Theoretische Informatik II. Vorlesungsnotizen
|
|
- Joseph Arnold
- vor 6 Jahren
- Abrufe
Transkript
1 Theoretische Informatik II Vorlesungsnotizen
2 Inhaltsverzeichnis Einführung 3 Motivation 4 Literatur 6 I. Fixpunkttheorie & Datenflussanalyse 9 1. Verbände, Fixpunkte und die Sätze von Knaster und Tarski & Kleene Datenflussanalyse 20 II. Entscheidbarkeit & Berechenbarkeit Turing-Maschinen & Entscheidbarkeit Berechenbarkeit Unentscheidbarkeit, universelle Turing-Maschine, Halteproblem & Reduktionen Das Postsche Korrespondenzproblem & der Satz von Rice Unentscheidbare Probleme kontextfreier Sprachen 95 III. Komplexitätstheorie Zeit- und Platzkomplexität Eine Landkarte der Komplexitätstheorie L und NL conl & der Satz von Immerman und Szelepcsényi P NP 142 Referenzen 143
3 Einführung Vorwort
4 Motivation endliche Automaten Pushdown-Automaten beschränkte Computer bzw. Programme Berechnungsmächtigkeit Turing-Maschinen Entscheidbarkeit und Berechenbarkeit nicht-entscheidbare nicht-berechenbare Church-Turing-These
5 Datenflussanalyse Verbände und Fixpunkte effizient Komplexitätstheorie
6 Literatur
7 Principles of Program Analysis. Data Flow Analysis Theory and Practice. Übersetzerbau Analyse und Transformation. Ordnungen, Verbände und Relationen mit Anwendungen. General Lattice Theory. Lattice Theory. Theoretische Informatik kurzgefasst.
8 Einführung in die Automatentheorie, Formale Sprachen und Komplexitätstheorie. Formale Grundlagen der Programmierung. Introduction to the Theory of Computation. Complexity Theory. Automata and Computability. Computational Complexity.
9 Teil I. Fixpunkttheorie & Datenflussanalyse
10 1. Verbände, Fixpunkte und die Sätze von Knaster und Tarski & Kleene A) Partielle Ordnungen & Verbände N 1.1 Beispiel: Teilmengen von & Teiler von Definition: Partielle Ordnung partielle Ordnung Reflexivität Transitivität Antisymmetrie gerichtete Graphen
11 1.3 Beispiel: Teiler von 12 Hasse-Diagramm 1.4 Definition: Join und Meet obere Schranke kleinste obere Schranke Join Supremum untere Schranke größte untere Schranke Meet Infimum
12 1.5 Beispiel 1.6 Definition: Verband Verband vollständig 1.7 Beispiel 1.8 Lemma Bottom Top
13 B) Monotone Funktionen & der Satz von Knaster und Tarski 1.9 Definition: Monotone Funktionen und Fixpunkte monoton Fixpunkt Pre-Fixpunkt Post-Fixpunkt 1.10 Beispiel 1.11 Theorem: Knaster und Tarski, 1955 kleinsten größten
14 Beweis: l l l l l l l l l l l l l l l l l l l l l l l l l C) Ketten & der Satz von Kleene 1.12 Definition: Kette Kette
15 N aufsteigende Kette N N absteigende Kette N N stationär N endliche Höhe beschränkte Höhe N 1.13 Beispiel N 1.14 Definition: Kettenbedingung aufsteigende Kettenbedingung (ACC)... artinsch absteigende Kettenbedingung (DCC)... noethersch
16 1.15 Lemma 1.16 Definition: Stetigkeit -stetig ( ) { } -stetig ( ) { } 1.17 Theorem: Monotonie impliziert Stetigkeit Beweis: ( ) ( ) ( ) " " ( ) ( ) " "
17 ( ) 1.18 Lemma ( ) N ( ) Beweis: N IA: IV: IS: 1.19 Theorem: Kleene { } N { } N
18 Beweis: { } Zeige: N ( { }) N { } N { } N Zeige: { } N { N N } N IA: IV: IV: ( ) N { } N
19 1.20 Theorem { } N N { } N N Beweis:
20 2. Datenflussanalyse Ziel: statisch Ansatz: A) While-Programme 2.1 Definition: Syntax beschrifteter While-Programme Syntax von beschrifteten While-Programmen l l l l l Z B { } Blöcke Kontrollflussgraphen Blöcke extremalen Blöcken Flussrelation
21 c = [z := 1] ; while [x > 0] do [z := z+y] ; [x := x-1] endwhile skip B) Monotone Frameworks 2.2 Definition: Datenflusssystem Datenflusssystem Kontrollflussgraph vollständiger Verband Anfangswert
22 { } Transferfunktionen monoton 2.3 Bemerkung Gleichungssystem { ( ) ( ) }... Lösung von S { ( ) ( ) } Theorem Bemerkung
23 2.6 Bemerkung 2.7 Beispiel c = [y := 1] ; while [y >0] do [y := 2] ; endwhile ( ( P ({ } )) { }) P ({ }) P ({ }) { } { } { } }{{ } { } }{{ } }{{} { } { }
24 C) Beispiele für Datenflussanalysen Klassifikation von Datenflussanalysen Richtung der Analyse: Approximation der Information Berücksichtigung von Prozeduren main Inlining
25 Berücksichtigung des Kontrollflusses: Instanz Reaching-Definitions Available-Expr. Live-Var. Busy-Expr. Richtung Approx. P ( ) P ( ) P ( ) P ( ) { } Anfangsw. Transferf.
