• Keine Ergebnisse gefunden

Aufgaben zu Kapitel 3 der Vorlesung

N/A
N/A
Protected

Academic year: 2021

Aktie "Aufgaben zu Kapitel 3 der Vorlesung"

Copied!
2
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Aufgaben zu Kapitel 3 der Vorlesung

„Randomisierte Algorithmen“

Aufgabe 3.1

Gegeben sei eine probabilistische TMM(nicht notwendigerweise in Normal- form), die für jede Eingabe hält.

Konstruieren Sie eine probabilistische TM M0, die für keine Eingabe mehr Schritte macht alsMschlimmstenfalls es tut und in jeder Situation genau zwei verschiedene Möglichkeiten der Weiterarbeit hat oder keine.

Lösung 3.1

Als neue Zustandsmenge wählt manS0 =S∪S, wobei ¯¯ S={s¯|s∈S}„neue Kopien“ der ursprünglichen Zustände sind.

Falls für ein (s,b) ∈ S×B durch δ schon zwei verschiedene Aktionen festgelegt sind, ändert man nichts:δ0(s,b) =δ(s,b).

Falls dagegen nur eine Aktion festgelegt ist, alsoδ(s,b) ={(t,c,d)}ergänzt Man eine weitere, indem man definiert:

δ0(s,b) ={(t,c,d),(¯t,c,d)}

Damit sind für jedes(s,b)∈S×Bzwei Aktionen festgelegt.

Für jedes ¯s∈ S¯legt man nun noch fest, dass sich der Zustand „wie das Originalsverhält“. Für jedes(s,¯ b)∈S¯×Bdefiniert man:

δ0(s,¯ b) =δ0(s,b)

Aufgabe 3.2

Unter welchen Umständen und wie könnte man die PTMM0 aus der vorange- gangenen Aufgabe so ergänzen, dass eine PTMM00in Normalform entsteht?

Lösung 3.2

Das verbleibende Problem: alle Berechnungspfade müssen gleich lang sein.

Falls M0 so ist, dass man in Abhängigkeit von der Eingabegröße n die maximale Länget(n)endlicher Berechnungspfade in Zeitt(n)berechnen kann, dann kannM00für eine Eingabewzunächstx=t(|w|)berechnen, anschließend M0 Schritt für Schritt simulieren und dabei jeweils x um 1 herunterzählen.

WennM0fertig ist, aber nochx>0, dann werden noch künstlich “Leerschritte“

von M0 simuliert, bis x = 0 erreicht ist und erst mit der Ausgabe von M0 angehalten.

1

(2)

Die resultierende TM hat schlimmstenfalls Zeitbedarft(n)logt(n). Insbe- sondere arbeitet mitM0auch M00in Polynomialzeit.

Aufgabe 3.3 Beweisen Sie:

k i=0

i·2−i =2−(k+2)2−k

Lösung 3.3

Vollständige Induktion liefert sofort das Gewünschte.

* Aufgabe 3.4

Versuchen Sie zu zeigen, dass das folgende Problem unentscheidbar ist:

Probleminstanz: eine probabilistische TuringmaschineM

Frage: Wird jedes Eingabewort von M entweder gar nicht oder mit einer Wahrscheinlichkeit von mindestens 1/2 akzeptiert?

2

Referenzen

ÄHNLICHE DOKUMENTE

Wintersemester 2012/13 Ubungsblatt 2

Geben Sie auch die Stelle t j an, bei der das Maximum angenom- men wird, und treffen Sie Vorkehrungen f¨ur einen Overflow der Euler–Werte. Interpretieren Sie

Verwenden Sie Ihr Programm zur numerischen L¨osung der aus Aufgabe 14 bekannten Beispiele a) und b) auf dem Intervall [0, 7] mit den angegebenen impliziten Runge-Kutta-Verfahren und

v = 1: In diesem Fall muss für alle zwei ∨ -Nachfolger festgestellt wer- den, dass sie eine 1 liefern.. Dafür genügt es aber, jeweils nur einen (passenden) ihrer ∧ -Nachfolger

Für einen Graphen G sei wie in der Vorlesung L ( G ) die Menge der lokal minimalen Kanten und B ( G ) der Graph, der nach einer Bor ˚uvka-Phase aus G entsteht.. Zeigen Sie im

[r]

Zeigen Sie, dass die Markov-Kette des Metropolis-Algorithmus (Punkt 9.8 der Vorlesung) reversibel

• Es sei X i die Zufallsvariable, die angibt, wieviele Schritte der Ran- dom Walk braucht von dem Zeitpunkt, zu dem zum ersten Mal i verschiedene Knoten besucht sind, bis zu