Theoretische Informatik 1
|
|
- Rainer Sternberg
- vor 5 Jahren
- Abrufe
Transkript
1 Theoretische Informatik 1 Platzkomplexität David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz
2 Platzkomplexität Platzkomplexitätsklassen Zeit vs. Platzbedarf Zeit beschränkt Platz Platz beschränkt Zeit Satz von Savitch Satz von Savitch Konstruktion der Maschine Übersicht Konsequenzen Deterministische vs. nichtdeterministische Platzkomplexitätsklassen Zusammenfassung
3 Häufig gebrauchte Zeitkomplexitätsklassen Deterministische Zeitkomplexitätsklassen: P = DTIME(n k ) k N EXP = k N DTIME(2 nk ) Nichtdeterministische Zeitkomplexitätsklassen: NP = NTIME(n k ) k N NEXP = NTIME(2 nk ) k N
4 Platzkomplexität Komplexität gemessen anhand des verwendeten Platzes/Speichers (Anzahl der besuchten Bandquadrate) Zeit und Platz sind wichtigste Ressourcen Modell zum Messen der Platzkomplexität: wieder TM Platz mächtiger als Zeit: Platz kann wiederverwendet werden Angabe des Platzbedarfes: wieder als Funktion der Inputgröße n
5 DSPACE und NSPACE Definition (Die Platzkomplexitätsklassen DSPACE und NSPACE) Analog zu DTIME und NTIME sind die Platz-Komplexitätsklassen DSPACE und NSPACE definiert als DSPACE(s(n)) = { A Σ DTM T : ft = f A S T (n) = O(s(n)) } NSPACE(s(n)) = { A Σ NTM T : ft = f A S T (n) = O(s(n)) }
6 Sublineare Platzkomplexität Für Platz kann es sinnvoll sein sublineare Platzkomplexität zu betrachten. Damit dies noch sinnvoll möglich ist treffen wir folgende Einschränkung zum Messen von Platz < n: 1) Wir betrachten nur Entscheider-TM. 2) Das erste Band der TM darf nur gelesen werden. 3) Der Lesekopf auf dem ersten Band darf zu keinem Zeitpunkt nach links bewegt werden. Nur wenn diese Regeln eingehalten werden kann die TM zum Messen von Platz < n verwendet werden! (Der Platz auf Band 1 wird vernachlässigt)
7 Häufig gebrauchte Platzkomplexitätsklassen Deterministische Platzkomplexitätsklassen: L = DSPACE(log n) 1 PSPACE = k N EXPSPACE = DSPACE(n k ) k N DSPACE(2 nk ) Nichtdeterministische Komplexitätsklassen: NL = NSPACE(log n) 1 NPSPACE = k N NEXPSPACE = NSPACE(n k ) k N NSPACE(2 nk ) 1 benötigt TM mit separatem Input-Band
8 Zeit beschränkt Platz Gegeben TM T mit Zeitkomplexität T T (n) Was ist der maximale Platzbedarf S T (n) dieser Maschine? Anzahl der besuchten Bandquadrate stets beschränkt durch Anzahl der Zeitschritte Gilt auch für Nichtdeterminismus
9 Zeit beschränkt Platz Anzahl der besuchten Bandquadrate stets beschränkt durch Anzahl der Zeitschritte Satz (Zeit beschränkt Platz) Für jede beliebige TM T gilt: S T (n) T T (n) Daraus folgt, dass in f (n) Platz mehr Sprachen entschieden werden können als in f (n) Zeit und daher: DTIME(f (n)) DSPACE(f (n)) NTIME(f (n)) NSPACE(f (n))
10 Platz beschränkt Zeit Gegeben Entscheider-TM T mit Platzkomplexität S T (n) Was ist der maximale Zeitbedarf dieser Maschine, gegeben dass sie hält? Kann überhaupt eine Aussage getroffen werden?
