcciones para ltrar la gran desviaci n lmite inferior. La existencia de un orden o entropa supercie especca no se limita a seguir a partir de un argumento subadi tividad Lower bound :(rZ d )

8.

9.

11.

EPN

Algoritmos

Lower bound

12.

Limite inferior apretado para protocolos restringidos PIR: Los limites inferiores de Protocolos Privados de recuperaci n de informaci n han sido difciles de obtener. o o Asumimos que las consultas enviadas a cada servidor tienen la misma longitud y que s lo hay dos servidores. Considere el caso de que las respuestas de la base de o datos son lineales, es decir, son un XOR de alg n subconjunto de los bits de la u base de datos. Lower bound :(n/25 a)

13.

Nuevas clases de r pidos lmites inferiores para el problema de embalaje bin: El a problema de embalaje bin es uno de los problemas de optimizaci n cl sicos duo a ros NP. El peor de los casos, as como los resultados computacionales muestran que una de nuestras clases claramente supera mejor a la anterior .econ icolmite o inferior para el problema bin embalaje por Martello y Toth, que puede entenderse como un caso especial. En particular, se demuestra una asint tica peor rendimiento o de 3/4 para un salto que se puede calcular en tiempo lineal de elementos ordenados por tama o. Adem s, nuestro enfoque proporciona un marco general para el n a establecimiento de nuevos lmites. Lower bound : L = max(L2 (I), maxL2 (I))
(p) (K)

14.

Lower Bound para el aprendizaje agnostico atra ves del rango aproximado: Aproximar funciones booleanas mediante combinaciones lineales de peque os conjunn tos de caractersticas es un area fundamental de estudio en aprendizaje autom tico. a Algoritmos bien conocidos como la regresi n lineal, las m quinas de vectores soo a porte, e impulsar intento para aprender los conceptos como funciones lineales o umbrales m s de un conjunto jo de con valores reales caractersticas. En partia cular, el trabajo tanto en la teora del aprendizaje se ha centrado alrededor de la aproximaci n de las diversas clases de concepto, con respecto a una variedad de o distribuciones y la m trica, mediante polinomios de grado bajo. e Lower bound :(2n/n)

15.

Lmite inferior de la complejidad de la comunicaci n aleatoria de una sola lectura o de funciones: Probamos lmites inferiores sobre dos partidos comunicaci n al azar o la complejidad de las funciones que se derivan de read-once formula booleana . Una f rmula booleana lectura una vez que es una f rmula proposicional en l gica o o o con la propiedad de que cada variable aparece exactamente una vez. tal una f rmuo la puede ser representado por un arbol, donde las hojas corresponden a variables, y los nodos internos son etiquetados por conectivas binarias. bajo ciertos supuestos, esta representaci n es unica. As, se puede denir la profundidad de una f rmuo o la como la profundidad del arbol que representa.La complejidad de la evaluaci n o en general de una sola lectura de f rmulas ha atrado inter s principalmente en el o e modelo de arbol de decisi n. o Lower bound :( n(f ))

16.

El m todo de adversario Quantum y tama o f rmula cl sica (lowerbounds) e n o a Se introduce dos medidas complejidad nuevas Boolean funciones, que nombramos sumPI y maxpi. La cantidad sumPI surge a trav s de una lnea de investigaci n e o sobre consulta cu ntico complejo dadas cotas inferiores a trav s del m todo ada e e versario llamado cu ntico. a Lower Bound: (N 0,63 )

EPN

Algoritmos

Lower bound

17.

Una cota inferior para el numero de convexidad. Dado un grafo G conectado, se dice que un conjunto C V (G) es convexa en G si, para cada par de v rtices e x, y C, el conjunto de v rtices de cada x y geod sica en G est contenido en e e a C. El n mero convexidad de G es el cardinalidad de un convexo m ximo apropiau a do establecido en G. Se presentan que cada par k, n de los n meros enteros con 2 k n 1 es realiu zable como la convexidad n mero y orden, respectivamente, de algunas conectado u sin tri ngulos gr co, y dar una cota n > k + 1. a a Lower bound : (G)
n (nk1)+1

n nk .

18.

Algoritmos y cotas inferiores para On-Line. El aprendizaje de conceptos geom trie cos. La complejidad del aprendizaje en lnea es investigado por las clases b sicas de a objetos geom tricos m s un discreto (digitalizada) de dominio. En particular, e a los lmites superior e inferior se derivan de la complejidad del aprendizaje algo ritmos para la eje-rect ngulos, rect ngulos paralelos en posici n general, pelotas, a a o semiespacios, cruces de medias espacios y conjuntos semi-algebraicos. El modelo de aprendizaje en cuenta es el modelo est ndar para el aprendizaje en lnea de a contraejemplos. Lower bound : (d2 logn)

19.

Programaci n divisi n innita: un nuevo lmite inferior del tiempo total de termio o naci n ponderado en m quinas paralelas con las fechas de publicaci n del trabajo o a o y los perodos de indisponibilidad. Lower bound : (m n2(n, m)(n + U ) + nlogn) en el peor caso.

20.

Lmites inferiores para las densidades de manera uniforme elptica variables alea torias sobre Wiener espacio. Se generalizan las estimaciones de lmite inferior uniformemente elptica procesos de difusi n obtenidos por Kusuoka y Stroock. Demostramos que con esta denio ci n se puede probar una estimaci n mnima de tipo gaussiano por su densidad. o o Aplicamos nuestros resultados para el caso de la ecuaci n del calor estoc stico o a bajo la hip tesis de elipticidad unifome de la difusi n coeciente. o o Lower bound : ; minS[tn1,tn ]i=1,...,k max|Wi (s)| > K

2.

