1 Zeit- und Platzklassen. 2 Schaltkreise. Reduktionen Many-One- Reduktionen Turing- Reduktionen und Orakel. Zusammenfassung
|
|
- Lieselotte Blau
- vor 5 Jahren
- Abrufe
Transkript
1 Einführung für das Seminar Komplexität und Kryptologie Übersicht und 30 April 2008 und 3 und und Turingmaschinen als erechnungsmodell Ressourcenverbrauch von Turingmaschinen Erweiterte Church sche These Alle (hinreichend mächtigen) erechnungsmodelle können sich gegenseitig simulieren Dabei treten nur polynomielle Laufzeitunterschiede auf Zeitverbrauch: Anzahl der erechnungsschritte time M : N (einzelnes Wort) time M : N N, time M (n) := m x n time M ( ) Platzverbrauch: Anzahl der verwendeten andfelder sp ce M : N, sp ce M : N N Sprachprobleme: Gegeben: A Wir betrachten Verfahren ƒ, die für entscheiden, ob A gilt ƒ : {0, 1} mit ƒ ( ) = 1 A Turingmaschinen: änder, Lese-/Schreibköpfe, Zustände Deterministisch (DTM): Eindeutige Folgekonfiguration Nichtdeterministisch (NTM): Menge von Folgekonfigurationen Endzustände, akzeptierte Sprache L(M) und Sei ƒ : N N DTIME(ƒ ) := A M DTM : L(M) = A time M O(ƒ ) DSPACE(ƒ ) := A M DTM : L(M) = A sp ce M O(ƒ ) NTIME(ƒ ) := A M NTM : L(M) = A time M O(ƒ ) NSPACE(ƒ ) := A M NTM : L(M) = A sp ce M O(ƒ ) und
2 Wichtige Fakten über Zeitklassen: P = DTIME(n k ) NP = NTIME(n k ) conp = A A NP E = DTIME(2 kn ) NE = NTIME(2 kn ) EXP = DTIME(2 nk ) NEXP = NTIME(2 nk ) : L = DSPACE(log(n)) NL = NSPACE(log(n)) PSPACE = DSPACE(n k ) und DTIME(ƒ ) NTIME(ƒ ) DSPACE(ƒ ) NSPACE(ƒ ) DTIME(ƒ ) DSPACE(ƒ ) NTIME(ƒ ) NSPACE(ƒ ) NTIME(ƒ ) DSPACE(ƒ ) (Spezialfall) (begrenzte Laufweite) (iterieren über erechnungspfade) NSPACE(ƒ ) DSPACE(ƒ 2 ) (vgl Papadimitriou, Computational Complexity, S 150) NPSPACE = PSPACE NSPACE(ƒ ) DTIME(k log(n)+ƒ (n) ) (vgl Papadimitriou, S 149) und Übersicht Syntax von n Ein an Hardware angelehntes erechnungsmodell und und Definition (Syntax oolescher ) Ein oolescher Schaltkreis für Eingaben 1 n {0, 1} n ist ein gerichteter Graph C n = (V, E) mit folgenden Eigenschaften: Die Knoten V = {1,, m} heißen Gatter, denen ein Typ s( ) {tr e, f lse,,, } { 1,, n } zugeordnet ist Gatter der Typen und haben 2 eingehende Kanten, solche des Typs eine, die übrigen keine Nur vorhergehende Knoten können Eingang für ein Gatter sein: (, j) E : < j und sind kompakter als Formeln
3 Semantik von n Schaltkreisfamilien Auswertung bei Eingabe : ev l : V {0, 1} 1 s( ) = tr e 0 s( ) = f lse ev l ( ) = s( ) = ev l ( ) ev l (j) s( ) =, (, ), (j, ) E Wert C n ( ) = ev l (m) (letztes Gatter) und Um beliebige Eingabelängen zulassen zu können, werden Familien von n betrachtet, von denen je einer für eine Eingabelänge zuständig ist: C = (C n ) n N Akzeptierte Sprache: L(C) = {0, 1} C ( ) = 1 Weil die einzelnen vollkommen unabhängig voneinander konstruiert werden können, spricht man von einem nichtuniformen erechnungsmodell Komplexitätsmaße für : size C (n) = V(C n ) + E(C n ) depth C (n) = längster Pfad in C n und Klassen oolescher Fakten über Schaltkreisklassen Klassen von Sprachen, die durch bestimmte entschieden werden können: P/poly: Polynomielle Größe NC k : Polynomielle Größe, depth C (n) O(log k n), logspace-uniform NC = NCk NC k AC k TC k AC k NC k+1 NC P P P/poly (per Definition) (Gatter aum) (generieren + CVP) (advice, Schichten pro erechnungsschritt) AC k : wie NC k, aber beliebig viele Eingänge pro Gatter AC = ACk TC k : Wie AC k, aber zusätzlich Threshold-Gates, die 1 ausgeben wenn mindestens die Hälfte ihrer Eingänge 1 ist und Insgesamt: AC 0 TC 0 NC 1 L NL AC 1 NC 2 NC P P/poly und