11 Wiederholung: Konfiguration Definition (Konfiguration einer DTM) Wir definieren die Konfiguration κ einer DTM zu einem beliebigen Zeitpunkt der Berchnug als das Tupel κ = (α, q, β) Γ Q Γ wobei q ist der aktuelle Zustand α ist das Wort links vom Kopf, β ist das Wort unter und rechts vom Kopf, und wird als α q β angeschrieben z.b: q , 100q 1 111, q
12 Maximale Anzahl an Konfiguration Zeitkomplexität bekannt: S T (n) = f (n) κ = (α, q, β) Γ f (n) Q Γ f (n) Beispiel: Γ = {0, 1, }, Q = {s, t}, Platz 3 κ { s t s0 t0 s1 t1 s00 t00 s01 t01 s10 t10 s11 t11 s000 t000 s001 t001 s010 t010 s011 t011 s100 t100 s101 t101 s111 t111 0s 0t 0s0 0t0 0s1 0t1 0s00 0t00 0s01 0t01 0s10 0t10 0s11 0t11 1s 1t 1s0 1t0 1s1 1t1 1s00 1t00 1s01 1t01 1s10 1t10 1s11 1t11 00s 00t 00s0 00t0 00s1 00t1 01s 01t 01s0 01t0 01s1 01t1 10s 10t 10s0 10t0 10s1 10t1 11s 11t 11s0 11t0 11s1 11t1 11s1 11t1 } Anzahl der möglichen Konfigurationen (κ): O( Q Γ f (n) ) = O(2 f (n) )
13 Platz beschränkt Zeit Gegeben Entscheider-TM T mit Platzkomplexität S T (n) Was ist der maximale Zeitbedarf diese Maschine, gegeben dass sie hält? Maximaler Berechnungspfad besucht alle Konfigurationen und hält dann, sonst Endlosschleife! Anzahl der Konfigurationen (κ) = maximaler Zeitbedarf: O( Q Γ f (n) ) = O(2 f (n) )
14 Platz beschränkt Zeit Diese Aussage gilt auch für nichtdeterministische Entscheider-TM. Zwar ist es möglich eine NTM zu bauen, die sowohl Endlosschleifen als auch akzeptierende Pfade besitzt. Laut Definition sind solche Turingmaschinen aber keine gültigen Entscheider mehr! Daher gilt ebenfalls für Entscheider-NTM T : S T (n) = f (n) T T (n) O( Q Γ f (n) ) = O(2 f (n) )
15 Platz beschränkt Zeit Satz (Platz beschränkt Zeit) Für jede beliebige TM T gilt: S T (n) = f (n) T T (n) O(2 f (n) ) daraus folgt: DSPACE(f (n)) DTIME(2 f (n) ) NSPACE(f (n)) NTIME(2 f (n) ) daraus folgt z.b.: L P
16 Satz von Savitch Der Satz von Savitch ist ein wichtiges Resultat für die Platzkomplexität. Er zeigt, dass sich NTM auf DTM mit geringem Mehraufwand an Platz simulieren lassen. Satz (Satz von Savitch) Für jede Funktion f : N R +, wobei f (n) n, gilt NSPACE(f (n)) DSPACE(f 2 (n)) Walter Savitch
17 Vorüberlegungen Beweis durch Konstruktion: Wir konstruieren eine O(f (n) 2 )-platzbeschränkte DTM T, die eine f (n)-platzbeschränkte NTM T simuliert Wenn Platz O(f (n)), dann ist Zeit O(2 f (n) )-beschränkt Naiver Ansatz: Alle Pfade Aufzählen kostet O(2 f (n) ) Platz
18 Vorüberlegungen Wir konstruieren eine O(f (n) 2 )-platzbeschränkte DTM T, die eine f (n)-platzbeschränkte NTM T simuliert Platzbedarf einer Konfiguration: O( Q + f (n)) = O(f (n)) Maximale Anzahl an Konfiguration die auf einmal gespeichert werden können: O(f (n))
19 Vorüberlegungen Eine alternative Art die Berechnung einer TM T zu implementieren: T codiert die Logik, ob eine Konfiguration κ 2 von einem anderen Zustand κ 1 erreicht werden kann Formal wieder ein Entscheidungsproblem ( ja / nein ) YIELDABILITY: Kann κ 2 von Zustand κ 1 in t Schritten erreicht werden?