26 D) Beispiel 1: Reaching-Definitions-Analyse Ziel: Klassifikation: Idee: Anwendungen: Use-Definition-Chains Code-Motion-Optimierungen 2.8 Beispiel ( { }) P ( )
27 { } P ( ) P ( ) { } { } { } [x:=5] ; [y:=1] ; while [x > 1] do [y:=xy] ; [x:=x-1] ; endwhile
28 { } { } { } { } { } { } { } { } { } { } { } { } }{{} { } }{{} { } }{{} { } }{{} { } P ( ) P ( ) P ( ) { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { }
29 { } { } { } { } { } E) Beispiel 2: Available-Expressions-Analyse Ziel: Klassifikation: Idee: Anwendungen: 2.9 Beispiel ( { })
30 P ( ) P ( ) P ( ) { } { }
31 [x:=a+b] ; [y:=ab] ; while [y > a+b] do [a:=a+1] ; [x:=a+b] ; endwhile { } { } { } { } { } { } { } { } { } { } }{{} { } }{{} { } { } }{{}}{{} { } { } P ( ) P ( ) P ( )
32 { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } Bemerkung P ( ) P ( ) F) Beispiel 3: Live-Variables-Analyse Definition: lebendig Ziel: Klassifikation:
33 Idee: Anwendungen: Register-Allocation Dead-Code-Elimination 2.10 Beispiel ( { }) gegen P ( )
34 P ( ) P ( ) { } [x:=2] ; [y:=4] ; [x:=1] ; if [y>0] then [z:=x] else [z:=yy] ; endif; [x:=z] ;
35 { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } }{{} { } { } }{{} { } { } { } { } { } }{{} P ( ) P ( ) P ( ) { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { }
36 { } { } { } { } G) Beispiel 4: Very-Busy-Expressions-Analyse Definition: very busy Ziel: Klassifikation: Idee:
37 Anwendungen: Hoisting-Expressions: 2.11 Beispiel ( { }) P ( )
38 P ( ) P ( ) { } if [a>b] then [x:=b-a] ; [y:=a-b] else [y:=b-a] ; [x:=a-b] endif { } { } { } { } { } { } { } { }
39 { } }{{} { } }{{} { } }{{} { } }{{} P ( ) P ( ) P ( ) { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } { } Bemerkung P ( ) P ( )
40 Teil II. Entscheidbarkeit & Berechenbarkeit
41 3. Turing-Maschinen & Entscheidbarkeit A) Entscheidungsprobleme Entscheidungsprobleme I I I I I entscheiden I Entscheidungsproblem zu I I I Gegeben: I Entscheide: I Wort-Probleme Σ L Σ L Wortproblem zu L Gegeben: Σ Entscheide: L I Σ ( }{{} L Σ L ) }{{} I I L L Σ Σ { } L Σ
42
43 B) Turing-Maschinen Alan Turing Church-Turing-These Alonzo Church 3.1 Definition (deterministische) Turing-Maschine, kurz DTM oder nur TM Σ Γ δ Kontrollzuständen Start- oder Initialzustand akzeptiertende Zustand
44 abweisende Zustand Haltezustände Σ Eingabealphabet Γ Bandalphabet Σ Γ Γ (linke) Endmarker Γ Leerzeichen Blank Σ Σ δ δ Γ Γ { } δ Γ { } δ δ N Γ Γ N
45 δ δ Γ Γ δ
46 3.2 Definition Σ Γ δ Konfiguration Γ Γ... ω δ Transitionsrelation δ δ Γ Γ δ Startkonfiguration Eingabe Σ ε akzeptierend abweisend haltend { } Berechnung Σ ε...
