Wie komme ich von hier zum Hauptbahnhof?

Transkript

1 NP-Vollständigkeit

2 Wie komme ich von hier zum Hauptbahnhof?

3 P Wie komme ich von hier zum Hauptbahnhof? kann ich verwende für reduzieren auf Finde jemand, der den Weg kennt! Alternativ: Finde eine Stadtkarte! Alternativ: Bestelle ein Taxi! P

4 P Wie komme ich von hier zum Hauptbahnhof? verwende für kann ich reduzieren auf Finde Reduktion jemand, kann der den rekursiv Weg sein: kennt! Alternativ: Finde eine Stadtkarte! Alternativ: kaufen Bestelle ein Taxi! P Das Problem von Berlin nach Köln zu kommen reduziert sich auf das Problem, eine Fahrkarte zu das wiederum reduziert sich darauf, Geld für die Fahrkarte zu verdienen reduziert sich auf das Problem, einen Job zu finden

5 Reduktion Eine mächtige Technik: Algorithmendesign Transformation f P P verwende Lösung (f - ) Falls f, P und f - effizient berechenbar, dann auch P!

6 Breite? Beispiele Fläche eines Rechtecks Das Problem, die Fläche eines Rechtecks zu bestimmen, reduziert sich auf das Problem, dessen Seitenlängen zu bestimmen. Fläche? : P Gleichungssysteme lösen Das Problem, ein lineares Gleichungssystem zu lösen, reduziert sich auf das Problem, eine Matrix zu invertieren. P: Länge?

7 Heute: Perverse Reduktion Reduktion kann auch dazu verwendet werden, zu zeigen dass ein Problem schwer ist. Transformation f P P verwende Lösung Falls f und f - effizient berechenbar und P schwer ist, so muss auch P schwer sein.

8 Heute: Perverse Reduktion Reduktion kann auch dazu verwendet werden, zu zeigen Wenn P schwer dann auch P? dass ein Problem schwer ist. Transformation f Gilt das auch umgekehrt? P P verwende Lösung Falls f und f - effizient berechenbar und P schwer ist, so muss auch P schwer sein.

9 Repetition: Effiziente Algorithmen Fundamentale algorithmische Probleme Matching Spannbäume Kürzeste Pfade Probleme schwer? Exponentiell viele gültige Lösungen! n Männer, n Frauen: n! Matchings Graph mit n Knoten: n n- Spannbäume Exponentiell viele Pfade von s nach t Trotzdem: sehr effiziente Algorithmen! Brillante Techniken: greedy Algorithmen, dynamische Programmierung, lineare Programmierung Geht das für alle Probleme??

10 Repetition: P, NP, P=NP P: Probleme, die in polynomieller Zeit lösbar sind NP: (Entscheidungs-)Probleme, die in polynomieller Zeit verifizierbar sind NP steht für nicht-deterministische Polynomialzeit (Lösung raten ) Klar: P NP (lösen impliziert verifizieren) Bis heute unklar: P=NP? Eher unwahrscheinlich Kann exponentielle Suche immer vermieden werden? Theorem beweisen nicht schwerer als Beweis verifizieren? Mathematiker überflüssig? Erfüllbarkeit logischer Formeln (SAT): seit 0 Jahren ungelöst

11 Relevanz: Polynomiell vs Exponentiell Die Legende von Sissa Monarch der Sissa belohnen möchte Wunsch: Reiskörner auf Schachfeld Verdopplung: Mehr Reis als in ganz Indien! Moore s Law hilft nicht viel! Beispiel: Entscheidbarkeit (SAT) Exponentiell: Variable mehr pro Jahr Polynomielle Algorithmen: doppelt so viele Variablen pro Jahr! Asymmetrische Kryptographie Brisanterweise ist Komplexität von Faktorisierung unklar

12 Heute: NP-Vollständig NP-vollständig: Die schwersten Probleme in NP Definiert über Reduktion: Alle Probleme in NP lassen sich in polynomieller Zeit auf jedes NPvollständige Probleme reduzieren ( sind höchstens so schwer ) jedes NP Problem jedes NP-vollständige Problem

