1 1 06.03.2015 Введение в математическую логику и теорию алгоритмов Алексей Львович Семенов Лекция 15.

Презентация:



Advertisements
Похожие презентации
Что нужно знать: динамическое программирование – это способ решения сложных задач путем сведения их к более простым задачам того же типа динамическое.
Advertisements

Введение в математическую логику и теорию алгоритмов Лекция 14 Алексей Львович Семенов.
1 3. Системы линейных уравнений. Леопо́льд Кро́некер.
Анализ трудоёмкости алгоритмов Анализ трудоёмкости алгоритмов позволяет найти оптимальный алгоритм для решения данной задачи. трудоемкость алгоритма количество.
1 2. Матрицы. 2.1 Матрицы и их виды. Действия над матрицами. Джеймс Джозеф Сильвестр.
Введение в формальные (аксиоматические) системы. Формальные системы - это системы операций над объектами, понимаемыми как последовательность символов.
NP-полнота Теорема Кука. Полиномиальная сводимость Пусть Π 1 =(X 1,Y 1 ) и Π 2 =(X 2,Y 2 ) задачи распознавания. Будем говорить, что Π 1 полиномиально.
Классификация задач по классам сложности Классификация задач по классам сложности – (P-сложные, NP-сложные, экспоненциально сложные и др.).P-сложныеNP-сложные.
1 Приближенные алгоритмы Комбинаторные алгоритмы.
Введение в математическую логику и теорию алгоритмов Алексей Львович Семенов Лекция 16.
Логика первого порядка ХНУРЭ, кафедра ПО ЭВМ, Тел , Лекции Н.В. Белоус Факультет компьютерных наук Кафедра.
Автор: учитель информатики МКОУ Плесской средней общеобразовательной школы Юдин Андрей Борисович Часть 1.
Учебный курс Основы вычислительной математики Лекция 1 доктор физико-математических наук, профессор Лобанов Алексей Иванович.
1 Комбинаторные алгоритмы Задача о k-центрах. 2 Метрическая задача o k центрах Дано: Полный граф G = (V, E), стоимости ребер cost: E Q + такие, что для.
Элементы теоретического программирования Машина Тьюринга – математическое понятие алгоритма.
Введение в математическую логику и теорию алгоритмов Алексей Львович Семенов Лекция 10.
МЕТОДЫ ОПТИМИЗАЦИИ § 1. Основные понятия. Под оптимизацией понимают процесс выбора наилучшего варианта из всех возможных В процессе решения задачи оптимизации.
1 Уничтожение радикалов Рогозина Елена Геннадьевна Санкт-Петербургский центр подготовки спасателей ПУ-97.
Как устроена математическая логика Алексей Львович Семенов.
Лекция 5 Метод максимального правдоподобия. ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения.
Транксрипт:

Введение в математическую логику и теорию алгоритмов Алексей Львович Семенов Лекция 15

План Сложность. Подход теории алгоритмов Сложность объекта Теорема Колмогорова Что такое случайность? Теория алгоритмов (напоминание) Время вычисления Реально решаемые задачи Задачи, решаемые перебором Универсальная переборная задача Естественные переборные задачи, их универсальность Проблема перебора 2

3 Сложность. Подход теории алгоритмов

4 Сложность объекта да, да, да,… да (1 млн. раз) На экране нет миллиона «да». Есть описание объекта. Сложность объекта – минимальная длина его описания.

5 Сложность объекта Что такое описание? Аргумент для – машины, – алгоритма, – вычислимой функции, дающей объект. Вычислимая функция (дающая объект по его описанию) – способ описания. Ее значения – это объекты, имеющие описание. Один объект может иметь много описаний, могут быть объекты без описаний. Будем считать, что объекты и описания – двоичные слова. |y| – длина слова y; Сложность при данном способе описания f K f (x) = min { | y | | f(y) = x}, если y нет, то min =.