47 ... akzeptierend N abweisend haltend... akzeptiert Eingabe Σ L ( ) L ( ) { Σ } { Σ ε } 3.3 Definition L Σ semi-entscheidbar rekursiv aufzählbar (Turing) erkennbar Σ Γ δ L L ( )
48 Zur 1. Frage: 3.4 Theorem Σ Σ Beweis: Σ Σ Behauptung: Σ P ( N ) { N } Σ Σ N Σ }.{{.. } Σ N Σ P ( Σ ) { L L Σ } N P ( N ) P ( Σ ) { }
49 P ( N ) P ( Σ ) P ( N ) P ( Σ ) R Behauptung: Σ Γ δ { }... Γ Σ {... } Σ δ Cantor sche Diagonalverfahren Q
50 N... L ( ) ( ) ( ) L L... L ( ) ( ) L Konklusion: Zur 2. Frage: C) Entscheidbarkeit Semi-Entscheider
51 L ( ) L ( ) L ( ) L ( ) Σ L ( ) L ( ) 3.5 Definition haltend total Entscheider 3.6 Definition L Σ entscheidbar rekursiv L L ( ) 3.7 Bemerkung totale
52 Σ { } B { } totale Funktion χ L ( ) L ( ) χ ( ) L Σ { } B { } { L ( ) L ( ) Totalitätsproblem Totalitätsproblem Gegeben: Entscheide: Σ Σ
53 Zur 3. Frage: robust D) Varianten von Turing-Maschinen Turing-Maschinen mit beidseitig unendlichem Band 3.8 Definition beidseitig unendlichem Band Theorem L ( ) ( ) L Beweis: 3.10 Korollar 3.11 Bemerkung effizient
54 Mehr-Band-Turing-Maschinen 3.12 Definition N δ Γ Γ { } Theorem: Bandreduktion L ( ) ( ) L Beweis: Γ ( Γ { }) Σ { } Γ l Γ l l { } l l
55 Γ 3.14 Korollar Alphabetsreduktion { } 3.15 Theorem: Alphabetsreduktion Σ Γ δ Γ { } { } { } δ L ( ) Σ L ( ) { }
56 Beweisskizze: Γ Γ E) Nichtdeterminismus L { { } }
57 3.16 Definition δ δ Γ P ( Γ { }) δ δ δ L ( ) { Σ ε } L ( )
58 3.17 Definition Σ Berechnungsbaum ε { } δ 3.18 Theorem L ( ) ( ) L { } { } { }
59 Beweis des Theorems: δ Γ {... } l l {... } {... } {... } {... }
60 ε {... } {... } L ( ) ( ) L
61 L ( ) L ( ) L ( ) 3.19 Korollar 3.20 Bemerkung N N 3.21 Bemerkung
62
63 4. Berechenbarkeit Berechnungsproblemen Berechnungsproblem zu Funktion Gegeben: Berechne: Σ Σ Σ Σ Σ Σ Σ Σ berechenbar µ λ Σ Σ Σ Σ Σ berechenbar Σ
64 4.1 Beispiel Σ Σ Σ Σ Σ while true do skip end while 4.2 Beispiel { } { } effektiv berechenbar effektiv entscheidbar 4.3 Definition Σ Σ (Turing-)berechenbar Σ Γ δ Σ Ausgabeband... Σ Γ Σ Σ
65 read-only δ δ... δ Γ... Γ... { } write-only... Γ δ... δ Γ... { } 4.4 Bemerkung Σ Σ berechenbar N N
66 { } { } { N { } 4.5 Beispiel π N N π π π π π π R 4.6 Theorem Σ Σ Σ Σ Beweis: N N N N...
67 ... N N... N 4.7 Beispiel Diagonalisierung 4.8 Theorem L Σ rekursiv aufzählbar L N Σ L {... } { } N
68 L aufzählt Beweis: L N Σ L Eingabe: Σ for... do end for Σ L L L L L L L ( ) N L L Σ... Σ... N Σ Σ...
69 A for... do for... do if then end if end for end for Gebe aus N... A L { } A L A
70 Eingabe: N for... do for... do if then if then Gebe aus Akzeptiere end if end if end for end for 4.9 Definition L Σ χ L L χ L Σ { } { L χ L L χ L { } Σ { L 4.10 Theorem L χ L L χ L Beweis: L χ L χ L
71 4.11 Korollar L Σ L L ( ) L L L N L χ L L Σ Σ 4.12 Bemerkung: Aufzählbarkeit vs. Abzählbarkeit abzählbar N N Abzählung L Σ Σ Σ N Z Q L Σ Σ Σ { } N { } ε
72 L Σ L (rekursiv) aufzählbar Σ L Σ
73 5. Unentscheidbarkeit, universelle Turing-Maschine, Halteproblem & Reduktionen kodieren universellen Turing- Maschine allgemeine und das spezielle Halteproblem Reduktionen A) Kodierungen von Turing-Maschinen { }
