Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
|
|
- Franka Maus
- vor 7 Jahren
- Abrufe
Transkript
1 Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie
2 Problem: Wie komme ich von hier zum Hamburger Hbf? 2
3 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann ich verwende für reduzieren auf Finde jemand, der den Weg kennt! Alternativ: Finde eine Stadtkarte! Alternativ: Finde ein Taxi! P2 3
4 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann ich verwende für reduzieren auf Finde jemand, der den Weg kennt! Alternativ: Finde eine Stadtkarte! Alternativ: Reduziere Bestelle P1 ein auf Taxi! P2! P2 4
5 Reduktionen Ein mächtiges Konzept in der Theoretischen Informatik. Informelle Definition: Reduktion Problem P1 kann in ein Problem P2 transformiert werden (Funktion f), sodass Lösung von P2 zur Lösung von P1 verwendet werden kann. Transformation f P1 P2 verwende Lösung Löse! 5
6 Reduktionen Ein mächtiges Konzept in der Theoretischen Informatik. Informelle Definition: Reduktion Problem P1 kann in ein Problem P2 transformiert werden (Funktion f), sodass Lösung von P2 zur Lösung von P1 verwendet werden kann. P1 Transformation Definiert gerichtete f Relation auf der Menge der Probleme! Löse! P2 verwende Lösung Löse! 6
7 Reduktionen Ein mächtiges Konzept in der Theoretischen Informatik. Informelle Definition: Reduktion Einfach, aber Vorsicht: Richtung Problem P1 kann in ein Problem P2 transformiert der Relation, Eigenschaften der werden (Funktion f), sodass Lösung von P2 zur Reduktion, etc. wichtig! Lösung von P1 verwendet werden kann. P1 Transformation Definiert gerichtete f Relation auf der Menge der Probleme! Löse! P2 verwende Lösung Löse! 7
8 Beispiele Beispiele im Alltag: Rekursiv Das Problem von Berlin nach Hamburg zu kommen reduziert sich auf das Problem, eine Fahrkarte zu kaufen das wiederum reduziert sich darauf, Geld für die Fahrkarte zu verdienen reduziert sich auf das Problem, einen Job zu finden 8
9 Beispiele Beispiele im Alltag: Rekursiv Das Problem von Berlin nach Hamburg zu kommen reduziert sich auf das Problem, eine Fahrkarte zu kaufen das wiederum reduziert sich darauf, Geld für die Fahrkarte zu verdienen reduziert sich auf das Problem, einen Job zu finden Fläche? : P1 Beispiele in der Mathematik: Wie muss ich vorgehen, um Fläche des Rechtecks zu bestimmen? 9
10 Breite? Beispiele Beispiele im Alltag: Rekursiv Das Problem von Berlin nach Hamburg zu kommen reduziert sich auf das Problem, eine Fahrkarte zu kaufen das wiederum reduziert sich darauf, Geld für die Fahrkarte zu verdienen reduziert sich auf das Problem, einen Job zu finden Fläche? : P1 Beispiele in der Mathematik: Das Problem die Fläche eines Rechtecks zu bestimmen reduziert sich auf das Problem, dessen Seitenlängen zu bestimmen. (Einfach!) P2: Länge? 10
11 Breite? Beispiele Beispiele im Alltag: Rekursiv Das Problem von Berlin nach Hamburg zu kommen reduziert sich auf das Problem, eine Fahrkarte zu kaufen das wiederum reduziert sich darauf, Geld für die Fahrkarte zu verdienen reduziert sich auf das Problem, einen Job zu finden P2: Fläche? Länge? : P1 Beispiele in der Mathematik: Das Problem die Fläche eines Rechtecks zu bestimmen reduziert sich auf das Problem, dessen Seitenlängen zu bestimmen. (Einfach!) Das Problem ein lineares Gleichungssystem zu lösen reduziert sich auf das Problem, eine Matrix zu invertieren. 11
12 Eigenschaften der Reduktion Nützliche Eigenschaften? Transformation f P1 P2 verwende Lösung Löse! Beispiel: Sei P1: Finde Weg zum Hamburger Hbf. P2: Finde eine City Map. 12
13 Eigenschaften der Reduktion Nützliche Eigenschaften? Transformation f P1 P2 verwende Lösung Löse! Beispiel: Sei P1: Finde Weg zum Hamburger Hbf. P2: Finde eine City Map. Möchte nicht zuerst zu einem Shop am Hbf gehen, um P2 zu lösen! 13
14 Eigenschaften der Reduktion It depends! : Welches Ziel / welche Anwendung? Nützliche Eigenschaften? Transformation f P1 P2 verwende Lösung Löse! Beispiel: Sei P1: Finde Weg zum Hamburger Hbf. P2: Finde eine City Map. Möchte nicht zuerst zu einem Shop am Hbf gehen, um P2 zu lösen! 14
