• Keine Ergebnisse gefunden

Ü b e rs ic h t II : A rb e it s p ro g ra m m i m S F B 8 0 5

N/A
N/A
Protected

Academic year: 2022

Aktie "Ü b e rs ic h t II : A rb e it s p ro g ra m m i m S F B 8 0 5"

Copied!
218
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

22.07.2009| Lorenz | Optimierung in dynamischer Umgebung| 1

O p ti m ie ru n g i n d y n a m is c h e r U m g e b u n g (D o z e n t: P D D r. U lf L o re n z )

(2)

2.07.2009| Optimierung in dynamischer Umgebung| 2

L it e ra tu r u n d D a n k s a g u n g

Für Anregungen und die Erlaubnis Unterlagen nutzen zu dürfen, möchte ich mich bedanken bei: Prof. Dr. Meyer auf der Heide, Uni Paderborn, Prof. Dr. Schindelhauer von der Uni Freiburg, Prof. Dr. Ziegler, TU Darmstadt

Literatur: s. Webseiten der Veranstaltung Dank

(3)

2.07.2009| Optimierung in dynamischer Umgebung| 3

Folgen der Unsicherheit •große Planabweichungen oder •hoheSicherheitsbeiwerte •Überdimensionierung •große Pufferbildung

Häufige Annahmefür Planung und Entscheidungsfindungen in logistischen Prozessen und in Herstellungsprozessen: im vorhinein bestimmbare Daten

Ü b e rs ic h t II : A u s g a n g s s it u a ti o n O p ti m ie ru n g

Beobachtende und auf Planabweichungenfexibel reagierende Kontrollstrategie existiertentweder nichtoder wird von der Planung getrennt betrachtet.

(4)

2.07.2009| Optimierung in dynamischer Umgebung| 4

Modellierung und Optimierung n-stufige, modulare Prozesskette mit verschiedenen Entscheidungs- alternativen Netz von Entscheidungs- alternativen mehrstufiges stochastisches Optimierungsmodell

Ü b e rs ic h t II : A rb e it s p ro g ra m m i m S F B 8 0 5

n(u,v)11

T(u,v) 21121ymax cy + Erw[Q(y;)] η ()+

(s,v) 1 vy1 sδ= ()

( )

()

( )

(,)

T(,)(,)(,) 1tt+11;:maxc + Erw[Q;]nuvtt

uvuvuv ttttttyQyyy +ηω=ωη ()()()()()()+- (u,v)(u,v) tt-1 vyy0 uuvδωδω=

s.t. mit s.t.

RIRI

Montieren jeweilige Prozessvarianten

Rund- kneten

Produkt- anforde- rungen

Fräsen Produkt- eigen- schaften

… …

st

(5)

2.07.2009| Optimierung in dynamischer Umgebung| 5

Rundkneten Drehen

Entscheidungsoptimierung unter Unsicherheit Durch nicht vorhersagbare Eingabedaten entstandene Unsicherheiten mit Hilfe mathematischer Modelle und Optimierungsverfahren beherrschen und ihre Auswirkungen minimieren. Ablängen BiegungGeradheitWinkelfehlerStablänge

Fertigungsgeschwindigkeit geschmiedet

stranggegossen Richten Unsicherheiten:

Beschaffungsmarkt

Ü b e rs ic h t II : Z ie l

(6)

2.07.2009| Optimierung in dynamischer Umgebung| 6

Modellierung und Optimierung, Alternativen

Ü b e rs ic h t II : A n d e re M o d e ll ie ru n g e n

stx 1x 2x 3x 4x 5... a 11x 1+ a 12x 2+ a 13x 3≤b 1 a 21x 1+ a 22x 2+ a 24x 4≤b 2 a 31x 1+ a 32x 2+ a 35x 5≤b 3

Algorithmen: -ganzzahlig (random / worst case): „von Aussen nach Innen“ mittels backtracking -kontinuierlich (random / worst case): „von Innen nach Aussen“ mittels Variablemelemination∃x 1x 2x 3x 4x 5... a 11x 1x 2+ a 13x 3≤b 1 a 21x 1+ a 22x 2x 4≤b 2 a 31x 1+ a 32x 2+ a 35x 5≤b 3

(7)

22.07.2009| Optimierung in dynamischer Umgebung| 7

Ü b e rs ic h t E in fü h ru n g i n K o m p le x it ä ts th e o ri e D y n a m ic G ra p h R e lia b ili ty P ro b le m e S c h a c h : L ö s u n g s a lg o ri th m e n u n d N ä h e ru n g s id e e n G o : U C T L ö s u n g s v e rf a h re n S o k o b a n , R u s h h o u r u n d S ta c k in g p ro b le m e S a tz v o n S a v ic h , s p e z ie ll: N P S P A C E = D P S P A C E S to c h a s ti c P ro g ra m m in g Q u a n ti fi z ie rt e L in e a re P ro g ra m m e