4 Übersicht Warum? und und Gegeben: Zwei Sprachen A, Wir wollen Mitgliedschaft in A ist nicht schwerer als Mitgliedschaft in zu entscheiden formal ausdrücken»a kann auf reduziert werden«notation: A r (gleich: unterschiedliche Reduktionsarten) Es soll gelten: A r C A C Außerdem interessant: Gibt es in C Probleme, sodass kein Problem in C schwerer sind? und Vollständigkeit Definition Definition Seien A, Es gilt A p genau dann, wenn es m eine in Polynomialzeit berechenbare Funktion ƒ : gibt, sodass gilt: Sei A eine Sprache und C P( ) eine Sprachklasse A ist C-hart : L C : L p m A A ist C-vollständig : A C und A ist C-hart : A ƒ ( ) Der Name kommt daher, dass ƒ nicht injektiv sein muss Variante: ei log ist ƒ eine logarithmisch m platzbeschränkte Funktion sind eine (partielle) Ordnung auf der Menge der Sprachen und Für Sprachklassen C kleiner als NP wird log m verwendet, denn: A P : A p m {1} eispiel (Vollständige Probleme) NP: SAT, 3SAT, CIRCUIT-SAT, TSP, 3COL, P: CVP, conp: TAUT, UNSAT, NL: s-t-con, und
5 Inklusion durch Reduktion eispiele für Zu zeigen: C D (wobei D-Maschinen P-Algorithmen ausführen können müssen) Es gilt: L 1 C ist p m-vollständig für C (d h A C : A p m L 1 ) L 1 D Dann gibt es für jedes A C einen D-Entscheider: Es gilt A p m L 1, sei ƒ die zugehörige Reduktionsfunktion Es gilt L 1 D, sei M 1 die zugehörige Turingmaschine D-Algorithmus M A zum Entscheiden ob A: 1 Eingabe: 2 erechne y := ƒ ( ) 3 Simuliere M 1 (y), gib das Ergebnis aus A y L 1 y L(M 1 ) L(M A ) Wegen P D ist M A eine D-Maschine und eispiel (Auswertung zu Erfüllbarkeit) EVAL log m SAT via id : Variablenfreie Formeln werden genau dann zu 1 ausgewertet, wenn sie erfüllbar sind eispiel ( zu Formeln) ƒ orm(c) = φ ist polynomialzeit-berechenbar (kurz ƒ orm FP): Teilmenge der Kanten merken Damit: CVP p m EVAL und CIRCUIT-SAT p m SAT Korollar (unnötig umständlich!) Wegen Transitivität gilt CVP p m SAT Da CVP P-vollständig ist und SAT NP, folgt P NP und Definition (-Turingmaschine, OTM) Eine Turingmaschine mit A ist eine TM, der eine zusätzliche Operation zur Verfügung steht: Sie kann ein auf ein spezielles and schreiben und dann in einem Schritt erfahren, ob A (»-Frage«) Notation: C A := L L kann von einer C-TM bzw einem C-Schaltkreis mit A entschieden werden C D := A D CA (nur eine -Sprache!) Definition (Schaltkreis mit ) Ein Schaltkreis mit A ist ein Schaltkreis, dem für jede Wortlänge N ein zusätzlicher Gattertyp zur Verfügung steht: ei Eingabe = 1 geben diese Gatter genau dann 1 aus, wenn A (»-Gatter«) und Definition (Reduktion) Seien A, und C P( ) Es gilt A p T genau dann, wenn A P Es gilt A log T genau dann, wenn A L Es gilt A C T genau dann, wenn A C und