15 Komplexität vs Berechenbarkeit Reduktionen in der Komplexitätstheorie: Will effiziente Lösung für P1 mittels Lösung von P2 Auch Reduktion ( Umweg ) sollte Zeit/Speicher effizient sein Reduktionen in der Berechenbarkeitstheorie Will zeigen, dass es möglich ist, P1 zu lösen (mit P2) Reduktion muss nur berechenbar sein Transformation f P1 P2 verwende Lösung 15
16 Anwendungen (1) Beispiel Komplexitätstheorie: Reduktionen für untere Schranken ( Lower Bounds ) Beispiel: Wenn ich weiss, dass P1 (z.b. SAT) NP-schwer, kann ich durch Reduktion zeigen, dass viele weitere Probleme P2 auch NP-schwer sind. effiziente Transformation f P1 P2 verwende Lösung 16
17 Anwendungen (1) Beispiel Komplexitätstheorie: Reduktionen für untere Schranken ( Lower Bounds ) Beispiel: Wenn ich weiss, dass P1 (z.b. SAT) NP-schwer, kann ich durch Reduktion zeigen, dass viele weitere Probleme P2 auch NP-schwer sind. P1 Komplexität K2? P2 17
18 Anwendungen (1) Beispiel Komplexitätstheorie: Reduktionen für untere Schranken ( Lower Bounds ) Beispiel: Wenn ich weiss, dass P1 (z.b. SAT) NP-schwer, kann ich durch Reduktion zeigen, dass viele weitere Probleme P2 auch NP-schwer sind. Komplexität K1 P1 Komplexität Kf Komplexität K2? P2 Komplexität Kf -1 18
19 Anwendungen (1) Beispiel Komplexitätstheorie: Reduktionen für untere Schranken ( Lower Bounds ) Wenn K1 schwer und Kf und Kf -1 leicht, dann auch K2 schwer. Beispiel: Wenn ich weiss, dass P1 (z.b. SAT) NP-schwer, kann ich durch Reduktion zeigen, dass viele weitere Probleme P2 auch NP-schwer sind. Komplexität K1 P1 Komplexität Kf Komplexität K2? P2 Komplexität Kf -1 19
20 Anwendungen (2) Beispiel Berechenbarkeitstheorie: Reduktionen für negative Resultate ( Impossibility Results ) Beispiel: Wenn ich weiss, dass P1 unentscheidbar ist (z.b. Sprache der durch TMs M akzeptierte Wörter w, A TM : Diagonalisierung), kann ich durch Reduktion zeigen, dass andere Probleme P2 auch unentscheidbar sind. berechenbare Transformation f P1 P2 verwende Lösung 20
21 Anwendungen (2) Beispiel Berechenbarkeitstheorie: Reduktionen für negative Resultate ( Impossibility Results ) Wichtiges Konzept: Many-One Reduktion Beispiel: Wenn ich weiss, dass P1 unentscheidbar ist (z.b. Sprache der durch TMs M akzeptierte Wörter w, A TM : Diagonalisierung), kann ich durch Reduktion zeigen, dass andere Probleme P2 auch unentscheidbar sind. berechenbare Transformation f P1 P2 verwende Lösung 21
22 Reduktionen in Berechenbarkeitstheorie Formalisierung der Konzepte: Fokus auf Entscheidungsprobleme In Sprachformalismus: Probleme P der Form w L? Definition: Many-One Reduktion f von L 1 auf L 2 Eine Funktion f heisst many-one Reduktion von Sprache L 1 Σ * auf Sprache L 2 Σ * gdw.: 1. f ist berechenbar und total 2. w Σ * gilt dass w L 1 f(w) L 2 L 1 L 2 L 1 L 2 22
23 Reduktionen in Berechenbarkeitstheorie Formalisierung der Konzepte: Fokus auf Entscheidungsprobleme In Sprachformalismus: Probleme P der Form w L? Definition: Many-One Reduktion f von L 1 auf L 2 D.h. es gibt eine TM M f Eine, die Funktion f berechnet. f heisst many-one total = für Reduktion alle Wörter von definiert Sprache L 1 Σ * auf Sprache L 2 Σ * gdw.: 1. f ist berechenbar und total 2. w Σ * gilt dass w L 1 f(w) L 2 L 1 L 2 L 1 L 2 23
24 Reduktionen in Berechenbarkeitstheorie Formalisierung der Konzepte: Fokus auf Entscheidungsprobleme In Sprachformalismus: Probleme P der Form w L? Definition: Many-One Reduktion f von L 1 auf L 2 D.h. es gibt eine TM M f Eine, die Funktion f berechnet. f heisst many-one total = für Reduktion alle Wörter von definiert Sprache L 1 Σ * auf Sprache L 2 Σ * gdw.: 1. f ist berechenbar und total Funktion muss weder injektiv 2. w Σ * gilt dass w L 1 f(w) noch surjektiv L 2 sein! L 1 L 2 L 1 L 2 24
25 Definition und Repetition Definition: Many-One Reduzierbare Sprachen Die Sprache L 1 heisst many-one reduzierbar auf Sprache L 2 gdw. es eine many-one Reduktion von L 1 auf L 2 gibt. Kurz: L 1 m L 2
26 Definition und Repetition Definition: Many-One Reduzierbare Sprachen Die Sprache L 1 heisst many-one reduzierbar auf Sprache L 2 gdw. es eine many-one Reduktion von L 1 auf L 2 gibt. Kurz: L 1 m L 2 Repetition: Akzeptierbare Sprache A Die Sprache L ist akzeptierbar, wenn es eine TM gibt, die für jedes Eingabewort w L mit «Ja» hält. Repetition: Entscheidbare Sprache E Die Sprache L ist entscheidbar, wenn es eine TM gibt, die für jedes w L mit «Ja» hält und für jedes w L mit «Nein».
