FORMALE SYSTEME. 25. Vorlesung: NP-Vollständigkeit. TU Dresden, 23. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme
|
|
|
- Adolph Hummel
- vor 6 Jahren
- Abrufe
Transkript
1 FORMALE SYSTEME 25. Vorlesung: NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 23. Januar 2017
2 Rückblick Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 2 von 32
3 Kompexitätsklassen Komplexitätsklassen sind Mengen von Sprachen, die man (grob) einteilt entsprechend der Ressourcen, die eine TM zur Entscheidung ihres Wortproblems benötigt. deterministisch nichtdeterministisch P = PTime polynomielle Zeit NP = NPTime Exp = ExpTime exponentielle Zeit NExp = NExpTime L = LogSpace logarithmischer Speicher NL = NLogSpace PSpace polynomieller Speicher NPSpace Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 3 von 32
4 Deterministisch vs. nichtdeterministisch Welche Beziehungen haben diese Klassen zu anderen? Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 4 von 32
5 Deterministisch vs. nichtdeterministisch Welche Beziehungen haben diese Klassen zu anderen? Die Beziehungen zwischen nichtdeterministischen Klassen sind analog zu denen im deterministischen Fall: NL NP NPSpace NExp Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 4 von 32
6 Deterministisch vs. nichtdeterministisch Welche Beziehungen haben diese Klassen zu anderen? Die Beziehungen zwischen nichtdeterministischen Klassen sind analog zu denen im deterministischen Fall: NL NP NPSpace NExp Eine DTM kann als NTM aufgefasst werden, d.h. die nichtdeterministischen Klassen sind immer stärker: L NL P NP PSpace NPSpace Exp NExp Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 4 von 32
7 Deterministisch vs. nichtdeterministisch Welche Beziehungen haben diese Klassen zu anderen? Die Beziehungen zwischen nichtdeterministischen Klassen sind analog zu denen im deterministischen Fall: NL NP NPSpace NExp Eine DTM kann als NTM aufgefasst werden, d.h. die nichtdeterministischen Klassen sind immer stärker: L NL P NP PSpace NPSpace Exp NExp Man kann NTMs mit DTMs simulieren, aber das ist oft mit exponentiellen Mehrkosten verbunden (Vorlesung 19). Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 4 von 32
8 Deterministisch vs. nichtdeterministisch Welche Beziehungen haben diese Klassen zu anderen? Die Beziehungen zwischen nichtdeterministischen Klassen sind analog zu denen im deterministischen Fall: NL NP NPSpace NExp Eine DTM kann als NTM aufgefasst werden, d.h. die nichtdeterministischen Klassen sind immer stärker: L NL P NP PSpace NPSpace Exp NExp Man kann NTMs mit DTMs simulieren, aber das ist oft mit exponentiellen Mehrkosten verbunden (Vorlesung 19). Der berühmte Satz von Savitch besagt, dass speicherbeschränkte NTMs durch DTMs mit nur quadratischen Mehrkosten simuliert werden können. Insbesondere gilt damit PSpace = NPSpace. Zusammenfassung der wichtigsten bekannten Beziehungen: L NL P NP PSpace = NPSpace Exp NExp Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 4 von 32
9 Die Grenzen unseres Wissens Wir wissen: L NL P NP PSpace = NPSpace Exp NExp Wir wissen nicht, ob irgendeines dieser sogar ist. Insbesondere wissen wir nicht, ob P NP oder P = NP. Wir wissen nicht einmal, ob L NP oder L = NP. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 5 von 32
10 Die Grenzen unseres Wissens Wir wissen: L NL P NP PSpace = NPSpace Exp NExp Wir wissen nicht, ob irgendeines dieser sogar ist. Insbesondere wissen wir nicht, ob P NP oder P = NP. Wir wissen nicht einmal, ob L NP oder L = NP. Es wird aber vermutet, dass alle eigentlich sind. Bekannt ist das aber nur bei exponentiell großen Ressourcenunterschieden: Es gilt: NL PSpace P Exp NP NExp Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 5 von 32
11 NP Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 6 von 32
12 NP-Probleme effizient lösen? Wir haben gesehen: SAT NP PSpace ExpTime Dennoch haben alle unsere Algorithmen für SAT bisher exponentielle Laufzeit. SAT NP führt nicht direkt zu einer besseren Lösung, da real existierende Computer nicht wie NTMs arbeiten. Andererseits spricht auch nichts dagegen, dass es einen schnelleren Algorithmus gibt. Kann man SAT auch effizienter lösen? Dazu sollten wir erst einmal NP etwas besser verstehen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 7 von 32
13 Lösungen prüfen Eine Interessante Eigenschaft von SAT: Es scheint schwer, die Erfüllbarkeit einer Formel zu ermitteln (z.b. können wir exponentiell viele Wertzuweisungen durchsuchen). Es ist einfach, Erfüllbarkeit einer Formel zu überprüfen, wenn ein Modell gegeben ist (dazu muss nur der Wahrheitswert der Formel berechnet werden). Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 8 von 32
14 Lösungen prüfen Eine Interessante Eigenschaft von SAT: Es scheint schwer, die Erfüllbarkeit einer Formel zu ermitteln (z.b. können wir exponentiell viele Wertzuweisungen durchsuchen). Es ist einfach, Erfüllbarkeit einer Formel zu überprüfen, wenn ein Modell gegeben ist (dazu muss nur der Wahrheitswert der Formel berechnet werden). Ähnlich ist es bei Sudoku: Es ist schwer, ein Sudoku korrekt auszufüllen. Es ist einfach, zu prüfen, ob ein Sudoku korrekt ausgefüllt wurde. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 8 von 32
15 Lösungen prüfen Eine Interessante Eigenschaft von SAT: Es scheint schwer, die Erfüllbarkeit einer Formel zu ermitteln (z.b. können wir exponentiell viele Wertzuweisungen durchsuchen). Es ist einfach, Erfüllbarkeit einer Formel zu überprüfen, wenn ein Modell gegeben ist (dazu muss nur der Wahrheitswert der Formel berechnet werden). Ähnlich ist es bei Sudoku: Es ist schwer, ein Sudoku korrekt auszufüllen. Es ist einfach, zu prüfen, ob ein Sudoku korrekt ausgefüllt wurde. Gibt es noch mehr Probleme, die sich so verhalten? Es ist schwer, eine Lösung zu finden. Es ist einfach, eine gegebene Lösung zu prüfen. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 8 von 32
16 TMs die Lösungen überprüfen Wir wollen diese Idee formalisieren: Ein polynomieller Verifikator für eine Sprache L Σ ist eine polynomiell-zeitbeschränkte, deterministische TM M, für die gilt: M akzeptiert nur Wörter der Form w#z mit: w L z Σ ist ein Zertifikat polynomieller Länge (d.h. für M gibt es ein Polynom p mit z p( w )) Für jedes Wort w L gibt es ein solches Wort w#z L(M). Intuition: Das Zertifikat z kodiert die Lösung des Problems w, die der Verifikator lediglich nachprüft. Zertifikate sollten kurz sein, damit die Prüfung selbst nicht länger dauert als die Lösung des Problems. Zertifikate werden auch Nachweis, Beweis oder Zeuge genannt Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 9 von 32
