Wie komme ich von hier zum Hauptbahnhof?
|
|
- Carin Bruhn
- vor 7 Jahren
- Abrufe
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.
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
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,
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
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?
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
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
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Komplexitätstheorie Nico Döttling 8. Januar 2010 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in
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
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
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
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
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
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
MehrTheoretische Informatik Mitschrift
10. Komplexitätstheorie Theoretische Informatik Mitschrift Klassifikation algorithmischer Probleme (formalisiert als Sprachen) nach ihrem Bedarf an Berechnungsressourcen (= Rechenzeit, Speicherplatz als
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
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
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
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
MehrÜbungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 20. Dezember 2017 Abgabe 16. Januar 2018, 11:00 Uhr
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
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
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
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
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
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
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
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,
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
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
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-vollständige Probleme
Effiziente Algorithmen Lösen NP-vollständiger Probleme 256 NP-vollständige Probleme Keine polynomiellen Algorithmen, falls P NP. Viele wichtige Probleme sind NP-vollständig. Irgendwie müssen sie gelöst
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
MehrOptimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn
Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
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
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
MehrApproximationsalgorithmen
Approximationsalgorithmen 1. Vorlesung Joachim Spoerhase Alexander Wolff Lehrstuhl für Informatik I Wintersemester 2017/18 Bücher zur Vorlesung Vijay V. Vazirani Approximation Algorithms Springer-Verlag
MehrInformatik III. 4.3 Weitere NP-Vollständige Probleme und Approximation. Christian Schindelhauer
4.3 Weitere NP-Vollständige Probleme und Approximation Institut für Informatik Wintersemester 2007/08 1 Komplexitätstheorie Vertex Cover ist NP-vollständig 2 2 Wiederholung: 3-SAT Definition: 3-SAT = {
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
MehrEffiziente Algorithmen II
10. Präsenzaufgabenblatt, WiSe 2014/15 Übungstunde am 19.01.2015 Aufgabe Q Betrachten Sie das Knapsackpolytop P = conv(v ) mit V = {x n i=1 a ix i α} {0, 1} n für gegebenes α und a i 0 (insbesondere ist
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
MehrApproximierbarkeit von NP Problemen
Komplexitätstheorie (6) (Wolfgang Slany) 1 Approximierbarkeit von NP Problemen Approximations-Algorithmen: in polynomieller Zeit wird ein Resultat gefunden, das garantiert höchstens einen vorgegebenen
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
MehrAlgorithmen für schwierige Probleme
Algorithmen für schwierige Probleme Dr. Britta Dorn Prof. Dr. Jacobo Torán Wintersemester 2011/12 19. Oktober 2011 Infos Vorlesung Mittwoch und Donnerstag 14 16 Übungsblätter Prüfung Feuerwehrproblem Feuerwehrproblem
MehrSeminar Parametrisierte Algorithmen für N P-schwere Probleme
Seminar Parametrisierte Algorithmen für N P-schwere Probleme Reinhard Bauer, Marcus Krug, Ignaz Rutter Institut für Theoretische Informatik 24. April 2009 1/ 22 Klassische Komplexitätstheorie P vs. N P-schwer
MehrDas Steinerbaumproblem
Das Steinerbaumproblem Natalie Richert Fakultät für Elektrotechnik, Informatik und Mathematik, Universität Paderborn 4. Februar 008 / 3 Überblick Problembeschreibung Vorstellung von zwei Approimationsalgorithmen
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)
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrApproximierbarkeit. Definition. Ein Optimierungsproblem P ist gegeben durch ein Quadrupel. P = (I, Sol, m, goal), wobei:
Approximierbarkeit Ein Optimierungsproblem P ist gegeben durch ein Quadrupel wobei: P = (I, Sol, m, goal), I ist die Menge der Instanzen von P. Sol ist eine Funktion, die ein x I abbildet auf die Menge
MehrProgrammierpraktikum Algorithm Engineering (FPT-Algorithmen) Einführung
Programmierpraktikum Algorithm Engineering (FPT-Algorithmen) Einführung Martin Holzer Ignaz Rutter 31. Oktober 2008 Ansätze für NP-schwere Probleme 2/28 Approximative Lösungen Average-Case- statt Worst-Case-Analyse
