Efektywność Procedur
Obliczeniowych
wykład 5
Modele procesu obliczeń (8)
Jedno-, wielotaśmowa MT oraz maszyna RAM są równoważne w przypadku, jeśli dany problem jest rozwiązywany przez jeden model w czasie ograniczonym od góry przez wielomian zależny od rozmiarów problemu, to przy założeniu logarytmicznego kryterium kosztów jest on również rozwiązywany przez każdy model w czasie ograniczonym od góry przez wielomian zależny od jego rozmiarów.
Modele procesu obliczeń (9)
Zadanie 7
Czy dany język L alfabetu Σ jest poprawny?
Rozwiązanie 7
Program P na DTM rozpoznaje język L alfabetu Σ, jeżeli dla tego języka program P zatrzymuje się w stanie qY.
LY(P) = {L: P rozpoznaje L} – zbiór języków rozpoznawanych przez program P.
Modele procesu obliczeń (10)
Dla problemu decyzyjnego Π programu P, kodowania e języki L alfabetu Σ można podzielić na zbiory:
L0 : języki, które nie kodują instancji problemu Π LN(P):języki które kodują instancje problemu Π i nie są rozpoznawane przez P ( qN)
LY(P):języki które kodują instancje problemu Π i są rozpoznawane przez P ( qY)
Modele procesu obliczeń (11)
LY(Π):języki kodujące instancje problemu Π.
L(Π)= L
Y(P) L
Y(P)
Modele procesu obliczeń (12)
Program P na DTM rozwiązuje problem Π przy kodowaniu e jeśli:
LN(P):zawiera wszystkie takie i tylko takie
języki, które kodują instancje problemu Π ,dla których odpowiedź brzmi „nie”
LY(P):zawiera wszystkie takie i tylko takie
języki, które kodują instancje problemu Π ,dla których odpowiedź brzmi „tak”
Modele procesu obliczeń (13)
Jeżeli czas działania programu P na DTM rozwiązującego problem decyzyjny Π jest
ograniczony od góry wielomianem zależnym od długości języka L, tzn. czas działania
t ≤ p(|L|)
dla każdego L i pewnego wielomianu p, to P jest algorytmem wielomianowym.
Modele procesu obliczeń (14)
Jeżeli algorytm nie jest algorytmem
wielomianowym to nazywamy go algorytmem ponadwielomianowym.
NDTM (1)
głowica zapisująca
taśma dwustronnie nieskończona -4 -3 -2 -1 0 1 2 3 4
łańcuch S dane wejściowe
moduł zgadujący sterowanie
głowica odczytująco-zapisująca
Niedeterministyczna Maszyna Turinga (NDTM)
NDTM (2)
Niedeterministyczna Maszyna Turinga (NDTM) składa się z DTM i modułu zgadującego
(generującego).
Moduł zgadujący zapisuje na taśmie odgadnięte rozwiązanie – np. kolejność odwiedzania miast w TSP, podzbiór przedmiotów do upakowania w problemie plecakowym.
NDTM : wykonanie programu (3)
Wykonanie programu składa się z wielu sekwencyjnych wykonań pary działań:
1. Zgadywania rozwiązania – generowania łańcucha S symboli.
2. Sprawdzania jaka jest odpowiedź na pytanie problemu decyzyjnego dla
wygenerowanego rozwiązania.
NDTM : wykonanie programu (4)
Wykonanie programu NDTM dla łańcucha
danych x(I) instancji I przebiega następująco:
Moduł zgadujący zapisuje na taśmie łańcuch S symboli ze skończonego zbioru symboli taśmy.
NDTM sprawdza, wykonując program jak na DTM, czy wygenerowany łańcuch S spełnia warunki pytania dla instancji I, dla której może istnieć wiele łańcuchów S reprezentujących rozwiązanie.
NDTM : wykonanie programu (5)
Zadanie 8
Jak działa NDTM dla problemu podziału?