74 5.1 Definition: Kodierung von Turing-Maschinen Σ Γ δ {... } Γ {... } Σ { }... δ δ δ ( ) ( ) ( ) ( ) { } ( ) ( ) δ δ Π { } { } { } 5.2 Bemerkung
75 5.3 Bemerkung Gödelnummer Gödelisierung Kurt Gödel 5.4 Bemerkung Σ L ( ) L ( ) Σ { } { } { } ({ } { } { } ) δ δ δ { } { } L ( ) 5.5 Definition { } 5.6 Bemerkung { }
76 5.7 Bemerkung Σ { } Σ { } l {... } ( ) ( )... ( l ) { } { } { } { } 5.8 Bemerkung B) Die universelle Turing-Maschine Akzeptanzproblem Gegeben: Entscheide: L ( )
77 L { { } { } L ( )} L simulieren universell 5.9 Theorem: Turing 1936 universelle Turing-Maschine (UTM) L ( ) { L ( )} 5.10 Bemerkung: Einfluss der universellen Turing-Maschine auf die Entwicklung des Computers Interpreter Turing-vollständig Computer John von Neumann von-neumann-architektur
78 Beweisskizze für Theorem 5.9: { } Programmband L ( ) Datenband { } { } Zustandsband ( ) 5.11 Bemerkung
79 C) Das Halteproblem Halteproblem (Allgemeines) Halteproblem Gegeben: Entscheide: { { } } { } 5.12 Theorem: Turing Lemma Beweis: L ( ) 5.14 Proposition Beweis: L ( )
80 Fall 1: hält auf : L ( ) Fall 2: hält nicht auf : L ( ) 5.15 Bemerkung... { } N 5.16 Bemerkung
81 spezielle Halteproblem Spezielles Halteproblem Gegeben: Entscheide: 5.17 Korollar { { } } D) Reduktionen Reduktionen 5.18 Definition Σ Σ (many-one-)reduzierbar Σ Σ Σ
82 (Many-One-)Reduktion 5.19 Lemma Beweis: 5.20 Korollar Beweis: 5.21 Bemerkung χ χ χ
83 5.22 Bemerkung Halten auf leerem Eingabeband ε Gegeben: Entscheide: ε ε { { } ε } ε ε 5.23 Lemma ε Beweis: ε { } { }
84 ε 5.24 Theorem allgemeine Akzeptanzproblem { { } { } L ( )} Selbstakzeptanzproblem spezielle Akzeptanzproblem { { } L ( )} Leeres-Wort-Akzeptanzproblem ε { { } ε L ( )} Beweis: ε ε ε ε
85
86 6. Das Postsche Korrespondenzproblem & der Satz von Rice Postschen Korrespondenzproblems (PCP) Satz von Rice A) Das Postsche Korrespondenzproblem (PCP) 6.1 Definition Postsche Korrespondenzproblem (PCP Post s correspondence problem) Postsches Korrespondenzproblem Gegeben:... Entscheide:
87 6.2 Beispiel }{{ } }{{ } }{{ } 6.3 Theorem: Post 1946 Modifiziertes Postsches Korrespondenzproblem Gegeben: Entscheide: Lemma
88 Beweis:... Σ Σ... Σ... ` ` ` `... ` {... } {... }...
89 6.5 Proposition Beweis: Σ Γ δ... Σ ε Γ { }... l l l l
90 {}}{ {}}{{}}{{}}{{}}{... }... {{ } }{{}}{{}... }{{} }{{} Γ { } δ δ Γ δ δ Γ Γ
91 ... {.}}.. {... }.{{.. } { } 6.6 Bemerkung N B) Der Satz von Rice Satz von Rice 6.7 Definition Σ Σ Σ L L ( ) L Eigenschaft Σ Σ { } B { } L Σ L trivial L Σ L Σ nicht-trivial
92 L L L L L L L L L ( ) { { } L ( ) } L L ( ) L ( ) ( ) L L L ( ) L 6.8 Beispiel L L ( ) L L ( ) L L ( ) L L ( ) L L Σ
93 L ( ) ( ) L 6.9 Theorem: Rice 1953 Beweis: Σ L L L ( ) L { { } L ( ) } L
94 1. Fall: ( ) L L ( ) L L 2. Fall: ( ) L ( ) L L ( ) L ( ) L ( ( )) L L ( ( )) L monoton L L Σ L L L L nicht-monoton L L L 6.10 Theorem: Rice 1956
95 7. Unentscheidbare Probleme kontextfreier Sprachen L L L ( ) 7.1 Theorem L ( ) ( ) L ( ) ( ) L L L ( ) ( ) L L ( ) ( ) L L ( ) ( ) L Beweis:... { } {... }...