13 Heute: NP-Vollständig NP-vollständig: Die schwersten Probleme in NP Wie kann ich also versuchen zu beweisen, dass P=NP? Definiert über Reduktion: Alle Probleme in NP lassen sich in polynomieller Zeit auf jedes NPvollständige Probleme reduzieren ( sind höchstens so schwer ) jedes NP Problem jedes NP-vollständige Problem

14 Heute: NP-Vollständig NP-vollständig: Die schwersten Probleme in NP Wie kann ich also versuchen zu beweisen, dass P=NP? Definiert über Reduktion: Es reicht eines zu lösen alle Alle Probleme in NP lassen sich in polynomieller in polynomieller Zeit lösbar. Zeit auf jedes NPvollständige Probleme reduzieren ( sind höchstens so schwer ) jedes NP Problem jedes NP-vollständige Problem

15 Heute: NP-Vollständig NP-vollständig: Die schwersten Probleme in NP Definiert über Reduktion: Alle Probleme in NP lassen sich in polynomieller Zeit auf jedes NPvollständige Probleme reduzieren ( sind höchstens so schwer ) jedes NP Problem Aber: gibt es denn überhaupt solche Probleme? jedes NP-vollständige Problem

16 Die Schwersten Probleme in NP Stephen A. Cook und Leonid Levin (90) Alle NP Probleme Erfüllbarkeit der Aussagenlogik (SAT)

17 Die Schwersten Probleme in NP Stephen A. Cook und Leonid Levin (90) Alle NP Probleme Erfüllbarkeit der Aussagenlogik (SAT) 000e von NP-vollständigen Probleme: die meisten indirekt bewiesen, durch Reduktion von NP-vollständigem Problem (z.b. SAT)

18 Vollständigkeitsbeweis durch Reduktion Alle NP Probleme SAT SAT Independent Set

19 Vollständigkeitsbeweis durch Reduktion Wenn ich SAT lösen kann, kann ich alle NP Probleme lösen! Alle NP Probleme SAT SAT Poly-Zeit Reduktion Poly-Zeit Reduktion Poly-Zeit Reduktion Independent Set

20 Vollständigkeitsbeweis durch Reduktion Wenn ich SAT lösen kann, kann ich alle NP Probleme lösen! Wenn ich SAT lösen kann, kann ich SAT lösen! Also auch alle NP Probleme (transitiv: Polynom + Polynom = Polynom). Alle NP Probleme SAT SAT Poly-Zeit Reduktion Poly-Zeit Reduktion Poly-Zeit Reduktion Independent Set

21 Vollständigkeitsbeweis durch Reduktion Wenn ich SAT lösen kann, kann ich alle NP Probleme lösen! Wenn ich SAT lösen kann, kann ich SAT lösen! Also auch alle NP Probleme (transitiv: Polynom + Polynom = Polynom). Wenn ich IS lösen kann, kann ich SAT lösen! Also auch alle NP Probleme (transitiv). Alle NP Probleme SAT SAT Poly-Zeit Reduktion Poly-Zeit Reduktion Poly-Zeit Reduktion Independent Set

22 Beispiel: MM Maximum Matching (MM): Gegeben ein ungerichteter Graph G(V,E). Ein Matching ist eine Kantenmenge M E(G), sodass jeder Knote inzident zu maximal einer Kante in M ist. Ein MM ist ein Matching maximaler Kardinalität.

23 Beispiel: Matching?

24 Beispiel: Matching?

25 Beispiel: Maximum Matching (MM)?

26 Beispiel: Maximum Matching (MM)?

27 Beispiel: IS Independent Set (IS): Gegeben ein ungerichteter Graph G(V,E). Ein IS ist eine Menge U V(G), sodass {u,u } ϵ E(G) für u, u ϵ U. Ein Maximum IS (maxis) ist ein IS maximaler Kardinalität U.