X = {x1, …, xi, …, xn} – zbiór n elementów xi N+, gdzie
N+ = {1, 2, …}
𝑥𝑖
5𝑖=1 = 2B
Pytanie: Czy istnieje podzbiór X1 X takie, że 𝑥 𝑥𝑖
𝑖∈𝑋1 = B
NDTM : wykonanie programu (5)
Rozwiązanie 8
Łańcuch S – liczba binarna, której i-ta pozycja wskazuje czy i-ty element zbioru X należy do wygenerowanego rozwiązania X1.
Dane wejściowe – x1x2…xkB
Liczba generowanych łańcuchów reprezentujących zbiór X ? Ograniczenie czasu sprawdzenia relacji 𝑥 𝑥𝑖
𝑖∈𝑋1 = B ?
NDTM (5)
NDTM rozwiązuje problem decyzyjny Π jeśli dla każdej instancji IDΠ spełnione są warunki:
1. Jeżeli odpowiedź dla I brzmi „tak”, to zostanie wygenerowany łańcuch S, który wraz z x(I) spowoduje, że po wykonaniu programu przez NDTM maszyna osiągnie stan końcowy qY.
2. …
NDTM (6)
NDTM rozwiązuje problem decyzyjny Π jeśli dla każdej instancji IDΠ spełnione są warunki:
1. …
2. Jeżeli odpowiedź dla I brzmi „nie”, to dla każdego wygenerowanego łańcucha S albo NDTM osiągnie stan końcowy qN, albo etap sprawdzania nie zostanie
zakończony.
NDTM (7)
NDTM rozwiązuje problem decyzyjny Π (w co najwyżej) wielomianowym czasie, jeśli dla
każdej instancji, dla każdej odpowiedzi „tak”
zostanie wygenerowany taki łańcuch S, ze czas wykonania etapów zgadywania i sprawdzania zakończonego odpowiedzią „tak” przez NDTM (dla I oraz S) jest O(p(N(I))) dla pewnego wielomianu p.
NDTM (8)
Twierdzenie
Jeśli jednotaśmowa NDTM rozwiązuje problem decyzyjny Π w czasie wielomianowym, to
istnieje wielomian p taki, że jednotaśmowa DTM rozwiązuje ten problem w czasie O(2p(N(I)),
gdzie IDΠ a N(I) jest rozmiarem danych wejściowych instancji I.
NDTM jako model obliczeń (9)
Adekwatność NTMD jako model obliczeń
Sekwencyjny dostęp do danych wejściowych i wyników pośrednich (organizacja taśmowa)
Obrazuje zdolność weryfikacji pozytywnej
odpowiedzi dla rozwiązania (wygenerowania łańcucha S) instancji IDΠ.
Powtórzmy (1)
DTM rozwiązuje problem decyzyjny Π przy kodowaniu e w czasie co najwyżej
wielomianowym, jeśli dla wszystkich łańcuchów wejściowych x(I)takich że IDΠ zatrzymuje się po czasie działania
t ≤ p(|x(I)|
dla każdego x(I) i pewnego wielomianu p, oraz kończy obliczenia w stanie qY dla wszystkich
x(I) takich, że IYΠ i tylko dla nich.
Powtórzmy (2)
NDTM rozwiązuje problem decyzyjny Π jeśli dla każdej instancji IDΠ spełnione są warunki:
1. Jeżeli odpowiedź dla I brzmi „tak”, to zostanie wygenerowany łańcuch S, który wraz z x(I) spowoduje, że po wykonaniu programu przez NDTM maszyna osiągnie stan końcowy qY.
2. Jeżeli odpowiedź dla I brzmi „nie”, to dla
każdego wygenerowanego łańcucha S albo NDTM osiągnie stan końcowy qN, albo etap
sprawdzania nie zostanie zakończony.
