Übung Theoretische Grundlagen
|
|
- Hartmut Keller
- vor 5 Jahren
- Abrufe
Transkript
1 Übung Theoretische Grundlagen Komplexitätstheorie Nico Döttling 8. Januar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
2 Die Komplexitätsklasse P Die Komplexitätsklasse P enthält all jene Probleme welche von einer deterministischen Turingmaschine in Polynomialzeit entschieden werden können. D.h. L P genau dann wenn es eine Turingmaschine M und eine Polynom p gibt, sodass M bei Eingabe w Σ nach p( w ) Schritten hält und genau dann akzeptiert wenn w L. Ein (Zeit-)Schritt ist dabei ein Zustandsübergang der Turingmaschine. Daraus folgt unmittelbar: Die Klasse P ist unter Komplementbildung abgeschlossen. Ist M ein Polynomialzeitentscheider für L so erhält man einen Polynomialzeitentscheider M für L indem man schlicht die Ausgabe von M negiert. Tatsächlich sind mit dem selben Argument alle deterministischen Klassen unter Komplementbildung abgeschlossen. Nico Döttling Übung 8. Januar /27
3 Die Komplexitätsklasse P Die Komplexitätsklasse P enthält all jene Probleme welche von einer deterministischen Turingmaschine in Polynomialzeit entschieden werden können. D.h. L P genau dann wenn es eine Turingmaschine M und eine Polynom p gibt, sodass M bei Eingabe w Σ nach p( w ) Schritten hält und genau dann akzeptiert wenn w L. Ein (Zeit-)Schritt ist dabei ein Zustandsübergang der Turingmaschine. Daraus folgt unmittelbar: Die Klasse P ist unter Komplementbildung abgeschlossen. Ist M ein Polynomialzeitentscheider für L so erhält man einen Polynomialzeitentscheider M für L indem man schlicht die Ausgabe von M negiert. Tatsächlich sind mit dem selben Argument alle deterministischen Klassen unter Komplementbildung abgeschlossen. Nico Döttling Übung 8. Januar /27
4 Die Komplexitätsklasse P Die Komplexitätsklasse P enthält all jene Probleme welche von einer deterministischen Turingmaschine in Polynomialzeit entschieden werden können. D.h. L P genau dann wenn es eine Turingmaschine M und eine Polynom p gibt, sodass M bei Eingabe w Σ nach p( w ) Schritten hält und genau dann akzeptiert wenn w L. Ein (Zeit-)Schritt ist dabei ein Zustandsübergang der Turingmaschine. Daraus folgt unmittelbar: Die Klasse P ist unter Komplementbildung abgeschlossen. Ist M ein Polynomialzeitentscheider für L so erhält man einen Polynomialzeitentscheider M für L indem man schlicht die Ausgabe von M negiert. Tatsächlich sind mit dem selben Argument alle deterministischen Klassen unter Komplementbildung abgeschlossen. Nico Döttling Übung 8. Januar /27
5 Die Komplexitätsklasse P Die Komplexitätsklasse P enthält all jene Probleme welche von einer deterministischen Turingmaschine in Polynomialzeit entschieden werden können. D.h. L P genau dann wenn es eine Turingmaschine M und eine Polynom p gibt, sodass M bei Eingabe w Σ nach p( w ) Schritten hält und genau dann akzeptiert wenn w L. Ein (Zeit-)Schritt ist dabei ein Zustandsübergang der Turingmaschine. Daraus folgt unmittelbar: Die Klasse P ist unter Komplementbildung abgeschlossen. Ist M ein Polynomialzeitentscheider für L so erhält man einen Polynomialzeitentscheider M für L indem man schlicht die Ausgabe von M negiert. Tatsächlich sind mit dem selben Argument alle deterministischen Klassen unter Komplementbildung abgeschlossen. Nico Döttling Übung 8. Januar /27
6 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
7 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
8 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
9 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
10 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
11 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
12 Probleme in P Mit der Klasse P assoziiert man gemeinhin effiziente Berechnung, wenn auch nur asymptotisch. Example Selbst effiziente Algorithmen mit Laufzeit O(n) können durch ihre Laufzeit inhärent unbrauchbar sein, wenn sie beispielsweise eine Laufzeitschranke p(n) = n haben. Aus der Vorlesung bekannte Probleme in P Alle Ch-2 Sprachen. Das Pfadproblem in Graphen. Die Berechnung des größten gemeinsamen Teilers (Das ist kein Entscheidungsproblem). Das PRIMES Problem (Ist eine Zahl prim?) Nico Döttling Übung 8. Januar /27
13 Probleme in P Eine wichtige Klasse von Graphen sind die planaren Graphen. Definition Ein Graph heißt planar genau dann wenn er sich ohne Überschneidungen seiner Kanten in die Ebene Zeichnen läßt Planare Graphen treten sehr häufig bei natürlichen Problemen (z.b. Landkarten) auf und haben eine Reihe wichtiger Eigenschaften (Dualität, Vierfärbbarkeit etc.) Nico Döttling Übung 8. Januar /27
14 Probleme in P Eine wichtige Klasse von Graphen sind die planaren Graphen. Definition Ein Graph heißt planar genau dann wenn er sich ohne Überschneidungen seiner Kanten in die Ebene Zeichnen läßt Planare Graphen treten sehr häufig bei natürlichen Problemen (z.b. Landkarten) auf und haben eine Reihe wichtiger Eigenschaften (Dualität, Vierfärbbarkeit etc.) Nico Döttling Übung 8. Januar /27