28 Beispiel: IS?

29 Beispiel: IS?

30 Beispiel: MaxIS?

31 Beispiel: MaxIS?

32 Beispiel: NP-Vollständigkeit Reduktion Angenommen MM ist NP-vollständig. Wie kann ich vorgehen, um zu zeigen, dass MaxIS NPvollständig ist? transformiere Tipp: Reduktion P P verwende Lösung

33 MaxIS ist NP-vollständig: Beweisidee Zeige Reduktion: Poly-Zeit Transformation MM MaxIS verwende Lösung Zeige: MaxIS ist in NP Kann ich in polynomieller Zeit Entscheidungsproblem verifizieren: ist ein gegebenes IS der Größe M gültig?

34 MaxIS ist NP-vollständig: Beweisidee Zeige Reduktion: Poly-Zeit Transformation MM MaxIS verwende Lösung. Gehe durch alle Kanten, prüfe ob max ein Endpunkt im IS.. Prüfe ob es wirklich M viele Knoten sind. Zeige: MaxIS ist in NP Kann ich in polynomieller Zeit Entscheidungsproblem verifizieren: ist ein gegebenes IS der Größe M gültig?

35 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS

36 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS

37 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS Kanten ensprechen Knoten!

38 Reduktion MM. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident effizient! MaxIS Kanten ensprechen Knoten!

39 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS berechne Lösung!

40 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS entsprechende Kanten sind Matching!

41 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS Weshalb? Immer ein gültiges und maximum Matching?

42 Reduktion MM. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident maximiere # Knoten im Independent Set gdw maximiere # Kanten im Matching Knoten rechts sind benachbart gdw Kanten links benachbart sind! Mengen sollen maximiert werden. MaxIS Ja, Äquivalent: Knoten in MaxIS unabh. gdw. Kanten im Matching gültig ( unabh. )

43 Reduktion. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS. IS Knoten entsprechen MM Kanten effizient!

44 Beweisidee. Ersetze Kanten durch Knoten. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident MM MaxIS. IS Knoten entsprechen MM Kanten Gültiges IS muss gültiges Matching sein: IS Knote blockiert adjazente Knoten = entsprechende Matching Kante blockiert inzidente Kanten!

45 Beweisidee MM. Ersetze Kanten durch Knoten Wenn MaxIS effizient lösbar wäre, so müsste auch MM effizient lösbar sein. Widerspruch!. Verbinde resultierende Knoten falls ursprüngliche Kanten inzident. IS Knoten entsprechen MM Kanten MaxIS effizient? Gültiges IS muss gültiges Matching sein: IS Knote blockiert adjazente Knoten = entsprechende Matching Kante blockiert inzidente Kanten!

46 Vertex Cover (VC): Gegeben ein ungerichteter Graph G(V,E). Ein Vertex Cover (VC) ist eine Menge von Knoten U V(G), sodass jede Kante in E(G) inzident zu mind. einem Knoten in U ist. Ein Minimum Vertex Cover (minvc) ist ein Vertex Cover minimaler Kardinalität U.

47 Beispiel: MinVC

48 Beispiel: MinVC

49 Beispiel: NP-Vollständigkeit Reduktion Wie kann ich vorgehen, um zu zeigen, dass MinVC NP-vollständig ist?

50 Beispiel: NP-Vollständigkeit Reduktion Wie kann ich vorgehen, um zu zeigen, dass MinVC NP-vollständig ist? Reduktion von MaxIS! Wir wissen: MaxIS is NPvollständig.

51 MinVC ist NP-vollständig: Beweisidee Zeige Reduktion: Poly-Zeit Transformation MaxIS MinVC verwende Lösung Zeige: MinVC ist in NP

52 MinVC ist NP-vollständig: Beweisidee Zeige Reduktion: Poly-Zeit Transformation MaxIS MinVC verwende Lösung. Gehe durch alle Kanten, prüfe ob mind. ein Endpunkt im DS.. Prüfe, ob auch die Anzahl Knoten stimmt (Entscheidungsproblem). Zeige: MinVC ist in NP