20 YIELDABILITY YIELDABILITY: Kann κ 2 von Zustand κ 1 in t Schritten erreicht werden? Für t = 1 sehr einfach Wenn Kopfposition um mehr als 1 geändert entscheide mit nein Ansonsten: Überprüfe ob mittels des Programms der TM κ 2 von κ 1 aus erreicht werden kann Wenn ja entscheide mit ja sonst mit nein
21 Beweisidee Wir beweisen den Satz von Savitch durch Lösen von YIELDABILITY Seien κ 1 und κ 2 zwei Konfigurationen einer TM Die Funktion CANYIELD(κ 1, κ 2, t) entscheidet ob κ 2 von κ 1 aus in t schritten erreicht werden kann Wir zeigen eine Version von CANYIELD die mit O(f 2 (n)) Platz läuft
22 Beweis: Satz von Savitch Damit dies funktioniert treffen wir folgende Annahmen für T (keine Einschränkung des Maschinenmodells): Es gibt genau eine Startkonfiguration κ 0 = q 0 w und genau eine Endkonfiguration κ N = h (T räumt auf und hält im Haltezustand h) Nach maximal N = 2 f (n) Schritten wird κ N erreicht
23 4 3 4 CANYIELD Divide & Conquer Rekursiver Aufruf der Funktion CANYIELD In jeder Ebene der Rekursion werden alle Konfigurationen als möglicher Zwischenschritt untersucht Pro Ebene muss nur eine Konfiguration gespeichert werden (, ) (, ) (, ) (, ) (, ) 4 (, ) (, )
24 CANYIELD Divide & Conquer Algorithmus CANYIELD(κ 1, κ 2, t) 1. Wenn t = 1 teste ob κ 1 = κ 2, oder ob κ 2 in einem Schritt von κ 1 aus erreicht werden kann. Berichte ja wenn dies zutrifft, sonst nein. 2. Wenn t > 1 dann iteriere über alle möglichen Konfiguration κ m mit Platzbedarf f (n) 3. rufe CANYIELD(κ 1, κ m, t 2 ) auf 4. rufe CANYIELD(κ m, κ 2, t 2 ) auf 5. wenn beide Aufrufe ja ergaben, gib ja aus. 6. Wenn noch keine Ausgabe, gib nein aus.
25 CANYIELD: Veranschaulichung (, ) 8 (, 4) ( 4, 8) (, 2 ) ( 2, 4) (, ) (, )
26 Platzanalyse Die Rekursionstiefe von CANYIELD ist logarithmisch in t Also: log O(2 f (n) ) = O(f (n)) In jeder Rekursion muss die Konfiguration einer TM gespeichert werden Platzbedarf gesamt: O(f (n)) O(f (n)) = O(f 2 (n)) Simulation einer beliebigen NTM möglich durch Aufruf CANYIELD(κ 0, κ N, 2 f (n) )
27 Konsequenzen Deterministische und nichtdeterministische Platzkomplexitätsklassen sind identisch: NPSPACE = NSPACE(n k ) = DSPACE(n 2 k ) = PSPACE k N NEXPSPACE = EXPSPACE Gilt aber nicht für L: k N k N NSPACE(2 nk ) = k N NL = NSPACE(log n) = DSPACE(log 2 n) L DSPACE(2 2 nk ) =
28 Konsequenzen Anders als bei Zeit wo man annimmt P NP, zeigt der Satz von Savitch, dass NSPACE tatsächlich nicht existiert (i.e. nicht als eigenständige Klasse angesehen werden kann)! Man spricht daher stets nur von den Platzkomplexitätsklassen: PSPACE, EXPSPACE,... Einzige Ausnahme: NL Die Frage ob L = NL, ist nicht entschieden und es gilt daher L NL
29 Zusammenfassung Satz von Savitch: NPSPACE = PSPACE, NEXPSPACE = EXPSPACE,... Zeitkomplexität vs. Platzkomplexität: L P Weiters gilt: NP PSPACE
Theoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Zeitkomplexität von Turingmaschinen Die Laufzeit einer NTM M bei Eingabe x ist die maximale Anzahl
MehrTheoretische Informatik 1
Theoretische Informatik 1 Nichtdeterminismus David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Nichtdeterminismus NTM Nichtdeterministische Turingmaschine Die
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V5, 21.11.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrTheoretische Informatik 1
Theoretische Informatik 1 Teil 5 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung TU Graz SS 2007 Übersicht 1 Problemklassen 2 NTM Nichtdeterministische Algorithmen 3 Problemarten Konstruktionsprobleme
MehrTheoretische Informatik 1
Theoretische Informatik 1 Vollständigkeit 1 David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 20.05.2016 Übersicht Schwere Definition CIRCUIT-VALUE ist P-schwer
MehrKomplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2008/09 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
MehrSatz von Hennie und Stearns
Satz von Hennie und Stearns Auch für Zeitklassen wäre es für viele Anwendungen praktisch, eine Form der Bandreduktion verwenden zu können. Ein naiver Zugang (mit Spuren) liefert die Beziehung DTIME(f )
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2011 14. NICHTDETERMINISTISCHE TURINGMASCHINEN UND DEREN KOMPLEXITÄT Theoretische Informatik (SoSe 2011) 14. Nichtdeterministische
Mehr19. Nichtdeterministische Turingmaschinen und ihre Komplexität
19. Nichtdeterministische Turingmaschinen und ihre Komplexität Bei einem Turingmaschinenprogramm P aus bedingten Anweisungen wird durch die Forderung i a b B j i a b B j i a sichergestellt, dass zu jeder
MehrKomplexitätstheorie WiSe 2009/10 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2009/10 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
MehrVorlesungsskript. Komplexitätstheorie. Wintersemester 2004/2005
Vorlesungsskript Komplexitätstheorie Wintersemester 2004/2005 Prof. Dr. Johannes Köbler Humboldt-Universität zu Berlin Lehrstuhl Komplexität und Kryptografie 21. Februar 2005 Inhaltsverzeichnis 1 Einführung
MehrTheoretische Informatik 1
heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung U Graz SS 2014 Übersicht uring Maschinen Algorithmusbegriff konkretisiert Modelldefinition uring-berechenbarkeit
MehrSpeicherplatz-Komplexität 1 / 30
Speicherplatz-Komplexität 1 / 30 Speicherplatz-Komplexität Warum sollte uns die Ressource Speicherplatz interessieren? Um die Komplexität der Berechnung von Gewinnstrategien für viele nicht-triviale 2-Personen
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 27. Vorlesung 08.02.2007 1 Komplexitätstheorie - Platzklassen Platzkomplexität Definition Simulation mehrerer Bänder Savitchs Theorem PSPACE
MehrDank. Theoretische Informatik II. Komplexitätstheorie. Teil VI. Komplexitätstheorie. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrTheoretische Informatik 1
heoretische Informatik 1 uringmaschinen David Kappel Institut für Grundlagen der Informationsverarbeitung echnische Universität Graz 11.03.2016 Übersicht uring Maschinen Algorithmusbegriff konkretisiert
MehrKomplexitätstheorie. Kapitel 4: Platzkomplexität
Komplexitätstheorie Kapitel 4: Platzkomplexität Einleitung Platzverbrauch: der temporäre Zwischenspeicher, der während der Berechnung verwendet wird (Datenstrukturen, Rekursionsstack, etc.) Im Fall von
Mehr13. Nichtdeterministische Turingmaschinen und ihre Komplexität
13. Nichtdeterministische Turingmaschinen und ihre Komplexität DETERMINISMUS VS. NICHTDETERMINISMUS DETERMINISMUS: Bei einer k-band-turingmaschine M wurde durch die colorblue Überführungsfunktion δ : Z
MehrKomplexitätsklassen THEORETISCHE INFORMATIK VORGETRAGEN VON: ELIAS DROTLEFF
Komplexitätsklassen THEORETISCHE INFORMATIK VORGETRAGEN VON: ELIAS DROTLEFF Einflussgrößen bei der Bildung von Komplexitätsklassen Das zugrunde liegende Berechnungsmodell (Turingmaschine, Registermaschine
MehrEinführung in die Komplexitätstheorie
Vorlesungsskript Einführung in die Komplexitätstheorie Wintersemester 2016/17 Prof. Dr. Johannes Köbler Humboldt-Universität zu Berlin Lehrstuhl Komplexität und Kryptografie 3. November 2016 Inhaltsverzeichnis
MehrTHEORETISCHE INFORMATIK UND LOGIK
Übersicht Der Raum der formalen Sprachen (Wortprobleme) lässt sich wie foglt aufteilen: THEORETISCHE INFORMATIK UND LOGIK Unentscheidbare Probleme 7. Vorlesung: Einführung in die Komplexitätstheorie Markus
MehrKomplexität und Komplexitätsklassen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.
MehrNichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 7. Vorlesung: Einführung in die Komplexitätstheorie Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 28. April 2017 Übersicht Der Raum der formalen Sprachen
MehrLaufzeit einer DTM, Klasse DTIME
Laufzeit einer DTM, Klasse DTIME Definition Laufzeit einer DTM Sei M eine DTM mit Eingabealphabet Σ, die bei jeder Eingabe hält. Sei T M (w) die Anzahl der Rechenschritte d.h. Bewegungen des Lesekopfes
MehrPolynomielle Verifizierer und NP
Polynomielle Verifizierer und NP Definition Polynomieller Verifizierer Sei L Σ eine Sprache. Eine DTM V heißt Verifizierer für L, falls V für alle Eingaben w Σ hält und folgendes gilt: w L c Σ : V akzeptiert
Mehr12. Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP
12 Woche: Verifizierer, nicht-deterministische Turingmaschine, Klasse NP 12 Woche: Verifizierer, nicht-deterministische Turingmaschine, NP 254/ 333 Polynomielle Verifizierer und NP Ḋefinition Polynomieller
MehrTheoretische Informatik - Zusammenfassung!
Theoretische Informatik - Zusammenfassung Foliensatz 1 Notationen und formale Werkzeuge Für die Beschreibung der Komplexität eines Programms ist die Landau-Notation wichtig. Formal beschreibbare Probleme
MehrRucksackproblem und Verifizierbarkeit
Rucksackproblem und Verifizierbarkeit Gegeben: n Gegenstände mit Gewichten G={g 1,g 2,,g n } und Werten W={w 1,w 2,,w n } sowie zulässiges Gesamtgewicht g. Gesucht: Teilmenge S {1,,n} mit i i S unter der
MehrZeitkomplexität (1) Proseminar Theoretische Informatik. Proseminar Theoretische Informatik: Lisa Dohrmann 1
Zeitkomplexität (1) Proseminar Theoretische Informatik Proseminar Theoretische Informatik: Lisa Dohrmann 1 Warum Komplexitätsbetrachtung? Ein im Prinzip entscheidbares und berechenbares Problem kann in
MehrFormale Grundlagen der Informatik 1 Kapitel 20
Formale Grundlagen der Informatik 1 Kapitel 20 Zeit- und Platzkomplexität Frank Heitmann heitmann@informatik.uni-hamburg.de 27. Juni 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/52 Motivation
MehrWillkommen zur Vorlesung Komplexitätstheorie
Willkommen zur Vorlesung Komplexitätstheorie WS 2011/2012 Friedhelm Meyer auf der Heide V8, 12.12.2011 1 Themen 1. Turingmaschinen Formalisierung der Begriffe berechenbar, entscheidbar, rekursiv aufzählbar
MehrReelle Komplexität - Grundlagen II
Reelle Komplexität - Grundlagen II Julian Bitterlich Themenübersicht: Beziehungen zwischen den Komplexitätsklassen Savitchs Theorem conp und Charakterisierungen von NP und conp Reduktion, Vollständigkeit,
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 18. Vorlesung 22.12.2006 1 Komplexitätstheorie - Zeitklassen Komplexitätsmaße Wiederholung: O,o,ω,Θ,Ω Laufzeitanalyse Die Komplexitätsklassen
MehrRekursiv 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
MehrKomplexitätstheorie. Montag und Donnerstag 14:15 15:45 Uhr. Veranstaltungsinhalt (vergl. KVV)
Komplexitätstheorie Montag und Donnerstag 14:15 15:45 Uhr in C - 221 1 Veranstaltungsinhalt (vergl. KVV) Welcher Aufwand an Rechenzeit und Speicherplatz ist erforderlich, um ein gegebenes Problem zu lösen?
MehrDer Satz von Savitch
Der Satz von Savitch Satz (Savitch, 1970): Sei s 2 (log(n)). Danngilt NSPACE(s) DSPACE(s 2 ). Wir führen den Beweis für den Fall, dass s eine platzkonstruierbare Funktion ist: Sei M eine NTM, deren Platzbedarf
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 13. Vorlesung 07.12.2006 1 Überblick: Die Church- Turing-These Turing-Maschinen 1-Band Turing-Maschine Mehrband-Turing-Maschinen Nichtdeterministische
MehrTheoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009
Theoretische Informatik Rainer Schrader nichtdeterministische Turingmaschinen Zentrum für Angewandte Informatik Köln 29. April 2009 1 / 33 2 / 33 Turingmaschinen das Konzept des Nichtdeterminismus nahm
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 4.2 Modelle für Typ-0 & Typ-1 Sprachen 1. Nichtdeterministische Turingmaschinen 2. Äquivalenz zu Typ-0 Sprachen 3. Linear beschränkte Automaten und Typ-1 Sprachen Maschinenmodelle
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
MehrTheoretische Informatik 1
Theoretische Informatik 1 Die Komplexitätsklasse P David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2012 Übersicht Äquivalenz von RM und TM Äquivalenz, Sätze Simulation DTM
MehrJohannes Blömer. Skript zur Vorlesung. Komplexitätstheorie. Universität Paderborn
Johannes Blömer Skript zur Vorlesung Komplexitätstheorie Universität Paderborn Sommersemester 2010 Inhaltsverzeichnis 1 Einleitung 2 2 Turingmaschinen, Zeit- und Platzkomplexität 5 2.1 Turingmaschinen.........................