27 Sehr mächtiges Theorem: Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. 27
28 Sehr mächtiges Theorem: Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beispiel: Wie kann ich damit zeigen, dass eine Sprache L E? 28
29 Sehr mächtiges Theorem: Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beispiel: Wie kann ich damit zeigen, dass eine Sprache L E? Zeige, dass es 1. eine many-one Reduktion f von einer 2. unentscheidbaren Sprache L E (=L 1 ) auf L (=L 2 ) gibt: L m L Dann folgt aus Theorem: falls L (=L 2 ) entscheidbar wäre, Widerspruch zu Annahme dass L (=L 1 ) unentscheibar: L E L E : Widerspruch zu L E 29
30 Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Wie kann man ein solches Theorem beweisen? 30
31 Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beweis. Konstruktiv! Nehme an L 2 E : also gibt es eine TM M 2, die L 2 entscheidet Sei f eine many-one Reduktion m von L 1 auf L 2 : berechenbar! Sei M f die TM, die f berechnet Konstruiere die TM M 1 : eine Hintereinanderschaltung von M f und M 2. Es gilt: M 1 (w) akz. M 2 (f(w)) akz. f(w) L 2 w L 1 Also entscheidet M 1 L 1, und somit: L 1 E. w M 1 f(w) M f M 2 31
32 Beweis. Konstruktiv! Nehme an L 2 E : also gibt es eine TM M 2, die L 2 entscheidet Sei f eine many-one Reduktion m von L 1 auf L 2 : berechenbar! Sei M f die TM, die f berechnet Konstruiere die TM M 1 : eine Hintereinanderschaltung von M f und M 2. Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Eine solche TM muss existieren, da f per Definition berechenbar. Es gilt: M 1 (w) akz. M 2 (f(w)) akz. f(w) L 2 w L 1 Also entscheidet M 1 L 1, und somit: L 1 E. w M 1 f(w) M f M 2 32
33 Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beweis. Konstruktiv! Nehme an L 2 E : also gibt es eine TM M 2, die L 2 entscheidet Sei f eine many-one Reduktion m von L 1 auf L 2 : berechenbar! Sei M f die TM, die f berechnet Konstruiere die TM M 1 : eine Hintereinanderschaltung von M f und M 2. Es gilt: M 1 (w) akz. M 2 (f(w)) akz. f(w) L 2 w L 1 Also entscheidet M 1 L 1, und somit: L 1 E. w M 1 f(w) M f M 2 33
34 Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beweis. Konstruktiv! Nehme an L 2 E : also gibt es eine TM M 2, die L 2 entscheidet Sei f eine many-one Reduktion m von L 1 auf L 2 : berechenbar! Sei M f die TM, die f berechnet Konstruiere die Definition TM M 1 : von M 2 eine Hintereinanderschaltung Konstruktion von M f und von M 2. M 1 w M 1 f(w) M f M 2 Es gilt: M 1 (w) akz. M 2 (f(w)) akz. f(w) L 2 w L 1 Also entscheidet M 1 L 1, und somit: L 1 E. Definition Many-One Reduktion 34
35 Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt: L 2 E L 1 E. Beweis. Konstruktiv! Nehme an L 2 E : also gibt es eine TM M 2, die L 2 entscheidet Sei f eine many-one Reduktion m von L 1 auf L 2 : berechenbar! Sei M f die TM, die f berechnet Konstruiere die TM M 1 : eine Hintereinanderschaltung von M f und M 2. Es gilt: M 1 (w) akz. M 2 (f(w)) akz. f(w) L 2 w L 1 Also entscheidet M 1 L 1, und somit: L 1 E. w M 1 f(w) M f M 2 35
36 Beispiel: Das Halteproblem Definition: Sprache A TM Sprache des Problems «Akzeptiert eine gewisse Turing Maschine M einen gegebenen Input w?»: A TM = {<M,w> M akzeptiert w} Definition: Sprache HALT TM Sprache des Problems «Hält eine gewisse Turing Maschine M bei gegebenem Input w?»: HALT TM = {<M,w> M hält auf w} 36
37 Beispiel: Das Halteproblem Definition: Sprache A TM Sprache des Problems «Akzeptiert eine gewisse Turing Maschine M einen gegebenen Input w?»: A TM = {<M,w> M akzeptiert w} A TM ist unentscheidbar: A TM E Auch unentscheidbar: wie beweisen? Definition: Sprache HALT TM Sprache des Problems «Hält eine gewisse Turing Maschine M bei gegebenem Input w?»: HALT TM = {<M,w> M hält auf w} 37
38 Beispiel: Das Halteproblem Definition: Sprache A TM Sprache des Problems «Akzeptiert eine gewisse Turing Maschine M einen gegebenen Input w?»: A TM = {<M,w> M akzeptiert w} A TM ist unentscheidbar: A TM E Auch unentscheidbar: wie beweisen? Definition: Sprache HALT TM Sprache des Problems «Hält eine gewisse Turing Maschine M bei gegebenem Input w?»: HALT TM = {<M,w> M hält auf w} Zeige: A TM m HALT TM 38