96 L ( ) { {... } }... L ( ) { { } {... } }... L ( ) L ( ) L ( ) L ( )
97 L ( ) ( ) L L ( ) ( ) L L ( ) ( ) L L ( ) ( ) ( ) ( ) L L L L ( ) ( ) { } L... L ( ) L ( ) ( ) ( ) ( ) L L L L ( ) ( ) ( ) L L L ( ) L ( ) L ( ) ( ) L L ( ) }{{} L ( )
98 7.2 Bemerkung L ( ) ( ) L 7.3 Bemerkung L ( ) L ( ) L ( ) L ( ) L ( )
99 Teil III. Komplexitätstheorie
100 8. Zeit- und Platzkomplexität Zeit- Platzverbrauch grundlegenden Komplexitätsklassen robusten Komplexitätsklassen 8.1 Bemerkung A) Zeitkomplexität Zeitverbrauch ( ) ( ) Zeitkomplexitätsklassen 8.2 Definition: Zeitverbrauch Σ Zeitverbrauch { }... N
101 N Zeitkomplexität von { } N N -zeitbeschränkt N N N 8.3 Definition: Grundlegende Zeitkomplexitätsklassen N N ( ) { L ( ) } ( ) { L ( ) } 8.4 Bemerkung ( ) ( ) ( ) ( ) N N ( ) ( ) ( O ( )) ( ) ( ) ( ) 8.5 Bemerkung N N B) Platzkomplexität
102 read-only Arbeitsbänder 8.6 Definition: Platzverbrauch Σ Platzverbrauch von in Konfiguration { } Platzverbrauch von zu Eingabe { } N Platzkomplexität von { } N N -platzbeschränkt N
103 8.7 Definition: Grundlegende Platzkomplexitätsklassen N N ( ) { L ( ) } ( ) { L ( ) } 8.8 Lemma N N ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 8.9 Beispiel L { { } } L ( O ( )) L L
104 L C) Die robusten Komplexitätsklassen 8.10 Definition robusten Komplexitätsklassen ( O ( )) ( O ( )) ( ( O )) N ( ( O )) N ( O ( )) N ( O ( )) N ) ( ( O ) N ) ( ( O ) N ) ( ( O ) N ) ( ( O ) N ( ( L O ))
105 8.11 Bemerkung N ( L L O ( ) ) elementaren N effizient lösbaren 8.12 Lemma N N N ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Beweis:
106 8.13 Korollar ( ( O )) N N ( )) ( O N D) Komplementklassen L Σ L Σ L 8.14 Definition C Komplementklasse C C { L } L C C C C C
107 8.15 Beispiel { { } } ( ( O )) ( ( )) O { } { } { } { } { { } } ( O ( )) ( O ( )) 8.16 Lemma N N N ( ) ( ) ( ) ( ) Beweis: 8.17 Korollar
108 E) Grundlegende Relationen zwischen den Komplexitätsklassen 8.18 Lemma N N ( ) ( ) ( ) ( ) Beweis: 8.19 Korollar
109 9. Eine Landkarte der Komplexitätstheorie Satz von Savitch ( ) ( ) Satz von Immerman und Szelepcsényi
110 Hierarchie-Resultate für Zeit und Platz
111 10. L und NL A) Probleme in L: Arithmetik Addition Gegeben: l Entscheide: l Multiplikation Gegeben: l Entscheide: l { l ( ) ( ) ( l ) } { l ( ) ( ) ( l ) } 10.1 Lemma
112 B) Das Pfadproblem in NL Pfadexistenz Gegeben: Entscheide: {... } ( ) { }
113 10.2 Lemma Beweis: einfachen while do {... } if then else end if end while return if then return end if return
114 {... } {... } C) Reduktionen und Vollständigkeit -hart -schwer -vollständig
115 10.3 Definition Σ -many-one-reduzierbar Σ Σ Σ Σ Reduktion 10.4 Definition C C-schwer bezüglich -many-one Reduktionen C-hart bezüglich -many-one Reduktionen C C C C-vollständig bezüglich -many-one Reduktionen C C C C C obere Schranke C C untere Schranke C C C C abgeschlossen unter -Many-One- Reduktionen
116 transitive C C 10.5 Bemerkung 10.6 Definition N N N N N N 10.7 Definition Σ Σ logspace-berechenbar Σ Σ O ( ) Σ Σ in Polynomialzeit berechenbar
117 Σ Σ ( O ) 10.8 Definition Σ logspace-(many-one-)reduzierbar Σ Σ logspace-(many-one-)reduzierbar Σ Σ Σ Σ Σ in Polynomialzeit reduzierbar (many-one-)reduzierbar polynomiell reduzierbar Σ 10.9 Bemerkung
118 10.10 Lemma Σ Σ Σ Σ Σ Σ Beweis: Σ Idee: Problem: Lösung: Behauptung: ist höchstens polynomiell groß
119 Γ Γ Γ }{{}}{{}}{{} }{{ } Γ Γ Γ ( ) Γ ( ) Γ ( O ) Behauptung: Für jede Zahl ist die Stelle logspace-berechenbar
120 Beweis der eigentlichen Aussage ( O ) ( ) O O ( ) O ( ) Lemma Σ L Σ L { } { } { } L Σ L L Σ { } Beweis: Lemma
121 10.13 Lemma D) PATH ist NL-vollständig Theorem Beweis: L O ( ) L L ( ) L
122 O ( ) O ( )
123 O ( ) Korollar azyklische... Pfadexistenz in azyklischen Graphen Gegeben: Entscheide: Lemma
124 11. conl & der Satz von Immerman und Szelepcsényi 11.1 Lemma C L C L C L C Beweis: Nicht-Existenz von Pfaden Gegeben: Entscheide: 11.2 Korollar 11.3 Bemerkung
125 A) 2SAT... Literal Klausel... aussagenlogische Formel in konjunktiver Normalform (CNF)... Erfüllbarkeit von aussagenlogischen Formeln in CNF Gegeben: Entscheide: φ φ Erfüllbarkeit von aussagenlogischen Formeln in -CNF Gegeben: Entscheide: φ φ 11.4 Theorem
126 11.5 Lemma { } α β β α α β α α α { } { } 11.6 Beispiel { } { }
127 11.7 Lemma Beweis: φ φ φ φ φ φ ( φ φ ) φ φ φ
128 φ while do for do φ end for for do φ end for end while φ 11.8 Beispiel
129 Beweis: Eingabe: Ausgabe: for do if then return end if end for return 11.9 Lemma Beweis: { }