MehrKomplexitätstheorie. Kapitel 5: Platzkomplexität
Komplexitätstheorie Kapitel 5: Platzkomplexität Einleitung Platzverbrauch: der temporäre Zwischenspeicher, der während der Berechnung verwendet wird (Datenstrukturen, Rekursionsstack, etc.) Im Fall von
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
MehrTheoretische 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
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5.2 Das P N P Problem 1. Nichtdeterministische Lösbarkeit 2. Sind N P-Probleme handhabbar? 3. N P-Vollständigkeit Bei vielen schweren Problemen ist Erfolg leicht zu testen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Teil 4 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung TU Graz SS 2007 Übersicht 1 Turingmaschinen Mehrband-TM Kostenmaße Komplexität 2 Mehrband-TM Kostenmaße
MehrInformatik III. Arne Vater Wintersemester 2006/ Vorlesung
Informatik III Arne Vater Wintersemester 2006/07 25. Vorlesung 01.02.2007 1 Approximation Viele wichtige Probleme sind NP-vollständig (also nicht effizient lösbar unter der Annahme P NP) Diese sind zu
MehrKomplexitätstheorie. Kapitel 5: Platzkomplexität
Komplexitätstheorie Kapitel 5: Platzkomplexität Einleitung Platzverbrauch: der temporäre Zwischenspeicher, der während der Berechnung verwendet wird (Datenstrukturen, Rekursionsstack, etc.) Im Fall von
MehrKapitel II : Zeit- und platzbeschränkte Berechnungen
Kapitel II : Zeit- und platzbeschränkte Berechnungen Prof. Dr. F. Otto (Universität Kassel) Komplexitätstheorie 41 / 286 Rechenzeit- und Speicherplatzbedarf bei Turingmaschinen Komplexitätsklassen Grundlegende
MehrEinführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie
Einführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie Wintersemester 2005/2006 20.12.2005 18. Vorlesung 1 Komplexitätstheorie - Zeitklassen Komplexitätsmaße Wiederholung: O,o,ω,Θ,Ω Laufzeitanalyse
MehrProseminar Theoretische Informatik. Die Klasse NP. von Marlina Spanel
Proseminar Theoretische Informatik Die Klasse NP von Marlina Spanel 29.11.2011 1 Gliederung Gliederung Problem des Handlungsreisenden Die Klasse NP Einleitung und Wiederholung Sprachen Nichtdeterministische
MehrDeterministische und nichtdeterministische Turing-Maschinen, Typ1- und Typ0-Sprachen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 15 + 16 vom 17.12.2012 und 20.12.2012 Deterministische und nichtdeterministische Turing-Maschinen, Typ1- und Typ0-Sprachen
MehrKlassische Informationstheorie: Berechenbarkeit und Komplexität
Klassische Informationstheorie: Berechenbarkeit und Komplexität Christian Slupina 1. Institut für Theoretische Physik Datum: 12.Juli 2011 Inhalt Gedankenexperiment: Die Turingmaschine Standard-Turingmaschinen
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 5.4 Hierarchie von Komplexitätsklassen 1. Komplementäre Klassen 2. Polynomieller Platz 3. Logarithmischer Platz 4. Hierarchiesätze Es gibt weitere wichtige Komplexitätsklassen
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen 1.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Motivation 2. Terminologie
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 15.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrKomplexitätstheorie. Vorlesungsskript. Wintersemester 2010/11
Vorlesungsskript Komplexitätstheorie Wintersemester 2010/11 Prof. Dr. Johannes Köbler Humboldt-Universität zu Berlin Lehrstuhl Komplexität und Kryptografie 3. Dezember 2010 Inhaltsverzeichnis Inhaltsverzeichnis
MehrTheorie der Informatik
Theorie der Informatik 11. Kontextsensitive und Typ-0-Sprachen Malte Helmert Gabriele Röger Universität Basel 7. April 2014 Kontextsensitive und allgemeine Grammatiken Wiederholung: (kontextsensitive)
MehrAufgaben aus den Übungsgruppen 8(Lösungsvorschläge)
Universität des Saarlandes Theoretische Informatik (WS 2015) Fakultät 6.2 Informatik Team der Tutoren Aufgaben aus den Übungsgruppen 8(Lösungsvorschläge) 1 Berechenbarkeitstheorie Aufgabe 8.1 (Wahr oder
MehrWeitere universelle Berechnungsmodelle
Weitere universelle Berechnungsmodelle Mehrband Turingmaschine Nichtdeterministische Turingmaschine RAM-Modell Vektoradditionssysteme λ-kalkül µ-rekursive Funktionen 1 Varianten der dtm Mehrkopf dtm Kontrolle
MehrEinfache Zusammenhänge
Einfache Zusammenhänge Eine TM, die t(n) Zeit (d.h. Schritte) zur Verfügung hat, kann nicht mehr als t(n) Bandzellen besuchen. Umgekehrt gilt dies nicht! Platz kann wiederverwendet werden, Zeit nicht!
