• Keine Ergebnisse gefunden

Berechenbarkeit und Komplexit¨at: Motivation, ¨Ubersicht und Organisatorisches

N/A
N/A
Protected

Academic year: 2022

Aktie "Berechenbarkeit und Komplexit¨at: Motivation, ¨Ubersicht und Organisatorisches"

Copied!
11
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Berechenbarkeit und Komplexit¨ at:

Motivation, ¨ Ubersicht und Organisatorisches

Prof. Dr. Berthold V¨ocking Lehrstuhl Informatik 1 Algorithmen und Komplexit¨at

RWTH Aachen

(2)

Berechenbarkeit – die absoluten Grenzen des Computers

Gib es einen Algorithmus f¨ur das folgende Problem?

Allgemeines Halteproblem

Eingabe: ein Programm in einer wohldefinierten, universellen Programmiersprache (z.B. Java, C, Pascal, Haskell)

Frage:Terminiert dieses Programm?

Wir werden beweisen, dass es keinen Algorithmus gibt, der diese Frage entscheiden kann.

(3)

Komplexit¨ atstheorie: F¨ ur welche Probleme gibt es einen effizienten Algorithmus?

Traveling Salesperson Problem (TSP)

Eingabe: vollst¨andiger Graph G mit Kantenl¨angen

Ausgabe:eine Rundreise, die alle Knoten inG besucht und dabei so kurz wie m¨oglich ist

F¨ur das TSP-Problem gibt es einen Algorithmus: Aufz¨ahlen aller m¨oglichen Rundreisen. (Wieviele Rundreisen gibt es?)

Aber wir werden zeigen, dass es unter der HypotheseP 6=NP keineneffizientenAlgorithmus f¨ur dieses Problem gibt.

(4)

Ubersicht ¨

Teil 1: Einf¨uhrung

Modellierung von Problemen

Einf¨uhrung der Turingmaschine (TM) Einf¨uhrung der Registermaschine (RAM) Vergleich TM – RAM

Church-Turing-These

(5)

Ubersicht ¨

Teil 2: Berechenbarkeit (Highlights) Existenz unentscheidbarer Probleme Unentscheidbarkeit des Halteproblems

Diagonalisierung / Unterprogrammtechnik / Reduktion Hilberts zehntes Problem

Das Postsche Korrespondenzproblem WHILE- und LOOP-Programme

(6)

Ubersicht ¨

Teil 3: Komplexit¨at (Highlights) Die Komplexit¨atsklassen Pund NP

NP-Vollst¨andigkeit und der Satz von Cook und Levin Kochrezept f¨ur NP-Vollst¨andigkeitsbeweise

(Polynomielle Reduktion)

NP-Vollst¨andigkeit zahlreicher Probleme Auswege aus der NP-Vollst¨andigkeit

(7)

Vorlesungstermine

Di 14:15h - 15:45h / Eph Do 16:15h - 17:45h / Eph

keine Vorlesung am 12.11. und 14.11.

(8)

Klausurtermine

Zulassungsklausur am 28.1.2014 Bachelorklausur am 28.2.2014 Wiederholungsklausur am 27.3.2014

(9)

Ubungsbetrieb ¨

Es gibt 15 ¨Ubungsgruppen.

Ausgabe der ¨Ubungsbl¨atter jeweils bis donnerstags im Web.

Abgabe der L¨osungen bis Donnerstag 09:00 Uhr im

Sammelkasten vor dem Lehrstuhl i1 oder in der Vorlesung am Dienstag.

Die ¨Ubungen k¨onnen in Gruppen von bis zu drei Personen abgegeben werden.

(10)

Zulassungskriterien f¨ ur Bachelor / Leistungsnachweis

Es sind mindestens 50 Punkte zu sammeln. Hierzu gibt es folgende M¨oglichkeiten:

90 Punkte aus der Zulassungsklausur.

Je 4 Punkte pro ¨Ubungsblatt f¨ur die speziell ausgezeichnete Aufgabe.

Je 2 Punkte f¨ur das Vortragen der L¨osung einer Aufgabe in den ¨Ubungsgruppen. Insgesamt jedoch h¨ochstens 22 Punkte.

Ubungspunkte werden im kleinen Umfang in der Bachelorklausur¨ ber¨ucksichtigt: Bei 50 + 10k erworbenen ¨Ubungspunkten f¨ur

∈ {1, . . . ,6}

(11)

Anmeldung zur Bachelorpr¨ ufung und zu den ¨ Ubungen

Die Anmeldung zu den ¨Ubungen erfolgt ¨uber campusOffice.

Die Anmeldung ist bis zum 31.10.2013, 16:00 Uhr freigeschaltet.

Die Anmeldung f¨ur die Bachelorpr¨ufung muss bis zum 29.11.2013 ¨uber campusOffice erfolgen.

Zur Vorlesung ist keine gesonderte Anmeldung erforderlich!

Alle Informationen und Materialien werden auf der Homepage ver¨offentlicht.

Referenzen

ÄHNLICHE DOKUMENTE

Der einzige Unterschied zur deterministischen Turingmaschine TM besteht darin, dass die Zustands¨ uberf¨ uhrungen bei der NTM nicht durch eine Funktion sondern durch eine

Die Klasse P enth¨ alt alle Entscheidungsprobleme, die effizient auf dem Computer gel¨ ost werden k¨ onnen. Intuitiv: P enth¨ alt die Probleme, die wir gut verstehen k¨ onnen und

Die Klasse P enth¨ alt alle Entscheidungsprobleme, die effizient auf dem Computer gel¨ ost werden k¨ onnen. Intuitiv: P enth¨ alt die Probleme, die wir gut verstehen k¨ onnen und

Wenn das Entscheidungsproblem X NP-vollst¨ andig ist, so ist das komplement¨ are Problem X coNP-vollst¨ andig. Komplement¨

Also: Das Problem X ist sogar dann NP-schwer, wenn alle Zahlenwerte in der Instanz I nur polynomiell gross (gemessen in |I |)

Wir m¨ussen zeigen, dass die Formel auch dann noch erf¨ullbar ist, wenn wir C durch C ′ ∧ C ′′ ersetzen. Aus B erhalten wir eine erf¨ullende Belegung f¨ur die neue Formel,

Statt der RAM kann man in der Definition von polynomieller Laufzeit und von polynomiellen Algorithmen genauso gut die TM verwenden: RAM und TM simulieren einander ja mit

Da sich der Kopf einer Turingmaschine in einem Schritt nur um eine Position bewegen kann gilt: NP ⊆ NPSPACE = PSPACE.. Die Klasse