6 Vergleich von Reduktionsarten : Einfache eispiele A m : ja/nein eispiel (UNSAT p T SAT) sind mächtiger als Weiterer Reduktionstyp: Truth-Table- ( p tt ) Keine adaptiven Fragen Formel φ bestimmt, wie die Antworten auf die fragen kombiniert werden A? A tt : ƒ y? φ A? A T : M A ƒ ( )? ja/nein y? ja/nein A? ja/nein M A und UNSAT: Die Menge aller nicht-erfüllbaren Formeln (conp-vollständig) Reduktion: Syntax prüfen, fragen und Antwort negieren eispiel (EXACT-COL p T COL) Frage: Werden für einen Graphen G genau k 0 Farben zum Färben benötigt? Reduktion auf COL (k-färbbarkeit): Es muss (G, k 0 ) COL und (G, k 0 1) COL gelten eide sind nicht adaptiv, es gilt auch UNSAT p tt SAT und EXACT-COL p tt COL UNSAT p m SAT würde conp NP implizieren (unwahrscheinlich) und : Weiteres eispiel Analyse des Algorithmus Problem (FIND-SAT) Eingabe: Eine Formel φ Gesucht: : v r(φ) {0, 1} mit ev l (φ) = 1 Satz FIND-SAT FP T SAT, also FIND-SAT FPSAT Ein FP SAT -Algorithmus für FIND-SAT 1 := 2 for in v r(φ) do 3 if φ ( 0) SAT then 4 := ( 0) 5 else if φ ( 1) SAT then 6 := ( 1) 7 else 8 return fail 9 return und Laufzeit: Polynomiell, da fragen als atomar behandelt werden Korrektheit: Wenn der Algorithmus eine elegung zurückgibt, hat er zuvor geprüft, dass sie erfüllend ist Wenn umgekehrt eine erfüllende elegung existiert, wird diese auch gefunden Es ist keine Truth-Table-Reduktion, da adaptive Fragen verwendet werden Eine Truth-Table-Reduktion ist vermutlich nur mit exponentiell vielen Fragen möglich und
7 Polynomielle Hierarchie Polynomielle Hierarchie Δ P 0 = P 0 = P 0 := P Δ P +1 := P P P +1 := NP P Δ P 3 Δ P 0 = P 0 = P 0 := P Δ P +1 := P P P +1 := NP P P NPNP P +1 := conp P PH := P k P 2 Δ P 2 P 2 und P +1 := conp P PH := P k NP NP P NP conp NP und Es gilt PH PSPACE P 1 P 1 Es gilt PH PSPACE NP P conp P P 0 = ΔP 0 = P 0 = ΔP 1 P Was wir kennengelernt haben: Komplexitätsklassen sind Mengen von Sprachen Übliche Ressourcenschranken: Zeit, Platz bei Turingmaschinen Größe und Tiefe bei n zeigen, dass eine Sprache nicht schwerer als eine andere entscheidbar ist Weiterführende Literatur: Du, Ding-Zhu and Ker-I Ko Theory of Computational Complexity New York: Wiley, 2000 ISN: Papadimitriou, Christos H Computational Complexity Reading, Mass: Addison-Wesley, 1995 ISN: und
Platzklassen - Erinnerung. 3-Band Maschinen. Konfigurationen. Savitch Theorem. Konfigurationsgraph. SPACE Complexity. Für kleine Platzklassen:
Platzklassen - Erinnerung SPACE Complexity DSPACE(f(n)) NSPACE(f(n)) L = LOG = DSPACE(logn) NL = NLOG = NSPACE(logn) PSPACE = DSPACE(n^k), k > 1 NPSPACE = NSPACE(n^k), k > 1 complexity 2003 - space & games
MehrPlatzklassen - Erinnerung. 3-Band Maschinen. Konfigurationen. Savitch Theorem. Konfigurationsgraph. Für kleine Platzklassen:
Platzklassen - Erinnerung DSPACE(f(n)) NSPACE(f(n)) L = LOG = DSPACE(logn) NL = NLOG = NSPACE(logn) PSPACE = DSPACE(n^k), k > 1 NPSPACE = NSPACE(n^k), k > 1 SPACE Complexity 3-Band Maschinen Konfigurationen
Mehr12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP
12 Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP 12 Woche: Verifizierer, nicht-deterministische Turingmaschine, NP 254/ 333 Polynomielle Verifizierer und NP Ḋefinition Polynomieller
MehrProseminar Theoretische Informatik. Die Klasse NP. von Marlina Spanel