15 Planare Graphen Example Ist dieser Graph planar? Nico Döttling Übung 8. Januar /27
16 Planare Graphen Example Ja. Planarität ist zwar zunächst geometrisch definiert, ist aber vielmehr eine topologische Eigenschaft von Graphen. Nico Döttling Übung 8. Januar /27
17 Planare Graphen Example Ja. Planarität ist zwar zunächst geometrisch definiert, ist aber vielmehr eine topologische Eigenschaft von Graphen. Nico Döttling Übung 8. Januar /27
18 Planare Graphen Das war ein verfahren von Hand. Wie können wir algorithmisch Graphen auf Planarität testen? Problem: PLANARITY Gegeben: Ein Graph G = (V, E) Gesucht: Ist G planar? Nico Döttling Übung 8. Januar /27
19 Planare Graphen Das war ein verfahren von Hand. Wie können wir algorithmisch Graphen auf Planarität testen? Problem: PLANARITY Gegeben: Ein Graph G = (V, E) Gesucht: Ist G planar? Nico Döttling Übung 8. Januar /27
20 Planare Graphen Definition Ein zusammenhängender Graph H = (W, F) heißt Minore eines zusammenhängenden Graphen G = (V, E), falls sich G sich durch Kantenkontraktion in eine Graphen G überführen läßt, welcher H als Subgraphen enthält. Eine Kantenkontraktion ist das Löschen einer Kante und anschließende Verschmelzen der beiden Endknoten. Ein Graph G enthält einen Graphen H als Subgraphen, wenn sich G durch Löschung von Knoten und Kanten, sowie anschließende Umbenennung in H überführen läßt. Nico Döttling Übung 8. Januar /27
21 Planare Graphen Example Ist H eine Minore von G? H G Nico Döttling Übung 8. Januar /27
22 Planare Graphen Example Ja: Nico Döttling Übung 8. Januar /27
23 Satz von Kuratowski Es gibt eine einfache kombinatorische Charakterisierung von planaren Graphen. Theorem (Kuratowski) Ein Graph G = (V, E) ist genau dann planar, wenn er weder den K 5 noch den K 3,3 als Minore enthält. K 5 K 3,3 Der Beweis für diesen Satz umfasst einen Induktionsbeweis mit vielen Fallunterscheidungen. Nico Döttling Übung 8. Januar /27
24 Satz von Kuratowski Es gibt eine einfache kombinatorische Charakterisierung von planaren Graphen. Theorem (Kuratowski) Ein Graph G = (V, E) ist genau dann planar, wenn er weder den K 5 noch den K 3,3 als Minore enthält. K 5 K 3,3 Der Beweis für diesen Satz umfasst einen Induktionsbeweis mit vielen Fallunterscheidungen. Nico Döttling Übung 8. Januar /27
25 Planare Graphen Mit diesem Satz erhält man einen Algorithmus T um Graphen auf Planarität zu testen. Dies gelingt durch Anwendung einer sogenannten Branch-Decomposition des Graphen. Mit ihr kann man in O( V 3 ) beliebige Minoren konstanter Größe in Graphen finden. Leider übersteigt auch dies den Rahmen dieser Übung. Der Planaritätstest sieht dann so aus. PLANAR Eingabe: Graph G = (V, E) Ausgabe: G planar JA/NEIN? Erzeuge Branch-Decomposition T von G Prüfe ob G K 5 als Minore enthält. Falls ja gebe NEIN aus. Prüfe ob G K 3,3 als Minore enthältm. Falls ja gebe NEIN aus. gebe JA aus Nico Döttling Übung 8. Januar /27
26 Planare Graphen Mit diesem Satz erhält man einen Algorithmus T um Graphen auf Planarität zu testen. Dies gelingt durch Anwendung einer sogenannten Branch-Decomposition des Graphen. Mit ihr kann man in O( V 3 ) beliebige Minoren konstanter Größe in Graphen finden. Leider übersteigt auch dies den Rahmen dieser Übung. Der Planaritätstest sieht dann so aus. PLANAR Eingabe: Graph G = (V, E) Ausgabe: G planar JA/NEIN? Erzeuge Branch-Decomposition T von G Prüfe ob G K 5 als Minore enthält. Falls ja gebe NEIN aus. Prüfe ob G K 3,3 als Minore enthältm. Falls ja gebe NEIN aus. gebe JA aus Nico Döttling Übung 8. Januar /27
27 Planare Graphen Es gibt allerdings auch Linearzeitalgorithmen für PLANARITY, also Algorithmen mit Laufzeit O( V + E ) (Hopcroft und Tarjan 1974). Man kann sich aber auch Verallgemeinerungen des Planaritätsproblems vorstellen. Nico Döttling Übung 8. Januar /27
28 Planare Graphen Es gibt allerdings auch Linearzeitalgorithmen für PLANARITY, also Algorithmen mit Laufzeit O( V + E ) (Hopcroft und Tarjan 1974). Man kann sich aber auch Verallgemeinerungen des Planaritätsproblems vorstellen. Nico Döttling Übung 8. Januar /27
29 Planare Graphen Wenn man einen Graphen überschneidungsfrei in die Ebene zeichnen kann, dann kann man ihn auch überschneidungsfrei auf eine Kugeloberfläche zeichnen (die Umkehrung gilt genauso) Man kann Graphen auch auf Flächen mit Löchern, zeichnen, beispielsweise auf einen Torus. Die Anzahl der Löcher wird als Genus einer Fläche bezeichnet und ist ein Begriff aus der Differenzialgeometrie. Nico Döttling Übung 8. Januar /27
30 Planare Graphen Wenn man einen Graphen überschneidungsfrei in die Ebene zeichnen kann, dann kann man ihn auch überschneidungsfrei auf eine Kugeloberfläche zeichnen (die Umkehrung gilt genauso) Man kann Graphen auch auf Flächen mit Löchern, zeichnen, beispielsweise auf einen Torus. Die Anzahl der Löcher wird als Genus einer Fläche bezeichnet und ist ein Begriff aus der Differenzialgeometrie. Nico Döttling Übung 8. Januar /27
