Chapter 7, 8 : Time, Space Complexity

Σχετικά έγγραφα
Θεωρία Υπολογισμού και Πολυπλοκότητα

Θεωρία Υπολογισμού και Πολυπλοκότητα

Chapter 7, 8 : Time, Space Complexity

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 18: Χρονική και Χωρική Πολυπλοκότητα

CSC 314: Switching Theory

Λύσεις 4ης Σειράς Ασκήσεων

Chapter 7, 8 : Completeness

Μη Ντετερμινισμός και NP-Πληρότητα

Σειρά Προβλημάτων 5 Λύσεις

Μη Ντετερμινισμός και NP-Πληρότητα

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Επανάληψη Μαθήματος

Κλάσεις Πολυπλοκότητας

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Κεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,

Αλγόριθµοι και Πολυπλοκότητα

Πεπερασμένα Αυτόματα. ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών

num(m(w 1 ;... ; w k )) = f(num(w 1 ),..., num(w k ))

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 13: Παραλλαγές Μηχανών Turing και Περιγραφή Αλγορίθμων

Πολυπλοκότητα. Παράμετροι της αποδοτικότητας ενός αλγόριθμου: Χρόνος εκτέλεσης. Απαιτούμενοι πόροι, π.χ. μνήμη, εύρος ζώνης. Προσπάθεια υλοποίησης

Υπολογιστική Πολυπλοκότητα Εξέταση Ιουνίου 2017 Σελ. 1 από 5

ΣΧΕΣΕΙΣ ΜΕΤΑΞΥ ΚΛΑΣΕΩΝ ΠΟΛΥΠΛΟΚΟΤΗΤΑΣ

Φροντιστήριο 10 Λύσεις

t M (w) T ( w ) O( n) = O(n 2 )

Μη Ντετερμινισμός και NP-Πληρότητα

Σειρά Προβλημάτων 4 Λύσεις

Κυκλώματα και βασικές Ιδιότητες

Φροντιστήριο 11 Λύσεις

Στοιχεία Θεωρίας Υπολογισμού

Υποθέσεις - - Θεωρήματα Υποθέσεις - Θεωρήματα Στα μαθηματικά και στις άλλες επιστήμες κάνουμε συχνά υποθέσεις. Οταν δείξουμε ότι μια υπόθεση είναι αλη

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 15: Διαγνωσιμότητα (Επιλυσιμότητα) ΙΙ

Σειρά Προβλημάτων 5 Λύσεις

Θεωρία Υπολογισμού Άρτιοι ΑΜ. Διδάσκων: Σταύρος Κολλιόπουλος. eclass.di.uoa.gr. Περιγραφή μαθήματος

Θεωρία Υπολογισμού Αρτιοι ΑΜ Διδάσκων: Σταύρος Κολλιόπουλος eclass.di.uoa.gr

Κατώτερα φράγματα Κατώτερο φράγμα: εκτίμηση της ελάχιστης εργασίας που απαιτείται για την επίλυση ενός προβλήματος. Παραδείγματα: Αριθμός συγκρίσεων π

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Η δυαδική σχέση M ( «παράγει σε ένα βήμα» ) ορίζεται ως εξής: (q, w) M (q, w ), αν και μόνο αν w = σw, για κάποιο σ Σ

Υποθέσεις - Θεωρήματα. Μαθηματικά Πληροφορικής 1ο Μάθημα. Η χρυσή τομή. Υποθέσεις - Εικασίες

Κλάση NP, NP-Complete Προβλήματα

Επίπεδα Γραφήματα : Προβλήματα και Υπολογιστική Πολυπλοκότητα

ΔΥΣΚΟΛΙΑ ΣΤΗΝ ΠΡΟΣΕΓΓΙΣΙΜΟΤΗΤΑ

ILP-Feasibility conp

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

L A P. w L A f(w) L B (10.1) u := f(w)

Σειρά Προβλημάτων 5 Λύσεις

Αυτόματα και Υπολογιστικά Μοντέλα Automata and Models of Computation

Διαλογικά Συσ τήματα Αποδείξεων Διαλογικά Συστήματα Αποδείξεων Αντώνης Αντωνόπουλος Κρυπτογραφία & Πολυπλοκότητα 17/2/2012

Σειρά Προβλημάτων 5 Λύσεις

Η NTM αποδέχεται αν µονοπάτι στο δέντρο που οδηγεί σε αποδοχή.

conp and Function Problems

HEAD INPUT. q0 q1 CONTROL UNIT

Σύνοψη Προηγούµενου. Κανονικές Γλώσσες (1) Προβλήµατα και Γλώσσες. Σε αυτό το µάθηµα. ιαδικαστικά του Μαθήµατος.