130 B) Der Satz von Immerman und Szelepcsényi induktive Zählen Theorem: Immerman and Szelepcsényi, 1987 N ( ) ( ) Korollar Theorem
131 Schritt 1: Nicht-Erreichbarkeit unter Verwendung von { } Algorithmus: unreach unreach(g,s,t) for do if then if then return end if if then return end if end if end for if then return
132 else return end if Lemma Beweis: Schritt 2: Induktives Zählen { } induktiv
133
134 11.15 Algorithmus: #reach # reach(g,s) for... do for do for do if then if then return end if if then end if end if end for if then return end if end for end for return Lemma {... } Beweis:
135 Finaler Algorithmus Algorithmus: Algorithmus für nopath(g,s,t) return Lemma Beweis: Bemerkung
136 12. P Das Circuit Value Problem 12.1 Definition Boolescher Schaltkreis (Circuit) N 12.2 Beispiel
137
138 Circuit Value Problem Gegeben:... l Entscheide: l 12.3 Beispiel 12.4 Theorem: Ladner Lemma Beweis: O ( )
139 12.6 Lemma Beweis: δ δ... lokal Konstruktion:
140 { }... { }... { } { }... ( ) δ }{{}}{{} ( ) δ }{{} ( ) δ }{{}
141
142 13. NP
143 Referenzen IEEE Ann. Hist. Comput. Theoretical Computer Science Theoretical Computer Science
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
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
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
Mehr11. 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
MehrStefan 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
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
MehrTheoretische Informatik
Theoretische Informatik Lektion 10: Entscheidbarkeit Kurt-Ulrich Witt Wintersemester 2013/14 Kurt-Ulrich Witt Theoretische Informatik Lektion 10 1/15 Inhaltsverzeichnis Kurt-Ulrich Witt Theoretische Informatik
MehrEinführung 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...................................
MehrBerechenbarkeit 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
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
MehrWir 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
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
Mehr2.4 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
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
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
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
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
MehrTuring-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
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
MehrReduktionen. 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
MehrTheoretische 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:................................
MehrReduzierbarkeit und das Post'sche Korrespondenzproblem
Reduzierbarkeit und das Post'sche Korrespondenzproblem Agenda Motivation Reduzierbarkeit Definition Bedeutung Post'sches Korrespondenzproblem (PKP) Modifiziertes Post'sches Korrespondenzproblem (MPKP)
MehrTheoretische 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
MehrEinführung 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:
MehrGrundlagen 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
MehrBerechenbarkeitsmodelle
Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben
MehrTuring-Maschine. Berechenbarkeit und Komplexität Turing-Maschinen. Turing-Maschine. Beispiel
Berechenbarkeit und Komplexität Turing-Maschinen Wolfgang Schreiner Wolfgang.Schreiner@risc.jku.at Research Institute for Symbolic Computation (RISC) Johannes Kepler University, Linz, Austria http://www.risc.jku.at
MehrEinführung. 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
MehrKapitel: 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
MehrVorlesung 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
MehrDie 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
MehrKomplexität des Äquivalenzproblems für reguläre Ausdrücke
Philipp Zschoche philipp.zschoche@uni-oldenburg.de Proseminar ÄRA: Äquivalenz regulärer Ausdrücke Sommersemester 2014 Modulverantwortlich: Dr. Hans Fleischhack, Prof. Dr. Eike Best Carl von Ossietzky Universität
MehrFormale Sprachen. Grammatiken und die Chomsky-Hierarchie. Rudolf FREUND, Marian KOGLER
Formale Sprachen Grammatiken und die Chomsky-Hierarchie Rudolf FREUND, Marian KOGLER Grammatiken Das fundamentale Modell zur Beschreibung von formalen Sprachen durch Erzeugungsmechanismen sind Grammatiken.
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
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.