(8)

22.07.2009| Optimierung in dynamischer Umgebung| 8

Ü b e rs ic h t I E in fü h ru n g i n K o m p le x it ä ts th e o ri e

–Unentscheidbarkeit Welche Probleme können mit einem Algorithmus gelöst werden? Was ist überhaupt ein “Algorithmus”, was ist ein “Problem”? –verschiedene Maschinenmodelle und formale Sprachen –Algorithmen, Komplexitätsklassen P, NP, PSPACE –Reduktionstechnik

(9)

22.07.2009| Optimierung in dynamischer Umgebung| 9

Ü b e rs ic h t D a s D y n a m ic G ra p h R e lia b ili ty P ro b le m g e g .: e in D A G ( g e ri c h te te r G ra p h o h n e K re is e ); R e g e ln , n a c h d e n e n K a n te n i m G ra p h e n a u s fa lle n ; S ta rt k n o te n , E n d k n o te n g e s .: G ib t e s e in e G e w in n s tr a te g ie , d ie e in e m W a lk e r im S ta rt k n o te n e rl a u b t, a n d e n E n d k n o te n z u g e la n g e n ?

st

(10)

22.07.2009| Optimierung in dynamischer Umgebung| 10

Ü b e rs ic h t S c h a c h : L ö s u n g s a lg o ri th m e n u n d N ä h e ru n g s id e e n G o : U C T L ö s u n g s v e rf a h re n

top top

(11)

22.07.2009| Optimierung in dynamischer Umgebung| 11

Ü b e rs ic h t S o k o b a n , R u s h h o u r u n d S ta c k in g p ro b le m e S a tz v o n S a v ic h , s p e z ie ll: N P S P A C E = D P S P A C E S to c h a s ti c P ro g ra m m in g Q u a n ti fi z ie rt e L in e a re P ro g ra m m e

Exit n(u,v)11

T(u,v) 21121ymax cy + Erw[Q(y;)] η ()+

(s,v) 1 vy1 sδ= ()

( )

()

( )

(,)

T(,)(,)(,) 1tt+11;:maxc + Erw[Q;]nuvtt

uvuvuv ttttttyQyyy +ηω=ωη ()()()()()()+- (u,v)(u,v) tt-1 vyy0 uuvδωδω=

s.t. mit s.t.

RIRI

(12)

22.07.2009| Optimierung in dynamischer Umgebung| 12

E s f ä n g t g a n z h a rm lo s a n E in A lp h a b e t Σ b e s te h t a u s e in e r e n d lic h e n M e n g e v o n Z e ic h e n , z .B .

–Σ 1= {a,b,c} –Σ 2= {0,1} –Γ= {0,1,x,y,z}

E in e Z e ic h e n k e tt e ( S tr in g /W o rt ) is t e in e e n d lic h e F o lg e (T u p e l) v o n Z e ic h e n , z .B .

–w = abba Notation: w 1=a, w 2=b, w 3=b, w 4=a Die Länge eines Worts wird mit |w| beschrieben: |w| = 4

Σ * b e z e ic h n e t d ie M e n g e a lle r Z e ic h e n k e tt e n ü b e r A lp h a b e t Σ

–z.B.: “abba“∈{a,b}* –Die leere Zeichenkette wird mitεbezeichnet. Es gilt: |ε| = 0

E in e T e ilm e n g e v o n Σ * w ir d a ls S p ra c h e b e z e ic h n e t

(13)

22.07.2009| Optimierung in dynamischer Umgebung| 13

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n E in e S p ra c h e L ⊆ Σ * m u s s n u n i rg e n d w ie b e s c h ri e b e n w e rd e n .