31 Planare Graphen Wenn man Graphen auf Flächen mit höherem Genus einbettet lassen sich nichtplanare Graphen plötzlich überschneidungsfrei zeichnen. Nico Döttling Übung 8. Januar /27
32 Planare Graphen Planare Graphen lassen sich durch verbotene Minoren charakterisieren (namentlich K 5 und K 3,3 ) Es gibt eine Verallgemeinerung des Satzes von Kuratowski auf größere Klassen von Graphen, insbesondere auch für Graphen die auf Flächen mit höheren Genera planar sind. Das ist das Robertson Seymour Theorem. Es besagt grob dass es auch für Graphen die auf Flächen mit höherem Genus planar sind ein Planaritätskriterium mit verbotenen Minoren gibt. Beispielsweise gibt es eine Menge H von verbotenen Minoren für die Planarität auf dem Torus. Die Menge H hat konstante Größe. Es gibt also (analog zum oben skizzierten Planaritätstest-Algorithmus) einen Polynomialzeitalgorithmus der testet ob Graphen auf einem Torus planar sind. Nico Döttling Übung 8. Januar /27
33 Planare Graphen Planare Graphen lassen sich durch verbotene Minoren charakterisieren (namentlich K 5 und K 3,3 ) Es gibt eine Verallgemeinerung des Satzes von Kuratowski auf größere Klassen von Graphen, insbesondere auch für Graphen die auf Flächen mit höheren Genera planar sind. Das ist das Robertson Seymour Theorem. Es besagt grob dass es auch für Graphen die auf Flächen mit höherem Genus planar sind ein Planaritätskriterium mit verbotenen Minoren gibt. Beispielsweise gibt es eine Menge H von verbotenen Minoren für die Planarität auf dem Torus. Die Menge H hat konstante Größe. Es gibt also (analog zum oben skizzierten Planaritätstest-Algorithmus) einen Polynomialzeitalgorithmus der testet ob Graphen auf einem Torus planar sind. Nico Döttling Übung 8. Januar /27
34 Planare Graphen Planare Graphen lassen sich durch verbotene Minoren charakterisieren (namentlich K 5 und K 3,3 ) Es gibt eine Verallgemeinerung des Satzes von Kuratowski auf größere Klassen von Graphen, insbesondere auch für Graphen die auf Flächen mit höheren Genera planar sind. Das ist das Robertson Seymour Theorem. Es besagt grob dass es auch für Graphen die auf Flächen mit höherem Genus planar sind ein Planaritätskriterium mit verbotenen Minoren gibt. Beispielsweise gibt es eine Menge H von verbotenen Minoren für die Planarität auf dem Torus. Die Menge H hat konstante Größe. Es gibt also (analog zum oben skizzierten Planaritätstest-Algorithmus) einen Polynomialzeitalgorithmus der testet ob Graphen auf einem Torus planar sind. Nico Döttling Übung 8. Januar /27
35 Planare Graphen Planare Graphen lassen sich durch verbotene Minoren charakterisieren (namentlich K 5 und K 3,3 ) Es gibt eine Verallgemeinerung des Satzes von Kuratowski auf größere Klassen von Graphen, insbesondere auch für Graphen die auf Flächen mit höheren Genera planar sind. Das ist das Robertson Seymour Theorem. Es besagt grob dass es auch für Graphen die auf Flächen mit höherem Genus planar sind ein Planaritätskriterium mit verbotenen Minoren gibt. Beispielsweise gibt es eine Menge H von verbotenen Minoren für die Planarität auf dem Torus. Die Menge H hat konstante Größe. Es gibt also (analog zum oben skizzierten Planaritätstest-Algorithmus) einen Polynomialzeitalgorithmus der testet ob Graphen auf einem Torus planar sind. Nico Döttling Übung 8. Januar /27
36 Planare Graphen Planare Graphen lassen sich durch verbotene Minoren charakterisieren (namentlich K 5 und K 3,3 ) Es gibt eine Verallgemeinerung des Satzes von Kuratowski auf größere Klassen von Graphen, insbesondere auch für Graphen die auf Flächen mit höheren Genera planar sind. Das ist das Robertson Seymour Theorem. Es besagt grob dass es auch für Graphen die auf Flächen mit höherem Genus planar sind ein Planaritätskriterium mit verbotenen Minoren gibt. Beispielsweise gibt es eine Menge H von verbotenen Minoren für die Planarität auf dem Torus. Die Menge H hat konstante Größe. Es gibt also (analog zum oben skizzierten Planaritätstest-Algorithmus) einen Polynomialzeitalgorithmus der testet ob Graphen auf einem Torus planar sind. Nico Döttling Übung 8. Januar /27
37 Planare Graphen Allerdings: Der Beweis des Satzes von Robertson und Seymour ist nicht-konstruktiv. Man weiß also nur dass es eine solche Menge H von verbotenen Minoren gibt, niemand kennt sie allerdings 1. Anders formuliert: Es gibt Probleme, von welchen man weiß dass sie in der Komplexitätsklasse P liegen, für welche allerdings kein Polynomialzeitalgorithmus bekannt ist. 1 Man weiß bisher nur dasshmehr als Elemente besitzen muss Nico Döttling Übung 8. Januar /27
