贝叶斯推理的参数化复杂性结果
摘要：贝叶斯网络的推断的完备性结果：基于变量数量和拓扑顶点分离数两个不同的参数化，我们提出了完备性结果。为此，我们引入了参数化复杂类$mathsf{W[1]PP}$和$mathsf{XLPP}$，它们与$mathsf{W[1]}$和$mathsf{XNLP}$分别相关，正如$mathsf{PP}$与$mathsf{NP}$相关一样。第二个参数旨在自然地将路径宽度的概念转化为有向无环图的情况，因此它是一个比较常考虑的树宽度更强的参数。基于一个最近的猜想，这个参数的完备性结果表明，推断的确定性算法在路径宽度和扩展到树宽度方面需要指数级的空间。这些结果旨在为贝叶斯推断的参数化复杂性提供更精确的理解，从而了解其在时间和空间方面所需的计算资源。
作者：Hans Bodlaender, Nils Donselaar, Johan Kwisthout
论文ID：2206.07172
分类：Computational Complexity
分类简称：cs.CC
提交时间：2022-06-16