–z.B. durch einenregulären Ausdruck: (0*10*) ∅ist ein regulärer Ausdruck. εist ein regulärer Ausdruck. ∀a i∈Σist a iein regulärer Ausdruck. Sindxundyreguläre Ausdrücke, so auch x∪y, (xy) undx*. Es gibt keine weiteren regulären Ausdrücke. –z.B. durch eineProblembeschreibung: Definition: EinEntscheidungsproblemist ein input-outputTupelmit geg.: Kodierung eines Inputs einer Instanz, mittels Alphabet ∑ ges.: ja/nein Die Teilmenge aller Inputs, für die die Antwort “ja” ist, ist offenbar eine Sprache

(14)

22.07.2009| Optimierung in dynamischer Umgebung| 14

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n D ie F ra g e , o b e in w ∈ Σ * e in W o rt a u s e in e r S p ra c h e L ⊆ Σ * is t, k a n n u n te rs c h ie d lic h s c h w ie ri g z u l ö s e n s e in

–Bsp. 1: In einem sehr einfachen Fall durch einen endlichen Automaten: 0*1 (1 | 0(0|1) )*

(15)

22.07.2009| Optimierung in dynamischer Umgebung| 15

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n F o rm a l is t e in d e te rm in is ti s c h e r e n d li c h e r A u to m a t (D E A ) e in 5 -T u p e l D e f: E in ( d e te rm in is ti s c h e r) e n d lic h e r A u to m a t ( D F A ) is t e in 5 -T u p e l ( Q ,Σ , δ , q

0

, F ), w o b e i Q e in e e n d lic h e M e n g e v o n Z u s tä n d e n i s t, Σ e in e n d lic h e s A lp h a b e t δ : Q × Σ → Q d ie Ü b e rg a n g s fu n k ti o n , q

0

d e r S ta rt z u s ta n d u n d FQ d ie M e n g e a k z e p ti e re n d e r E n d z u s tä n d e .

(16)

22.07.2009| Optimierung in dynamischer Umgebung| 16

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n

r 2r 1q 2q 1sδ r 1r 1q 2q 2r 1b

r 2r 2q 1q 1q 1a

s

q 1r 1 q 2r 2

b a

a a a a

b b b

b

A : = ( Q , ∑ , δ , q

0

, F ), Q : = { s , q

1

, q

2

, r

1

, r

2

}, ∑ := { a ,b }, F : = { q

1

,q

2

} q

0

= s L (A ) = { w

1

w

2

.. . w

n

: w

i

∈ {a ,b }, w

1

= w

n

}

(17)

22.07.2009| Optimierung in dynamischer Umgebung| 17

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n

Formal ist ein nichtdeterministischer endlicher Automat (NEA) (ohne ε-Übergänge) ein 5-Tupel Def:Ein (nichtdeterministischer) endlicher Automat (NFA) ist ein 5-Tupel (Q,Σ,δ,q 0,F), wobei Qeine endliche Menge von Zuständen ist, Σein endliches Alphabet δ: Q×Σ→2Q die Übergangsfunktion, q 0der Startzustand und FQdie Menge akzeptierender Endzustände. q 0q 3q 1

1

0 ,1 0

q 2

0 ,1 0

0 1 q

0

{q

0

,q

1

} {q

0

} q

1

- {q

2

} q

2

{q

3

} - q

3

{q

3

} {q

3

}

Bsp.:

(18)

22.07.2009| Optimierung in dynamischer Umgebung| 18

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n

Satz: Sei N ein NFA und L = L(N). Dann gibt es einen DFA A mit L(A) = L Beweis: Sei N = (Q,∑,δ,q 0,F). Die folgende Konstruktion heißt auch “Potenzmengenkonstruktion”. Um A = (Q’,∑,δ‘,q’ 0,F’) zu definieren setzen wir: Q’= 2Q q’ 0= {q 0} F’= {R∈Q’| R ∩F ≠{} } δ‘(R,a) =

δ(r,a) = {q∈Q | es gibt ein r∈R mit q∈δ(r,a)} Dann gilt: w∈L(N) ⇔δ(q 0,w) ∩F≠{} ⇔δ(q‘ 0,w) ∈F‘ ⇔w∈L(A) Hierbei bedeutet δ(q,w), dass die Übergangsfunktionδmehrfach auf das Wort w angwendet wird, Buchstabe für Buchstabe und startend bei Zustand q.

rR

(19)

22.07.2009| Optimierung in dynamischer Umgebung| 19

S p ra c h b e s c h re ib u n g e n u n d M a s c h in e n D ie F ra g e , o b e in w ∈ Σ * e in W o rt a u s e in e r S p ra c h e L ⊆ Σ * is t, k a n n u n te rs c h ie d lic h s c h w ie ri g z u l ö s e n s e in

Bsp 2.: In einem sehr komplizierten Fall ist sie nicht entscheidbar: geg: Codierung einer Random Access Machine (RAM, das entspricht in etwa einem herkömmlicher Computer mit unendlich viel Speicher), sowie ein w∈Σ* Frage: Hält die RAM bei Eingabe w? “nicht entscheidbar”heisst: es gibt keinen Algorithmus, der alle Instanzen das Problem lösen kann. (faszinierende Nebeneffekte, Busy Beaver)

(20)

22.07.2009| Optimierung in dynamischer Umgebung| 20

R a n d o m A c c e s s M a s c h in e n P ro g ra m m E in g a b e e ∈ {0 ,1 }* B e fe h ls - A k k u m u la to r z ä h le r

b c (0 ) A u s g a b e a ∈ {0 ,1 }*

c (1 ) c (2 ) c (4 ) c (3 ) .. .

