The promise constraint satisfaction problem (PCSP) is a recently introduced vast generalisation of the constraint satisfaction problem (CSP) that captures approximability of satisfiable instances. A PCSP instance comes with two forms of each constraint: a strict one and a weak one. Given the promise that a solution exists using the strict constraints, the task is to find a solution using the weak constraints. While there are by now several dichotomy results for fragments of PCSPs, they all consider (in some way) symmetric PCSPs. 1-in-3-SAT and Not-All-Equal-3-SAT are classic examples of Boolean symmetric (non-promise) CSPs. While both problems are NP-hard, Brakensiek and Guruswami showed [SODA'18] that given a satisfiable instance of 1-in-3-SAT one can find a solution to the corresponding instance of (weaker) Not-All-Equal-3-SAT. In other words, the PCSP template (1-in-3,NAE) is tractable. We focus on non-symmetric PCSPs. In particular, we study PCSP templates obtained from the Boolean template (t-in-k,NAE) by either adding tuples to t-in-k or removing tuples from NAE. For the former, we classify all templates as either tractable or not solvable by the currently strongest known algorithm for PCSPs, the combined basic LP and affine IP relaxation of Brakensiek and Guruswami [SODA'20]. For the latter, we classify all templates as either tractable or NP-hard.


翻译:承诺限制满意度问题( PCSP) 是最近广泛推广的限制满意度问题( CSP) 的概括性( PCSP ), 它捕捉到可讽刺的事例。 PCSP 实例包含两种不同的制约形式: 严格和弱。 鉴于有希望使用严格的制约来找到解决办法, 任务在于利用薄弱的制约来找到解决办法。 虽然现在对PCSP的碎片有几种对称效果, 它们都认为( 以某种方式) 对称 PCSP 。 1- in-3- SAT 和 Not- All- Equal-3- SAT 是 Boolean 的典型例子。 PCSP 典型的( 非承诺- ) URM( 非承诺- ) CSP 。 虽然这两个问题都是 NP- hard, Brakenseeksekek 和 Gruuswami 都显示了[ Slus'18], 但考虑到 1- in- at- SAT combet- perferable PCral (weral- k) listal Studal- weral Stal Stal- sal- sal- sal- sal.

0
下载
关闭预览

相关内容

专知会员服务
53+阅读 · 2020年9月7日
专知会员服务
40+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
36+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
Keras实例:PointNet点云分类
专知
6+阅读 · 2020年5月30日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Rollup构建发布一个Vue组件
前端黑板报
5+阅读 · 2019年7月13日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
已删除
将门创投
5+阅读 · 2017年11月20日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Arxiv
0+阅读 · 2021年6月16日
Exploring Sparse Expert Models and Beyond
Arxiv
0+阅读 · 2021年6月14日
Arxiv
0+阅读 · 2021年6月12日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2017年12月14日
VIP会员
相关VIP内容
专知会员服务
53+阅读 · 2020年9月7日
专知会员服务
40+阅读 · 2020年9月6日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
开源书:PyTorch深度学习起步
专知会员服务
51+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
2019年机器学习框架回顾
专知会员服务
36+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
相关资讯
Keras实例:PointNet点云分类
专知
6+阅读 · 2020年5月30日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Rollup构建发布一个Vue组件
前端黑板报
5+阅读 · 2019年7月13日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
已删除
将门创投
5+阅读 · 2017年11月20日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
相关论文
Arxiv
0+阅读 · 2021年6月16日
Exploring Sparse Expert Models and Beyond
Arxiv
0+阅读 · 2021年6月14日
Arxiv
0+阅读 · 2021年6月12日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2017年12月14日
Top
微信扫码咨询专知VIP会员