Powtórzmy (3)
NDTM rozwiązuje problem decyzyjny Π (w co najwyżej) wielomianowym czasie, jeśli dla
każdej instancji, dla każdej odpowiedzi „tak”
zostanie wygenerowany taki łańcuch S, ze czas wykonania etapów zgadywania i
sprawdzania zakończonego odpowiedzią
„tak” przez NDTM (dla I oraz S) jest
O(p(N(I))) dla pewnego wielomianu p.
co z tego wynika?
Klasy problemów (1)
Klasę P tworzą wszystkie problemy decyzyjne,
które w co najwyżej wielomianowym czasie może rozwiązać DTM.
Klasę NP tworzą wszystkie problemy decyzyjne, które w co najwyżej wielomianowym czasie może rozwiązać NDTM
P NP
Klasy problemów (2)
Klasa P – wielomianowa
(ang. polynomial)Klasa NP – niedeterministycznie
wielomianowa
(ang. nondeterministic polynomial)Klasy problemów (3)
Klasa P zawiera wszystkie te problemy decyzyjne, dla których znaleziono
wielomianowe algorytmy ich rozwiązania.
Klasa NP zawiera te wszystkie problemy decyzyjne, dla których znaleziono
ponadwielomianowe algorytmy ich
rozwiązania.
Transformacja wielomianowa (1)
Transformacją wielomianową problemu Π2do problemu Π1(Π2 Π1) jest funkcja f:DΠ2 DΠ1 spełniająca warunki:
1. Dla każdej instancji I2DΠ2odpowiedź brzmi
„tak” wtw., gdy dla instancji
f(I2)odpowiedź również brzmi „tak”
2. Czas obliczenia funkcji f przez DTM dla każdej instancji I2DΠ2 jest ograniczony od góry
przez wielomian od N(I2)
Transformacja wielomianowa (2)
Własności transformacji wielomianowej Lemat 1 Transformacja wielomianowa jest
przechodnia, tzn. jeśli Π2Π1 i Π2Π1, to Π3Π1 Lemat 2 Jeżeli Π2Π1 i Π1P, to Π2P
Lemat 3 Jeżeli Π2Π1 i Π2P, to Π1P
Wniosek: jeżeli Π2Π1,to problem Π1jest co najmniej tak trudny jak Π2.
Klasy problemów (4)
Problem decyzyjny Π1 jest nazywany NP–zupełnym, jeśli:
1. Π1NP,
2. Dal każdego innego problemu decyzyjnego Π2NP jest Π2Π1.
Klasy problemów (5)
Zatem, jeśli istniałby algorytm wielomianowy do rozwiązywania jakiegokolwiek problemu NP–
zupełnego, to każdy problem klasy NP (w tym również problemy NP–zupełne) mógłby być rozwiązany za pomocą algorytmu
wielomianowego.
Ponieważ jak dotąd bezskuteczne są poszukiwania algorytmu wielomianowego dla
któregokolwiek problemu NP–zupełnego, wynika pesymistyczny wniosek, że prawie na pewno wszystkie problemy NP–zupełne można rozwiązać tylko przy użyciu algorytmów
ponadwielomianowych.
Klasy problemów – wnioski (6)
1. Klasa problemów NP–zupełnych zawiera problemy równoważne wielomianowo, tzn jeśli Π1 i Π2 są NP–
zupełne to Π2Π1 i Π1Π2.
2. Klasa problemów NP–zupełnych zawarta jest w klasie NP.
3. Jeśli dla pewnego problemu NP–zupełnego istnieje wielomianowy algorytm rozwiązania, to wszystkie problemy NP–zupełne są rozwiązywalne w czasie wielomianowym.
4. Klasa problemów NP–zupełnych zawiera najtrudniejsze problemy z klasy NP.
Klasy problemów – resume (7)
P – klasa problemów rozwiązywalnych w czasie wielomianowym.
NP – klasa problemów nie rozwiązywalnych w czasie wielomianowym.
Problemy otwarte to takie, dla których nie znaleziono algorytmu wielomianowego
rozwiązania ani nie wykazano NP–zupełności.