(21)

22.07.2009| Optimierung in dynamischer Umgebung| 21

R a n d o m A c c e s s M a s c h in e n E in /A u s g a b e re a d c (0 ) := h e a d (e ); e : = e \ h e a d (e ); b : = b + 1 ; fa lls | e | > 0 c (0 ) := E O F ; b : = b + 1 ; s o n s t w ri te a : = a c (0 ); b : = b + 1 ; A ri th m e ti k a d d x c (0 ) := c (0 ) + c (x ); b : = b + 1 ; s u b x c (0 ) := c (0 ) – c (x ); b : = b + 1 ; fa lls c (x ) < c (0 ) c (0 ) := 0 ; b : = b + 1 ; s o n s t c a d d x c (0 ) := c (0 ) + x ; b : = b + 1 ; c s u b x a n a lo g : O p e ra ti o n m it K o n s ta n te c

(22)

22.07.2009| Optimierung in dynamischer Umgebung| 22

R a n d o m A c c e s s M a s c h in e n S p rü n g e g o to j b : = j; if (c (0 ) R i ) th e n g o to j; b : = , R ∈ {< ,> ,= ,≤ ,≥ } e n d P ro g ra m m h ä lt S p e ic h e rz u g ri ff e d ir e k t lo a d x c (0 ) := c (x ); b : = b + 1 ; s to re x c (i ) := c (0 ); b : = b + 1 ; in d ir e k t ilo a d x c (0 ) := c (c (x )) ; b : = b + 1 ; is to re x c (c (i )) : = c (0 ); b : = b + 1 ;

j fa lls c (0 ) R i b + 1 s o n s t

(23)

22.07.2009| Optimierung in dynamischer Umgebung| 23

T u ri n g m a s c h in e n F o rm a l is t e in e ( 1 -B a n d ) T u ri n g m a s c h in e e in 6 -T u p e l D e f: E in e ( d e te rm in is ti s c h e r 1 -B a n d ) T u ri n g m a s c h in e i s t e in 6 -T u p e l ( Q ,Σ ,Γ , δ , q

0

, F ), w o b e i Q e in e e n d lic h e M e n g e v o n Z u s tä n d e n i s t, Σ e in e n d lic h e s A lp h a b e t Γ := Σ ⋃ {B }, B d a s s o g e n a n n te B la n k -S y m b o l δ : Q × Γ → Q × Γ × {R ,N ,L } d ie ( p a rt ie lle ) Ü b e rg a n g s fu n k ti o n , q

0

d e r S ta rt z u s ta n d u n d FQ d ie M e n g e a k z e p ti e re n d e r E n d z u s tä n d e .

(24)

22.07.2009| Optimierung in dynamischer Umgebung| 24

T u ri n g m a s c h in e n 0 1 0 B B B B A k tu e lle r Z u s ta n d E W e it e r Z u s tä n d e : {A ,B ,C ,D ,F } E n d z u s ta n d : {F } Z u s ta n d s ü b e rg a n g s ta b e lle δ

„S c h re ib /L e s e K o p f“ „P ro g ra m m “: F a lls d ie T u ri n g m a s c h in e i m Z u s ta n d q is t u n d d a s Z e ic h e n a lie s t, d a n n g e h e i n d e n Z u s ta n d q ‘ , ü b e rs c h re ib e a d u rc h a ‘ , u n d b e w e g e d e n K o p f n a c h r e c h ts , lin k s o d e r g a r n ic h t. S c h re ib w e is e : δ ( q , a ) = ( q ‘ , a ‘ , R )

(25)

22.07.2009| Optimierung in dynamischer Umgebung| 25

T u ri n g m a s c h in e n E in e M e h rb a n d - T u ri n g m a s c h in e i s t e in 6 -T u p e l D e f: E in e ( d e te rm in is ti s c h e r 1 -B a n d ) T u ri n g m a s c h in e i s t e in 6 -T u p e l ( Q ,Σ ,Γ , δ , q

0

, F ), w o b e i Q e in e e n d lic h e M e n g e v o n Z u s tä n d e n i s t, Σ e in e n d lic h e s A lp h a b e t Γ := Σ ⋃ {B }, B d a s s o g e n a n n te B la n k -S y m b o l δ : Q × Γ

k

Q × Γ

k

× {R ,N ,L }

k

d ie ( p a rt ie lle ) Ü b e rg a n g s fu n k ti o n , q

0

d e r S ta rt z u s ta n d u n d FQ d ie M e n g e a k z e p ti e re n d e r E n d z u s tä n d e .