MehrBemerkungen: Ist der Wert von S(n) (und damit auch τ) unbekannt, so führt man das Verfahren nacheinander mit den Werten
Bemerkungen: Ist der Wert von S(n) (und damit auch τ) unbekannt, so führt man das Verfahren nacheinander mit den Werten log n, 2 log n,... als Platzschranke aus. Dabei überprüft man für jeden dieser Werte,
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 6.5 Hierarchie von Komplexitätsklassen 1. Pseudopolynomielle Algorithmen 2. Komplementäre Klassen 3. Polynomieller Platz 4. Hierarchiesätze Nicht jedes N P-Problem ist
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (III) 8.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrVorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen. Wintersemester 2012/13
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2012/13 Prof. Barbara König Übungsleitung: Henning Kerstan & Sebastian Küpper Barbara
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 1-13. Sitzung Dennis Felsing dennis.felsing@student.kit.edu http://www.stud.uni-karlsruhe.de/~ubcqr/2010w/tut gbi/ 2011-01-31 Turingmaschinen 1 Turingmaschinen Wiederholung
MehrPräsenzübung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 2013/14 Prof. Dr. Berthold Vöcking 28.01.2014 Kamal Al-Bawani Benjamin Ries Präsenzübung Berechenbarkeit und Komplexität Musterlösung Name:...................................
MehrEinführung in die Komplexitätstheorie
Vorlesungsskript Einführung in die Komplexitätstheorie Wintersemester 2016/17 Prof. Dr. Johannes Köbler Humboldt-Universität zu Berlin Lehrstuhl Komplexität und Kryptografie 16. Februar 2017 Inhaltsverzeichnis
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Akzeptierbarkeit und Entscheidbarkeit. Teil V.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrEinige Grundlagen der Komplexitätstheorie
Deterministische Polynomialzeit Einige Grundlagen der Komplexitätstheorie Ziel: NP-Vollständigkeit als ressourcenbeschränktes Analagon zur RE-Vollständigkeit. Komplexitätstheorie untersucht den Ressourcenbedarf
MehrKomplexitätstheorie Kap. 4: Grundlegende Ergebnisse...
Gliederung der Vorlesung 1. Analyse von Algorithmen 1.1 Motivation 1.2 Laufzeit von Algorithmen 1.3 Asymptotische Notationen 2. Entwurf von Algorithmen 2.1 Divide & Conquer 2.2 Dynamisches Programmieren
MehrLösungen zur Ergänzung 12
Theoretische Informati II SS 018 Carlos Camino Lösungen zur Ergänzung 1 Hinweise: In der Literatur sind zwei verschiedene Definitionen der natürlichen Zahlen gängig: N = {0, 1,,...} und N = {1,, 3,...}.
