এনপি-সম্পূর্ণতার মতো বিষয়গুলির জন্য যুক্তির জন্য, আমরা সাধারণত বহু-এক হ্রাস (যেমন, কার্পের হ্রাস) ব্যবহার করি। এটি এর মতো ছবি বাড়ে:
(মানক অনুমানের অধীনে)। আমি নিশ্চিত যে আমরা সকলেই এই ধরণের জিনিসটির সাথে পরিচিত।
আমরা যদি টুরিং হ্রাস (যেমন কুক হ্রাস) নিয়ে কাজ করি তবে কী চিত্র পাব? কীভাবে ছবি বদলে যায়?
বিশেষত, সবচেয়ে গুরুত্বপূর্ণ জটিলতা ক্লাসগুলি কী কী এবং তারা কীভাবে সম্পর্কিত? আমি অনুমান করছি যে এমন ভূমিকা পালন করে যা এবং গ্রহণ করত (কারণ ট্যুরিং হ্রাসের অধীনে যেমন করপ হ্রাসের অধীনে বন্ধ রয়েছে); এটা কি ঠিক?
তাহলে ছবিটি কি এখন মতো দেখা উচিত, নিচের মত কিছু?
এমন কি কিছু নতুন ক্রম রয়েছে যা একটি ভূমিকা বহন করে যা বহুপদী শ্রেণিবিন্যাসের সাথে মিলে যায়? সেখানে জটিলতা ক্লাস একটি প্রাকৃতিক ক্রম , ,, ..., এমন যে প্রতিটি জটিলতা ক্লাস টুরিং হ্রাসের আওতায় বন্ধ? এই অনুক্রমের "সীমা" কী: এটি কি ? এটা কি অনুমান করা হয়েছে যে অনুক্রমের প্রতিটি শ্রেণি পূর্ববর্তী থেকে পৃথক? (দ্বারা "প্রত্যাশিত", আমি বিশ্বাসযোগ্য অনুমান অধীনে বলতে চাচ্ছি, ইন্দ্রিয় অনুরূপ যা ধারণা করা হচ্ছে যে ।)
সম্পর্কিত: একাধিক কমানো বনাম বনাম ট্যুরিং হ্রাস এনপিসি সংজ্ঞায়িত করতে । এই নিবন্ধটি ব্যাখ্যা করেছে যে আমরা কার্প হ্রাস নিয়ে কাজ করার কারণ হ'ল এটি আমাদের একটি সূক্ষ্ম ধনী, আরও সমৃদ্ধ, আরও সুনির্দিষ্ট শ্রেণিবিন্যাস দেয়। মূলত, আমি ভাবছি যে আমরা যদি টিউরিং হ্রাস নিয়ে কাজ করি তাহলে শ্রেণিবদ্ধতা কেমন হবে: মোটা, কম সমৃদ্ধ, কম নির্ভুল শ্রেণিবদ্ধ দেখতে কেমন হবে।