Алгоритмические трудности минимизации ДНФ

Минимизация ДНФ трудна не по одной причине. Даже после перехода к простым импликантам число тупиковых и минимальных ДНФ может быть двойно экспоненциально большим, а сама сокращённая ДНФ и таблица Квайна могут иметь очень большой размер.1

В курсе дополнительно отмечены две алгоритмические границы: построение сокращённой ДНФ из КНФ связано с NP-полной задачей выполнимости, а для решения вопросов о минимальных ДНФ локальным методом в общем случае приходится учитывать окрестности порядка, растущего с n.1, 2

Что важно запомнить
  • Число тупиковых и даже минимальных ДНФ может быть чрезвычайно большим.1
  • Длина сокращённой ДНФ в худшем случае растёт не менее чем \(c\cdot 3^n/n\) для некоторой константы c>0.1
  • Построение сокращённой ДНФ из КНФ наследует алгоритмическую трудность задачи выполнимости.1
  • Локальность тоже ограничена: фиксированной малой окрестности недостаточно для общей задачи минимизации.1, 2

Комбинаторный взрыв числа кандидатов

Любую минимальную по монотонному функционалу ДНФ можно искать среди тупиковых форм. Однако это ещё не делает перебор практичным. Лемма 8.1 строит функции от n≥4 переменных, имеющие \(5^{2^{n-4}}\) тупиковых и \(2^{2^{n-4}}\) минимальных ДНФ. Значит, сама выдача или перебор всех кандидатов может быть огромной.1

Размер сокращённой ДНФ и таблицы Квайна

Второй источник сложности — размер исходного пространства простых импликант. Для максимальной длины сокращённой ДНФ в курсе получена нижняя оценка

\(\lambda_{\text{сокр}}(n)\ge c\cdot 3^n/n\)

с некоторой положительной константой c. Таблица Квайна имеет по строке на каждую простую импликанту, поэтому её размер также может расти очень быстро.1

Связь с вычислительной сложностью

В лекциях приводится следующий аргумент. Проблема выполнимости КНФ относится к NP-полным. Если по КНФ построить сокращённую ДНФ реализуемой функции, то по наличию ненулевых членов можно решить вопрос о выполнимости. Поэтому уже этап перехода от КНФ к полной системе простых импликант является алгоритмически трудным.1

Ограничения локальных методов

Ю. И. Журавлёв предложил локальные алгоритмы, в которых решение о конъюнкции зависит от окрестности ограниченного порядка в сокращённой ДНФ. Для некоторых задач тупиковости достаточно малых окрестностей, но для принадлежности минимальным ДНФ ситуация хуже. В лекционном курсе показано, что в общем случае различение может требовать окрестности порядка n−3, а в более общей формулировке для любого фиксированного r существуют функции, где локальный алгоритм индекса r не способен решить эту задачу.1, 2

Эти результаты описывают разные источники трудности. Их не следует сводить к одному утверждению «минимизация ДНФ NP-полна»: курс отдельно рассматривает размер представления, число решений, классическую вычислительную сложность и локальность алгоритмов.

Частые ошибки
  • Из NP-полноты выполнимости автоматически заключать доказанное равенство P≠NP. Курс такого вывода не делает.
  • Считать сокращённую ДНФ уже минимальной. Она лишь содержит все простые импликанты и может быть очень большой.
  • Описывать трудность только временем одного алгоритма. В курсе выделяются также размер представления, число решений и необходимая глубина локального анализа.

Другие вопросы

Источники

  1. 1 Ложкин С. А. Лекции по основам кибернетики Вариант 2017 г. (гр. 311–319), глава 1, §8, леммы 8.1–8.2 и обсуждение сложности, МГУ, факультет ВМК
  2. 2 Сапоженко А. А. Некоторые вопросы сложности алгоритмов М.: МГУ, факультет ВМК, 2001, §3 «Локальные алгоритмы»