17 Nachweis-polynomielle Sprachen Eine Sprache L ist nachweis-polynomiell wenn es für sie einen polynomiellen Verifikator gibt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 10 von 32
18 Nachweis-polynomielle Sprachen Eine Sprache L ist nachweis-polynomiell wenn es für sie einen polynomiellen Verifikator gibt. Beispiel: SAT ist nachweis-polynomiell. Ein möglicher polynomiellen Verifikator für SAT akzeptiert Wörter F#w, wobei F die Kodierung einer erfüllbaren Formel ist und w eine Kodierung einer Wertzuweisung, die F erfüllt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 10 von 32
19 Nachweis-polynomielle Sprachen Eine Sprache L ist nachweis-polynomiell wenn es für sie einen polynomiellen Verifikator gibt. Beispiel: SAT ist nachweis-polynomiell. Ein möglicher polynomiellen Verifikator für SAT akzeptiert Wörter F#w, wobei F die Kodierung einer erfüllbaren Formel ist und w eine Kodierung einer Wertzuweisung, die F erfüllt. Beispiel: Jede Sprache L P ist nachweis-polynomiell. Als Verifikator verwenden wir einfach einen polynomiell-zeitbeschränkten Entscheider für L. Das Zertifikat kann leer sein. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 10 von 32
20 Beispiel: Drei-Farben-Problem Das Drei-Farben-Problem besteht darin, die Knoten eines ungerichteten Graphen so mit den drei Farben rot, grün und blau zu färben, dass keine zwei benachbarten Knoten die gleiche Farbe haben. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 11 von 32
21 Beispiel: Drei-Farben-Problem Das Drei-Farben-Problem besteht darin, die Knoten eines ungerichteten Graphen so mit den drei Farben rot, grün und blau zu färben, dass keine zwei benachbarten Knoten die gleiche Farbe haben. Das Problem kann als Wortproblem aufgefasst werden, wenn man Graphen als Wörter kodiert (z.b. als Adjazenzliste oder als zeilenweise kodierte Adjazenzmatrix). Das Drei-Farben-Problem ist nachweis-polynomiell (Zertifikat: Farbzuweisung). Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 11 von 32
22 Beispiel: Faktorisierung Die Faktorisierung einer natürlichen Zahl n ist die Darstellung der Zahl als Produkt von natürlichen Zahlen f 1 f 2 = n. Folgende Sprache ist nachweis-polynomiell: COMPOSITE = {bin(n) es gibt f 1, f 2 > 1 mit n = f 1 f 2 } (Zertifikat: Kodierung von f 1 und f 2 ) Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 12 von 32
23 Beispiel: Faktorisierung Die Faktorisierung einer natürlichen Zahl n ist die Darstellung der Zahl als Produkt von natürlichen Zahlen f 1 f 2 = n. Folgende Sprache ist nachweis-polynomiell: COMPOSITE = {bin(n) es gibt f 1, f 2 > 1 mit n = f 1 f 2 } (Zertifikat: Kodierung von f 1 und f 2 ) Überraschender Weise ist auch folgende Sprache nachweis-polynomiell: PRIMES = {bin(n) es gibt keine f 1, f 2 > 1 mit n = f 1 f 2 } (Zertifikat: Primality certificate, bekannt seit 1975) Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 12 von 32
24 Beispiel: Faktorisierung Die Faktorisierung einer natürlichen Zahl n ist die Darstellung der Zahl als Produkt von natürlichen Zahlen f 1 f 2 = n. Folgende Sprache ist nachweis-polynomiell: COMPOSITE = {bin(n) es gibt f 1, f 2 > 1 mit n = f 1 f 2 } (Zertifikat: Kodierung von f 1 und f 2 ) Überraschender Weise ist auch folgende Sprache nachweis-polynomiell: PRIMES = {bin(n) es gibt keine f 1, f 2 > 1 mit n = f 1 f 2 } (Zertifikat: Primality certificate, bekannt seit 1975) (Seit 2002 wissen wir: PRIMES P Primzahlentest nach Agrawal, Kayal und Saxena) Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 12 von 32
25 NP steht für nachweis-polynomiell (1) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 13 von 32
26 NP steht für nachweis-polynomiell (1) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Beweis: ( ) Sei L nachweis-polynomiell mit Verifikator V. Wir erhalten eine polynomiell-zeitbeschränkte NTM M für L wie folgt: Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 13 von 32
27 NP steht für nachweis-polynomiell (1) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Beweis: ( ) Sei L nachweis-polynomiell mit Verifikator V. Wir erhalten eine polynomiell-zeitbeschränkte NTM M für L wie folgt: für eine Eingabe w rät M nichtdeterministisch ein polynomielles Zertifikat z (dabei muss M die Länge von z selbst beschränken) anschließend führt M die Berechnungen wie V aus um das geratene Zertifikat in polynomieller Zeit zu prüfen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 13 von 32
28 NP steht für nachweis-polynomiell (2) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Beweis: ( ) Sei M eine polynomiell-zeitbeschränkte NTM für L. Wir erhalten einen polynomiellen Verifikator V für L wie folgt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 14 von 32
29 NP steht für nachweis-polynomiell (2) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Beweis: ( ) Sei M eine polynomiell-zeitbeschränkte NTM für L. Wir erhalten einen polynomiellen Verifikator V für L wie folgt. Für jedes Wort w L gibt es einen akzeptierenden Lauf von M. In jedem Schritt dieses Laufs wählt M nichtdeterministisch einen Übergang aus. Der Lauf ist von polynomieller Länge, da M polynomiell-zeitbeschränkt ist. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 14 von 32
30 NP steht für nachweis-polynomiell (2) Satz: Eine Sprache L ist genau dann nachweis-polynomiell wenn L NP. Beweis: ( ) Sei M eine polynomiell-zeitbeschränkte NTM für L. Wir erhalten einen polynomiellen Verifikator V für L wie folgt. Für jedes Wort w L gibt es einen akzeptierenden Lauf von M. In jedem Schritt dieses Laufs wählt M nichtdeterministisch einen Übergang aus. Der Lauf ist von polynomieller Länge, da M polynomiell-zeitbeschränkt ist. Die Liste der Übergänge kann als Zertifikat dienen V prüft, ob die durch z gegebenen Entscheidungen für die Eingabe w zu einem akzeptierenden Lauf von M führen. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 14 von 32