(26)

22.07.2009| Optimierung in dynamischer Umgebung| 26

T u ri n g m a s c h in e n C h u rc h -T u ri n g H y p o th e s e : D ie v o n j e g lic h e r M a s c h in e b e re c h e n b a re n F u n k ti o n e n s in d g e n a u d ie , d ie v o n T u ri n g m a s c h in e n b e re c h e n b a r s in d .

T h e o re m 1 : R A M u n d T u ri n g m a s c h in e k ö n n e n s ic h g e g e n s e it ig s im u lie re n . T h e o re m 2 :

(27)

22.07.2009| Optimierung in dynamischer Umgebung| 27

T u ri n g m a s c h in e n D e f. : Z e it - u n d P la tz k o m p le x it ä t S e i M e in e d e te rm is ti s c h e T u ri n g m a s c h in e ( D T M ), d ie f ü r je d e E in g a b e h ä lt . Z e it k o m p le x it ä t : T

M

(x ) := # S c h ri tt e , d ie M m it E in g a b e x a u s fü h rt . P la tz k o m p le x it ä t : S

M

(x ) := # v e rs c h ie d e n e r S p e ic h e rz e lle n , d ie d e r K o p f v o n M b e i E in g a b e x b e s u c h t. T

M

(n ) = m a x {T

M

(x ) | x ∈ ∑

n

} S e ie n t ,s : ℕ → ℕ A b b ild u n g e n . D a n n i s t M t( n )- z e it b e s c h rä n k t u n d s (n )- p la tz b e s c h rä n k t, f a lls T

M

(n ) ≤ t( n ) u n d S

M

(n ) ≤ s (n ) fü r a lle n ∈ ℕ .

(28)

22.07.2009| Optimierung in dynamischer Umgebung| 28

T u ri n g m a s c h in e n

Wir sagen: „asympototisch wächst f nicht stärker als g“, genau dann, wenn ∃k > 0, n 0> 0∀n > n 0: f(n) ≤k*g(n) Man schreibt zudem auchf(n) ∈O(g(n)), d.h. f(n) ∈{ h: ℕ→ℕ| ∃k > 0, n 0> 0∀n > n 0: f(n) ≤k*g(n) }

S a tz : J e d e t (n )- z e it , u n d s (n )- p la tz b e s c h rä n k te k -B a n d -D T M k a n n d u rc h e in e O (t (n )* s (n )) z e it - u n d O (s (n )) p la tz b e s c h rä n k te 1 -B a n d D T M s im u lie rt w e rd e n . S a tz : J e d e t (n )- z e it b e s c h rä n k te R A M k a n n d u rc h e in e O (t (n )

3

) z e it b e - s c h rä n k te D T M s im u lie rt w e rd e n . (o h n e Be w e is )

(29)

22.07.2009| Optimierung in dynamischer Umgebung| 29

T u ri n g m a s c h in e n E in e T u ri n g m a s c h in e h e iß t Z ä h le r, w e n n s ie , g e s ta rt e t m it b in (p ), p ∈ ℕ , b in (p -1 ), b in (p -2 ), .. .b in (1 ), b in (0 ) h in te re in a n d e r, i m m e r a u f d e m g le ic h e n B a n d b e re ic h e rz e u g t u n d d a n n s to p p t. S e i n = | b in (p ) | d ie L ä n g e d e r B in ä rd a rs te llu n g v o n p . S a tz : E s g ib t e in e n O (n ) p la tz - u n d O (2

n

) z e it b e s c h rä n k te n Z ä h le r. B e w e is : g e m e in s a m i n Ü b u n g

(30)

22.07.2009| Optimierung in dynamischer Umgebung| 30

T u ri n g m a s c h in e n E in g a b e b in (p ) = x

n-1

.. .x

0

s = p ; w h ile s < > 0 d o B e re c h n e b in (s -1 ) a u s b in (s ) w ie f o lg t: • g e h e z u m r e c h te n R a n d d e r E in g a b e • s o la n g e e in e 0 g e le s e n w ir d , ü b e rs c h re ib e s ie m it e in e r 1 u n d g e h e n a c h l in k s . S o b a ld e in e 1 g e le s e n w ir d e rs e tz e d ie s e d u rc h e in e 0 . • g e h e m it d e m K o p f e in e S te lle w e it e r n a c h l in k s . F a lls e in B g e le s e n w ir d , g e h e n a c h r e c h ts , e rs e tz e d ie 0 d u rc h e in B u n d g e h e a n d e n r e c h te n R a n d . S o n s t g e h e , o h n e e in Z e ic h e n z u ä n d e rn , a n d e n r e c h te n R a n d . • s = s -1 ;

