Složitost

1. Složitost

2. Opakování z minulé přednášky • Co říká Churchova teze? • Jak lze kódovat Turingův stroj? • Co je to Univerzální Turingův stroj? • Formulujte problém příslušnosti pro Turingovy stroje. Je tento problém rozhodnutelný? Proč? • Jakým způsobem lze dokázat, že existují problémy, které nejsou ani částečně rozhodnutelné? • Formulujte problém zastavení pro TS. • Jak dokázat, že problém zastavení je nerozhodnutelný? • Vysvětlete metodu redukce.

3. Rozhodnutelné problémy • Je-li problém rozhodnutelný, ještě to neznamená, že je rozhodnutelný „v rozumném čase“. • Za rozumný čas považujeme takový čas, kdy je pro nás výsledek výpočtu ještě využitelný. • Rozhodnutelností se zabývá teorie vyčíslitelnosti • Časovou náročností se zabývá teorie složitosti • O tom bude dnešní přednáška

4. Složitost • Složitost algoritmu vyjadřuje náročnost algoritmu na výpočetní prostředky počítače v závislosti na délce vstupních dat. • Časová složitost – náročnost algoritmu na čas procesoru • V jakých jednotkách časovou složitost měřit? • Značení: T(x) • Prostorová složitost – náročnost algoritmu na operační paměť • V jakých jednotkách prostorovou složitost měřit? • Značení: S(x)

5. Výpočetní model pro složitost • Turingův stroj není vhodný kvůli sekvenčnímu přístupu na pásku • RAM stroj • Neomezený počet registrů pro uložení libovolně velkých čísel • Instrukce READ, STORE, LOAD, ADD, SUB, JUMP, JPOS, JNEG, JZERO, HALT • V základních rysech odpovídá reálnému počítači

6. Délka výpočtu výrazů • T(a) = 1, je-li a konstanta či proměnná • T(ab) = 1 + T(a) + T(b), kde {+,-,*,/,div,mod} • T(a AND b) = 1 + T(a) [ + T(b)] • T(a OR b) = 1 + T(a) [ + T(b)] • T(NOT a) = 1 + T(a)

7. Čas na vykonání příkazu • Elementární příkazy (délka výpočtu 1): • načtení/výpis jedné proměnné • přiřazení (nutno přičíst čas potřebný na vyhodnocení přiřazované hodnoty) • T(IF a THEN b ELSE c) = 1 + T(a) + T(b)|T(c) • T(FOR i:=1 TO n DO p) = n*(p+2)

8. Druhy složitosti • Složitost v nejhorším případě: ze všech možných vstupních dat uvažujeme ta, nad nimiž je výpočet (časově) nejnáročnější • Složitost v nejlepším případě: ze všech možných vstupních dat uvažujeme ta, nad nimiž je výpočet (časově) nejméně náročný • Složitost v průměrném případě: z (časových) náročností všech možných vstupních dat vypočteme průměrnou hodnotu • Kterou složitost v praxi nejvíce oceníme? • Kterou složitost dokážeme nejsnáze určit?

9. Definice časové složitosti • Časová složitost algoritmuje funkce, která je pro každou velikost vstupních dat rovna délce nejdelšího výpočtu na všech možných datech této délky • Je tedy třeba provést analýzu nejhoršího případu • Časová složitost problémuje minimum časových složitostí všech algoritmů řešících daný problém

10. Definice prostorové složitosti • Prostorová složitost algoritmuje funkce, která je pro každou délku vstupních dat rovna největšímu počtu registrů RAM stroje / políček pásky Turingova stroje obsazených během výpočtu • Prostorová složitost problémuje minimum prostorových složitostí všech algoritmů řešících daný problém • Extrasekvenční prostorová složitostje prostorová složitost, do níž nezapočítáváme vstupní údaje

11. Vztah času a prostoru • Základní rozdíl: prostor lze využít opakovaně, čas ne • Za jednu jednotku času můžeme obsadit maximálně jednu jednotku prostoru • Anebo využít prostor obsazený dříve • K obsazení nové jednotky prostoru vždy potřebujeme nejméně jednu jednotku času • Důsledek: Časová složitost je vždy větší nebo rovna prostorové složitosti

12. Asymptotická časová složitost • Zanedbáváme aditivní konstanty • Pro analýzu složitosti nemají praktický význam • Zanedbáváme multiplikativní konstanty • Lze nahradit rychlejším počítačem, větším počtem počítačů, atd. • Zajímá nás jen „hrubá“ charakteristika funkce – její chování v nekonečnu • Tedy jen její asymptoty • Zavedení tříd funkcí

13. Třídy funkcí podle asymptotického růstu • O(g) = {f | c>0, n0: n>n0: |f(n)| ≤ |c∙g(n)|} • Třída funkcí, které rostou asymptoticky nejvýše tak rychle, jako funkce g • Např. f(x) = ax2+b  O(x2) pro libovolné a, b • Např. f(x) = ax2+b  O(x3) pro libovolné a, b • (g) = {f | c>0, n0: n>n0: |c∙g(n)|≤|f(n)|} • Třída funkcí, které rostou asymptoticky alespoň tak rychle, jako funkce g • Např. f(x) = ax2+b (x2) pro libovolné a, b • Např. f(x) = ax3+bx2+c(x2) pro libovolné a, b • (g) = {f | c1,c2>0, n0: n>n0: |c1∙g(n)|≤|f(n)| ≤ |c2∙g(n)|} • Třída funkcí ohraničených funkcí g z obou stran • Např. f(x) = ax2+b (x2) pro libovolné a, b • Např. f(x) = ax3+bx2+c(x3) pro libovolné a, b • Platí: (g) = O(g)  (g)