6 Сложность объекта Способы описания бывают разные. Есть ли способ описания, дающий самые короткие описания? Нет (почти очевидно): возьмем любой способ, x - «сложный» при выбранном способе описании объект. Задача. Существует f для которого f(0) = x и K f (x) 1. Можно ли получать описания, самые короткие «с точностью до» дополнительного слагаемого? Да. Точная формулировка: Теорема Колмогорова. Существует способ описания u, такой, что для любого способа описания f найдется такое число C, что для всякого объекта x выполнено: K u (x) K f (x) + С.

7 Теорема Колмогорова K u (x) K f (x) + С Д. Фиксируем некоторый вариант задания вычислимых функций алгоритмами, например, алгоритмами Маркова. Как мы видели, существует универсальная функция u: для всякой вычислимой функции f, если p – задание (алгоритм для) f, в алфавите B, то для всех y: f(y) = u( ). Возьмем произвольное x и такое y, что f(y) = x. Тогда: u( ) = x K u (x) | |, y можно взять самым коротким. Осталось доказать, что | | |y| + С, где C может зависеть от p, но не от y. Задача. Каким нужно взять кодирование пар? Задача. Может ли код быть короче, чем |p|+|y|?

Андрей Николаевич Колмогоров –

9 Применение сложности объектов (колмогоровской сложности) Случайность Бросание монеты … … Вторая последовательность неслучайна? Вероятность одинакова. Сложность разная. Последовательность случайна, если ее (колмогоровская) сложность – максимальна. Информация в одном объекте о другом…

10 Теория алгоритмов (напоминание)

11 Переход к следующему в ансамбле Свойство всякого ансамбля: – Существует объект I (начальный, например – пустое слово) и – действие S (следование), для которых {I, S(I), SS(I)…} – это весь ансамбль Задачи построения функции следования. – Слова в унарном алфавите – Двоичный алфавит – Произвольный алфавит – Цепочки слов – Списки

12 Кодирование Кодирование элементов ансамбля словами в двоичном алфавите. Задача. Действие, задающее взаимно- однозначное соответствие (обратное – тоже действие) для ансамблей: – Слов в любом алфавите – Цепочек слов – Списков. Тезис Поста. Тезис Черча – для кодов множеств в произвольных ансамблях

13 Перечислимость. Эквивалентные определения Перечислимые множества – множества значений вычислимых функций Задача. = множества значений всюду определенных вычислимых функций Задача. = области определения вычислимых функций Идеи: – Множество значений => область определения Для всякого исходного данного ждем, пока оно появится как значение, последовательно перебирая все аргументы для перечисления (действие следования). Если дождемся… – Область определения => множество значений всюду определенной функции Исходное данное рассматривать как пару: (если не пара – …). Если работа завершилась за это число шагов…

14 Перечислимость и разрешимость Теорема. Множество разрешимо тогда и тогда, когда оно и его дополнение перечислимы. Д. Дано разрешимое множество Перечислимость – множество значений Начинаем работу с проверки, лежит ли элемент в множестве. Если лежит, то выдаем его в качестве результата, если нет… Пусть множество и его дополнение перечислимы Идея: запустить параллельно функции перечисляющие множества и его дополнение. Уточнение. Делать в цикле последовательно по одному шагу одного и другого алгоритма. Когда один из них закончит работу, ответ есть. Задача. Довершить рассуждения. В каком ансамбле? Задача. Привести пример перечислимого неразрешимого множества (была функция, которую нельзя доопределить до всюду определенной вычислимой).

15 Сведение вычислимости к перечислимости Задача. Функция вычислима ее график перечислим

16 Перечислимость проходимость Перечислимость => проходимость Проверка создания получается из действия преобразования Породимость => перечислимость Всякое исходное данное рассматривается как вывод. Результат Функция вычислима ее график породим

17 Перечислимость и логика отношений Множество общезначимых формул – область определения вычислимой функции Породимость – исчисление логики отношений