Υπολογισιμότητα και Πολυπλοκότητα Computability and Complexity

Recursive and Recursively Enumerable sets I

Θεωρία Υπολογισμού και Πολυπλοκότητα Κανονικές Γλώσσες (1)

Ελληνικό Ανοικτό Πανεπιστήµιο Σπουδές στην Πληροφορική. Φαινόµενα πολυπλοκότητας στα Μαθηµατικά και στη Φυσική: ύο όψεις του ίδιου νοµίσµατος;

Σειρά Προβλημάτων 4 Λύσεις

Φροντιστήριο 9 Λύσεις

Θεωρία Υπολογισμού και Πολυπλοκότητα

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Cretive Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπ

Προσεγγιστικοί Αλγόριθμοι

ΑΛΓΟΡΙΘΜΟΙ. Ενότητα 11: Περιορισμοί της Αλγοριθμικής Ισχύος

Θεωρήµατα Ιεραρχίας Ειδικά Θέµατα Υπολογισµού και Πολυπλοκότητας, Μάθηµα Βασικής Επιλογής Εαρινού Εξαµήνου Τοµέας Εφαρµογών και Θεµελιώσεων

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 4 Λύσεις

ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΠΟΛΥΠΛΟΚΟΤΗΤΑ Φεβρουάριος 2005 Σύνολο μονάδων: 91

NP-πληρότητα. Λεωνίδας Παληός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Μηχανές Turing (T.M) I

Θεωρία Υπολογισμού και Πολυπλοκότητα

Σε αυτό το µάθηµα. Εισαγωγή στις Μηχανές Turing. Μηχανή Turing (Turing Machine - TM) Μηχανές Turing. Παραδείγµατα Μηχανών Turing

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

Τυχαιότητα (Randomness) I

Θεωρία Υπολογισμού και Πολυπλοκότητα Χρονική Πολυπλοκότητα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 5: ΚΑΤΗΓΟΡΙΕΣ ΑΛΓΟΡΙΘΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ-ΑΝΑΓΩΓΗ

Προσεγγιστικοί Αλγόριθμοι

Σειρά Προβλημάτων 5 Λύσεις

Εισαγωγή στην Επιστήμη των Υπολογιστών

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Ισοδυναμία Αιτ. Και μη Αιτ. Π.Α.

a n = 3 n a n+1 = 3 a n, a 0 = 1

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 10: Αυτόματα Στοίβας II

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 14: Διαγνωσιμότητα (Επιλυσιμότητα)

Υπολογιστική Πολυπλοκότητα

Εισαγωγή στην Επιστήμη των Υπολογιστών 4ο εξάμηνο ΣHMΜY

Σειρά Προβλημάτων 5 Λύσεις

Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Θεωρία Υπολογισμού. Ενότητα 8 : Αυτόματα NFA - DFA. Αλέξανδρος Τζάλλας

Θεωρία Υπολογισμού και Πολυπλοκότητα Αναγωγές

Αλγόριθμοι για αυτόματα

Το πρόβλημα μονοδρόμησης (The One-Way Street Problem)

771 Η - Θεωρία Υπολογισµών και Αλγορίθµων

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύ

Σειρά Προβλημάτων 4 Λύσεις

CSC 314: Switching Theory. Chapter 3: Turing Machines

CSC 314: Switching Theory. Chapter 3: Turing Machines

Blum Complexity. Αλγόριθμοι και Πολυπλοκότητα ΙΙ. Παναγιώτης Γροντάς. Δεκέμβριος

Θεωρία Υπολογισμού και Πολυπλοκότητα Διαγνωσιμότητα

Εισαγωγή στην Επιστήμη των Υπολογιστών

Transcript:

CSC 314: Switching Theory Chapter 7, 8 : Time, Space Complexity 19 December 2008 1 1

Κλάση NP 2

Μη-Ντετερμινιστικές Μηχανές Turing: Eίναι δυνατόν σε μια συνολική κατάσταση να υπάρχουν πολλές δυνατές επόμενες συνολικές καταστάσεις (μεταβάσεις). Ο υπολογισμός σε μια ΝΜΤ είναι ένα μονοπάτι από συνολικές καταστάσεις. Ο υπολογισμός σε μια ΜΜΤ είναι ένα δένδρο από συνολικές καταστάσεις. Mια ΜΜΤ M δέχεται μια είσοδο x εάν υπάρχει τουλάχιστον ένα πεπερασμένο μονοπάτι υπολογισμού (a 0, L, a m ), a i : συνολική κατάσταση, στοδέντρουπολογισμούτηςm με ρίζα a 0 = (s, BxB) και φύλλο a m = (h, uyv), όπου a i a i+1. Για κάποιες εισόδους η M το δένδρο υπολογισμού μπορεί να είναι άπειρο. 3

Λειτουργία ΜΜΤ Ορισμός. Για μια ΜΜT M, L(M) να είναι το σύνολο όλων των λέξεων που δέχεται η M. Στάδιο Εικασίας (μαντέματος, guessing) Μαντεύει ποια είναι η κατάλληλη μεταβίβαση για την είσοδο που έχει και την εκτελεί. Στάδιο επαλήθευσης: Ελέγχει ντετερμινιστικά αν το μάντεμα ήταν σωστό για την είσοδο που έχει. 4

Πολυπλοκότητα Χρόνου σε μια ΜΜΤ Πολυπλοκότητα Χρόνου σε μια ΜΜΤ M: Για x L(M), Time M (x) είναι ο αριθμός βημάτων στο πιο σύντομο μονοπάτι υπολογισμού αποδοχής της x. Δηλ. στοστάδιοτουμαντέματος, μαντεύει με την πρώτη προσπάθεια το σωστό (αν υπάρχει). Εάν η M απορρίπτει την x, θέτουμε Time M (x) =. Η M έχει φράγμα χρόνου t(n) εάν Time M (x) max{ x + 1, t( x )} για όλα τα x L(M). Ορισμός. Μια γλώσσα έχει χρονική πολυπλοκότητα f(n) εάν αποφασίζεται από μια ΜΜΤ σε φράγμα χρόνο f(n). 5

Πολυπλοκότητα Χρόνου και Χώρου για ΜΜΤ Πολυπλοκότητα Χώρου σε μια ΜΜΤ M: Εάν x L(M), τότε θέτουμε Space M (x), να είναι ο αριθμός των κελιών ταινίας στην ταινίας εργασίας (διαβάζει, γράφει) που επισκέπτεται η M είναι ένα υπολογιστικό μονοπάτι αποδοχής που χρησιμοποιεί τον ελάχιστο χώρο. Εάν η M απορρίπτει την x, θέτουμε Space M (x) =. Η M έχει φράγμα χώρου s(n) εάν Space M (x) max{ x + 1, s( x )} για όλα τα x L(M). Ορισμός. Μια γλώσσα έχει χωρική πολυπλοκότητα s(n) εάν αποφασίζεται από μια MΜΤ φράγμα χώρου f(n). 6

Κλάσεις Πολυπλοκότητας σε ΜΜΤ NTIME( t(n) ) = {L(M) M είναι μια ΜΜΤ με φράγμα χρόνου t(n)} NSPACE( s(n) ) = {L(M) M είναι μια ΜΜΤ με φράγμα χώρου s(n)} NP = U c>0 NTIME(n c ) (Non-Deterministic Polynomial Time) NPSPACE = U c>0 NSPACE(n c )(Non-Deterministic Polynomial Space) 7

Γνωστά Θεωρήματα Παρατηρείστε: P NP Πόρισμα 1. PSPACE = NPSPACE (από Θεώρημα Savitch και PSPACE NPSPACE) Πόρισμα 2. NP PSPACE (αφού ΝP NPSPACE = PSPACE) 8