14. Složitostní třídy I. • Konstantní: O(c) • př.: „Hello world!“, výběr konstanty • Logaritmická: O(logc n) pro libovolné c • př.: Vyhledávání půlením intervalu, vyhledávání v binárním stromu • Lineární: O(n) • př.: Sekvenční vyhledávání, překladač • Kvadratická: O(n2) • př.: Bubble sort, součet matic řádu n • Kubická: O(n3) • př.: Násobení matic řádu n • Polynomiální: O(nc) pro libovolné cN • Exponenciální: O(cn) pro libovolné cN • př.: Problém obchodního cestujícího

15. Řešitelnost v rozumném čase • Otázka: Kde leží hranice mezi problémy, které považujeme za řešitelné v rozumném čase a těmi, které jsou v rozumném čase neřešitelné?

16. Nedeterminismus • V teorii složitosti uvažujeme i nedeterministické výpočetní modely • Nedeterministický Turingův stroj • Nedeterministický RAM stroj • Každý nedeterministický model lze převést na deterministický • Za cenu nárůstu časové složitosti • Je třeba vyzkoušet všechny možnosti

17. Složitostní třídy II. • DTIME(f(n)) = množina všech problémů řešitelných deterministickým algoritmem s časovou složitostí patřící do O(f(n)) • DSPACE(f(n))= množina všech problémů řešitelných deterministickým algoritmem s prostorovou složitostí patřící do O(f(n)) • NTIME(f(n))= množina všech problémů řešitelných nedeterministickým algoritmem s časovou složitostí patřící do O(f(n)) • NSPACE(f(n))= množina všech problémů řešitelných nedeterministickým algoritmem s prostorovou složitostí patřící do O(f(n))

18. Vztahy složitostních tříd I. • DSPACE(f(n))  NSPACE(f(n)) • Každý problém řešitelný v prostoru f(n) deterministicky, lze v témže prostoru řešit nedeterministicky • DTIME(f(n))  NTIME(f(n)) • Každý problém řešitelný v čase f(n) deterministicky, lze v témže čase řešit nedeterministicky • DTIME(f(n))  DSPACE(f(n)) • Prostor lze použít opakovaně, čas nikoliv. Tedy co lze řešit v čase f(n), lze řešit i v prostoru f(n) • NTIME(f(n))  NSPACE(f(n)) • Taktéž nedeterministicky

19. Vztahy složitostních tříd II. • NTIME(f(n))  c>0DTIME(cf(n)) • Při převodu nedeterminismu na determinismus je třeba vyzkoušet všechny možnosti (tj. prohledat c-ární výpočtový strom) • NSPACE(f(n))  c>0 DTIME(cf(n)) • Počet všech konfigurací NTS pracujícího v prostoru f(n) je |Q|∙||f(n). Sestrojíme-li graf, jehož uzly odpovídají konfiguracím a hrany přechodové fci, jedná se o prohledávání tohoto grafu se složitostí v O(|U|2), tedy v O(cf(n)). • NTIME(f(n))  DSPACE(f(n)) • Nedeterministický stroj je náročnější na čas, nikoliv na paměť. Co lze řešit (byť nedeterministicky) v čase f(n), lze řešit i v prostoru f(n)

20. Složitostní třídy III. • P = k>0 DTIME(nk) • NP = k>0 NTIME(nk) • PSPACE = k>0 DSPACE(nk) • NPSPACE = k>0 NSPACE(nk) • DEXPTIME = k>0 DTIME(2^nk) • NEXPTIME = k>0 NTIME(2^nk) • DLOG = DSPACE(log n) • NLOG = NSPACE(log n)

21. Vztahy složitostních tříd • DLOG  NLOG  P  NP  PSPACE  DEXPTIME  NEXPTIME • O všech inkluzích se předpokládá, že jsou ostré. O žádné se to však zatím nepodařilo dokázat • Jistě pouze víme, že • DLOG  PSPACE • P  DEXPTIME • NP  NEXPTIME • Nejvýznamnější inkluze je mezi P a NP

22. Úplné problémy • Nechť C je složitostní třída. Problém P nazveme C-úplný, jestliže PC a jestliže pro každý problém patřící do C platí, že jej lze redukovat na P. • Tedy QC: Q ≤ P • Úplné problémy jsou tedy nejtěžší problémy v dané třídě • Je-li rozdíl mezi danou třídou a nižší třídou neprázdný, pak obsahuje právě tyto problémy

23. Příklady NP-úplných problémů • Problém obchodního cestujícího • Problém nalezení nejkratší hamiltonovské kružnice v grafu o n vrcholech • Problém splnitelnosti booleovské formule • Je dána výroková formule (v KNF). Existuje ohodnocení proměnných takové, že formule je pravdivá? • Problém batohu • Je dána konečná množina objektů. Každý objekt má svoji hmotnost a cenu. Problém spočívá v nalezení takové podmnožiny objektů, jejichž celková hmotnost je nižší než daná mez a jejichž cena je nejvyšší možná • …

24. P =? NP • Nejvýznamnější problém teoretické informatiky • Všechny NP-úplné problémy jsou navzájem redukovatelné jeden na druhý • Nalezení polynomiálního algoritmu pro jediný z nich znamená nalezení polynomiálního algoritmu pro všechny • a tedy dokázání, že P = NP. • Důsledek: konec jednosměrných funkcí (hashování, šifrování)