Proseminar Theoretische Informatik Die Klasse NP von Marlina Spanel 29.11.2011 1 Gliederung Gliederung Problem des Handlungsreisenden Die Klasse NP Einleitung und Wiederholung Sprachen Nichtdeterministische
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V5, 21.11.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrTheoretische Informatik 1
Theoretische Informatik 1 Teil 5 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung TU Graz SS 2007 Übersicht 1 Problemklassen 2 NTM Nichtdeterministische Algorithmen 3 Problemarten Konstruktionsprobleme
MehrTheoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Zeitkomplexität von Turingmaschinen Die Laufzeit einer NTM M bei Eingabe x ist die maximale Anzahl
MehrKomplexität und Komplexitätsklassen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.
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
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
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
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
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
Mehrabgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrVorlesungsskript. Komplexitätstheorie. Wintersemester 2004/2005
Vorlesungsskript Komplexitätstheorie Wintersemester 2004/2005 Prof. Dr. Johannes Köbler Humboldt-Universität zu Berlin Lehrstuhl Komplexität und Kryptografie 21. Februar 2005 Inhaltsverzeichnis 1 Einführung
MehrReelle Komplexität - Grundlagen II
Reelle Komplexität - Grundlagen II Julian Bitterlich Themenübersicht: Beziehungen zwischen den Komplexitätsklassen Savitchs Theorem conp und Charakterisierungen von NP und conp Reduktion, Vollständigkeit,
MehrTheoretische Informatik 1
Theoretische Informatik 1 Platzkomplexität David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 22.04.2016 Platzkomplexität Platzkomplexitätsklassen Zeit vs. Platzbedarf
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
MehrFORMALE SYSTEME. Kompexitätsklassen. Deterministisch vs. nichtdeterministisch. Die Grenzen unseres Wissens. 25. Vorlesung: NP-Vollständigkeit
Kompexitätsklassen FORMALE SYSTEME 25. Vorlesung: NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme Komplexitätsklassen sind Mengen von Sprachen, die man (grob) einteilt entsprechend
MehrFORMALE SYSTEME. Kompexitätsklassen. Die Grenzen unseres Wissens. Deterministisch vs. nichtdeterministisch. 25. Vorlesung: NP-Vollständigkeit
Kompexitätsklassen FORMALE SYSTEME 25 Vorlesung: NP-Vollständigkeit Markus Krötzsch Professur für Wissensbasierte Systeme Komplexitätsklassen sind Mengen von Sprachen, die man (grob) einteilt entsprechend
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
MehrInformatik 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
MehrLaufzeit einer DTM, Klasse DTIME
Laufzeit einer DTM, Klasse DTIME Definition Laufzeit einer DTM Sei M eine DTM mit Eingabealphabet Σ, die bei jeder Eingabe hält. Sei T M (w) die Anzahl der Rechenschritte d.h. Bewegungen des Lesekopfes
MehrLösungen zur Ergänzung 12
Theoretische Informati II SS 018 Carlos Camino Lösungen zur Ergänzung 1 Hinweise: In der Literatur sind zwei verschiedene Definitionen der natürlichen Zahlen gängig: N = {0, 1,,...} und N = {1,, 3,...}.