31 NP ist nicht symmetrisch Es ist leicht zu sehen: Satz: Die Klasse P ist unter Komplement abgeschlossen. Beweis: Wenn es für L eine polynomiell-zeitbeschränkte TM M gibt, dann erhält man eine TM für L indem man akzeptierende und nicht-akzeptierende Zustände von M vertauscht. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 15 von 32
32 NP ist nicht symmetrisch Es ist leicht zu sehen: Satz: Die Klasse P ist unter Komplement abgeschlossen. Beweis: Wenn es für L eine polynomiell-zeitbeschränkte TM M gibt, dann erhält man eine TM für L indem man akzeptierende und nicht-akzeptierende Zustände von M vertauscht. Für NP ist das nicht so einfach möglich. Wir haben das schon für NFAs beobachtet (eine spezielle Art von NTMs). Beispiele: Es scheint kein einfaches Zertifikat dafür zu geben, dass eine Formel nicht erfüllbar ist oder dass ein Graph keine Dreifärbung zulässt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 15 von 32
33 NP ist nicht symmetrisch Es ist leicht zu sehen: Satz: Die Klasse P ist unter Komplement abgeschlossen. Beweis: Wenn es für L eine polynomiell-zeitbeschränkte TM M gibt, dann erhält man eine TM für L indem man akzeptierende und nicht-akzeptierende Zustände von M vertauscht. Für NP ist das nicht so einfach möglich. Wir haben das schon für NFAs beobachtet (eine spezielle Art von NTMs). Beispiele: Es scheint kein einfaches Zertifikat dafür zu geben, dass eine Formel nicht erfüllbar ist oder dass ein Graph keine Dreifärbung zulässt. Die Klasse aller Sprachen L, für die L NP gilt, heißt conp. Grund: für ein akzeptiertes Wort kann es bei einer NTM akzeptierende und verwerfende Läufe geben. Nach dem Austausch der Endzustände gäbe es dann aber immer noch akzeptierende Läufe. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 15 von 32
34 NP-Vollständigkeit Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 16 von 32
35 Reduktionen Manche Probleme lassen sich auf andere zurückführen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
36 Reduktionen Manche Probleme lassen sich auf andere zurückführen Beispiel: Drei-Farben-Problem ist auf SAT reduzierbar. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
37 Reduktionen Manche Probleme lassen sich auf andere zurückführen Beispiel: Drei-Farben-Problem ist auf SAT reduzierbar. Darstellung von Farben mit Atomen: r i bedeutet Knoten i ist rot g i bedeutet Knoten i ist grün b i bedeutet Knoten i ist blau Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
38 Reduktionen Manche Probleme lassen sich auf andere zurückführen Beispiel: Drei-Farben-Problem ist auf SAT reduzierbar. Darstellung von Farben mit Atomen: r i bedeutet Knoten i ist rot g i bedeutet Knoten i ist grün b i bedeutet Knoten i ist blau Färbe-Bedingungen für Knoten: (r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) (usw. für alle Knoten) Färbe-Bedingungen für Kanten: (r 1 r 2 ) (g 1 g 2 ) (b 1 b 2 ) (usw. für alle Kanten) Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
39 Reduktionen Manche Probleme lassen sich auf andere zurückführen Beispiel: Drei-Farben-Problem ist auf SAT reduzierbar. Darstellung von Farben mit Atomen: r i bedeutet Knoten i ist rot g i bedeutet Knoten i ist grün b i bedeutet Knoten i ist blau Färbe-Bedingungen für Knoten: (r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) (usw. für alle Knoten) Färbe-Bedingungen für Kanten: (r 1 r 2 ) (g 1 g 2 ) (b 1 b 2 ) (usw. für alle Kanten) Erfüllende Wertzuweisung zulässige Färbung Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
40 Reduktionen Manche Probleme lassen sich auf andere zurückführen Beispiel: Drei-Farben-Problem ist auf SAT reduzierbar. Darstellung von Farben mit Atomen: r i bedeutet Knoten i ist rot g i bedeutet Knoten i ist grün b i bedeutet Knoten i ist blau Färbe-Bedingungen für Knoten: (r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) ( r 1 g 1 b 1 ) (usw. für alle Knoten) Färbe-Bedingungen für Kanten: (r 1 r 2 ) (g 1 g 2 ) (b 1 b 2 ) (usw. für alle Kanten) Erfüllende Wertzuweisung zulässige Färbung Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 17 von 32
41 Polynomielle Reduktionen Eine Funktion f : Σ Σ ist polynomiell berechenbar wenn es eine polynomiell-zeitbeschränkte TM gibt, die bei einer Eingabe w die Ausgabe f (w) auf das Band schreibt und anschließend anhält. Eine polynomiell berechenbare Funktion f : Σ Σ ist eine polynomielle Reduktion von einer Sprache L auf eine Sprache G, wenn für alle Wörter w L gilt: w L genau dann wenn f (w) G Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 18 von 32
42 Polynomielle Reduktionen Eine Funktion f : Σ Σ ist polynomiell berechenbar wenn es eine polynomiell-zeitbeschränkte TM gibt, die bei einer Eingabe w die Ausgabe f (w) auf das Band schreibt und anschließend anhält. Eine polynomiell berechenbare Funktion f : Σ Σ ist eine polynomielle Reduktion von einer Sprache L auf eine Sprache G, wenn für alle Wörter w L gilt: w L genau dann wenn f (w) G Beispiel: Die soeben skizzierte Funktion von Graphen auf logische Formeln ist eine polynomielle Reduktion des Drei-Farben- Problems auf SAT. Beispiel: Wir haben das Äquivalenzproblem endlicher Automaten in Vorlesung 10 polynomiell auf das Inklusionsproblem reduziert. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 18 von 32
43 Die Struktur von NP Idee: polynomielle Reduzierbarikeit definiert eine Art Ordnung auf Problemen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 19 von 32
44 Die Struktur von NP Idee: polynomielle Reduzierbarikeit definiert eine Art Ordnung auf Problemen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 19 von 32
45 Die Struktur von NP Idee: polynomielle Reduzierbarikeit definiert eine Art Ordnung auf Problemen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 19 von 32
46 Die Struktur von NP Idee: polynomielle Reduzierbarikeit definiert eine Art Ordnung auf Problemen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 19 von 32
47 Die Struktur von NP Idee: polynomielle Reduzierbarikeit definiert eine Art Ordnung auf Problemen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 19 von 32
48 Das schwerste Problem in NP? Stephen Cook Leonid Levin Richard Karp Satz von Cook [1971] & Levin [1973]: Alle Probleme in NP können polynomiell auf SAT reduziert werden. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 20 von 32
49 Das schwerste Problem in NP? Stephen Cook Leonid Levin Richard Karp Satz von Cook [1971] & Levin [1973]: Alle Probleme in NP können polynomiell auf SAT reduziert werden. Wer SAT polynomiell löst, der hat alle Probleme in NP polynomiell gelöst Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 20 von 32