38 Planare Graphen Allerdings: Der Beweis des Satzes von Robertson und Seymour ist nicht-konstruktiv. Man weiß also nur dass es eine solche Menge H von verbotenen Minoren gibt, niemand kennt sie allerdings 1. Anders formuliert: Es gibt Probleme, von welchen man weiß dass sie in der Komplexitätsklasse P liegen, für welche allerdings kein Polynomialzeitalgorithmus bekannt ist. 1 Man weiß bisher nur dasshmehr als Elemente besitzen muss Nico Döttling Übung 8. Januar /27
39 Die Komplexitätsklasse NP NP ist die Klasse allderjeniger Sprachen die von einer nichtdeterministischen Turingmaschine in Polynomialzeit akzeptiert werden. Das heißt, ist L NP, dann es gibt eine nichtdeterministische Turingmaschine M und ein Polynom p sodass M bei Eingabe w Σ genau dann nach höchstens p( w ) Schritten akzeptiert wenn w L. Äquivalent dazu ist dass es einen Verifizierer V und Polynome p, q gibt, sodass w L genau dann wenn es einen Beweis s Σ mit s q( w ) gibt sodass V die Eingabe (w, s) in p( w ) Schritten akzeptiert. (Vorgelagerter Nichtdeterminismus) Nico Döttling Übung 8. Januar /27
40 Die Komplexitätsklasse NP NP ist die Klasse allderjeniger Sprachen die von einer nichtdeterministischen Turingmaschine in Polynomialzeit akzeptiert werden. Das heißt, ist L NP, dann es gibt eine nichtdeterministische Turingmaschine M und ein Polynom p sodass M bei Eingabe w Σ genau dann nach höchstens p( w ) Schritten akzeptiert wenn w L. Äquivalent dazu ist dass es einen Verifizierer V und Polynome p, q gibt, sodass w L genau dann wenn es einen Beweis s Σ mit s q( w ) gibt sodass V die Eingabe (w, s) in p( w ) Schritten akzeptiert. (Vorgelagerter Nichtdeterminismus) Nico Döttling Übung 8. Januar /27
41 Die Komplexitätsklasse NP Es liegen viele interessante kombinatorische und algebraische Probleme in NP Das Erfüllbarkeitsproblem für Aussagenlogische Formeln Das Problem des Handlungsreisenden Lineare Programmierung Nico Döttling Übung 8. Januar /27
42 NP-Vollständigkeit p bezeichne Polynomialzeitreduzierbarkeit. Eine Sprache L NP heißt NP-vollständig wenn für für alle L NP gilt L p L. NP-vollständige Probleme sind sozusagen die schwierigsten Probleme in NP. Warum Polynomialzeitreduktionen? Idee dahinter: Könnte man ein NP-vollständiges Problem effizient lösen (läge es in P), dann würde P = NP gelten. Nico Döttling Übung 8. Januar /27
43 NP-Vollständigkeit p bezeichne Polynomialzeitreduzierbarkeit. Eine Sprache L NP heißt NP-vollständig wenn für für alle L NP gilt L p L. NP-vollständige Probleme sind sozusagen die schwierigsten Probleme in NP. Warum Polynomialzeitreduktionen? Idee dahinter: Könnte man ein NP-vollständiges Problem effizient lösen (läge es in P), dann würde P = NP gelten. Nico Döttling Übung 8. Januar /27
44 NP-Vollständigkeit p bezeichne Polynomialzeitreduzierbarkeit. Eine Sprache L NP heißt NP-vollständig wenn für für alle L NP gilt L p L. NP-vollständige Probleme sind sozusagen die schwierigsten Probleme in NP. Warum Polynomialzeitreduktionen? Idee dahinter: Könnte man ein NP-vollständiges Problem effizient lösen (läge es in P), dann würde P = NP gelten. Nico Döttling Übung 8. Januar /27
45 NP-Vollständigkeit p bezeichne Polynomialzeitreduzierbarkeit. Eine Sprache L NP heißt NP-vollständig wenn für für alle L NP gilt L p L. NP-vollständige Probleme sind sozusagen die schwierigsten Probleme in NP. Warum Polynomialzeitreduktionen? Idee dahinter: Könnte man ein NP-vollständiges Problem effizient lösen (läge es in P), dann würde P = NP gelten. Nico Döttling Übung 8. Januar /27
46 NP-Vollständigkeit Problem SAT Gegeben: Eine aussagenlogische Formel φ in konjunktiver Normalform Frage: Gibt es erfüllende Belegung von φ Example Hat die Formel φ = (x y z) (x ȳ z) ( x ȳ) eine erfüllende Belegung? Nico Döttling Übung 8. Januar /27
47 NP-Vollständigkeit Problem SAT Gegeben: Eine aussagenlogische Formel φ in konjunktiver Normalform Frage: Gibt es erfüllende Belegung von φ Example Hat die Formel φ = (x y z) (x ȳ z) ( x ȳ) eine erfüllende Belegung? Nico Döttling Übung 8. Januar /27
48 NP-Vollständigkeit Example φ = (x y z) (x ȳ z) ( x ȳ) Ja: x = TRUE y = FALSE z = FALSE Nico Döttling Übung 8. Januar /27
49 NP-Vollständigkeit Theorem (Cook-Levin) Das Erfüllbarkeitsproblem der Aussagenlogik SAT ist NP-vollständig Problem 3SAT Gegeben: Eine aussagenlogische Formel φ in konjunktiver Normalform bei welcher jede Klausel höchstens 3 Literale enthält Frage: Gibt es erfüllende Belegung von φ? Nico Döttling Übung 8. Januar /27
50 NP-Vollständigkeit Theorem (Cook-Levin) Das Erfüllbarkeitsproblem der Aussagenlogik SAT ist NP-vollständig Problem 3SAT Gegeben: Eine aussagenlogische Formel φ in konjunktiver Normalform bei welcher jede Klausel höchstens 3 Literale enthält Frage: Gibt es erfüllende Belegung von φ? Nico Döttling Übung 8. Januar /27
51 NP-Vollständigkeit Lemma 3SAT ist NP-vollständig Nico Döttling Übung 8. Januar /27