(31)

22.07.2009| Optimierung in dynamischer Umgebung| 31

T u ri n g m a s c h in e n B e is p ie l: E in e 1 v o n 1 0 1 1 0 0 0 s u b tr a h ie re n B 1 0 1 1 0 0 0 B B 1 0 1 1 0 0 1 B B 1 0 1 1 0 1 1 B B 1 0 1 1 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B B 1 0 1 0 1 1 1 B 1 0 S c h ri tt e b z w , w e n n a N u lle n r e c h ts s te h e n : 2 a + 4 S c h ri tt e

• g e h e z u m r e c h te n R a n d d e r E in g a b e • s o la n g e e in e 0 g e le s e n w ir d , ü b e rs c h re ib e s ie m it e in e r 1 u n d g e h e n a c h l in k s . S o b a ld e in e 1 g e le s e n w ir d e rs e tz e d ie s e d u rc h e in e 0 .

(32)

22.07.2009| Optimierung in dynamischer Umgebung| 32

T u ri n g m a s c h in e n δ (q

0

,0 ) = ( q

0

,B ,R ) δ (q

0

,B ) = ( q

f

,B ,N ) δ (q

0

,1 ) = ( q

1

,1 ,R ) δ (q

1

,0 ) = ( q

1

,0 ,R ) δ (q

1

,1 ) = ( q

1

,1 ,R ) δ (q

1

,B ) = ( q

2

,B ,L ) δ (q

2

,0 ) = ( q

2

,1 ,L ) δ (q

2

,1 ) = ( q

3

,0 ,L ) δ (q

3

,B ) = ( q

0

,B ,R ) δ (q

3

,0 ) = ( q

1

,0 ,R ) δ (q

3

,1 ) = ( q

1

,1 ,R )

e rs e tz e f ü h re n d e N u lle n d u c h B s fa lls n u r N u lle n : fe rt ig s o n s t: g e h e a n d e n r e c h te n R a n d d e r E in g a b e , u n d d a n n v o r d a s l e tz te B s o la n g e e in e 0 g e le s e n w ir d , w ir d 1 g e s c h ri e b e n w e n n e in e 1 g e le s e n w ir d , w ir d 0 g e s c h ri e b e n u n d . .. fa lls d o rt e in B s te h t, p rü fe , o b f e rt ig . s o n s t g e h e z u m r e c h te n R a n d

(33)

22.07.2009| Optimierung in dynamischer Umgebung| 33

T u ri n g m a s c h in e n B e a c h te : m it n = | b in (p ) | g ilt : 2

n-1

≤ p < 2

n

, b z w . n -1 ≤ lo g (p ) < n S

M

(n ) = n + 2 = O (n ) 1 x d e k re m e n ti e re n : fa lls r e c h ts a N u lle n s te h e n , ≤ 2 a + 4 S c h ri tt e -> p -m a l d e k re m e n ti e re n b e i Z e it h ö c h s te n s 2 n + 4 A ls o : T

M

(n ) = O (n 2

n

) F ra g e : d a u e rt d a s w ir k lic h s o l a n g e ? A n tw o rt : n e in , d e n n d ie m e is te n D e k re m e n ts s in d v ie l s c h n e lle r.

(34)

22.07.2009| Optimierung in dynamischer Umgebung| 34

T u ri n g m a s c h in e n In 5 0 % a lle r F ä lle ( b e im r u n te rz ä h le n ) s te h t e in e 1 a m S c h lu ß . D .h . a = 0 In 2 5 % a lle r F ä lle s te h t e in e 1 0 a m S c h lu ß . D .h . a = 1 In 1 2 ,5 % a lle r F ä lle s te h t e in e 1 0 0 a m S c h lu ß . D .h . a = 2 In 6 ,2 5 % a lle r F ä lle s te h t e in e 1 0 0 0 a m S c h lu ß . D .h . a = 3 .. .. .. . Im D u rc h s c h n it t s in d d a s n ic h t m e h r a ls ∑

a0

(2 a + 4 )* 2

-a-1

= ∑

a0

2 a *2

-a-1

+ 4 *2

-a-1

v ie le S c h ri tt e . = ∑

a0

a *2

-a-1

+ ∑

a0

2

-a+1

= 2 + 4 A ls o e in D e k re m e n t in d u rc h s c h n it tl ic h 6 S c h ri tt e n . L a u fz e it O (2

n

)