Πλεονέκτημα Μη Ντετερμινισμού Μια μη-ντετερμινιστική μηχανή Turing μπορεί να μαντεύει τα υποψήφια μονοπάτια μπορεί να είναι εκθετικού πλήθους Μια ντετερμινιστική μηχανή Turing θα έπρεπε να τα ελέγχει όλα για να βρει το σωστό εκθετικός χρόνος Μια μη-ντετερμινιστική μηχανή μπορεί να μαντέψει το σωστό και να ελέγξει ότι όντως είναι. Κλάση NP Περιλαμβάνειταπροβλήματαγιαταοποίαμιαμηντετερμινιστική μηχανή μπορεί να μαντέψει ένα μονοπάτι υπολογισμού του προβλήματος (μια υποψήφια λύση) και να ελέγξει εάν είναι σωστό σε πολυωνυμικό χρόνο. 9

Ένα Μεγάλο Ερώτημα ΗκλάσηNP φαίνεται ότι περιέχει μεγαλύτερη πληθώρα προβλημάτων Υπάρχει ανάλογο του Πορίσματος 1 (PSPACE=NPSPACE) για τις (χρονικές) κλάσεις P και NP? Δηλ. P=NP? Το ερώτημα παραμένει ανοικτό από το 1970 και θεωρείται το πιο σημαντικό ανοικτό ερώτημα στη Θεωρία Πολυπλοκότητας co-np = κλάση συνόλων Α τα οποία τα συμπληρώματα ανήκουν στην NP. Οι μη ντετερμινιστικές κλάσεις πολυπλοκότητας που είναι χρονικά φραγμένες δεν είναι γνωστό ότι είναι κλειστές ως προς το συμπλήρωμα. 10

Προβλήματα που ανήκουν στην κλάση NP Το πρόβλημα SAT ανήκει στην κλάση NP. Απόδειξη. Σχεδιάζουμε μια ΜΜΤ M η οποία αποφασίζει σε πολυωνυμικό μη ντετερμινιστικό χρόνο για οποιαδήποτε στιγμιότυπο I=(X,F) του προβλήματος SAT εάν είναι ικανοποιήσιμο. 1 η φάση. Έστω F το στιγμιότυπο του SAT στην είσοδο της μηχανής. Μετρά τις μεταβλητές του F(=n)καιγράφεισεμιαδεύτερηταινίατη λέξη BI n. 2 η φάση (Μη-ντετερμινιστική φάση). Μη ντετερμινιστικά (μαντεύοντας), αντικαθιστά τη λέξη B I n με μια λέξη w {>, }. 3 η φάση (Ντετερμινιστική φάση). Ελέγχει εάν w ικανοποιεί την F. Ο αλγόριθμος τρέχει σε πολυωνυμικό μη ντετερμινιστικό χρόνο. Γιατί? 11

Παράδείγμα. Να δείξετε ότι το πρόβλημα του πλανώδιου πωλητή ανήκει στην κλάση NP. Απόδειξη. Είσοδος:I= (D, B) πίνακας n n, στοιχεία : d ij Μάντεμα (μη ντετερμινιστική φάση): Μαντεύει μια λύση για το I: ΗΜΜΤ γράφει σε μια 2 η ταινία μια συμβολοσειρά από 0, 1 και t μήκους I. Έλεγχος (ντετερμινιστική φάση): 1. Ελέγχει αν η λέξη που έγραψε είναι μια δυαδική κωδικοποίηση μιας μετάθεσης n αριθμών διαχωρισμένων με ένα κενό, δηλ. της μορφής π(1) t π(2) L t π(n). A. Εάν ναι, τότε υπολογίζει το κόστος της μετάθεσης π, c(π) με βάση των πίνακα με τα κόστη διαδρομών D. a) Εάν c(π) B αποφασίζει YES. 2. Αλλιώς αποφασίζει NO. Ο αλγόριθμος ολοκληρώνεται σε πολυωνυμικό μη ντετερμινιστικό χρόνο. 12