52 NP-Vollständigkeit Beweis: 3SAT ist offensichtlich in NP. Man rät eine erfüllende Belegung T für φ und der Verifizierer prüft ob T tatsächlich φ erfüllt. Es gilt SAT p 3SAT. Sei φ eine aussagenlogische Formel in konjunktiver Normalform. Wir konstruieren eine neue aussagenlogische Formel φ in konjunktiver Normalform die pro Klausel nur noch 3 Literale besitzt und genau dann erfüllbar ist wenn φ erfüllbar ist. Nico Döttling Übung 8. Januar /27
53 NP-Vollständigkeit Sei φ = K 1 K 2 K n mit K i = L i,1 L i,2... L i,ki Wir ersetzen jedes K i, i = 1,...,n durch eine Konjunktion neuer Klauseln. Wir führen dazu für jede Klausel K i k i 1 neue Variable α i,1,...α i,ki 1 ein. K j =(L i,1 α i,1 ) (α i,1 L i,2 α i,2 )... (α i,ki 2 L i,ki 1 α i,ki 1) (α i,ki 1 L i,ki ) Wir setzen φ = K 1 K n Nico Döttling Übung 8. Januar /27
54 NP-Vollständigkeit Ist nun T eine erfüllende Belegung für φ, dann gibt es für jede Klausel K i ein Literal L i,t das wahr ist. Wir eine erfüllende Belegung für φ indem wir die Variablen α i,1,...,α i,t 1 auf TRUE setzen und α i,t,...,α i,ki auf FALSE. Haben wir umgekehrt eine erfüllende Belegung für φ, so ist für jedes K i mindestens ein L i,t TRUE, da K i k i Klauseln besitzt aber nur k i 1 neue Variablen α i,t die jeweils maximal eine Klausel erfüllen können. Damit erhalten wir eine erfüllende Belegung für φ. Nico Döttling Übung 8. Januar /27
Informatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
MehrWissenschaftliche Arbeitstechniken und Präsentation. NP-Vollständigkeit
Wissenschaftliche Arbeitstechniken und Präsentation Dominik Fakner, Richard Hentschel, Hamid Tabibian, den 20.01.2012 Inhalt Definitionen Definition Nachweis Beispiel Reduktion Komplexitätsklasse Befasst
MehrStatt Turingmaschinen anzugeben, genügt die Angabe eines C++ Programms oder die Angabe eines Pseudocodes.
Turingmaschinen Wir haben Turingmaschinen eingeführt. Bis auf einen polynomiellen Anstieg der Rechenzeit haben Turingmaschinen die Rechenkraft von parallelen Supercomputern! Statt Turingmaschinen anzugeben,
MehrFormale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)
Formale Grundlagen der Informatik 1 Kapitel 23 (Teil 2) Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/37 Die Klassen P und NP P := {L
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrDie Klassen P und NP. Formale Grundlagen der Informatik 1 Kapitel 11. Die Klassen P und NP. Die Klasse P
Die Klassen Formale Grundlagen der Informatik 1 Kapitel 11 Frank Heitmann heitmann@informatik.uni-hamburg.de P := {L es gibt ein Polynom p und eine p(n)-zeitbeschränkte DTM A mit L(A) = L} = i 1 DTIME(n
MehrRucksackproblem und Verifizierbarkeit
Rucksackproblem und Verifizierbarkeit Gegeben: n Gegenstände mit Gewichten G={g 1,g 2,,g n } und Werten W={w 1,w 2,,w n } sowie zulässiges Gesamtgewicht g. Gesucht: Teilmenge S {1,,n} mit i i S unter der
MehrKochrezept für NP-Vollständigkeitsbeweise
Kochrezept für NP-Vollständigkeitsbeweise Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 11. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 Aufgabe 1: Eine schöne Bescherung (K)
MehrKapitel L:II. II. Aussagenlogik
Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen
MehrDie Klasse NP und die polynomielle Reduktion. Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen
Die Klasse NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 26 Optimierungsprobleme und ihre Entscheidungsvariante Beim Rucksackproblem
MehrReduktionen. Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie. Exkurs: Reduktionen allgemein. Reduktionen: Erläuterungen
en Algorithmen und Datenstrukturen Kapitel 6.2 Komplexitätstheorie P, und C Definition () Seien L 1, L 2 {0, 1} zwei Sprachen. Wir sagen, dass L 1 auf L 2 in polynomialer Zeit reduziert wird, wenn eine
MehrDie Klasse NP und die polynomielle Reduktion
Die Klasse NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Dezember 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 23. November 2017 INSTITUT FÜR THEORETISCHE 0 23.11.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 25. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 25.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Kombinatorische Optimierung mittels Flussmethoden II Vorlesung im Wintersemester 2011/2012 10.11.2011 Orthogonale Zeichnungen II letztes Mal: Satz G Maxgrad-4-Graph
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V7, 5.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrNP-Vollständigkeit des Erfüllbarkeitsproblems
NP-Vollständigkeit des Erfüllbarkeitsproblems Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 25 Def: NP-Härte Definition (NP-Härte) Ein Problem L heißt NP-hart,
MehrDank. Theoretische Informatik II. Teil VI. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrTheoretische Informatik Mitschrift
10. Komplexitätstheorie Theoretische Informatik Mitschrift Klassifikation algorithmischer Probleme (formalisiert als Sprachen) nach ihrem Bedarf an Berechnungsressourcen (= Rechenzeit, Speicherplatz als