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
MehrFormale 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
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)
MehrTheoretische 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
MehrInformatik II. Registermaschinen. Registermaschinen. Registermaschinen. Rainer Schrader. 7. Dezember 2005
Informatik II Rainer Schrader Zentrum für Angewandte Informatik Köln 7. Dezember 25 / 82 2 / 82 Gliederung Aufbau und Eigenschaften universelle RAM s RAM-Berechenbarkeit Nichtentscheidbarkeit Reduzierbarkeit
MehrFormale Sprachen und Automaten
Turingmaschinen Formale Sprachen und Automaten Das Konzept der Turingmaschine wurde von dem Englischen Mathematiker Alan M. Turing (1912-1954) ersonnen. Turingmaschinen, Typ-0- und Typ-1-Grammatiken Der
MehrHerzlich 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
MehrUniversität 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
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2011/12 Die Registermaschine (random access machine, RAM) 0 I 0 1 I 1 2 I 2 m I m Programm
MehrLemma Für jede monotone Grammatik G gibt es eine kontextsensitive
Lemma Für jede monotone Grammatik G gibt es eine kontextsensitive Grammatik G mit L(G) = L(G ). Beweis im Beispiel (2.): G = (V,Σ, P, S) : P = {S asbc, S abc, CB BC, ab ab, bb bb, bc bc, cc cc}. (i) G
MehrGrammatik konstruieren, Beispiel Ausdrücke der Aussagenlogik in zwei Prädikaten p und q und den Verknüpfungsoperationen. Produktionsregeln:
Prüfungszusammenfassung Mathe 2 Begriffe DEA (Deterministischer endlicher Automat; DFA) NEA (Nichtdeterministischer endlicher Automat; NFA) regulär Ohne Mehrdeutigkeiten: Darf nicht vom gleichen Zustand
MehrKurseinheit 1 Einleitung, Rekursive und rekursiv-aufzählbare Mengen
Kurseinheit 1 Einleitung, Rekursive und rekursiv-aufzählbare Mengen Fragen 1. Erkläre die Begriffe: Potenzmenge, partielle Funktion, Vorbereich, Nachbereich, Graph, Inverse, Definitionsbereich, Bildbereich,
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
MehrMusterlösung 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
MehrGrundlagen 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
MehrFormale Sprachen und Automaten
Avant Propos Formale Sprachen und Automaten Sie [die Theorie der formalen Sprachen] ist ein Musterbeispiel einer informatischen Theorie, weil es ihr gelingt, einen großen Bestand an Einsichten und Zusammenhängen
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrTheoretische Informatik I (Grundzüge der Informatik I)
Theoretische Informatik I (Grundzüge der Informatik I) Literatur: Buch zur Vorlesung: Uwe Schöning, Theoretische Informatik - kurzgefasst. Spektrum Akademischer Verlag, Heidelberg/Berlin, 4. Auflage, 2001.
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrLogSpace. 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
MehrAlgorithmen 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
MehrTheoretische Informatik 2
Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Entscheidbare und semi-entscheidbare Sprachen Definition Eine NTM M hält bei Eingabe x, falls
MehrTheoretische Informatik Testvorbereitung Moritz Resl
Theoretische Informatik Testvorbereitung Moritz Resl Bestandteile einer Programmiersprache: a) Syntax (Form): durch kontextfreie Grammatik beschrieben b) Semantik (Bedeutung) 1.) Kontextfreie Sprachen
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Turing-Maschine, Berechenbarkeit INSTITUT FÜR THEORETISCHE 0 KIT 07.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen
MehrEinführung in Approximative Algorithmen und Parametrisierte Komplexität
Einführung in Approximative Algorithmen und Parametrisierte Komplexität Tobias Lieber 10. Dezember 2010 1 / 16 Grundlegendes Approximationsalgorithmen Parametrisierte Komplexität 2 / 16 Grundlegendes Definition
MehrWie 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
MehrFormale 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
Mehr(Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie
(Prüfungs-)Aufgaben zur Berechenbarkeits- und Komplexitätstheorie 1) Schreiben Sie ein LOOP-Programm, das die Funktion f: N \ {0} N, f (n) = n n berechnet. Sie dürfen in Ihrem Programm die Multiplikation
Mehra n b n c n ist kontextsensitiv kontextfreie Sprachen (Typ 2) Abschnitt 3.3 kontextfreie Sprachen: Abschlusseigenschaften Chomsky NF und binäre Bäume
Kap 3: Grammatiken Chomsky-Hierarchie 32 Kap 3: Grammatiken Kontextfreie 33 a n b n c n ist kontextsensiti Beispiel 3111 modifizieren: Σ = {a, b, c G = (Σ, V, P, X ) V = {X, Y, Z P : X ε X axyz ZY YZ ay
MehrLogik 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
MehrResolutionsalgorithmus
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:
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie
MehrDeterministischer 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,
MehrDie Church-Turing-These
Die Church-Turing-These Elmar Eder () Die Church-Turing-These 1 / 12 Formale Systeme Formale Systeme µ-partiellrekursive Funktionen Logikkalküle SLD-Resolution (Prolog) Chomsky-Grammatiken Turing-Maschinen
MehrMusterlösung 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
MehrSprachen und Programmiersprachen
Sprachen und Programmiersprachen Natürliche Sprachen versus Programmiersprachen / Spezifikationssprachen Syntax legt die grammatikalische Korrektheit fest. Semantik legt die Bedeutung von syntaktisch korrekten
MehrTheorie 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
MehrTheoretische 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:
MehrZusammenfassung Grundzüge der Informatik 4
Zusammenfassung Grundzüge der Informatik 4 Sommersemester 04 Thorsten Wink 21. September 2004 Version 1.2 Dieses Dokument wurde in L A TEX 2εgeschrieben. Stand: 21. September 2004 Inhaltsverzeichnis 1
MehrVorlesung Datenbanktheorie. Church-Rosser-Eigenschaft der Verfolgungsjagd. Berechnung von chase(t, t, Σ) Vorlesung vom Mittwoch, 05.