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
MehrTheoretische Informatik 1
Theoretische Informatik 1 Nichtdeterminismus David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Nichtdeterminismus NTM Nichtdeterministische Turingmaschine Die
MehrFORMALE SYSTEME. 25. Vorlesung: NP-Vollständigkeit. TU Dresden, 23. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
FORMALE SYSTEME 25. Vorlesung: NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 23. Januar 2017 Rückblick Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 2 von 32
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
MehrKomplexitätsklassen P und NP
Komplexitätsklassen P und Tim Jungnickel Technische Universität Berlin Fachgebiet für Modelle und Theorie Verteilter Systeme 9. Juli 2013 This work is licensed under the Creative Commons Attribution-ShareAlike
MehrParallelisierbarkeit. - Was soll parallelisierbar überhaupt bedeuten? 2 / 38
Parallelität 1 / 38 Parallelisierbarkeit - Welche Probleme in P sind parallelisierbar? Gibt es vom Standpunkt der Parallelisierbarkeit schwierigste Probleme in P? Gibt es dazu einen Reduktionsbegriff?
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5.4 Hierarchie von Komplexitätsklassen 1. Komplementäre Klassen 2. Polynomieller Platz 3. Logarithmischer Platz 4. Hierarchiesätze Es gibt weitere wichtige Komplexitätsklassen
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
MehrTheoretische Informatik Mitschrift
10. Komplexitätstheorie Theoretische Informatik Mitschrift Klassifikation algorithmischer Probleme (formalisiert als Sprachen) nach ihrem Bedarf an Berechnungsressourcen (= Rechenzeit, Speicherplatz als
MehrTheoretische Informatik 1
Theoretische Informatik 1 Die Komplexitätsklasse P David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Äquivalenz von RM und TM Äquivalenz, Sätze Simulation DTM
MehrP, NP und NP -Vollständigkeit
P, NP und NP -Vollständigkeit Mit der Turing-Maschine haben wir einen Formalismus kennengelernt, um über das Berechenbare nachdenken und argumentieren zu können. Wie unsere bisherigen Automatenmodelle
MehrTheoretische Informatik 1
Theoretische Informatik 1 Vollständigkeit 1 David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 20.05.2016 Übersicht Schwere Definition CIRCUIT-VALUE ist P-schwer
MehrKomplexitätsklassen THEORETISCHE INFORMATIK VORGETRAGEN VON: ELIAS DROTLEFF
Komplexitätsklassen THEORETISCHE INFORMATIK VORGETRAGEN VON: ELIAS DROTLEFF Einflussgrößen bei der Bildung von Komplexitätsklassen Das zugrunde liegende Berechnungsmodell (Turingmaschine, Registermaschine
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
MehrNichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
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
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
MehrFormale Grundlagen der Informatik 1 Kapitel 20
Formale Grundlagen der Informatik 1 Kapitel 20 Zeit- und Platzkomplexität Frank Heitmann heitmann@informatik.uni-hamburg.de 27. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/52 Motivation
MehrKomplexitätstheorie WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
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
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
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
Mehr6.3 NP-Vollständigkeit. alle anderen Probleme in NP darauf polynomiell reduzierbar. 1 Polynomielle Reduzierbarkeit p
6.3 NP-Vollständigkeit 1 Polynomielle Reduzierbarkeit p 2 NP-vollständige Probleme = härteste Probleme in NP, alle anderen Probleme in NP darauf polynomiell reduzierbar 3 Satz: SAT ist NP-vollständig Definition
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V8, 12.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrKlausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016)
Technische Universität Berlin, Berlin, 28.07.2016 Name:... Matr.-Nr.:... Klausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016) Einlesezeit: Bearbeitungszeit: Max.