18 Сложность. Подход теории алгоритмов

Сложность вычислений О. Сложность (времен Ая) вычисления – это число шагов вычисляющего алгоритма. Какими могут быть отдельные шаги? Какова «модель вычислений»? Например, алгоритмы Маркова или интуитивно представляемый компьютер. Задача. Есть ли алгоритм, быстро решающий данную задачу для заданного конечного множества исходных данных? Обычно говорят об асимптотическом поведении сложности вычисления, и это почти всегда оказывается осмысленным. Бывает, что алгоритм очень просто описывается, но требует для своего выполнения много времени. «Много» может означать экспоненту от размера исходного данного или еще больше. 19

Реально решаемая задача – Сложность вычисления ограничена полиномом от размера исходного данного (длины двоичного слова). Класс P. Обычно, если задача реально решаема, то коэффициенты и степени полиномов оказываются «небольшими». 20

Задачи, решаемые перебором Типичная ситуация (считаем, что объекты – двоичные слова и их размер – это длина): Задача о рюкзаке. Дано n+1 натуральное число: a 1,…, a n, b, можно ли составить из a i сумму, равную b? (Каждое a i разрешается брать не более одного раза.) только пары a i => полиномиальное время – количество пар квадратичное, умножить на время проверки, и т.д. Берутся не пары, а подмножества – время перебора экспоненциально. 23, 11, 44, 29, 18, 32, 19, 35, 67 – из этих чисел требуется составить сумму, равную 100. ? Давайте попробуем 21

11, 18, 19, 23, 29 22

23 Алгоритмы для функций и отношений Задача здесь состояла в построении быстрого алгоритма для поиска подмножества индексов. Можно, однако, спрашивать о быстром алгоритме выяснения, есть ли такое подмножество. Задача. Имея быстрый (полиномиальный) алгоритм выяснения, есть ли такое подмножество, построить быстрый алгоритм который будет выдавать множество индексов. Мы будем рассматривать алгоритмы для отношений (алгоритмы распознавания).

Задачи, решаемые перебором Выполнимость. Дана формула логики высказываний. Выполнима ли она? Можно выяснить, перебирая все возможные наборы значений логических имен. Разных имен в формуле может быть, по порядку, например, корень квадратный от размера формулы. Экспонента может быть не от размера, а от корня квадратного от размера, но это не очень помогает. Задача (аналогичная предыдущей). Умея проверять существование, строить объект. 24

Задачи, решаемые перебором Общая формулировка Дано двуместное отношение R(x,y), где x – исходное данное, y – перебираемое (подсказка, подтверждение). Задача: выяснить по данному х, существует ли y, для которого R(x,y): y R (x,y), причем: – размер y ограничен заданным полиномом от размера x, – сложность вычисления R(x,y) ограничена полиномом от размера аргументов. Отношение R и ограничивающие полиномы фиксированы для данной задачи. Задача о рюкзаке (y – цепочка номеров) и Выполнимость (y – цепочка значений) – таковы. NP – Класс всех задач, решаемых перебором. N Недетерминированность 25

Универсальная переборная задача Универсальный алгоритм получает на вход x и y, понимает x, как описание конкретного алгоритма и применяет его к y. Время работы P 0 не сильно отличается от времени работы x. Модифицированный универсальный алгоритм P 0 задает вычислимую функцию (отношение) U 0 : Если p – алгоритм, то U 0 (,y) есть результат применения p к. Если первый аргумент не оказывается парой такого вида, то отношение U 0 ложно. Отношение U 0 может и не вычисляться за полиномиальное время: для разных p полиномы, ограничивающие время работы и длину y, могут иметь разную степень, как функции длины x. 26

Универсальная переборная задача Еще модификация: отношение U, задаваемое, как U(, y), где алгоритм, вычисляющий U, работает так же, как алгоритм p, при этом ограничивает время работы этого алгоритма p длиной слова – третьего элемента тройки. (Если первый аргумент U – не такая тройка, то U – Л, если p не завершает работу за данное время, тоже Л.) U имеет полиномиальную сложность. yU(z,y) – универсальная переборная задача. 27