(35)

22.07.2009| Optimierung in dynamischer Umgebung| 35

T u ri n g m a s c h in e n D e f. : E in e S p ra c h e L h e iß t e n ts c h e id b a r , w e n n e s e in e T u ri n g m a s c h in e g ib t, d ie z u je d e r E in g a b e w ∈ ∑ * n a c h e n d lic h e r Z e it a n h ä lt , u n d g e n a u d a n n i n e in e m a k z e p ti e re n d e n Z u s ta n d e n d e t, w e n n w ∈ L g ilt . E in e S p ra c h e L h e iß t s e m i- e n ts c h e id b a r , w e n n e s e in e T u ri n g m a s c h in e g ib t, d ie z u je d e r E in g a b e w ∈ L n a c h e n d lic h e r Z e it i n e in e m a k z e p ti e re n d e n E n d z u s ta n d a n h ä lt . E in e F u n k ti o n f h e iß t b e re c h e n b a r , w e n n e s e in e T u ri n g m a s c h in e g ib t, d ie f ü r a lle E in g a b e n x , d ie a u s d e m D e fi n it io n s b e re ic h v o n f s ta m m e n n a c h e n d lic h v ie le n S c h ri tt e n a n h ä lt u n d f (x ) a u f d a s B a n d s c h re ib t.

(36)

22.07.2009| Optimierung in dynamischer Umgebung| 36

U n e n d s c h e id b a rk e it G ib t e s u n e n d s c h e id b a re S p ra c h e n ? J a , d e n n e s g ib t n u r a b z ä h lb a r u n e n d lic h v ie le T u ri n g m a s c h in e n , a b e r ü b e ra b z ä h lb a r v ie le S p ra c h e n L ⊆ {0 ,1 }* B e g rü n d u n g m it H ilf e d e s C a n to r‘ s c h e n D ia g o n a lis ie ru n g s v e rf a h re n s :

M 1M 2M 3M 4... 0n j j n 1n n n j 01 j j j n ... x i Eintrag (M i,x k)=„j“bedeutet, dass x kaus der Sprache L(M i) ist. Sei nun L die Sprache, die genau aus den Wörtern besteht, bei denen beim Eintrag (M i,x i) „n“steht. L gehört zu keiner der aufgeführten TMs.

(37)

22.07.2009| Optimierung in dynamischer Umgebung| 37

B e re c h e n b a rk e it G ib t e s F u n k ti o n e n , d ie n ic h t v o n e in e r T u ri n g m a s c h in e b e re c h n e t w e rd e n k ö n n e n ? J a . D ie B u s y -B e a v e r F u n k ti o n ∑ (n ) is t d e fi n ie rt a ls d ie A n z a h l d e r E in s e n , d ie e in e C h a m p io n -T u ri n g m a s c h in e a u f e in z u B e g in n l e e re s B a n d a u s g ib t, w o b e i n d ie A n z a h l d e r e rl a u b te n Z u s tä n d e d a rs te llt . D ie T M m u s s i rg e n d w a n n h a lt e n . W ir g e h e n w e it e rh in d a v o n a u s , d a s s d ie s e E in s e n a lle z u s a m m e n h ä n g e n d s e in m ü s s e n . B e w e is :

(38)

22.07.2009| Optimierung in dynamischer Umgebung| 38

B e re c h e n b a rk e it A n n a h m e : D ie B u s y -B e a v e r F u n k ti o n ∑ (n ) is t b e re c h n b a r, u n d E V A L ∑ is t d ie T M , d ie ∑ (n ) b e re c h n e t. B e i e in e r E in g a b e v o n n E in s e n s c h re ib t s ie ∑ (n ) E in s e n a u f d a s B a n d u n d h ä lt d a n n a n . Im f o lg e n d e n d e fi n ie re n w ir 4 H ilf s -T M s . S e i IN C e in e T M , d ie b is z u m e rs te n B n a c h r e c h ts l ä u ft , d o rt e in e 1 s c h re ib t u n d d a n n h ä lt . D O U B L E s e in e in e a n d e re T M , d ie d ie A n z a h l E in s e n , d ie s ic h a u f d e m B a n d b e fi n d e n v e rd o p p e lt . D O U B L E b e re c h n e t a ls o z u E in g a b e n n + n . W ir b ild e n n u n e in e n e u e T M : D O U B L E | E V A L ∑ | IN C D ie A n z a h l d e r Z u s tä n d e d ie s e r M a s c h in e s e i n