MehrSelbstreduzierbarkeit (von Joachim Selke, Mai 2005) Fünfter Vortrag im Rahmes des Seminars Perlen der Komplexitätstheorie
Selbstreduzierbarkeit (von Joachim Selke, Mai 2005) Fünfter Vortrag im Rahmes des Seminars Perlen der Komplexitätstheorie Vorbemerkungen Im folgenden werden nur Mengen über dem Alphabet Σ := {0, 1} betrachtet.
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
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)
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
MehrEinführung in Approximative Algorithmen und Parametrisierte Komplexität
Einführung in Approximative Algorithmen und Parametrisierte Komplexität Tobias Lieber 10. Dezember 2010 1 / 16 Grundlegendes Approximationsalgorithmen Parametrisierte Komplexität 2 / 16 Grundlegendes Definition
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
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
MehrKomplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2008/09 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
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
MehrLösungen zur 1. Klausur. Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie
Hochschuldozent Dr. Christian Schindelhauer Paderborn, den 21. 2. 2006 Lösungen zur 1. Klausur in Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie Name :................................
MehrEinführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie
Einführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie Wintersemester 2005/2006 20.12.2005 18. Vorlesung 1 Komplexitätstheorie - Zeitklassen Komplexitätsmaße Wiederholung: O,o,ω,Θ,Ω Laufzeitanalyse
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
MehrTheoretische Informatik 1
Theoretische Inforatik 1 Teil 6 Bernhard Nessler Institut für Grundlagen der Inforationsverabeitung TU Graz SS 2008 Übersicht 1 Reduktionen 2 Definition P- NP- 3 Sprachbeziehungen Klassenbeziehungen Turingreduktion
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
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
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 INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 7. Vorlesung: Einführung in die Komplexitätstheorie Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 28. April 2017 Übersicht Der Raum der formalen Sprachen
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
MehrVL-13: Polynomielle Reduktionen. (Berechenbarkeit und Komplexität, WS 2018) Gerhard Woeginger
VL-13: Polynomielle Reduktionen (Berechenbarkeit und Komplexität, WS 2018) Gerhard Woeginger WS 2018, RWTH BuK/WS 2018 VL-13: Polynomielle Reduktionen 1/46 Organisatorisches Nächste Vorlesungen: Donnerstag,
MehrProseminar Die P NP-Vermutung Space Complexity, Savitch s Theorem, PSPACE-completeness
Proseminar Die P NP-Vermutung Sommersemester 2012 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Gliederung
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
Mehr19. Nichtdeterministische Turingmaschinen und ihre Komplexität
19. Nichtdeterministische Turingmaschinen und ihre Komplexität Bei einem Turingmaschinenprogramm P aus bedingten Anweisungen wird durch die Forderung i a b B j i a b B j i a sichergestellt, dass zu jeder
MehrTheoretische Informatik. Berechenbarkeit
Theoretische Informatik Berechenbarkeit 1 Turing Maschine Endlicher Automat mit unendlichem Speicher Ein Modell eines realen Computers Was ein Computer berechnen kann, kann auch eine TM berechnen. Was
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 11 1. August 2011 Einführung in die Theoretische Informatik
MehrTHEORETISCHE INFORMATIK UND LOGIK
Übersicht Der Raum der formalen Sprachen (Wortprobleme) lässt sich wie foglt aufteilen: THEORETISCHE INFORMATIK UND LOGIK Unentscheidbare Probleme 7. Vorlesung: Einführung in die Komplexitätstheorie Markus
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
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
MehrKESS - Die Komplexität evolutionär stabiler Strategien
KESS - Die Komplexität evolutionär stabiler Strategien Andreas Lochbihler Universität Karlsruhe (TH) 0..008 K. Etessami, A. Lochbihler: The computational complexity of evolutionarily stable strategies.