50 Das schwerste Problem in NP? Stephen Cook Leonid Levin Richard Karp Satz von Cook [1971] & Levin [1973]: Alle Probleme in NP können polynomiell auf SAT reduziert werden. Wer SAT polynomiell löst, der hat alle Probleme in NP polynomiell gelöst Es gibt in NP eine maximale Klasse, die ein praktisch interessantes Problem enthält Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 20 von 32
51 Das schwerste Problem in NP? Stephen Cook Leonid Levin Richard Karp Satz von Cook [1971] & Levin [1973]: Alle Probleme in NP können polynomiell auf SAT reduziert werden. Wer SAT polynomiell löst, der hat alle Probleme in NP polynomiell gelöst Es gibt in NP eine maximale Klasse, die ein praktisch interessantes Problem enthält Karp findet kurz darauf 21 weitere solcher Probleme (1972) Seitdem wurden tausende weitere entdeckt... Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 20 von 32
52 NP-Härte und NP-Vollständigkeit Eine Sprache ist NP-hart, wenn jede Sprache in NP polynomiell darauf reduzierbar ist NP-vollständig, wenn sie NP-hart ist und in NP liegt Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 21 von 32
53 NP-Härte und NP-Vollständigkeit Eine Sprache ist NP-hart, wenn jede Sprache in NP polynomiell darauf reduzierbar ist NP-vollständig, wenn sie NP-hart ist und in NP liegt Beispiel: SAT ist NP-vollständig (Cook & Levin). Beispiel: PRIMES ist in NP, aber vermutlich nicht NP-hart. Gleiches gilt für viele Probleme in P (bei einigen ist dagegen sicher, dass sie nicht NP-hart sind). Beispiel: Das Halteproblem ist NP-hart aber sicher nicht in NP. Gleiches gilt für jedes unentscheidbare Problem. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 21 von 32
54 Beispiele Beispiel: Das Drei-Farben-Problem ist NP-vollständig. Beispiel: Verallgemeinertes Sudoku (n Zahlen in einem n 2 n 2 - Feld mit n n-unterfeldern) ist NP-vollständig. Das Entscheidungsproblem dabei ist, ob das gegebene, teilweise gefüllte Feld eine Lösung zulässt. Gleiches gilt für Verallgemeinerungen vieler anderer Solitärspiele (z.b. Minesweeper). Beispiel: Das Wortproblem für Typ-1-Sprachen (gegeben als Grammatik) ist NP-hart aber vermutlich nicht in NP. Gleiches gilt für das Halteproblem von LBAs. Beispiel: Das Problem des Handelsreisenden ist NP-vollständig. Es besteht darin, in einem Graph mit bewerteten Kanten einen Pfad durch alle Knoten zu finden, so dass die Summe der Kantenwerte unter einem gegebenen Maximum liegt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 22 von 32
55 Wie findet man NP-harte Probleme? Schwer ist, worauf sich schwere Dinge leicht zurückführen lassen: Satz: Wenn L NP-hart ist und polynomiell auf G reduziert werden kann, dann ist G auch NP-hart. Beweis: Folgt direkt aus der Definition, da die Komposition von zwei polynomiellen Reduktionen ebenfalls eine polynomielle Reduktion ist. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 23 von 32
56 Wie findet man NP-harte Probleme? Schwer ist, worauf sich schwere Dinge leicht zurückführen lassen: Satz: Wenn L NP-hart ist und polynomiell auf G reduziert werden kann, dann ist G auch NP-hart. Beweis: Folgt direkt aus der Definition, da die Komposition von zwei polynomiellen Reduktionen ebenfalls eine polynomielle Reduktion ist. Technik zum Beweis von NP-Härte: Suche ein bekanntes NP-hartes Problem, welches dem untersuchten Problem möglichst ähnlich ist. Gib eine polynomielle Reduktion an und zeige, dass sie korrekt ist. Oft nicht schwer, wenn man bereits viele NP-harte Probleme kennt aber wo fängt man an? Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 23 von 32
57 Das erste NP-vollständige Problem Ein Problem ist per Definition NP-vollständig: Das Wortpoblem für polynomiell-zeitbeschränkte nichtdeterministische Turingmaschinen besteht darin zu entscheiden, ob ein gegebenes Wort w von einer gegebenen polynomiell-zeitbeschränkten NTM akzeptiert wird. Offenbar kann jedes Problem in NP darauf reduziert werden. Für den Satz von Cook & Levin zeigt man die NP-Vollständigkeit von SAT durch Reduktion auf dieses Urproblem. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 24 von 32
58 Cook/Levin: Beweisskizze (1) Wie stellen wir TM-Berechnungen in aussagenlogisch dar? Idee: Eine Instanz des Wortproblems ist eine polynomiell-zeitbeschränkte NTM M und ein Eingabewort Die Zeitbeschränkung für M kann durch ein konkretes Polynom p angegeben werden Wir kennen also die maximale Zahl an Schritten p( w ) für diese Berechnung Ein Lauf ist eine Folge von maximal p( w ) Konfigurationen, die jeweils maximal p( w ) Speicherstellen verwenden Ansatz: Kodiere M und w so in Logik, dass die möglichen Läufe genau den erfüllenden Wertzuweisungen entsprechen Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 25 von 32
59 Cook/Levin: Beweisskizze (2) p( w ) Berechnungsschritte p( w ) Speicherstellen a a a b b c d c c d q 0 A a a b b c d c c d q 1... A A B a a C b C C b A B q f Wir können diesen Lauf mit aussagenlogischen Atomen kodieren: Q q,s : TM ist in Schritt s in Zustand q P i,s : TM-Kopf ist in Schritt s an Position i S a,i,s : Das Band enthält in Schritt s Zeichen a an Position i Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 26 von 32
60 Cook/Levin: Beweisskizze (3) Wir können diesen Lauf mit aussagenlogischen Atomen kodieren: Q q,s : TM ist in Schritt s in Zustand q P i,s : TM-Kopf ist in Schritt s an Position i S a,i,s : Das Band enthält in Schritt s Zeichen a an Position i Nur polynomiell viele Atome nötig Mithilfe von Formeln kann man alle Bedingungen ausdrücken, die für einen korrekten Lauf der NTM gelten müssen. Die Übergangsrelation wird z.b. mit Formel der folgenden Form kodiert: (Q q,s P i,s S a,i,s ) (S b,i,s+1 Q q,s+1 P i,s+1) q,b,d δ(q,a) i =D(i) (für alle s {1,..., p( w )} und Positionen i {1,..., p( w )}). Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 27 von 32
61 Deterministisch vs. Nichtdeterministisch Wir haben bereits bemerkt, dass P NP gilt, da DTMs spezielle NTMs sind. Bis heute ist nicht bekannt, ob die Umkehrung dieser Inklusion gilt oder nicht. Intuitiv gefragt: Wenn es einfach ist, eine mögliche Lösung für ein Problem zu prüfen, ist es dann auch einfach, eine zu finden? Übertrieben: Can creativity be automated? (Wigderson, 2006) Seit über 40 Jahren ungelöst Eines der größten offenen Probleme der Informatik und Mathematik unserer Zeit USD Preisgeld für die Lösung ( Millenium Problem ) Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 28 von 32