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2012/13
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2012/13 Prof. Barbara König Übungsleitung: Henning Kerstan & Sebastian Küpper Barbara
MehrKomplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekte mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 16.11.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Lerneinheit 5: Die Klasse NP Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Wintersemester 2015/2016 26.9.2015 Einleitung Thema dieser Lerneinheit
MehrWie komme ich von hier zum Hauptbahnhof?
NP-Vollständigkeit Wie komme ich von hier zum Hauptbahnhof? P Wie komme ich von hier zum Hauptbahnhof? kann ich verwende für reduzieren auf Finde jemand, der den Weg kennt! Alternativ: Finde eine Stadtkarte!
MehrWeitere NP-vollständige Probleme
Weitere NP-vollständige Probleme Wir betrachten nun folgende Reduktionskette und weisen dadurch nach, daß alle diese Probleme NP-hart sind (sie sind auch in NP und damit NP-vollständig). SAT p 3-SAT p
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 4 07.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Gestern Normalformen Atome, Literale, Klauseln Konjunktive
MehrFormale Grundlagen der Informatik 1 Kapitel 21 P und NP
Formale Grundlagen der Informatik 1 Kapitel 21 Frank Heitmann heitmann@informatik.uni-hamburg.de 28. Juni Frank Heitmann heitmann@informatik.uni-hamburg.de 1/41 Die Klassen Probleme in P := {L es gibt
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 NP-Vollständigkeit Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v.
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/25
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/25 Einführendes Beispiel Falls Lisa Peter trifft, dann trifft Lisa auch Gregor.
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrBerechenbarkeit und Komplexität: Polynomielle Reduktion / NP-Vollständigkeit / Satz von Cook und Levin
Berechenbarkeit und Komplexität: Polynomielle Reduktion / NP-Vollständigkeit / Satz von Cook und Levin Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 11. Januar 2008 Wiederholung
MehrNP-vollständige Probleme. Michael Budahn - Theoretische Informatik 1
NP-vollständige Probleme Michael Budahn - Theoretische Informatik 1 Motivation Michael Budahn - Theoretische Informatik 2 Motivation viele praxisrelevante Probleme sind NPvollständig und eine Lösung würde
MehrDas SAT Problem oder Erfüllbarkeitsproblem. Formale Systeme. Teilklassen. Satz von Cook. SAT Instanz: Eine aussagenlogische Formel F For 0
Das SAT Problem oder Erfüllbarkeitsproblem Formale Systeme Prof. Dr. Bernhard Beckert Fakultät für Informatik Universität Karlsruhe TH SAT Instanz: Eine aussagenlogische Formel F For 0 Frage: Ist F erfüllbar?
MehrGrundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 4 Komplexitätstheorie Zeitkomplexität 3 Definition: Sei
MehrTheoretische Grundlagen der Informatik. Vorlesung am 27. November INSTITUT FÜR THEORETISCHE INFORMATIK
Theoretische Grundlagen der Informatik 0 27.11.2018 Torsten Ueckerdt - Theoretische Grundlagen der Informatik KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Letzte Vorlesung Die
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am..03 Randomisierte Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrMusterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2012/13
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Musterlösung der Hauptklausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 22/3 Vorname Nachname Matrikelnummer
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 16.12.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrKurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013
P versus NP Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 1. Dezember 2013 Gliederung Informelle Formulierung des P = NP Problems Das Erfüllbarkeitsproblem
MehrProbleme aus NP und die polynomielle Reduktion
Probleme aus NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 15. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrAlgorithmische Spieltheorie
Algorithmische Spieltheorie Grundlagen der Komplexitätstheorie Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00
MehrDas P=NP-Problem. Besitzen (Entscheidungs-)Probleme mit einer Nichtdeterministischen. deterministische Polynomielle Lösung?
Das P=NP-Problem Besitzen (Entscheidungs-)Probleme mit einer Nichtdeterministischen Polynimiellen Lösung immer auch eine deterministische Polynomielle Lösung? Eines der bekanntesten offenen Probleme der
MehrKomplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin
Komplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin Helmut Veith Technische Universität München Organisatorisches Anmeldung zur Lehrveranstaltung: complexity@tiki.informatik.tu-muenchen.de
MehrTheorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.
Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme
MehrÜbungsblatt 4. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 4 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 6. Dezember 2017 Abgabe 19. Dezember 2017, 11:00 Uhr
MehrTheoretische Informatik 1
Theoretische Informatik 1 Nichtdeterminismus David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Nichtdeterminismus NTM Nichtdeterministische Turingmaschine Die
MehrPolynomielle Verifizierer und NP
Polynomielle Verifizierer und NP Definition Polynomieller Verifizierer Sei L Σ eine Sprache. Eine DTM V heißt Verifizierer für L, falls V für alle Eingaben w Σ hält und folgendes gilt: w L c Σ : V akzeptiert
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 22.12.2011 INSTITUT FÜR THEORETISCHE 0 KIT 09.01.2012 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik
Mehr14. Die polynomiell beschränkten Komplexitätsklassen. Die Grenzen der tatsächlichen Berechenbarkeit
14. Die polynomiell beschränkten Komplexitätsklassen Die Grenzen der tatsächlichen Berechenbarkeit PRINZIPIELLE VS. TATSÄCHLICHE BERECHENBARKEIT Prinzipielle (theoretische) Berechenbarkeit: Eine Funktion
MehrEinführung Erfüllbarkeitsproblem NP-Vollständigkeit Definition von NP Was wäre, wenn Was tun? Ideen und Konzepte der Informatik.
Ideen und Konzepte der Informatik P versus NP Die Grenzen der (effizienter) Berechnung? Antonios Antoniadis Basiert auf Folien von Kurt Mehlhorn 8. Jan. 2018 8. Jan. 2018 1/24 Gliederung Ziele von Theorie/Grundlagenforschung
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
MehrLogik für Informatiker
Vorlesung Logik für Informatiker 5. Aussagenlogik Normalformen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Normalformen Definition: Literal Atom (aussagenlogische
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 23. Vorlesung 25.01.2007 1 NP-Vollständigkeit Definition: Eine Sprache S ist NP-vollständig, wenn: S NP S ist NP-schwierig, d.h. für alle L
MehrWelche Probleme können Rechner (effizient) lösen? Die P = NP Frage. Ideen der Informatik Kurt Mehlhorn
Welche Probleme können Rechner (effizient) lösen? Die P = NP Frage Ideen der Informatik Kurt Mehlhorn Gliederung Ziele von Theorie Gibt es Probleme, die man prinzipiell nicht mit einem Rechner lösen kann?
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 NP-Vollständigkeit Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz http://www.inf.uni-konstanz.de/algo/lehre/ss08/info2 Sommersemester 2008 Sven
MehrNP-Vollständigkeit einiger Zahlprobleme
NP-Vollständigkeit einiger Zahlprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 22. Januar 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrWie man das Poissonsche Problem löst
Komplexitätstheorie 27.10.2004 Theorem 6 : Falls P = NP ist, dann ist auch E = NE. Padding : Technik zum übertragen von Kollapsresultaten nach oben Sei # є Σ ein neues Symbol. Für w є Σ* ist pad (w) :
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 06. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 06.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 01. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 01.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrKomplexitätstheorie P versus NP
Komplexitätstheorie P versus NP Kurt Mehlhorn und Adrian Neumann Max Planck Institute for Informatics and Saarland University 6. Januar 2014 Gliederung Komplexitätstheorie und die Komplexitätslandschaft
MehrTheorie der Informatik. Theorie der Informatik P und NP Polynomielle Reduktionen NP-Härte und NP-Vollständigkeit
Theorie der Informatik 13. Mai 2015 20. P, NP und polynomielle Reduktionen Theorie der Informatik 20. P, NP und polynomielle Reduktionen 20.1 P und NP Malte Helmert Gabriele Röger 20.2 Polynomielle Reduktionen
MehrInformatik-Grundlagen
Informatik-Grundlagen Komplexität Karin Haenelt 1 Komplexitätsbetrachtungen: Ansätze Sprachentheorie Klassifiziert Mengen nach ihrer strukturellen Komplexität Komplexitätstheorie Klassifiziert Probleme
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 9. Vorlesung: NP und NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 10. Mai 2017 Rückblick PTime und LogSpace als mathematische Modelle
MehrKonjunktive Normalform
Konjunktive Normalform Eine Formel α in konjunktiver Normalform hat die Form α k 1 k 2... k r. Die Klauseln k 1,..., k r sind Disjunktionen von Literalen, also Disjunktionen von Variablen oder negierten
MehrHärte von Hamilton-Kreis und TSP Überblick über die Komplexitätslandschaft
Härte von Hamilton-Kreis und TSP Überblick über die Komplexitätslandschaft Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 5. Februar 2010 Berthold Vöcking, Informatik
MehrFormale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Hornformeln
Formale Grundlagen der Informatik 1 Kapitel 16 Normalformen und Frank Heitmann heitmann@informatik.uni-hamburg.de 9. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/36 Ersetzbarkeitstheorem
MehrFormale Systeme. Das Erfu llbarkeitsproblem. Prof. Dr. Bernhard Beckert, WS 2017/2018
Formale Systeme Prof. Dr. Bernhard Beckert, WS 2017/2018 Das Erfu llbarkeitsproblem KIT I NSTITUT F U R T HEORETISCHE I NFORMATIK www.kit.edu KIT Die Forschungsuniversita t in der Helmholtz-Gemeinschaft
MehrInformatik III - WS07/08