53 Reduktion? Effizient! P? P? Effizient! Vertex Cover schwer? 8

54 Reduktion triviale Transformation MaxIS MinVC 8 8

55 Reduktion MaxIS MinVC Löse! 8 8

56 Reduktion MaxIS MinVC Gegeben MinVC S: Nehme die anderen Knoten! MaxIS = V\S die anderen Knoten 8 8

57 Reduktion triviale Transformation! MaxIS MinVC Gegeben MinVC S: MaxIS = V\S die anderen Knoten 8 Menge S berührt jede Kante genau dann wenn restliche Knoten unabhängig sind. 8

58 Reduktion triviale Transformation! Sicher keine anderen IS Knoten in der Nachbarschaft: MaxISalle Nachbarkanten sind durch VC Knoten abgedeckt. Gegeben MinVC S: MinVC MaxIS = V\S die anderen Knoten 8 Menge S berührt jede Kante genau dann wenn restliche Knoten unabhängig sind. 8

59 Reduktion triviale Transformation! MaxIS minimale Anzahl Knoten im VC = maximal viele restliche Knoten! Gegeben MinVC S: MinVC MaxIS = V\S die anderen Knoten 8 Menge S berührt jede Kante genau dann wenn restliche Knoten unabhängig sind. 8

60 Reduktion Wenn MinVC effizient lösbar wäre, so triviale Transformation! müsste auch MaxIS effizient lösbar sein. Widerspruch! MaxIS MinVC Gegeben MinVC S: effizient? MaxIS = V\S die anderen Knoten 8 Menge S berührt jede Kante genau dann wenn restliche Knoten unabhängig sind. 8

61 Warnung : Details sind wichtig! Bemerkungen Harte Probleme (NP) SAT Traveling Salesman Longest Path Independent Set Balanced Cut Einfache Probleme (P) SAT, Horn SAT Minimum Spanning Tree Shortest Path Independent Set auf Bäumen Minimum Cut Warnung : Es gibt Probleme, die sind schwerer als NP-schwer! Z.B. gar nicht lösbar. Bemerkung : Selbst NP-vollständige Probleme lassen sich in der Praxis oft gut lösen: Gebiet der Approximationsalgorithmen. Bemerkung : NP-vollständige Probleme haben bisher Quantencomputern stand gehalten. (Faktorisierung nicht: aber fast niemand glaubt heute, dass Faktorisierung NP-vollständig ist.)

62 Zusammenfassung Komplexitätstheorie: eine der faszinierendsten (und relevantesten) Themen unserer Zeit Insbesondere polynomiell vs nicht polynomiell Aber auch allgemein: Komplexität von Zahlen- und Matritzenmultiplikation ungelöst! Reduktion: Nicht nur um Probleme zu lösen, sondern auch um zu zeigen, dass sie nicht lösbar sind Achtung: Reduktionen sind gerichtet Auf ein NP vollständiges Problem reduzieren von einem NP vollständigen Problem reduzieren

63 Nächste Woche Alle NP Probleme SAT

64 Backup

65 Alle NP Probleme Circuit SAT output Circuit SAT Boolean Circuit in DAG Form Verallgemeinerung von SAT: Finde Belegung für? sodass Output wahr, oder sage dass das unmöglich ist Operatoren: AND, OR: in-degree NOT: in-degree Bekannte Inputs: true-false Unbekannte Inputs:? AND NOT OR AND OR AND true???

66 Alle NP Probleme Circuit SAT output Circuit SAT Boolean Circuit in DAG Form Verallgemeinerung von SAT: Finde Belegung für? sodass Output wahr, oder sage dass das unmöglich ist Operatoren: AND, OR: in-degree NOT: in-degree Bekannte Inputs: true-false Unbekannte Inputs:? AND NOT OR AND OR AND true false true true

67 Beliebiges NP-Problem X Circuit SAT Klingt schwierig: Was wissen wir über X? Gar nichts Nicht ganz: Gegeben Probleminstanz I und Lösung L: es gibt einen polynomiellen Algorithmus, der prüft, ob L eine Lösung für I ist Diesen Algorithmus kann man immer als Circuit polynomieller Größe darstellen Setze bekannte Inputs auf I und unbekannte Inputs auf L Die erfüllenden Belegungen für L sind die Lösungen für unser Problem X! Die Reduktion ist komplett.