Saya telah berupaya memperkenalkan beberapa hasil dari kompleksitas komputasi ke dalam biologi teoretis, terutama evolusi & ekologi , dengan tujuan menjadi menarik / berguna bagi para ahli biologi. Salah satu kesulitan terbesar yang saya hadapi adalah membenarkan kegunaan analisis kasus terburuk asimptotik untuk batas bawah. Apakah ada referensi panjang artikel yang membenarkan batas bawah dan analisis kasus terburuk asimptotik kepada khalayak ilmiah?
Saya benar-benar mencari referensi yang baik yang bisa saya tunda dalam tulisan saya daripada harus melalui pembenaran di ruang terbatas yang saya miliki (karena itu bukan titik pusat artikel). Saya juga mengetahui jenis dan paradigma analisis lainnya, jadi saya tidak mencari referensi yang mengatakan kasus terburuk adalah analisis "terbaik" (karena ada pengaturan ketika sangat tidak), tetapi tidak completeletely berguna: masih bisa memberi kita wawasan teoritis yang berguna dalam perilaku aktual algoritma pada aktual input. Penting juga tulisan ini ditujukan untuk para ilmuwan umum dan bukan hanya insinyur, ahli matematika, atau ilmuwan komputer.
Sebagai contoh, esai Tim Roughgarden yang memperkenalkan teori kompleksitas kepada para ekonom berada di jalur yang benar untuk apa yang saya inginkan. Namun, hanya bagian 1 dan 2 yang relevan (sisanya terlalu spesifik secara ekonomi) dan audiens yang dituju sedikit lebih nyaman dengan pemikiran teorema-lemma-bukti daripada kebanyakan ilmuwan [1] .
Detail
Dalam konteks dinamika adaptif dalam evolusi , saya telah bertemu dua jenis resistensi khusus dari ahli biologi teoretis:
[A] "Mengapa saya harus peduli pada perilaku untuk sewenang-wenang ? Saya sudah tahu bahwa genom memiliki n = 3 ∗ 10 9 pasangan basa (atau mungkin n = 2 ∗ 10 4 gen) dan tidak lebih."
Ini relatif mudah untuk disingkirkan dengan argumen "kita bisa membayangkan menunggu detik, tetapi bukan 2 10 9 ". Tapi, argumen yang lebih rumit mungkin mengatakan bahwa "yakin, Anda mengatakan Anda hanya peduli pada n spesifik , tetapi teori Anda tidak pernah menggunakan fakta ini, mereka hanya menggunakan itu besar tapi terbatas, dan itu adalah teori Anda yang sedang kami pelajari dengan analisis asimptotik ".
[B] "Tetapi Anda hanya menunjukkan bahwa ini sulit dengan membangun lansekap spesifik ini dengan gadget ini. Mengapa saya harus peduli dengan ini alih-alih rata-rata?"
Ini adalah kritik yang lebih sulit untuk diatasi, karena banyak alat yang biasa digunakan orang dalam bidang ini berasal dari fisika statistik di mana seringkali aman untuk mengasumsikan distribusi yang seragam (atau sederhana tertentu lainnya). Tetapi biologi adalah "fisika dengan sejarah" dan hampir semuanya tidak setimbang atau 'tipikal', dan pengetahuan empiris tidak cukupuntuk membenarkan asumsi tentang distribusi melalui input. Dengan kata lain, saya ingin argumen yang mirip dengan yang digunakan terhadap analisis kasus rata-rata distribusi seragam dalam rekayasa perangkat lunak: "kami memodelkan algoritme, kami tidak dapat membuat model yang masuk akal tentang bagaimana pengguna akan berinteraksi dengan algoritma atau apa distribusi mereka. input akan menjadi; itu untuk psikolog atau pengguna akhir, bukan kita. " Kecuali dalam kasus ini, sains tidak berada pada posisi di mana setara dengan 'psikolog atau pengguna akhir' ada untuk mengetahui distribusi yang mendasarinya (atau jika itu bahkan bermakna).
Catatan dan pertanyaan terkait
- Tautan ini membahas ilmu kognitif, tetapi pola pikirnya serupa dalam biologi. Jika Anda menelusuri Evolution atau Journal of Theoretical Biology , Anda jarang akan melihat teorema-lemma-proof, dan ketika Anda melakukannya biasanya akan hanya perhitungan daripada sesuatu seperti bukti keberadaan atau konstruksi rumit.
- Paradigma untuk analisis kompleksitas algoritma
- Jenis lain dari analisis waktu berjalan selain kasus terburuk, rata-rata, dll?
- Ekologi dan evolusi melalui lensa algoritmik
- Mengapa para ekonom harus peduli pada kompleksitas komputasi