39 Theorem: HALT TM E Das Problem HALT TM ist unentscheidbar. Beweis: Zeige Reduktion f: A TM m HALT TM. Daraus folgt das Theorem! Idee: Reduziere P1=«Akzeptiert M w?» auf P2=«Hält M auf w?» wobei M (w): w M M(w) akz.: stopp verw.: zykel 1. Simuliere M(w) 2. Wenn M(w) verwirft, dann zykel 3. Sonst stopp Reduktion f(<m,w>):=<m,w> ist berechenbar und total, ausserdem: <M,w> A TM M akz. w M (w) hält f(<m,w>) HALT TM Also: A TM m HALT TM HALT TM E 39
40 Theorem: HALT TM E Das Problem HALT TM ist unentscheidbar. Beweis: Zeige Reduktion f: A TM m HALT TM. Daraus folgt das Theorem! Idee: Reduziere P1=«Akzeptiert M w?» auf P2=«Hält M auf w?» wobei M (w): w M M(w) akz.: stopp verw.: zykel 1. Simuliere M(w) 2. Wenn M(w) verwirft, dann zykel 3. Sonst stopp Reduktion f(<m,w>):=<m,w> ist berechenbar und total, ausserdem: <M,w> A TM M akz. w M (w) hält f(<m,w>) HALT TM Also: A TM m HALT TM HALT TM E 40
41 Theorem: HALT TM E Das Problem HALT TM ist unentscheidbar. Beweis: Zeige Reduktion f: A TM m HALT TM. Daraus folgt das Theorem! Idee: Reduziere P1=«Akzeptiert M w?» auf P2=«Hält M auf w?» wobei M (w): w M M(w) Definition von M akz.: stopp verw.: Konstruktion zykel 1. Simuliere M(w) 2. Wenn M(w) verwirft, dann zykel 3. Sonst stopp Reduktion f(<m,w>):=<m,w> ist berechenbar und total, ausserdem: <M,w> A TM M akz. w M (w) hält f(<m,w>) HALT TM Also: A TM m HALT TM HALT TM E 41
42 Theorem: HALT TM E Das Problem HALT TM ist unentscheidbar. Beweis: Zeige Reduktion f: A TM m HALT TM. Daraus folgt das Theorem! Idee: Reduziere P1=«Akzeptiert M w?» auf P2=«Hält M auf w?» wobei M (w): w M M(w) akz.: stopp verw.: zykel 1. Simuliere M(w) 2. Wenn M(w) verwirft, dann zykel 3. Sonst stopp Reduktion f(<m,w>):=<m,w> ist berechenbar und total, ausserdem: <M,w> A TM M akz. w M (w) hält f(<m,w>) HALT TM Also many-one Reduktion: A TM m HALT TM HALT TM E 42
43 Theorem: HALT TM E Beweis: Das Problem HALT TM ist unentscheidbar. Zeige Reduktion f: A TM m HALT TM. Daraus folgt das Theorem! Idee: Reduziere P1=«Akzeptiert M w?» auf P2=«Hält M auf w?» wobei M (w): M 1. Simuliere M(w) akz.: stopp 2. Wenn M(w) verwirft, dann zykel w M(w) verw.: zykel 3. Sonst stopp Widerspruch zu Unentscheidbarkeit von A Reduktion f(<m,w>):=<m,w> TM ist berechenbar und total, ausserdem: <M,w> A TM M akz. w M (w) hält f(<m,w>) HALT TM Also many-one Reduktion: A TM m HALT TM HALT TM E 43
44 Ende
45 Anwendungen: Weiteres Beispiel Komplexitätstheorie: Viele negative Resultate ( Lower Bounds ) Beispiel: Lower Bound des Konvexe Hülle Problems CH ist auch eine Lower Bound für das Sortierungsproblem SORT Transformation: O(n) SORT Sortiere zahlen {x 1,, x n }! CH Finde konvexe Hülle von Punkten {(x 1, x 12 ),, {(x n, x n2 ) }! 45
46 Beispiel: Matching (1) Definition: Maximales Matching Input: Ungerichteter Graph G=(V,E) Output: Eine Teilmenge an Kanten M E ist ein gültiges Matching, gdw. keine zwei Kanten in M einen gemeinamen Knoten haben. M ist maximal gdw. es gültig ist und es keine Kante e E\M gibt, sodass {e} M auch ein gültiges Matching ist. Gültig? Maximal? Gültig? Maximal? Gültig? Maximal?
47 Beispiel: Matching (1) Definition: Maximales Matching Input: Ungerichteter Graph G=(V,E) Output: Eine Teilmenge an Kanten M E ist ein gültiges Matching, gdw. keine zwei Kanten in M einen gemeinamen Knoten haben. M ist maximal gdw. es gültig ist und es keine Kante e E\M gibt, sodass {e} M auch ein gültiges Matching ist. Ungültig! Gültig, nicht maximal! Gültig und maximal
48 Beispiel: Matching (2) Definition: Maximales Independent Set Input: Ungerichteter Graph G=(V,E) Output: Eine Teilmenge an Knoten I V ist ein gültiges Independent Set, gdw. es keine zwei Knoten in I gibt, die benachbart sind. I ist maximal gdw. es gültig ist und es keinen Knoten v V\I gibt, sodass {v} I auch ein gültiges Independent Set ist. Gültig? Maximal? Gültig? Maximal? Gültig? Maximal?