Mehr1 Zeit- und Platzklassen. 2 Schaltkreise. Reduktionen Many-One- Reduktionen Turing- Reduktionen und Orakel. Zusammenfassung
Einführung für das Seminar Komplexität und Kryptologie Übersicht 1 2 23 und 30 April 2008 und 3 und und Turingmaschinen als erechnungsmodell Ressourcenverbrauch von Turingmaschinen Erweiterte Church sche
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (I) 22.07.2015 und 23.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie 3. Endliche
Mehr11.1 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
Mehr1 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
MehrTuringmaschinen Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Schematische Darstellung einer Turing-Maschine: Kopf kann sich nach links und
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Institut für Informatik Sommersemester 2007 B. Beckert Grundlagen d. Theoretischen Informatik:
MehrProseminar Die P NP-Vermutung Space Complexity, Savitch s Theorem, PSPACE-completeness
Proseminar Die P NP-Vermutung Sommersemester 2012 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Gliederung
MehrTheoretische Informatik. Berechenbarkeit
Theoretische Informatik Berechenbarkeit 1 Turing Maschine Endlicher Automat mit unendlichem Speicher Ein Modell eines realen Computers Was ein Computer berechnen kann, kann auch eine TM berechnen. Was
MehrSpeicherplatz-Komplexität 1 / 78
Speicherplatz-Komplexität 1 / 78 Speicherplatz-Komplexität Warum sollte uns die Ressource Speicherplatz interessieren? Um die Komplexität der Berechnung von Gewinnstrategien für viele nicht-triviale 2-Personen
MehrTuring Maschine. Thorsten Timmer. SS 2005 Proseminar Beschreibungskomplexität bei Prof. D. Wotschke. Turing Maschine SS 2005 p.
Thorsten Timmer SS 2005 Proseminar Beschreibungskomplexität bei Prof. D. Wotschke Turing Maschine SS 2005 p. 1/35 Inhalt Einführung Formale Definition Berechenbare Sprachen und Funktionen Berechnung ganzzahliger
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Teil VI. Komplexitätstheorie.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrTyp-1-Sprachen. Satz 1 (Kuroda ( ) 1964)
Typ-1-Sprachen Satz 1 (Kuroda (1934-2009) 1964) Eine Sprache L hat Typ 1 (= ist kontextsensitiv) genau dann, wenn sie von einem nichtdeterministischen LBA erkannt wird. Beweis: Sei zunächst L Typ-1-Sprache.
Mehr13. ZEIT- UND PLATZKOMPLEXITÄT
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2011 13. ZEIT- UND PLATZKOMPLEXITÄT VON MEHRBAND-TURINGMASCHINEN Theoretische Informatik (SoSe 2011) 13. Zeit- und Platzkomplexität
MehrEinführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie
Einführung in Berechenbarkeit, Formale Sprachen und Komplexitätstheorie Wintersemester 2005/2006 07.02.2006 28. und letzte Vorlesung 1 Die Chomsky-Klassifizierung Chomsky-Hierachien 3: Reguläre Grammatiken
MehrProseminar Komplexitätstheorie P versus NP Wintersemester 2006/07. Nichtdeterministische Turingmaschinen und NP
Proseminar Komplexitätstheorie P versus NP Wintersemester 2006/07 Vortrag am 17.11.2006 Nichtdeterministische Turingmaschinen und NP Yves Radunz Inhaltsverzeichnis 1 Wiederholung 3 1.1 Allgemeines........................................
MehrKomplexitätstheorie WiSe 2008/09 in Trier. Henning Fernau Universität Trier
Komplexitätstheorie WiSe 2008/09 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Komplexitätstheorie Gesamtübersicht Organisatorisches / Einführung Motivation / Erinnerung / Fragestellungen
Mehr3 Probabilistische Komplexitätsklassen
3 Probabilistische Komplexitätsklassen 3.1 Probabilistische Turingmaschinen 3.1 Wir gehen davon aus, dass die Konzepte deterministischer und nichtdeterministischer Turingmaschinen im wesentlichen bekannt
MehrDefinition 98 Eine Turingmaschine heißt linear beschränkt (kurz: LBA), falls für alle q Q gilt:
5.2 Linear beschränkte Automaten Definition 98 Eine Turingmaschine heißt linear beschränkt (kurz: LBA), falls für alle q Q gilt: (q, c, d) δ(q, ) = c =. Ein Leerzeichen wird also nie durch ein anderes
Mehr13. Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie
13 Woche: NP-Vollständigkeit Satz von Cook-Levin Anwendungen in der Kryptographie 13 Woche: NP-Vollständigkeit, Satz von Cook-Levin, Anwendungen 276/ 333 N P-Vollständigkeit Ḋefinition NP-vollständig Sei
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
Mehr