0

(39)

22.07.2009| Optimierung in dynamischer Umgebung| 39

B e re c h e n b a rk e it S e i C R E A T E _ n

0

e in e w e it e re T M , w e lc h e n

0

E in s e n a u f e in l e e re s B a n d s c h re ib t. D ie s e T M g ib t e s , tr iv ia le rw e is e e in e m it n

0

v ie le n Z u s tä n d e n . S e i n u n N : = n

0

+ n

0

D a s F in a le : S e i B A D ∑ fo lg e n d e T M : C R E A T E _ n

0

| D O U B L E | E V A L ∑ (N ) | IN C n

0

n

0

D ie s e M a s c h in e h a t N Z u s tä n d e . S ie s ta rt e t a u f le e re m B a n d , s c h re ib t n

0

E in s e n , v e rd o p p e lt d ie s e , b e re c h n e t ∑ (N ) u n d s c h re ib t e in e w e it e re 1 . B A D ∑ h a t a ls o e in e 1 m e h r a ls ∑ (N ) g e s c h ri e b e n ! E s f o lg t, d a s s d ie A n n a h m e f a ls c h w a r.

(40)

22.07.2009| Optimierung in dynamischer Umgebung| 40

B u s y B e a v e r In te re s s a n te rw e is e s in d e in ig e B u s y -B e a v e rw e rt e b e k a n n t. Z .B . fü r T M s m it 2 S y m b o le n : # Z u s tä n d e A n z a h l E in s e n d e s S ie g e rs 1 1 2 4 3 6 4 1 3 5 > = 4 0 9 8 6 > = 9 5 .5 2 4 .0 7 9

(41)

2.07.2009| Optimierung in dynamischer Umgebung| 41

S c h ö n h e it i n d e r M a th e m a ti k :

(nach Prof. Hesse, Universität Stuttgart Fakultät r Mathematik und Physik, Dresden 2008)

B e is p ie l: T u rn ie rp ro b le m T e n n is tu rn ie r m it 1 2 8 S p ie le rn n a c h K .O .- S y s te m . W ie v ie le B e g e g n u n g e n w e rd e n a u s g e tr a g e n ?

P rä z is io n K la rh e it E le g a n z B e is p ie l: T u rn ie rp ro b le m T e n n is tu rn ie r m it 1 2 8 S p ie le rn n a c h K .O .- S y s te m . W ie v ie le B e g e g n u n g e n w e rd e n a u s g e tr a g e n ?

(42)

2.07.2009| Optimierung in dynamischer Umgebung| 42

T u rn ie rv e rl a u f B e is p ie l: T u rn ie rp ro b le m T e n n is tu rn ie r m it 1 2 8 S p ie le rn n a c h K .O .- S y s te m . W ie v ie le B e g e g n u n g e n w e rd e n a u s g e tr a g e n ?

Referenzen

ÄHNLICHE DOKUMENTE

Wenn der Emittent in Bezug auf die Einhaltung der Vorschriften eine Prüfung nicht besteht oder wenn befunden werden sollte, dass der Emittent gegen geltende Vorschriften, neue

Übersicht Das Dynamic Graph Reliability Problem geg.: ein DAG (gerichteter Graph ohne Kreise); Regeln, nach denen Kanten im Graphen ausfallen; Startknoten, Endknoten ges.: Gibt es

Stil von Cos d'Estournel, hervorgegangen aus einem aussergewöhnlichem Terroir, das im Laufe der Jahrhunderte durch die Leidenschaft der Menschen mit viel Ehrfurcht gepflegt

Der Paketerwerb eigener Aktien von einem oder mehreren Aktionären unter Ausschluss des Andienungsrechts der übrigen Aktionäre liegt entsprechend im

Das Projekt Neue Bahnanbindung EuroAirport unterliegt den Bestimmungen des Artikels L.121-8 des französischen Umweltgesetzbuchs, in dem es heißt: &#34;Die

Applied International Marketing Dieses Modul eignete sich sehr gut, um bereits erworbene Kenntnisse im internationalen Marketing durch problem- orientiertes Lernen

Dem Integrationsministerium ist es ein wichtiges Anliegen, sich vor der Einrichtung einer Mel- destelle eng mit den betroffenen Communities auszutauschen. Dass dieser Prozess

Der Delegierte von Swiss Aquatics kann bei vergleichbarer Zusammensetzung einer Staffel an Stelle der Richtzeit, die durch Addition der Richtzeiten der einzelnen Schwimmer