62 Status von P vs. NP Viele Menschen glauben P NP Hauptargument: Wenn NP = P wäre, dann müsste jemand inzwischen einen polynomiellen Algorithmus für ein NP-vollständiges Problem gefunden haben. This is, in my opinion, a very weak argument. The space of algorithms is very large and we are only at the beginning of its exploration. (Moshe Vardi, 2002) Ein weiterer Grund für die verbreitete Meinung: Menschen finden es schwer, NP-Probleme zu lösen und können sich schwer vorstellen, wie man sie vereinfachen sollte eventuell human chauvinistic bravado (Zeilenberger, 2006) Es gibt noch bessere Argumente, aber keines mehr als eine Intuition Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 29 von 32
63 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
64 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: P = NP könnte durch einen nicht-konstruktiven Beweis gezeigt werden Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
65 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: P = NP könnte durch einen nicht-konstruktiven Beweis gezeigt werden Die Antwort könnte unabhängig von den Standardaxiomen der Mathematik (ZFC) sein Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
66 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: P = NP könnte durch einen nicht-konstruktiven Beweis gezeigt werden Die Antwort könnte unabhängig von den Standardaxiomen der Mathematik (ZFC) sein Selbst wenn P NP gilt, ist weiterhin unklar, ob NP-harte Problem wirklich exponentielle Zeit benötigen es gibt viele andere super-polynomielle Funktionen... Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
67 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: P = NP könnte durch einen nicht-konstruktiven Beweis gezeigt werden Die Antwort könnte unabhängig von den Standardaxiomen der Mathematik (ZFC) sein Selbst wenn P NP gilt, ist weiterhin unklar, ob NP-harte Problem wirklich exponentielle Zeit benötigen es gibt viele andere super-polynomielle Funktionen... Das Problem könnte für immer ungelöst bleiben Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
68 Status von P vs. NP (2) Verschiedene Ergebnisse sind denkbar: P = NP könnte durch einen nicht-konstruktiven Beweis gezeigt werden Die Antwort könnte unabhängig von den Standardaxiomen der Mathematik (ZFC) sein Selbst wenn P NP gilt, ist weiterhin unklar, ob NP-harte Problem wirklich exponentielle Zeit benötigen es gibt viele andere super-polynomielle Funktionen... Das Problem könnte für immer ungelöst bleiben Über 100 Beweise zeigen, dass P = NP wahr/falsch/beides/keines der beiden ist: Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 30 von 32
69 P-Härte Man kann Härte und Vollständigkeit auch für andere Klassen definieren. Bei schwächeren Klassen muss man allerdings sicherstellen, dass die Reduktion selbst nicht schon so viele Ressourcen benötigt wie die Lösung des Problems! Eine Sprache ist P-hart wenn jede Sprache in P mit logarithmischem Speicherbedarf darauf reduzierbar ist. Sie ist P-vollständig, wenn sie zudem in P liegt. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 31 von 32
70 P-Härte Man kann Härte und Vollständigkeit auch für andere Klassen definieren. Bei schwächeren Klassen muss man allerdings sicherstellen, dass die Reduktion selbst nicht schon so viele Ressourcen benötigt wie die Lösung des Problems! Eine Sprache ist P-hart wenn jede Sprache in P mit logarithmischem Speicherbedarf darauf reduzierbar ist. Sie ist P-vollständig, wenn sie zudem in P liegt. P-vollständige Probleme sind die schwersten polynomiell lösbaren Probleme. Sie gelten als inhärent seriell, d.h. als nicht gut parallelisierbar (bisher nicht bewiesen). Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 31 von 32
71 P-Härte Man kann Härte und Vollständigkeit auch für andere Klassen definieren. Bei schwächeren Klassen muss man allerdings sicherstellen, dass die Reduktion selbst nicht schon so viele Ressourcen benötigt wie die Lösung des Problems! Eine Sprache ist P-hart wenn jede Sprache in P mit logarithmischem Speicherbedarf darauf reduzierbar ist. Sie ist P-vollständig, wenn sie zudem in P liegt. P-vollständige Probleme sind die schwersten polynomiell lösbaren Probleme. Sie gelten als inhärent seriell, d.h. als nicht gut parallelisierbar (bisher nicht bewiesen). Beispiel: Die Erfüllbarkeit von aussagenlogischen Horn-Formeln (HornSAT) ist ein P-vollständiges Problem. Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 31 von 32
72 Zusammenfassung und Ausblick NP ist die Klasse der nachweis-polynomiellen Probleme. NP-vollständige Probleme sind die schwersten Probleme in NP: Wenn man eines davon effizient löst, dann kann alle Probleme in NP effizient lösen. SAT ist NP-vollständig und HornSAT ist P-vollständig. Offene Fragen: Wie genau stehen die Komplexitätsklassen in Beziehung? Insbesondere: P NP? Haben Sie noch inhaltliche Fragen? ( Mailingliste!) Haben Sie sich ausreichend auf die Prüfung vorbereitet? Markus Krötzsch, 23. Januar 2017 Formale Systeme Folie 32 von 32
abgeschlossen 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
Nichtdeterministische 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
Theoretische 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
Die Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
11.1 Kontextsensitive und allgemeine Grammatiken
Theorie der Informatik 7. April 2014 11. Kontextsensitive und Typ-0-Sprachen Theorie der Informatik 11. Kontextsensitive und Typ-0-Sprachen 11.1 Kontextsensitive und allgemeine Grammatiken Malte Helmert
Die Klassen P und NP. Dr. Eva Richter. 29. Juni 2012
Die Klassen P und NP Dr. Eva Richter 29. Juni 2012 1 / 35 Die Klasse P P = DTIME(Pol) Klasse der Probleme, die sich von DTM in polynomieller Zeit lösen lassen nach Dogma die praktikablen Probleme beim
Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Ulrich Furbach. Sommersemester 2014
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Ulrich Furbach Institut für Informatik Sommersemester 2014 Furbach Grundlagen d. Theoretischen Informatik:
Komplexität 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.
