Model yang Anda gambarkan dikenal sebagai model Blum-Shub-Smale (BSS) (juga model Real RAM) dan memang digunakan untuk mendefinisikan kelas kompleksitas.
Beberapa masalah yang menarik dalam domain ini adalah kelas , N P R , dan tentu saja pertanyaan apakah P R = N P R . Dengan P R yang kami maksud masalahnya adalah polinomially dapat ditentukan, N P R adalah masalahnya dapat diverifikasi secara polinomi. Ada kekerasan / kelengkapan pertanyaan tentang kelas N P R . Sebuah contoh dari N P R masalah lengkap adalah masalah Q P S , Kuadrat Polinomial System, di mana input adalah polinomial nyata dalamPRNPRPRNPRPRNPRNPRNPRQPS variabel, dan p 1 , . . . , P n ⊆ R [ x 1 , . . . , x n ] derajat paling banyak 2, dan setiap polinomial memiliki paling banyak 3 variabel. Pertanyaannya apakah ada solusi nyata yang umum R n , sehingga p 1 ( a ) , p 2 ( a ) , . . . p n ( a ) = 0mp1,...,pn ⊆ R[x1,...,xn]Rnp1(a),p2(a),...pn(a)=0. Ini adalah masalah lengkap.NPR
Tetapi yang lebih menarik, ada beberapa penelitian tentang hubungan antara (Probalistically Checkable Proofs) dengan Reals, yaitu kelas P C P R , dan bagaimana kaitannya dengan model perhitungan aljabar. Model BSS panci untuk semua N P lebih real. Ini adalah standar dalam literatur, dan apa yang kita ketahui saat ini adalah bahwa N P R memiliki "transparan bukti lama", dan "bukti pendek transparan". Dengan "bukti panjang transparan" berikut ini tersirat: N P R terkandung dalam P C P R ( p o l yPCPPCPRNPNPRNPR . Ada juga ekstensi yang mengatakan, "Versi Pendek Hampir (kira-kira)" juga benar. Bisakah kita menstabilkan bukti dan mendeteksi kesalahan dengan memeriksa komponen (nyata) yang jauh lebih sedikit daripada n ? Hal ini menimbulkan pertanyaan tentang keberadaan nol untuk (sistem) polinomial univariat yang diberikan oleh program garis lurus. Juga, dengan "bukti panjang transparan" yang kami maksudPCPR(poly,O(1))n
"transparan" - Hanya, untuk dibaca,O(1)
panjang - jumlah superpolinomial dari komponen nyata.
Buktinya terkait dengan , dan yakin salah satu cara untuk melihat masalah dihargai nyata adalah bagaimana mungkin terkait dengan Subset Sum - algoritma pendekatan bahkan untuk masalah nyata dihargai akan -seperti yang menarik untuk optimasi - Linear Programming kita tahu adalah di kelas F P , tapi ya itu akan menarik untuk melihat bagaimana approximatability mungkin dampak kelengkapan / kekerasan untuk kasus N P R masalah. Juga, pertanyaan lain adalah N P R = c o - N P R ? 3SATFPNPRNPR = co-NPR
Sambil memikirkan kelas , ada kelas penghitungan yang juga didefinisikan untuk memungkinkan alasan tentang aritmatika polinomial. Sedangkan # P adalah kelas fungsi f yang didefinisikan lebih dari { 0 , 1 } ∞ → N yang memiliki waktu polinom Turing mesin M dan p polinomial dengan properti yang ∀ n ∈ N , dan x ∈ { 0 , 1 } n , f ( x )NPR#Pf{0,1}∞ → NMp∀n∈Nx∈{0,1}nf(x)menghitung jumlah string { 0 , 1 } p ( n ) yang diterima Mesin Turing M { x , y } . Untuk real kami memperluas ide ini ada mesin BSS aditif - mesin BSS yang hanya melakukan penambahan, dan perkalian (tidak ada divisi, tidak ada pengurangan). Dengan mesin BSS aditif (node dalam perhitungan hanya memungkinkan penambahan, dan multiplikasi) model untuk # P menjadi salah satu di mana penghitungan berada di atas vektor yang diterima oleh mesin BSS aditif. Jadi, kelas penghitungan adalah # P a d dy∈{0,1}p(n)M{x,y}#P#Padd kelas ini berguna dalam mempelajari angka Betti, dan juga karakteristik Euler.