Informatik III - WS07/08 Kapitel 4 1 Informatik III - WS07/08 Prof. Dr. Dorothea Wagner dwagner@ira.uka.de Kapitel 4 : Komplexitätsklassen Informatik III - WS07/08 Kapitel 4 2 Sprachen, Probleme, Zeitkomplexität
MehrNP-vollständige Probleme
NP-vollständige Probleme Dr. Eva Richter 6. Juli 2012 1 / 13 NP-Vollständigkeit Definition Eine Sprache B heißt NP-vollständig, wenn sei zwei Bedingungen erfüllt: (i) B ist in NP (ii) Jedes Problem A in
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
MehrTheoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009
Theoretische Informatik Rainer Schrader nichtdeterministische Turingmaschinen Zentrum für Angewandte Informatik Köln 29. April 2009 1 / 33 2 / 33 Turingmaschinen das Konzept des Nichtdeterminismus nahm
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 5 8.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 6 14.05.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Syntax der Aussagenlogik: Definition der Menge
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5.2 Das P N P Problem 1. Nichtdeterministische Lösbarkeit 2. Sind N P-Probleme handhabbar? 3. N P-Vollständigkeit Bei vielen schweren Problemen ist Erfolg leicht zu testen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 5. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 05.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrEinführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13
Prof. J. Esparza Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 13 Übungsblatt Wir unterscheiden
MehrDiskrete Strukturen Wiederholungsklausur
Technische Universität München (I7) Winter 2013/14 Prof. J. Esparza / Dr. M. Luttenberger LÖSUNG Diskrete Strukturen Wiederholungsklausur Beachten Sie: Soweit nicht anders angegeben, ist stets eine Begründung
MehrSatz 227 3SAT ist N P-vollständig. Info IV 2 N P-Vollständigkeit 375/388 c Ernst W. Mayr
Definition 6 3SAT ist die Menge der booleschen Formeln in konjunktiver Normalform, die in jeder Klausel höchstens drei Literale enthalten und die erfüllbar sind. Satz 7 3SAT ist N P-vollständig. Info IV
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 20. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 20.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrMusterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die
MehrGrundlagen der Informatik Kapitel 20. Harald Krottmaier Sven Havemann
Grundlagen der Informatik Kapitel 20 Harald Krottmaier Sven Havemann Agenda Klassen von Problemen Einige Probleme... Approximationsalgorithmen WS2007 2 Klassen P NP NP-vollständig WS2007 3 Klasse P praktisch
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 18. Vorlesung 22.12.2006 1 Komplexitätstheorie - Zeitklassen Komplexitätsmaße Wiederholung: O,o,ω,Θ,Ω Laufzeitanalyse Die Komplexitätsklassen
MehrAbbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z}
u v u v z w z w y x y x Abbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z} Definition 0.0.1 (Vertex Cover (VC)). Gegeben: Ein ungerichteter
MehrTheorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.
Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.
MehrNP Vollständigkeit. Patryk Mazur
NP Vollständigkeit Patryk Mazur 04.05.2010 0.Gliderung 1. Einführung 1. Definitionen P, NP, conp, EXP, NEXP 2. Bekannte Zusammenhänge zwischen dem Klassen 3. Hypothesen zu deren zusammenhängen und deren
MehrNP-vollst. u. NP-äquiv. Probleme
NP-vollst. u. NP-äquiv. Probleme Literatur: Kapitel K6. Ziel: Weitere Probleme kennen lernen (und damit weitere Basisprobleme für eigene Reduktionen) Weitere Beispiele für NP-Vollständigkeitsbeweise kennen
MehrÜbungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 16/17
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Theoretische Grundlagen der Informatik im WS 16/17 Ausgabe 9. Dezember 2016 Abgabe 20. Dezember 2016, 11:00 Uhr
Mehrsubexponentielle Algorithmen (d.h. Laufzeiten wie z. B. 2 n oder
Wie schwer ist SAT? Ziel: Nachweis, dass SAT eines der schwersten Probleme in NP ist: SAT ist das erste bekannte Beispiel eines NP-vollständigen Problems. Demnach kann SAT mit bisher bekannten Techniken
MehrÜbungsblatt Nr. 6. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 6 Aufgabe (K) (4 Punkte)
MehrOverview. Testen von Planarität. Planare Graphen. Beliebige Knotenpositionen. Gerade Linien. Faces
Overview Testen von Planarität Markus Chimani LS XI Algorithm Engineering, TU Dortmund VO Automatisches Zeichnen von Graphen 15 Planarität Grundbegriffe Wie erkennt man Planarität Boyer-Myrvold Überblick
MehrLogische und funktionale Programmierung
Logische und funktionale Programmierung Vorlesung 2 und 3: Resolution Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 3. November 2017 1/43 HERBRAND-STRUKTUR Sei
Mehr13. Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie
13 Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie 13 Woche: NP-Vollständigkeit, Satz von Cook-Levin, Anwendungen 276/ 333 N P-Vollständigkeit Ḋefinition NP-vollständig Sei
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrNP-Vollständigkeit und der Satz von Cook und Levin
NP-Vollständigkeit und der Satz von Cook und Levin Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 17. Dezember 2010 Berthold Vöcking, Informatik 1 () Vorlesung
Mehr