1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 15 Ziele vgl. AFS: Berechnungsmodelle für Typ-0- und Typ-1-Sprachen (Nicht-)Abschlußeigenschaften
11. Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P
11 Woche: Turingmaschinen und Komplexität Rekursive Aufzählbarkeit, Entscheidbarkeit Laufzeit, Klassen DTIME und P 11 Woche: Turingmaschinen, Entscheidbarkeit, P 239/ 333 Einführung in die NP-Vollständigkeitstheorie
Das P versus N P - Problem
Das P versus N P - Problem Dr. Michael Huber Habilitationsvortrag eines der sieben Milleniumsprobleme des Clay Mathematics Institute A gift to Mathematics from Computer Science (Steve Smale) Überblick
Speicherplatz-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
2. Teilklausur zur Vorlesung Grundlagen der Theoretischen Informatik
2. Teilklausur zur Vorlesung Grundlagen der Theoretischen Informatik Hinweise Ulrich Furbach Christian Schwarz Markus Kaiser Arbeitsgruppe Künstliche Intelligenz Fachbereich Informatik, Universität Koblenz-Landau
Komplexita 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,
Turing-Maschinen. Definition 1. Eine deterministische Turing-Maschine (kurz DTM) ist ein 6- Dem endlichen Alphabet Σ von Eingabesymbolen.
Turing-Maschinen Nachdem wir endliche Automaten und (die mächtigeren) Kellerautomaten kennengelernt haben, werden wir nun ein letztes, noch mächtigeres Automatenmodell kennenlernen: Die Turing-Maschine
Berechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2010/11 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien und Übungsblätter
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
Theoretische 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
NP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen V7, 3.11.09 Willkommen zur Vorlesung Einführung in Berechenbarkeit, Komplexität und Formale Sprachen Friedhelm Meyer auf der Heide 1 Rückblick
Einführung in Algorithmen und Komplexität
Einführung in Algorithmen und Komplexität SS2004 w u v High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 Was haben wir bisher gemacht? - Rechenmodell:
Komplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet.
Rückschau 12.11.04 Wir haben eine Beziehung zwischen entscheidbar und rekursiv aufzählbar hergeleitet. Wir haben das Prinzip der Diagonalisierung eingeführt und mit DIAG eine erste nicht rek. aufz. Sprache
Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
LogSpace. Isomorphie von Bäumen (gerichtet und ungerichtet) Entscheiden, ob ein Graph zusammenhängend ist (gerichtet und ungerichtet)
LogSpace Weitere Probleme in LogSpace z.b.: Isomorphie von Bäumen (gerichtet und ungerichtet) Entscheiden, ob ein Graph zusammenhängend ist (gerichtet und ungerichtet) Pattern matching: gegeben Wort w
8 Komplexitätstheorie und Kryptologie
8 Komplexitätstheorie und Kryptologie Verschlüsselung, Authentisierung,... müssen schnell berechenbar sein. Formal: polynomiell zeitbeschränkte Funktionen/Algorithmen Angreifer hat beschränkte Ressourcen.
Rekursiv aufzählbare Sprachen
Kapitel 4 Rekursiv aufzählbare Sprachen 4.1 Grammatiken und die Chomsky-Hierarchie Durch Zulassung komplexer Ableitungsregeln können mit Grammatiken größere Klassen als die kontextfreien Sprachen beschrieben
Musterlösung 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
Motivation. Formale Grundlagen der Informatik 1 Kapitel 10. Motivation. Motivation. Bisher haben wir mit TMs. Probleme gelöst/entschieden/berechnet.
bei TMs bei Computern Formale Grundlagen der Informatik 1 Kapitel 10 Frank Heitmann heitmann@informatik.uni-hamburg.de Bisher haben wir mit TMs Probleme gelöst/entschieden/berechnet. Dabei war entscheidbar
Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Name Vorname Matrikelnummer Universität Karlsruhe Institut für Theoretische Informatik o. Prof. Dr. P. Sanders 26. Feb. 2007 Klausur: Informatik III Aufgabe 1. Multiple Choice 10 Punkte Aufgabe 2. Teilmengenkonstruktion
Theoretische Informatik
Theoretische Informatik von Dirk Hoffmann 2., aktualisierte Auflage Hanser München 2011 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 42639 9 Zu Leseprobe schnell und portofrei erhältlich bei
Algorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie
Algorithmen und Datenstrukturen Kapitel 6 Komplexitätstheorie Einführung in P und NP Frank Heitmann heitmann@informatik.uni-hamburg.de 11. November 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de
Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung
Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung Frank Heitmann heitmann@informatik.uni-hamburg.de 13. Mai 2014 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/17 Überblick Wir hatten
Probeklausur zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Probeklausur 25.01.2013 Probeklausur zur Vorlesung Berechenbarkeit und Komplexität Aufgabe 1 (1+2+6+3 Punkte)
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion
Berechenbarkeit und Komplexität: Rekursive Aufzählbarkeit und die Technik der Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 26. November 2007 Semi-Entscheidbarkeit
Theoretische Informatik. Grammatiken. Grammatiken. Grammatiken. Rainer Schrader. 9. Juli 2009
Theoretische Informatik Rainer Schrader Institut für Informatik 9. Juli 2009 1 / 41 2 / 41 Gliederung die Chomsky-Hierarchie Typ 0- Typ 3- Typ 1- Die Programmierung eines Rechners in einer höheren Programmiersprache
Einführung in Berechenbarkeit, Komplexität und formale Sprachen
Johannes Blömer Skript zur Vorlesung Einführung in Berechenbarkeit, Komplexität und formale Sprachen Universität Paderborn Wintersemester 2011/12 Inhaltsverzeichnis 1 Einleitung 2 1.1 Ziele der Vorlesung...................................