49 Beispiel: Matching (2) Definition: Maximales Independent Set Input: Ungerichteter Graph G=(V,E) Output: Eine Teilmenge an Knoten I V ist ein gültiges Independent Set, gdw. es keine zwei Knoten in I gibt, die benachbart sind. I ist maximal gdw. es gültig ist und es keinen Knoten v V\I gibt, sodass {v} I auch ein gültiges Independent Set ist. Gültig, nicht maximal! Ungültig! Gültig und maximal
50 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: Algorithmus für maximales Matching Methode: Effiziente Reduktion Maximales Matching? Transformation f Maximales Independent Set verwende Lösung 50
51 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: 1. Ersetze Algorithmus Kanten für durch maximales Knoten Matching Methode: 2. Verbinde Effiziente Knoten, Reduktion deren Kanten Maximales Matching? inzident sind im urspr. Graphen Transformation f Maximales Independent Set verwende Lösung
52 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: 1. Ersetze Algorithmus Kanten für durch maximales Knoten Matching Methode: 2. Verbinde Effiziente Knoten, Reduktion deren Kanten Maximales Matching? inzident sind im urspr. Graphen Transformation f Maximales Independent Set verwende Lösung
53 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: 1. Ersetze Algorithmus Kanten für durch maximales Knoten Matching Methode: 2. Verbinde Effiziente Knoten, Reduktion deren Kanten Maximales Matching? inzident sind im urspr. Graphen Transformation f Maximales Independent Set verwende Lösung
54 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: Algorithmus für maximales Matching Methode: Effiziente Reduktion Maximales Matching? Berechne maximales Transformation Independent f Set! Maximales Independent Set verwende Lösung
55 Beispiel: Matching (3) Beispiel Gegeben: Algorithmus für maximales Independent Set Gesucht: Algorithmus für maximales Matching Methode: Effiziente Reduktion Ist maximales Berechne maximales Maximales Matching? Matching! Transformation Independent f Set! Maximales Independent Set verwende Lösung
56 Beweisidee Gültig: Durch Widerspruch. Falls Matching ungültig, existiert Knote mit zwei anliegenden Kanten. Dann sind aber auch die entsprechenden Kantenknoten nicht independent. 1 Matching Independent Set Max. Matching Max. Independent Set Maximal: Durch Widerspruch. Falls eine weitere Kante hinzugefügt werden kann, muss ein weiterer unabhängiger Knote existieren im transformierten Graphen. Verletzt Maximalität.
57 Bemerkung Transformation ist nicht nur effizient, sondern auch lokal kann in einem verteilten System (z.b. Computer Netzwerk) lokal emuliert werden Verteilter Algorithmus für Independent Set als verteilter Algorithmus für Matching benutzbar Maximales Matching effiziente und lokale Transformation f Maximales Independent Set verwende Lösung
58 Reduktionen in Berechenbarkeitstheorie Funktion muss weder injektiv noch Formalisierung mit Fokus auf Entscheidungsprobleme: hat ein surjektiv sein: ein Element in Zielmenge Objekt eine gewünschte Eigenschaft oder nicht? kann beliebig viel mal angenommen werden! Definition: Many-One Reduktion von L 1 auf L 2 D.h. Es gibt eine TM M f Die, die Funktion f berechnet. f heisst many-one total = für Reduktion alle Wörter von definiert Sprache L 1 Σ * auf Sprache L 2 Σ * gdw.: 1. f ist berechenbar und total 2. w Σ * : w L 1 f(w) L 2 L 1 L 2 L 1 L 2 58
59 Reduktionen in Berechenbarkeitstheorie Injektiv ( linkseindeutig ): Jedes Element der Formalisierung Zielmenge höchstens Funktion mit Fokus einmal muss weder injektiv noch auf Entscheidungsprobleme: hat ein angenommen. surjektiv sein: ein Element in Zielmenge Objekt eine gewünschte Eigenschaft oder nicht? kann beliebig viel mal angenommen werden! Definition: Many-One Reduktion von L 1 auf L 2 D.h. Es gibt eine TM M f Die, die Funktion f berechnet. f heisst many-one Reduktion von Sprache total total = = für für alle alle Wörter Wörter definiert definiert L 1 Σ * auf Sprache L 2 Σ * gdw.: Surjektiv 1. f ist ( rechtstotal ): berechenbar und Jedes total Element der Zielmenge wird mindestens einmal 2. w Σ * : w L 1 angenommen. f(w) L 2 L 1 L 1 L 2 L 1 L 2 59
60 Implikationen der Reduktion Theorem: Implikationen der Reduktion Sei L 1 m L 2, dann gilt 1. L 2 E L 1 E 2. L 2 A L 1 A 3. L 2 A co L 1 A co Beweis? 60
Wie komme ich von hier zum Hauptbahnhof?
NP-Vollständigkeit Wie komme ich von hier zum Hauptbahnhof? P Wie komme ich von hier zum Hauptbahnhof? kann ich verwende für reduzieren auf Finde jemand, der den Weg kennt! Alternativ: Finde eine Stadtkarte!