Vorlesung Datenbanktheorie Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Vorlesung vom Mittwoch, 05. Juli 2006 Letzte Vorlesung: Kurze Bemerkungen zum Armstrong-Kalkül The Chase:
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
MehrEin Satz der deutschen Sprache besitzt ein Subjekt, ein Prädikat und ein Objekt (SPO).
1 Grammatiken Autor: Tilman Blumenbach Letzte Änderung: 28. Juni 2012 18:15 Ziel von Grammatiken Wollen die Struktur von Sprachen modellieren und charakterisieren. Beispiel Ein Satz der deutschen Sprache
MehrSyntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4
Syntax der Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Eine atomare Formel hat die Form A i (wobei i = 1, 2, 3,...). Definition (Formel)
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
MehrBerechenbarkeits- und Komplexitätstheorie
Berechenbarkeits- und Komplexitätstheorie Verschiedene Berechenbarkeitsbegriffe, Entscheidbarkeit von Sprachen, Wachstumsordnungen und Komplexitätsklassen Inhaltsübersicht und Literatur Verschiedene Berechenbarkeitsbegriffe:
Mehrkontextfreie 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
MehrGrundlagen 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:
MehrTheoretische Informatik. Alphabete, Worte, Sprachen
Theoretische Informatik Alphabete, Worte, Sprachen Alphabete, Worte, Sprachen 1. Alphabete und Worte Definitionen, Beispiele Operationen mit Worten Induktionsbeweise 2. Sprachen Definition und Beispiele
MehrUniversität 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
MehrTheorie der Informatik (CS206) Kellerautomat, Postfix-Notation, Turing-Maschine, Busy Beaver
Theorie der Informatik (CS206) Kellerautomat, Postfix-Notation, Turing-Maschine, Busy Beaver 20. März 2013 Proff Malte Helmert und Christian Tschudin Departement Mathematik und Informatik, Universität
MehrLösung zur Übung für Analysis einer Variablen WS 2016/17
Blatt Nr. 3 Prof. F. Merkl Lösung zur Übung für Analysis einer Variablen WS 206/7 Aufgabe Das Guthaben G setzt sich zusammen aus der Summe aller bisherigen Einzahlungen multipliziert mit ( + p) k, wobei
MehrTeil V. Weiterführende Themen, Teil 1: Kontextsensitive Sprachen und die Chomsky-Hierarchie
Teil V Weiterführende Themen, Teil 1: Kontextsensitive Sprachen und die Chomsky-Hierarchie Zwei Sorten von Grammatiken Kontextsensitive Grammatik (CSG) (Σ, V, P, S), Regeln der Form αaβ αγβ α, β (Σ V ),
Mehr17 R E L AT I O N E N
17 R E L AT I O N E N 17.1 äquivalenzrelationen 17.1.1 Definition In Abschnitt 11.2.1 hatten wir schon einmal erwähnt, dass eine Relation R M M auf einer Menge M, die reflexiv, symmetrisch und transitiv
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
MehrTheoretische Informatik Mitschrift
Theoretische Informatik Mitschrift 2. Grammatiken und die Chomsky-Hierarchie Beispiel: Syntaxdefinition in BNF :=
MehrAlgorithmen 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
MehrGrundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Kontextfreie Grammatiken Definition: Eine Grammatik G
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
MehrTheorie 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
Mehr6. Induktives Beweisen - Themenübersicht
6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise
MehrUmformung 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
MehrAlgorithmen und Berechnungskomplexität II
Rheinische Friedrich-Wilhelms-Universität Bonn Mathematisch-Naturwissenschaftliche Fakultät Algorithmen und Berechnungskomplexität II Skript SS 2013 Elmar Langetepe Bonn, 19. Juli 2013 Das folgende Skript
MehrKomplexita 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,
Mehr