8. Turingmaschinen und kontextsensitive Sprachen
8. Turingmaschinen und kontextsensitive Sprachen Turingmaschinen (TM) von A. Turing vorgeschlagen, um den Begriff der Berechenbarkeit formal zu präzisieren. Intuitiv: statt des Stacks bei Kellerautomaten
Kapitel: Die Chomsky Hierarchie. Die Chomsky Hierarchie 1 / 14
Kapitel: Die Chomsky Hierarchie Die Chomsky Hierarchie 1 / 14 Allgemeine Grammatiken Definition Eine Grammatik G = (Σ, V, S, P) besteht aus: einem endlichen Alphabet Σ, einer endlichen Menge V von Variablen
Lösungsvorschläge Blatt Z1
Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt Z1 Zürich, 2. Dezember 2016 Lösung zu Aufgabe Z1 Wir zeigen L qi /
Logik 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
Reduktionen. 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
Optimierungsprobleme. B. Langfeld, M. Ritter, B. Wilhelm Diskrete Optimierung: Fallstudien aus der Praxis
Optimierungsprobleme Instanz eines Optimierungsproblems zulässiger Bereich (meist implizit definiert) Zielfunktion Optimierungsrichtung opt {max, min} Optimierungsproblem Menge von Instanzen meist implizit
Vorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
Kapitel 3: Berechnungstheorie Gliederung
Gliederung 0. Motivation und Einordnung 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 3.1. Einordnung 3.2. Berechnungsmodelle 3.3. Diskussion 3.4. Ergebnisse und
Theorie der Informatik
Theorie der Informatik 8. Reguläre Sprachen II Malte Helmert Gabriele Röger Universität Basel 24. März 24 Pumping Lemma Pumping Lemma: Motivation Man kann zeigen, dass eine Sprache regulär ist, indem man
Algorithmen mit konstantem Platzbedarf: Die Klasse REG
Algorithmen mit konstantem Platzbedarf: Die Klasse REG Sommerakademie Rot an der Rot AG 1 Wieviel Platz brauchen Algorithmen wirklich? Daniel Alm Institut für Numerische Simulation Universität Bonn August
Theoretische Informatik Kap 2: Berechnungstheorie
Gliederung der Vorlesung 0. Grundbegriffe 1. Formale Sprachen/Automatentheorie 1.1. Grammatiken 1.2. Reguläre Sprachen 1.3. Kontextfreie Sprachen 2. Berechnungstheorie 2.1. Berechenbarkeitsmodelle 2.2.
Einführung in die Weihnachtliche Informatik
Frohe Weihnachten! Einführung in die Weihnachtliche Informatik A. Clausing, Einführung in die Weihnachtliche Informatik, 23. 12. 2004 EWI 1 Kathrinchens Wunschzettel Weihnachtswünsche Vor langer, langer
Theoretische Informatik 1
Theoretische Informatik 1 Registermaschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Registermaschinen Algorithmusbegriff konkretisiert formale Beschreibung
Abschlusseigenschaften. Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Abschlusseigenschaften
Automaten und Formale Sprachen alias Theoretische Informatik Sommersemester 2012 Dr. Sander Bruggink Übungsleitung: Jan Stückrath Abgeschlossenheit (Definition) Gegeben sei eine Menge M und ein n-ärer
Theoretische Informatik 1
heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung echnische Universität Graz 11.03.2016 Übersicht uring Maschinen Algorithmusbegriff konkretisiert
Grundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Sommersemester 2015 23.04.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Terminologie 2. Endliche Automaten und reguläre Sprachen
Theoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Die Chomsky-Hierarchie Definition Sei G = (V, Σ, P, S) eine Grammatik. 1 G heißt vom Typ 3 oder
1 Varianten von Turingmaschinen
1 Varianten von Turingmaschinen Es gibt weitere Definitionen für Turingmaschinen. Diese haben sich aber alle als äquivalent herausgestellt. Ein wiederkehrendes Element der Vorlesung: Äquivalenz von Formalismen
IP=PSPACE. t Joachim Kneis t IP = PSPACE t 16. Dezember 2003 t
Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Seminar Programmverifikation IP=PSPACE Joachim Kneis Gliederung IP=PSPACE Teil 0 Einführung und Motivation
Wir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Name Vorname Matrikelnummer Universität Karlsruhe Institut für Theoretische Informatik o. Prof. Dr. P. Sanders 10.4.2007 Klausur: Informatik III Aufgabe 1. Multiple Choice 11 Punkte Aufgabe 2. Minimalautomaten
Deterministischer Kellerautomat (DPDA)
Deterministische Kellerautomaten Deterministischer Kellerautomat (DPDA) Definition Ein Septupel M = (Σ,Γ, Z,δ, z 0,#, F) heißt deterministischer Kellerautomat (kurz DPDA), falls gilt: 1 M = (Σ,Γ, Z,δ,
Beuth Hochschule Ist P gleich NP? Vermutlich nicht! WS15/16, S. 1
Beuth Hochschule Ist P gleich NP? Vermutlich nicht! WS15/16, S. 1 Ist P gleich NP? Vermutlich nicht! Komplexitätsklassen von algorithmischen Problemen Achtung: Das Wort "Klasse" bedeutet hier etwas ähnliches
Umformung NTM DTM. Charakterisierung rek. aufz. Spr. Chomsky-3-Grammatiken (T5.3) Chomsky-0-Grammatik Rek. Aufz.