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
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie WS 2008/2009 Vorlesung: Dr. Felix Brandt, Dr. Jan Johannsen Übung: Markus Brill, Felix Fischer Institut für Informatik LMU München Organisatorisches Vorlesung Donnerstag,
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
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
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
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,
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
MehrErfüllbarkeitsprobleme. Begriffe. Varianten von SAT
Erfüllbarkeitsprobleme SAT (satisfiability problem) Eingabe: Formel F in konjunktiver Form. Frage: Gibt es eine Belegung x der Variablen in F mit F(x)=1? Beispiel: Begriffe erfüllbar satisfiable: Eigenschaft
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
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
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
MehrTheoretische Informatik 1
Theoretische Informatik 1 Nichtdeterminismus David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Nichtdeterminismus NTM Nichtdeterministische Turingmaschine Die
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
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
MehrEinführung in Berechenbarkeit, Komplexität und Formale Sprachen
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen V17, 10.12.09 Willkommen zur Vorlesung Einführung in Berechenbarkeit, Komplexität und Formale Sprachen Friedhelm Meyer auf der Heide 1 Rückblick:
MehrAlgorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme
10 Matching-Probleme 10.1 Definition von Matching-Probleme Definition 21 [2-dimensionales Matching] Sei G = (V, E) ein ungerichteter Graph und E E. E ist ein Matching, wenn für alle Kantenpaare e 1, e
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
MehrKlausur zum Modul Einführung in die Diskrete Mathematik
Klausur zum Modul Einführung in die Diskrete Mathematik 11.2.2014 Aufgabe 1 [10 Punkte] Sei G ein ungerichteter Graph, k N und x, y, z V (G). Zeigen Sie: Gibt es k paarweise kantendisjunkte x-y-wege und
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
Mehr1. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2017/2018
1. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2017/2018 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrDas große O. Aufwandsklasse O(g) für g : N R + enthält alle Funktionen f : N R + mit. f(n) c g(n) für alle n n 0
1 Das große O Aufwandsklasse O(g) für g : N R + enthält alle Funktionen f : N R + mit f(n) c g(n) für alle n n 0 c, n 0 : konstant und größer als 0 O(g) beschreibt alle Probleme, die eine algorithmische
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.
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
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2017/2018
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2017/2018 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
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
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
MehrMatchings in Graphen. Praktikum Diskrete Optimierung (Teil 5)
Praktikum Diskrete Optimierung (Teil 5) 6.05.009 Matchings in Graphen Es sei ein ungerichteter Graph G = (V, E) gegeben. Ein Matching in G ist eine Teilmenge M E, so dass keine zwei Kanten aus M einen
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
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 02.07.2015 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
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
MehrKapitel 9: Lineare Programmierung Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrNachklausur Grundlagen der Algorithmik (Niedermeier/Froese/Chen/Fluschnik, Wintersemester 2015/16)
Berlin, 14. April 2016 Name:... Matr.-Nr.:... Nachklausur Grundlagen der Algorithmik (Niedermeier/Froese/Chen/Fluschnik, Wintersemester 2015/16) 1 / 10 2 / 10 3 / 11 4 / 9 5 / 10 Σ / 50 Einlesezeit: Bearbeitungszeit:
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrInformatik-Grundlagen
Informatik-Grundlagen Komplexität Karin Haenelt 1 Komplexitätsbetrachtungen: Ansätze Sprachentheorie Klassifiziert Mengen nach ihrer strukturellen Komplexität Komplexitätstheorie Klassifiziert Probleme
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph
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
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.
MehrDas Rucksackproblem. Definition Sprache Rucksack. Satz
Das Rucksackproblem Definition Sprache Rucksack Gegeben sind n Gegenstände mit Gewichten W = {w 1,...,w n } N und Profiten P = {p 1,...,p n } N. Seien ferner b, k N. RUCKSACK:= {(W, P, b, k) I [n] : i
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
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
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
Mehres gibt Probleme, die nicht berechenbar sind (z.b. Menge aller Funktionen N N und die Menge aller Sprachen sind überabzählbar)
Komplexitätstheorie es gibt Probleme, die nicht berechenbar sind (z.b. Menge aller Funktionen N N und die Menge aller Sprachen sind überabzählbar) andere Probleme sind im Prinzip berechenbar, möglicherweise
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf
Mehr