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
MehrSpeicherplatz-Komplexität 1 / 30
Speicherplatz-Komplexität 1 / 30 Speicherplatz-Komplexität Warum sollte uns die Ressource Speicherplatz interessieren? Um die Komplexität der Berechnung von Gewinnstrategien für viele nicht-triviale 2-Personen
Mehr3 Probabilistische Komplexitätsklassen
3 Probabilistische Komplexitätsklassen 3.1 Probabilistische Turingmaschinen 3.1 Wir gehen davon aus, dass die Konzepte deterministischer und nichtdeterministischer Turingmaschinen im wesentlichen bekannt
MehrVorname Name Matrikelnummer 1. a) Benennen Sie die übrigen 6 Komponenten einer nicht-deterministischen Turingmaschine (TM): (3 Punkte)
1 Aufgabe 1 (19 Punkte) a) Benennen Sie die übrigen 6 Komponenten einer nicht-deterministischen Turingmaschine (TM): (3 Punkte) Q, die endliche Zustandsmenge b) Was besagt die Church-Turing-These? (1 Punkt)
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
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
MehrKomplexitätstheorie. Kapitel 4: Platzkomplexität
Komplexitätstheorie Kapitel 4: Platzkomplexität Einleitung Platzverbrauch: der temporäre Zwischenspeicher, der während der Berechnung verwendet wird (Datenstrukturen, Rekursionsstack, etc.) Im Fall von
MehrKomplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2008/09 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
MehrGliederung. 1. Einführung. 2. Polynominal Reduktion und NP-Vollständigkeit. 3. Geschichte. 4. Reale Probleme und Lösungsansetze 5.
Gliederung 1. Einführung 1. Definitionen P, NP, conp, EXP, NEXP 2. Bekannte Zusammenhänge zwischen dem Klassen 3. Hypothesen zu deren zusammenhängen und deren Konsequenzen 2. Polynominal Reduktion und
MehrKomplexitätstheorie 2
Komplexitätstheorie 2 Montag und Donnerstag 14:15 15:45 Uhr in C - 221 1 echte Hierarchien Aus der Theorie der Formalen Sprachen ist bekannt, dass es Sprachen gibt, die entscheidbar aber nicht kontextsensitiv
MehrTHEORETISCHE INFORMATIK UND LOGIK
NLogSpace THEORETISCHE INFORMATIK UND LOGIK 12. Vorlesung: PSpace-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme NL: Probleme, die eine nichtdeterministische TM mit logarithmischem Speicher
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 6.5 Hierarchie von Komplexitätsklassen 1. Pseudopolynomielle Algorithmen 2. Komplementäre Klassen 3. Polynomieller Platz 4. Hierarchiesätze Nicht jedes N P-Problem ist
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
MehrKomplexitätstheorie. Kapitel 6: Schaltkreise
Komplexitätstheorie Kapitel 6: Schaltkreise Motivation Wir betrachten Schaltkreise als alternatives Berechnungsmodell Damit lassen sich weitere Komplexitätsklassen definieren Dies ist von Bedeutung, denn
MehrOrakel Berechnungen. Orakel Berechnungen 1 / 32
Orakel Berechnungen Orakel Berechnungen 1 / 32 Berechnungswelten Warum ist die P? = NP Frage immer noch unbeantwortet?? Vielleicht, weil P NP zwar wahr, aber nicht beweisbar ist?? Vielleicht, weil P =
MehrKomplexita tstheorie eine erste Ubersicht. KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung.
Komplexita tstheorie eine erste Ubersicht KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung. Probleme Problem = Menge von unendlich vielen konkreten Einzelfragen (Instanzen) F n,
MehrVL-18: Jenseits von P und NP. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger
VL-18: Jenseits von P und NP (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger WS 2017, RWTH BuK/WS 2017 VL-18: Jenseits von P und NP 1/43 Organisatorisches Nächste (letzte) Vorlesung: Mittwoch,
MehrHerzlich willkommen!!!
Komplexitätstheorie Sommersemester 2013 Prof. Dr. Georg Schnitger AG Theoretische Informatik Johann Wolfgang Goethe-Universität Frankfurt am Main Herzlich willkommen!!! Einführung 1 / 30 Kapitel 1: Einführung
MehrTHEORETISCHE INFORMATIK UND LOGIK
NP-vollständige Probleme THEORETISCHE INFORMATIK UND LOGIK 11. Vorlesung: NL und PSpace Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 19. Mai 2017 NP-vollständige Probleme = Probleme, die
Mehr