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 16.07.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrBeispiel: NTM. M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) q 2
Beispiel: NTM M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) 0,1,R 0,0,R q0 1,0,R q1 #,#,R q2 0,0,L Zustand 0 1 # q 0 {(1, R, q 0 )} {(0, R, q 1 )} q 1 {(0, R, q 1 ),(0, L, q 0 )} {(1, R, q
MehrEinführung 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
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge U Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrKlausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016)
Technische Universität Berlin, Berlin, 28.07.2016 Name:... Matr.-Nr.:... Klausur: Berechenbarkeit und Komplexität (Niedermeier/Chen/Froese/Sorge, Sommersemester 2016) Einlesezeit: Bearbeitungszeit: Max.
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 WS 11/12 155 Überblick Zunächst einmal definieren wir formal den Begriff
MehrHalteproblem/Kodierung von Turing-Maschinen
Halteproblem/Kodierung von Turing-Maschinen Unser Ziel ist es nun zu zeigen, dass das sogenannte Halteproblem unentscheidbar ist. Halteproblem (informell) Eingabe: Turing-Maschine M mit Eingabe w. Frage:
MehrEinführung in Berechenbarkeit, Komplexität und Formale Sprachen
Einführung in Berechenbarkeit, Komplexität und Formale Sprachen V8, 5.11.09 Willkommen zur Vorlesung Einführung in Berechenbarkeit, Komplexität und Formale Sprachen Friedhelm Meyer auf der Heide 1 Rückblick
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik
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 139 Unentscheidbarkeit Überblick Zunächst einmal definieren wir formal
MehrUnentscheidbarkeit. 1. Wann sind Sprachen unentscheidbar? 1, A 0, A } = {
Unentscheidbarkeit 1. Wann sind Sprachen unentscheidbar? Eine Menge A heisst entscheidbar, falls die charakteristische Funktion von A, nämlich A : {0,1}, berechenbar ist, d.h. gilt: A = { 1, A 0, A } Eine
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Beispiel einer nicht berechenbaren Funktion: Busy Beaver
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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 17.November 2011 INSTITUT FÜR THEORETISCHE 0 KIT 17.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
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
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrUnentscheidbarkeit des Halteproblems: Unterprogrammtechnik
Unentscheidbarkeit des Halteproblems: Unterprogrammtechnik Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Oktober 2011 Berthold Vöcking, Informatik 1 () Vorlesung
MehrTheoretische Informatik für Wirtschaftsinformatik und Lehramt
Theoretische Informatik für Wirtschaftsinformatik und Lehramt Entscheidungsprobleme Priv.-Doz. Dr. Stefan Milius stefan.milius@fau.de Theoretische Informatik Friedrich-Alexander Universität Erlangen-Nürnberg
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
MehrWie man eine Sprache versteht
Aufzählbarkeit Formale Grundlagen der Informatik 1 Kapitel 10 Aufzählbarkeit und (Un-)Entscheidbarkeit Frank Heitmann heitmann@informatik.uni-hamburg.de 11. Mai 2015 Definition 1 Eine Menge M Σ heißt (rekursiv)
MehrEinführung in die Theoretische Informatik Tutorium IX
Einführung in die Theoretische Informatik Tutorium IX Michael R. Jung 16. & 17. 12. 2014 EThI - Tutorium IX 1 1 Entscheidbarkeit, Semi-Entscheidbarkeit und Unentscheidbarkeit 2 EThI - Tutorium IX 2 Definitionen
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge M Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
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
MehrVL-06: Unentscheidbarkeit II. (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger
VL-06: Unentscheidbarkeit II (Berechenbarkeit und Komplexität, WS 2017) Gerhard Woeginger WS 2017, RWTH BuK/WS 2017 VL-06: Unentscheidbarkeit II 1/37 Organisatorisches Nächste Vorlesung: Mittwoch, November
MehrBerechenbarkeit 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
MehrUnentscheidbarkeit des Halteproblems: Unterprogrammtechnik
Unentscheidbarkeit des Halteproblems: Unterprogrammtechnik Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Oktober 2011 Berthold Vöcking, Informatik 1 () Vorlesung
MehrBerechenbarkeit 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 7. Dezember 2006 Rekursiv vs. rekursiv
MehrTheoretische Informatik Mitschrift
Theoretische Informatik Mitschrift 9. Berechenbarkeit, Entscheidbarkeit, Aufzählbarkeit 9.1 Grundbegriffe bereits gezeigt: Spracherkennung durch Turingmaschine = Berechnung der semi-charakteristischen
MehrWir 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
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
MehrUnentscheidbare Probleme: Existenz, Diagonalsprache, Halteproblem
Unentscheidbare Probleme: Existenz, Diagonalsprache, Halteproblem Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 25. Oktober 2010 Berthold Vöcking, Informatik
MehrReduktionen. Formalisierung von Sprache A ist nicht schwerer als Sprache B.