Универсальность Предположим, что мы нашли алгоритм, позволяющий вычислять отношение yU(z,y) за полиномиальное время. Этот алгоритм: НЕ перебирает y и НЕ применяет p 0, а делает что-то совсем другое. Тогда мы сможем и любую переборную задачу, заданную алгоритмом p и соответствующими полиномиальными ограничениями, решать за полиномиальное время, сооружая каждый раз тройку, (и при этом не имитируя работу алгоритма с описанием p и не перебирая y). 28

Естественные переборные задачи Предположим, что мы можем решать задачу о рюкзаке (в формулировке «найдется ли…») или Выполнимость за полиномиальное время. Поможет ли это в решении других переборных задач? Да. 29

Сведение к выполнимости Пусть имеется Задача: y R(x,y), решаемая перебором, и отношение R задается алгоритмом p. Будем считать, что наш алгоритм p – это алгоритм Маркова. Построим исходное данное для задачи выполнимости, то есть формулу логики высказываний Ф. 30

Моделирование работы алгоритма с помощью выполнимости формул логики высказываний. y R(x,y), отношение R задается (полиномиальным) алгоритмом p Мы уже знаем алгоритм p и x, но, конечно, не знаем y Общая схема: По p и x строим формулу логики высказываний существование y и допускающего (проверяющего)вычисления p существование выполняющего формулу набора значений логических имен Вычисление Граница для числа шагов – полином от длины x Максимальная длина промежуточного результата ограничена полиномом от длины x. Дополним промежуточный результат «пробелами» до максимальной длины. Будем кодировать результаты двоичными словами, все символы будут занимать отрезки равной длины. Вычисление представлено матрицей, будем считать – квадратной. При необходимости дополним строки и столбцы кодами пробелов. Размер матрицы m на m. 31

32 Моделирование работы алгоритма Каждому элементу таблицы дадим имя (высказывания, состоящего в том, что этот элемент = 1) В самой первой строке (соответствующей началу вычисления) соответствует паре, сначала код x потом код y, потом пробелы. Как написать: «существует x,y и вычисление»? – Существование y – выполнимость формулы – Вычисление однозначно определяется x,y Как записать, что матрица представляет допускающее вычисление? Конъюнкция: – Элементы первой строки, соответствующие символам x, равны кодам этих символов. – Последняя непустая строка начинается с кода символа 1. – Переход от каждой строки к следующей соответствует шагу работы алгоритма

Моделирование работы алгоритма Как записать, что две последовательных строки матрицы (назовем их верхняя и нижняя) соответствуют шагу работы алгоритма? Применилась данная замена в данном месте Левых частей предыдущих замен в верхней строке нет Левая часть данной подстановки не встречается левее данного места в первой строке. Вторая строка – результат применения замены. Записываем Дизъюнкция по выбору замены и места. Число членов дизъюнкции – количество замен в алгоритме на m Один член дизъюнкции: Конъюнкция утверждений, относящихся к значению символов: Идущих до выбранного места Начинающихся с выбранного места и относящихся к выбранной замене Идущих после 33

34 Моделирование работы алгоритма Задача. Ввести логические имена и записать формулы подробнее Задача. Оценить размер формулы в зависимости от размера y. (Моделируемый алгоритм уже фиксирован.) Задача. Как использовать Выполнимость для решения Задачи о рюкзаке или иной переборной задачи?

Моделирование работы алгоритма с помощью выполнимости формул логики высказываний. Пример построения и оценки Фиксируем натуральное число n и слово = 1, …, n в алфавите B; Строим формулу Ф, куда входят имена A = A 1,…, A n, (0, A i )= A i (1, A i ) = A i Ф = (,A) =( ( 1, A 1 ) … ( n,A n )) «цепочка A значений имен есть слово » Длина Ф меньше, чем (10 | |) log (| |) (индексы A i ) 35

Проблема перебора Доказать, что P NP Проблема равенства классов P и NP входит [первой] в семь задач тысячелетия, за решение которой Математический институт Клэя назначил премию в миллион долларов США. – Википедия А. Н. Колмогоров, Л. Левин, Л. Хачиян, А. Разборов 36