Conclusi n o

Para obtener la expresi n del lower bound de un problema no es necesario que el o problema tenga soluci n simplemente se la puede represnetar en funcion de expresioo nes Al buscar el lower bound del problema se puede utilizar muchos teoremas y corolarios e incluso utilizar el lower bound de algun problema relacionado.

EPN

Algoritmos

Lower bound

3.

Referencias

Referencias
[1] Nanongkai, Danupon, Atish Das Sarma, and Gopal Pandurangan. A Tight Unconditional Lower Bound on Distributed Randomwalk Computation In Proceedings of the 30th Annual ACM SIGACT-SIGOPS Symposium on Principles of Distributed Computing, 257266. PODC 11. New York, NY, USA: ACM, 2011. http://doi.acm.org/10.1145/1993806.1993853. [2] Aspnes, James, Hagit Attiya, Keren Censor-Hillel, and Danny Hendler. Lower Bounds for Restricted-use Objects: Extended Abstract. In Proceedinbgs of the 24th ACM Symposium on Parallelism in Algorithms and Architectures, 172181. SPAA 12. New York, NY, USA: ACM, 2012. http://doi.acm.org/10.1145/2312005.2312037. [3] E. Purdy, Lower Bounds for Coin-Weighing Problems, ACM Trans. Comput. Theory, vol. 2, no. 2, pp. 3:13:12, Mar. 2011. [4] Aaronson, Scott, and Yaoyun Shi. Quantum Lower Bounds for the Collision and the Element Distinctness Problems.J. ACM 51, no. 4 (July 2004): 595605. [5] Larsen, Kasper Green, and Huy Le Nguyen. Improved Range Searching Lower Bounds. In Proceedings of the 2012 Symposuim on Computational Geometry, 171178. SoCG 12. New York, NY, USA: ACM, 2012. http://doi.acm.org/10.1145/2261250.2261275. [6] T. M. Chan, Comparison-based time-space lower bounds for selection, ACM Trans. Algorithms, vol. 6, no. 2, pp. 26:126:16, Apr. 2010. [7] Bafna, Vineet, and Vikas Bansal. The Number of Recombination Events in a Sample History: Conict Graph and Lower Bounds. IEEE/ACM Trans. Comput. Biol. Bioinformatics 1, no. 2 (April 2004): 7890. [8] D. Tcha, Y. Chung, and T. Choi, A new lower bound for the frequency assignment problem, IEEE/ACM Trans. Netw., vol. 5, no. 1, pp. 3439, Feb. 1997. [9] H. Attiya, D. Hendler, and P. Woelfel, Tight RMR lower bounds for mutual exclusion and other problems, in Proceedings of the twenty-seventh ACM symposium on Principles of distributed computing, New York, NY, USA, 2008, pp. 447447. [10] Ellen, Faith, Panagiota Fatourou, and Eric Ruppert. Time Lower Bounds for Implementations of Multi-writer Snapshots. J. ACM 54, no. 6 (December 2007). http://doi.acm.org/10.1145/1314690.1314694. [11] Brettschneider, Julia. ShannonMcMillan Theorems for Discrete Random Fields Along Curves and Lower Bounds for Surface-order Large Deviations. Probability Theory and Related Fields 142, no. 3 (2008): 443473. [12] Beigel, Richard, Lance Fortnow, and William Gasarch. A Tight Lower Bound for Restricted Pir Protocols. Computational Complexity 15, no. 1 (2006): 8291. [13] Fekete, S ndor P., and J rg Schepers. New Classes of Fast Lower Bounds for a o Bin Packing Problems. Mathematical Programming 91, no. 1 (2001): 1131. EPN 6 Algoritmos

Lower bound

[14] Klivans, Adam, and Alexander Sherstov. Lower Bounds for Agnostic Learning via Approximate Rank. Computational Complexity 19, no. 4 (2010): 581604. [15] Leonardos, Nikos, and Michael Saks. Lower Bounds on the Randomized Communication Complexity of Read-Once Functions. Computational Complexity 19, no. 2 (2010): 153181. [16] S. Laplante, T. Lee, and M. Szegedy, THE QUANTUM ADVERSARY METHOD AND CLASSICAL FORMULA SIZE LOWER BOUNDS, Computational Complexity, vol. 15, no. 2, pp. 163196, 2006. [17] B. Kim, A lower bound for the convexity number of some graphs, Journal of Applied Mathematics and Computing, vol. 14, no. 1, pp. 185191, 2004. [18] W. Maass and G. Tur n, Algorithms and lower bounds for on-line learning of a geometrical concepts, Machine Learning, vol. 14, no. 3, pp. 251269, 1994. [19] R. Nessah and C. Chu, Innite split scheduling: a new lower bound of total weighted completion time on parallel machines with job release dates and unavailability periods, Annals of Operations Research, vol. 181, no. 1, pp. 359375, 2010. [20] A. Kohatsu-Higa, Lower bounds for densities of uniformly elliptic random variables on Wiener space, Probability Theory and Related Fields, vol. 126, no. 3, pp. 421457, 2003.

EPN

Algoritmos