Reduktionen Formalisierung von Sprache A ist nicht schwerer als Sprache B. Idee: Algorithmus/DTM für B kann genutzt werden, um A zu entscheiden/akzeptieren. WS 2018/19 Reduktionen 1 Zwei einfache Sprachen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 22.12.2011 INSTITUT FÜR THEORETISCHE 0 KIT 09.01.2012 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik
MehrFalls H die Eingabe verwirft, so wissen wir, dass M bei Eingabe w nicht hält. M hält im verwerfenden Haltezustand. Beweis:
1 Unentscheidbarkeit 2 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 #include char *s="include
MehrUnentscheidbare Probleme: Diagonalisierung
Unentscheidbare Probleme: Diagonalisierung Prof Dr Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Oktober 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 15. Vorlesung 14.12.2006 1 Reduktionen Unentscheidbare Probleme Das Halteproblem Das Leerheitsproblem einer Turingmaschine Ein einfaches nicht
MehrRekursive Aufzählbarkeit Die Reduktion
Rekursive Aufzählbarkeit Die Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrÜbungsblatt 1. Lorenz Leutgeb. 30. März 2015
Übungsblatt Lorenz Leutgeb 30. März 205 Aufgabe. Annahmen ohne Einschränkungen: P Σ und P Γ. Per Definitionem der Reduktion: P P 2 f : Σ Γ wobei f total und berechenbar, genau so, dass: w Σ : w P f(w)
Mehr2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017
2. Klausur zur Vorlesung Theoretische Grundlagen der Informatik Wintersemester 2016/2017 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie
MehrDer Satz von Rice. Dann ist C(S) eine unentscheidbare Menge.
Der Satz von Rice Satz: Sei R die Klasse der (Turing-) berechenbaren Funktionen, S eine nichttriviale Teilmenge von R und C(S) ={w Mw berechnet eine Funktion aus S}. Dann ist C(S) eine unentscheidbare
MehrInformatik III. Arne Vater Wintersemester 2006/ Vorlesung
Informatik III Arne Vater Wintersemester 2006/07 11. Vorlesung 30.11.2006 1 Beziehungen zwischen den Sprachen Jede reguläre Sprache ist eine kontextfreie Sprache. Jede kontextfreie Sprache ist eine entscheidbare
MehrUnentscheidbarkeit des Halteproblems, Unterprogrammtechnik
Unentscheidbarkeit des Halteproblems, Unterprogrammtechnik Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. Oktober 2009 Berthold Vöcking, Informatik 1 () Vorlesung
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
MehrDie Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice
Die Unentscheidbarkeit extensionaler Eigenschaften von Turingmaschinen: der Satz von Rice Holger Arnold Dieser Text befasst sich mit der Frage, unter welchen Bedingungen das Problem, zu bestimmen, ob die
MehrReduktion / Hilberts 10. Problem
Reduktion / Hilberts 10. Problem Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 9. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
Mehr2.5 Halteproblem und Unentscheidbarkeit
38 25 Halteproblem und Unentscheidbarkeit Der Berechenbarkeitsbegriff ist auf Funktionen zugeschnitten Wir wollen nun einen entsprechenden Begriff für Mengen einführen Definition 255 Eine Menge A Σ heißt
MehrFormale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)
Formale Grundlagen der Informatik 1 Kapitel 23 (Teil 2) Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/37 Die Klassen P und NP P := {L
MehrDie Reduktion Hilberts 10. Problem
Die Reduktion Hilberts 10. Problem Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 8. November 2010 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
Mehrabgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 Aufgabe 1: Eine schöne Bescherung (K)
Mehr1 Eine Menge M Σ heißt (rekursiv) aufzählbar genau. 2 Die Familie aller aufzählbaren Mengen wird mit RE
Aufzählbarkeit Formale Grundlagen der Informatik 1 Kapitel 9 Entscheidbarkeit und Aufzählbarkeit Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Mai 2014 Definition 1 Eine Menge M Σ heißt (rekursiv)
Mehr7. Übung TGI. Lorenz Hübschle-Schneider, Tobias Maier INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS. 1 Lorenz Hübschle-Schneider, Tobias Maier
7. Übung TGI Lorenz Hübschle-Schneider, Tobias Maier INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 Lorenz Hübschle-Schneider, Tobias Maier KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
MehrKapitel L:II. II. Aussagenlogik
Kapitel L:II II. Aussagenlogik Syntax der Aussagenlogik Semantik der Aussagenlogik Eigenschaften des Folgerungsbegriffs Äquivalenz Formeltransformation Normalformen Bedeutung der Folgerung Erfüllbarkeitsalgorithmen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 20. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 20.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
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
MehrÜbungsblatt 5. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Ausgabe 20. Dezember 2017 Abgabe 16. Januar 2018, 11:00 Uhr
MehrUniverselle Turingmaschinen
Universelle Turingmaschinen bisher: zum Erkennen einer rekursiven Sprache L wurde jeweils eine spezielle dtm M L angegeben jetzt: konstruieren feste dtm ( universelle Turingmaschine ), die als Eingabe
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:
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 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/ws13/14
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
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 Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 16.12.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
MehrSatz von Rice. Lemma 39
Unentscheidbarkeit Satz von Rice Das nächste Resultat zeigt, dass jede Eigenschaft der von einer Turing-Maschine berechneten Funktion unentscheidbar ist. Das bedeutet, es gibt keine Methode, mit der man
MehrBerechenbarkeitstheorie 14. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung
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:
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:...................................
MehrGrundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 2 Gesamtübersicht Organisatorisches; Einführung Ersetzungsverfahren:
MehrRekursions- und Lerntheorie WiSe 2010/11; Univ. Trier
Rekursions- und Lerntheorie WiSe 2010/11; Univ. Trier Henning Fernau Universität Trier fernau@uni-trier.de Rekursions- und Lerntheorie, Fernau, Universität Trier, WiSe 2010 1/17 Rekursions- und Lerntheorie
MehrWie man das Poissonsche Problem löst
Komplexitätstheorie 27.10.2004 Theorem 6 : Falls P = NP ist, dann ist auch E = NE. Padding : Technik zum übertragen von Kollapsresultaten nach oben Sei # є Σ ein neues Symbol. Für w є Σ* ist pad (w) :
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 9. Vorlesung: NP und NP-Vollständigkeit Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 10. Mai 2017 Rückblick PTime und LogSpace als mathematische Modelle
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.
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
MehrProbeklausur 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)
MehrAllgemeines Halteproblem Hilberts 10. Problem
Allgemeines Halteproblem Hilberts 10. Problem Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen November 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrReferat rekursive Mengen vs. rekursiv-aufzählbare Mengen
Kapitel 1: rekursive Mengen 1 rekursive Mengen 1.1 Definition 1.1.1 informal Eine Menge heißt rekursiv oder entscheidbar, wenn ihre charakteristische Funktion berechenbar ist. 1.1.2 formal Eine Menge A
Mehrf(x) = x f 1 (x) = x. Aufgabe 2. Welche der folgenden Funktionen sind injektiv, surjektiv, bijektiv?
Umkehrfunktionen Aufgabe 1. Sei A = {1, 2, 3, 4}. Definieren Sie eine bijektive Funktion f A A und geben Sie ihre Umkehrfunktion f 1 an. Lösung von Aufgabe 1. Zum Beispiel f, f 1 A A mit f(x) = x f 1 (x)
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik 0 KIT 17.05.2010 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik nationales Forschungszentrum Vorlesung in am
MehrStatt Turingmaschinen anzugeben, genügt die Angabe eines C++ Programms oder die Angabe eines Pseudocodes.
Turingmaschinen Wir haben Turingmaschinen eingeführt. Bis auf einen polynomiellen Anstieg der Rechenzeit haben Turingmaschinen die Rechenkraft von parallelen Supercomputern! Statt Turingmaschinen anzugeben,
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Turingmaschinen und rekursiv aufzählbare Sprachen (V) 7.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
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
MehrBerechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Vorlesung SS 2013 1. Einführung I. Berechenbarkeitsbegriff, typische Fragen: wann ist eine Funktion berechenbar? wie lässt sich der intuitive Berechenbarkeitsbegriff formal
MehrKapitel 4: Komplexitätstheorie Gliederung
Gliederung 0. Motivation und Einordnung 1. Endliche Automaten 2. Formale Sprachen 3. Berechnungstheorie 4. Komplexitätstheorie 4.1. Motivation und Grundbegriffe 4.2. Die Komplexitätsklassen P und NP 4.3.
MehrEinführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.
Einführung (1/3) 3 Wir verfolgen nun das Ziel, Komplexitätsklassen mit Hilfe von charakteristischen Problemen zu beschreiben und zu strukturieren Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit
MehrPROBEKLAUSUR SoSe 2016
Die Anzahl der Aufgaben, das Punkteschema, die Themenschwerpunkte, etc. können sich in der echten Klausur unterscheiden! Universität Osnabrück/ FB6 / Theoretische Informatik Prof. Chimani, Beyer Informatik
MehrTheoretische Informatik und Logik Übungsblatt 1 (2016S) Lösung
Theoretische Informatik und Logik Übungsblatt (26S) en Aufgabe. Sei L = {w#w r w {, } }. Geben Sie eine deterministische Turingmaschine M an, welche die Sprache L akzeptiert. Wählen Sie mindestens einen
MehrUnentscheidbarkeit. Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: Komplexitätstheorie und effiziente Algorithmen
Vorlesung Berechenbarkeit und Komplexität alias Theoretische Informatik: und effiziente Algorithmen Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Henning Kerstan & Jan Stückrath Worum geht
MehrAusgewählte 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
MehrAbbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z}
u v u v z w z w y x y x Abbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z} Definition 0.0.1 (Vertex Cover (VC)). Gegeben: Ein ungerichteter
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
MehrTheorie der Informatik
Theorie der Informatik 15. Ackermannfunktion Malte Helmert Gabriele Röger Universität Basel 28. April 2014 Überblick: Vorlesung Vorlesungsteile I. Logik II. Automatentheorie und formale Sprachen III. Berechenbarkeitstheorie
MehrTHEORETISCHE INFORMATIK UND LOGIK
THEORETISCHE INFORMATIK UND LOGIK 4. Vorlesung: Das Halteproblem und Reduktionen Markus Krötzsch Lehrstuhl Wissensbasierte Systeme TU Dresden, 19. April 2017 Ankündigung Wegen großer Nachfrage wird eine
MehrKAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN
KAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN F. VALLENTIN, A. GUNDERT 1. Definitionen Notation 1.1. Ähnlich wie im vorangegangenen Kapitel zunächst etwas Notation. Wir beschäftigen uns jetzt mit ungerichteten
MehrLösung zur Klausur. Grundlagen der Theoretischen Informatik im WiSe 2003/2004
Lösung zur Klausur Grundlagen der Theoretischen Informatik im WiSe 2003/2004 1. Geben Sie einen deterministischen endlichen Automaten an, der die Sprache aller Wörter über dem Alphabet {0, 1} akzeptiert,
Mehr