Chomsky-0-Grammatik Rek. Aufz. Satz T5.2.2: Wenn L durch eine Chomsky-0- Grammatik G beschrieben wird, gibt es eine NTM M, die L akzeptiert. Beweis: Algo von M: Schreibe S auf freie Spur. Iteriere: Führe
Berechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
Musterlösung 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
Ausgewählte unentscheidbare Sprachen
Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar
Reguläre Sprachen und endliche Automaten
Reguläre Sprachen und endliche Automaten 1 Motivation: Syntaxüberprüfung Definition: Fließkommazahlen in Java A floating-point literal has the following parts: a whole-number part, a decimal point (represented
Algorithmische 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,
Herzlich 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
Einführung 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
Formale Sprachen. Script, Kapitel 4. Grammatiken
Formale Sprachen Grammatiken Script, Kapitel 4 erzeugen Sprachen eingeführt von Chomsky zur Beschreibung natürlicher Sprache bedeutend für die Syntaxdefinition und -analyse von Programmiersprachen Automaten
kontextfreie Grammatiken Theoretische Informatik kontextfreie Grammatiken kontextfreie Grammatiken Rainer Schrader 14. Juli 2009 Gliederung
Theoretische Informatik Rainer Schrader Zentrum für Angewandte Informatik Köln 14. Juli 2009 1 / 40 2 / 40 Beispiele: Aus den bisher gemachten Überlegungen ergibt sich: aus der Chomsky-Hierarchie bleiben
Theorie der Informatik
Theorie der Informatik 13. LOOP-, WHILE- und GOTO-Berechenbarkeit Malte Helmert Gabriele Röger Universität Basel 9. April 2014 Überblick: Vorlesung Vorlesungsteile I. Logik II. Automatentheorie und formale
Universität des Saarlandes
Universität des Saarlandes FR 6.2 Informatik Prof. Dr. Kurt Mehlhorn, Dr. Konstantinos Panagiotou WiSe 2011/2012 Übungen zu Computational Thinking http://www.mpi-inf.mpg.de/departments/d1/teaching/ws11/ct/
Klausuraufgaben. 1. Wir betrachten die folgende Sprache über dem Alphabet {a, b}
Klausuraufgaben 1. Wir betrachten die folgende Sprache über dem Alphabet {a, b} L = {a n b m n > 0, m > 0, n m} a) Ist L kontextfrei? Wenn ja, geben Sie eine kontextfreie Grammatik für L an. Wenn nein,
Kapitel 3: Untere Schranken für algorithmische Probleme Gliederung
Gliederung 1. Grundlagen 2. Analyse der Laufzeit von Algorithmen 3. Untere Schranken für algorithmische Probleme 4. Sortier- und Selektionsverfahren 5. Paradigmen des Algorithmenentwurfs 6. Ausgewählte
Algorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
Theoretische Informatik: Berechenbarkeit und Formale Sprachen
Prof. Dr. F. Otto 26.09.2011 Fachbereich Elektrotechnik/Informatik Universität Kassel Klausur zur Vorlesung Theoretische Informatik: Berechenbarkeit und Formale Sprachen SS 2011 Name:................................
Primzahlzertifikat von Pratt
Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren
Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen
Vorlesung Logik Wintersemester 2012/13 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume & Dr. Sander Bruggink Barbara König Logik 1 (Motivation) Wir benötigen Algorithmen für Erfüllbarkeitstests,
Vorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
2.4 Kontextsensitive und Typ 0-Sprachen
Definition 2.43 Eine Typ 1 Grammatik ist in Kuroda Normalform, falls alle Regeln eine der folgenden 4 Formen haben: Dabei: A, B, C, D V und a Σ. Satz 2.44 A a, A B, A BC, AB CD. Für jede Typ 1 Grammatik
Formale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 5: Typ 1 und Typ 0 Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Kapitel 5 Typ 1
WS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Übung zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2012 17. DIE KONTEXTFREIEN SPRACHEN II: ABSCHLUSSEIGENSCHAFTEN, MASCHINENCHARAKTERISIERUNG, KOMPLEXITÄT Theoretische
Wie viel Mathematik kann ein Computer?
Wie viel Mathematik kann ein Computer? Die Grenzen der Berechenbarkeit Dr. Daniel Borchmann 2015-02-05 Wie viel Mathematik kann ein Computer? 2015-02-05 1 / 1 Mathematik und Computer Computer sind schon
Lösungen zur Vorrundenprüfung 2004
Lösungen zur Vorrundenprüfung 2004 Zuerst einige Bemerkungen zum Punkteschema. Eine vollständige und korrekte Lösung einer Aufgabe ist jeweils 7 Punkte wert. Für komplette Lösungen mit kleineren Fehlern
Theoretische Informatik
Theoretische Informatik - das Quiz zur Vorlesung Teil I - Grundzüge der Logik In der Logik geht es um... (A) die Formen korrekten Folgerns (B) die Unterscheidung von wahr und falsch (C) das Finden von
Theoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 10.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
Theoretische Informatik 1
heoretische Informatik 1 eil 2 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung U Graz SS 2009 Übersicht 1 uring Maschinen uring-berechenbarkeit 2 Kostenmaße Komplexität 3 Mehrband-M
Einführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 7 15. Juni 2010 Einführung in die Theoretische
Resolutionsalgorithmus
112 Resolutionskalkül Mit dem Begriff Kalkül bezeichnet man eine Menge von syntaktischen Umformungsregeln, mit denen man semantische Eigenschaften der Eingabeformel herleiten kann. Für den Resolutionskalkül:
WS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Grundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX
Graphentheorie 1 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Graphentheorie 1 Slide 1/19 Agenda Hausaufgaben Graph-Äquivalenz SetlX Diskrete Strukturen Graphentheorie
THEORETISCHE INFORMATIK
THEORETISCHE INFORMATIK Vorlesungsskript Jiří Adámek @ Institut für Theoretische Informatik Technische Universität Braunschweig Dezember 28 Inhaltsverzeichnis Endliche Automaten. Mathematische Grundbegriffe......................
Spiele in der Informatik
Spiele in der Informatik Martin Lange Lehr- und Forschungseinheit Theoretische Informatik Informatik-Schnupperstudium an der LMU, 29.3.2010 Übersicht Teil 1 Schokoladenessen für Spieltheoretiker ein kleines
Primzahlen, Faktorisierung und Komplexitätstheorie
Primzahlen, Faktorisierung und Komplexitätstheorie Sicherheitsaspekte in der Softwaretechnik WS 2004/05 Bearbeitet von Sebastian Ziebell, Mat.-Nr. 197785 Jan Suhr, Mat.-Nr.? Einleitung Viele der heute
Theoretische Informatik
Theoretische Informatik Wintersemester 2016/2017 2V, Mittwoch, 12:00-13:30 Uhr, F303 2Ü, Dienstag, 12:00-13:30 Uhr, BE08 2Ü, Dienstag, 15:00-16:30 Uhr, B212 2Ü, Mittwoch, 8:30-10:00 Uhr, B312 Fachprüfung:
I.2. Endliche Automaten (ohne Ausgabe)
I2 Endliche Automaten (ohne Ausgabe) I2 Deterministische endliche Automaten Beispiel: Pascal-Syntax für Zahlen hat folgende Form: ::=