二分图匹配属于 NC

Hacker News Top 论文

摘要

Chatterjee、Ghosh、Gurjar、Raj 和 Thierauf 的一篇论文声称证明了二分图匹配问题属于复杂度类 NC,从而解决了 1980 年代以来并行算法与去随机化领域的一个核心开放问题。

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/06/26 11:17

# 二分图匹配属于NC复杂度类! 来源:https://scottaaronson.blog/?p=9851 今天心情不错——我和孩子们在加州大熊湖附近的山间,参加一个美丽的科学夏令营——因此我想写点积极的东西。上周,五位作者(Chatterjee、Ghosh、Gurjar、Raj 和 Thierauf)向《计算复杂性电子讨论会》提交了一篇**重要论文**(https://eccc.weizmann.ac.il/report/2026/100/),该论文表明(或者说,至少可信地声称表明):**二分图匹配**(https://discrete.openmathbooks.org/dmoi3/sec_matchings.html)问题属于复杂度类 **NC**(https://en.wikipedia.org/wiki/NC_(complexity))。如果这一结果成立,它将解决一个自20世纪80年代以来一直悬而未决的并行算法与去随机化领域的核心问题。 在二分图匹配问题中,给定n个男性和n个女性的列表,以及谁愿意与谁约会的信息,你的目标是: 1. 判断是否可能让每个人都与一位自愿的伴侣配对; 2. 如果可能,实际找出这样一组配对。 组合算法早期最伟大的发现之一——每个算法入门课程都会教授——是这个问题可以在关于n的多项式时间内求解,尽管天真的暴力方法需要检查n!种可能性。 (注意:在**二分图**版本中,我们假设男性和女性都是异性恋。如果允许同性恋,我们就得到**一般图**中的匹配问题,同样可以在多项式时间内求解,但算法要复杂得多,是埃德蒙兹在20世纪60年代的一项重大发现。) 无论如何,问题是:我们能否做到比多项式时间更好?具体来说,给定多项式数量的并行处理器,我们能否在多对数时间(即关于log(n)的多项式时间)内解决这个问题? 回到20世纪80年代,先是 **Karp、Upfal 和 Wigderson**(http://www.math.ias.edu/~avi/PUBLICATIONS/MYPAPERS/KUW86/KarpUW86.pdf),随后(通过一种非常不同的方法)**Mulmuley**、我以前的博士生导师 **Umesh Vazirani** 以及 Umesh 的兄弟 **Vijay Vazirani** 成功**证明**答案是肯定的(https://people.eecs.berkeley.edu/~vazirani/pubs/matching.pdf),但前提是并行处理器额外获得随机比特,并且只需要以高概率成功。 新的成就是**去随机化** Mulmuley-Vazirani-Vazirani 算法,并证明上述问题1和问题2都可以在**确定性的**并行多对数时间内求解——换句话说,属于复杂度类 **NC**。 不,我还不了解它的工作原理。如果有人了解,欢迎在评论中解释!或者让你最喜欢的AI生成一个摘要。如果别无他法,我可能最终会尝试**阅读论文**。 (*注:*感谢 Gil Kalai 对本文早期版本的一些指正。) --- **另一项公告:**今天是纽约市的初选日!几乎所有我在人工智能治理与安全领域最聪明的朋友都对 **Alex Bores**(https://www.alexbores.nyc/)的国会竞选活动感到极度兴奋——毫不夸张地说,他们认为这是人类最后的希望。Bores 在试图监管人工智能方面一直走在全国前列,以至于 Marc Andreessen 的“引领未来”反AI监管政治行动委员会(PAC)花费了数百万美元试图扼杀他的候选人资格。在人工智能之外,Bores 看起来是一位理智、传统的民主党人——也就是我喜欢的那种——并且在他对以色列的立场上比他的基本盘温和得多(注意他的主要对手也是如此)。我不对 Bores 在所有问题上的观点发表评论,只想简单说:如果你住在 **纽约第12国会选区**(https://en.wikipedia.org/wiki/New_York%27s_12th_congressional_district)(包括曼哈顿中心的大片区域),并且关心人工智能安全,请在还有时间时考虑投票给 Bores。 这篇博文发布于 2026年6月22日星期一下午12:27,归类于 **公告**(https://scottaaronson.blog/?cat=31)和 **复杂性**(https://scottaaronson.blog/?cat=5)。你可以通过 **RSS 2.0**(https://scottaaronson.blog/?feed=rss2&p=9851)订阅这篇博文的回应。你可以在本站 **留下回应**(https://scottaaronson.blog/?p=9851#respond),或者从你自己的网站 **引用**(https://scottaaronson.blog/wp-trackback.php?p=9851)本文。 你可以在评论中使用富文本HTML!你也可以使用基本 TeX,通过将公式用 $$ $$ 括起来表示显示公式,或用 \\( \\) 表示内联公式。 在经历了二十多年基本开放的评论后,*Shtetl-Optimized* 于2024年7月过渡到以下政策: 所有评论默认被视为发送给我 Scott Aaronson 的个人信息——既不期望它们会出现在博客上,也不期望我会回复它们。 我会在闲暇时酌情决定,并与 *Shtetl-Optimized* 守护委员会(https://scottaaronson.blog/?p=6576)协商,挑选出我认为特别有趣或能推动话题发展的评论发布在博客上,并尽量回答这些问题。但这更像是“致编辑的信”。任何觉得受到不公正审查的人都可以自由使用互联网的其他部分。

相似文章

学会匹配:具有时间扩展反馈的双边匹配

arXiv cs.LG

本文介绍了一个具有时间扩展反馈的双边匹配框架,将其建模为部分可观测的马尔可夫博弈,包含昂贵筛选、噪声观测和动态变化的潜在特征。作者提出了多智能体强化学习基准Learn2Match,并展示了独立PPO在社会福利方面优于bandit基线,但信息摩擦损失更高。

通过宽基线匹配激发MLLMs中的复杂空间推理

Hugging Face Daily Papers

本文介绍了ReasonMatch-Bench,一个用于多模态大语言模型中宽基线匹配的基准,并提出了动态对应强化学习(DCRL)以提升空间推理能力。实验表明,该方法在基准测试上取得了显著提升,同时保持了通用性能。

面向组合几何极值问题的几何感知MCTS

arXiv cs.AI

本文提出了一种几何感知的蒙特卡洛树搜索框架,用于在n×n网格上求解极值组合几何问题,在六个测试问题中的五个上取得了新的最佳已知结果,包括对No-Three-in-Line问题的改进。

分数匹配学习的有限样本界

arXiv cs.LG

本文首次为使用分数匹配学习多项式指数族提供了非渐近样本复杂度界,显示出对模型维度的多项式依赖。