Další NP-úplné problémy
|
|
- Danuše Matoušková
- před 6 lety
- Počet zobrazení:
Transkript
1 Další NP-úplné problémy Známe SAT, CNF, 3CNF, k-klika... a ještě následující easy NP-úplný problém: Existence Certifikátu (CERT ) Instance: M, x, t, kde M je DTS, x je řetězec, t číslo zakódované jako 1 t Otázka: Existuje řetězec y s y t, t.ž. M přijme [x, y] v t krocích? Věta CERT je NP-úplný. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
2 Důkaz (část I.). Ukážeme, že CERT NP: Nechť U je univerzální TS, jenž na vstup dostane [M, x, y] a simuluje nad [x, y] práci TS M. Tento stroj bude sloužit jako verifikátor pro CERT. Pokud M přijme v t krocích, U přijme, v opačném případě zamítne. Dá se ukázat, že bude stačit pouze O(t 2 ). Každopádně stačí polynomiální čas. [M, x, t] CERT p.k. existuje y, pro nějž platí, že y t a U přijme [M, x, 1 t, y]. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
3 Důkaz (část II.). CERT je NP-těžký Nechť A NP, existuje tedy TS M (verifikátor pro A), který pracuje v polynomiálním čase, a polynom p(n), pro které platí, že x A p.k. existuje y, y p( x ), t.ž. M přijme [x, y]. Předpokládejme, že čas M je taky omezen p(n). Definujeme funkci r : x [M, x, p( x )]. Jistě je možno vyčíslovat ji v polynomiálním čase. Ukážeme, že jde o redukci. Pokud x A, existuje certifikát y délky omezené p( x ), t.ž. M přijme [x, y]. M zastaví v čase t = p( x ), protože polynom p omezuje i délku výpočtu M nad [x, y]. Podle definice problému CERT tedy [M, x, p( x )] CERT. Pokud [M, x, p( x )] CERT, podle definice CERT to znamená, že existuje y, y p( x ), pro nějž M(x, y) přijme p( x ) krocích, a tedy x A. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
4 NP-úplný problém Vrcholové pokrytí Vrcholové pokrytí (VP) Instance: [G, k], kde G = (V, E) je graf a k je číslo. Otázka: Tj. S k a ( e E)[S e ]. Tj.: Existuje množina S V, která obsahuje nejvýše k vrcholů a z každé hrany obsahuje alepoň jeden koncový vrchol? Věta VP je NP-úplný. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
5 Důkaz (část I.). VP NP plyne z toho, že pro danou množinu S dokážeme ověřit v polynomiálním čase, jde-li o vrcholové pokrytí správné velikost. VP je NP-těžký ukážeme tak, že ukážeme 3CNF P VP. Mějme tedy 3cnf-formuli φ = C 1 C 2 s proměnnými U = {u 1,..., u n }. Ukážeme, jak k ní zkonstruovat graf G = (V, E) a číslo k, pro něž bude platit, že v G existuje vrcholové pokrytí velikostí nejvýš k, právě když φ je splnitelná. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
6 Důkaz (část II.). Pro každou proměnnou u i U definujeme podgraf T i = (V i, E i ), kde V i = {u i, u i } E i = {{u i, u i }} všimněte si: ve vrcholovém pokrytí musí být alespoň jeden z uzlů u i a u i Příklad φ = (x 1 x 1 x 2 ) (x 1 x 2 x 2 ) (x 1 x 2 x 2 ) x 1 x 1 x 2 x 2 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
7 Důkaz (část III.) Pro každou klauzuli C j, j = 1,..., m přidáme úplný podgraf o třech nových vrcholech, tedy trojúhelník S j = (V j, E j ). V j = {a 1 [j], a 2 [j], a 3 [j]} E j = {{a 1 [j], a 2 [j]}, {a 1 [j], a 3 [j]}, {a 2 [j], a 3 [j]}} všimněte si: vrcholové pokrytí musí obsahovat alespoň dva vrcholy z V j. Příklad φ = (x 1 x 1 x 2 ) (x 1 x 2 x 2 ) (x 1 x 2 x 2 ) x 2 x 2 x 2 x 1 x 1 x 1 x 2 x 1 x 2 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
8 Důkaz (část IV.) Podgrafy spojíme mezi sebou hranami, které spojují vrcholy pro literály s jejich výskyty v klauzulí. Předpokládejme, že pro každé j = 1,..., m je klauzule C j = (x j y j z j ), kde x j, y j, z j jsou literály (pozitivní nebo negativní). Pak přidáme hrany z S j do příslušných vrcholů literálů, tedy množinu hran: E j = {{a 1 [j], x j }, {a 2 [j], y j }, {a 3 [j], z j }} V naší konstrukci nakonec položíme k = n + 2m a G = (V, E), kde V = ( 1 i n E = ( 1 i n V i ) ( 1 i m E i ) ( 1 i m V i ) E i) ( 1 i n E i ) Z popisu je zjevné, že ji lze zkonstruovat v polynomiálním čase. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
9 Příklad φ = (x 1 x 1 x 2 ) (x 1 x 2 x 2 ) (x 1 x 2 x 2 ) x 1 x 1 x 2 x 2 x 2 x 2 x 2 x 1 x 1 x 1 x 2 x 1 x 2 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
10 Důkaz (část V.) Zbývá dokázat, že tato transformace je redukce. Tj. že φ je splnitelná G má pokrytí k vrcholy. Idea této části důkazu Připomínka: Hledání ohodnocení, ve kterém je splnitelná cnf-formule C 1 C 2 C m je vlastně nalezení j-tice literálů l 1, l 2,..., l m, t.ž. (1) l i je členem klauzule C i, (2) v m-tici se nevyskytuje žádná výroková proměnná jako pozitivní a negativní literál současně. (1) je v G zajištěno výběrem dvojice uzlů v trojúhelnících: třetí nevybraný představuje literál zařazený do m-tice. (2) je zajištěno provázáním přes dvojice. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
11 Důkaz (část VII.) : Mějme G, které má vrcholové pokrytí W V velikosti k = n + 2m. W musí pokrýt alespoň jeden uzel z každého podgrafu T i i = 1,..., n a alespoň dva vrcholy z každého trojúhelníku S j j = 1,..., m. Musí tedy platit W n + 2m. A protože současně W n + 2m, musí ve skutečnosti platit, že W pokrývá právě jeden vrchol z každého T i a právě dva vrcholy z každého S i. Definujeme ohodnocení t : U {0, 1} { 1 u i W, t(u i ) = 0 u i W. Tedy z každého T i je ve W jeden vrchol, je v definici t(u i ) vždy splněna právě jedna z podmínek, jde tedy o dobře definované ohodnocení. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
12 Důkaz (část VIII.) Nechť C = (x 1 y j z j ) je libovolná klauzule φ. Množina W pokrývá dva vrcholy z trojúhelníku S j, existuje tedy jeden vrchol, který není pokrytý. Nechť je to BÚNO a 1 [j], protože hrana {a 1 [j], x j } musí být pokryta, a tedy x j W a tedy hodnocení přiřadí x j hodnotu 1. Tedy pokud x j = u i W, platí t(u i ) = 1, pokud x j = u i W, platí t(u i ) = 0. V obou případech je literál x j splněn ohodnocením t. Protože to platí pro všechny klauzule, je t splňující ohodnocení φ. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
13 Důkaz (část IX.) : Předpokládejme, že φ je splněná ohodnocením t : U {0, 1} a definujme množinu Množina obsahuje n vrcholů. W = {u i t(u i ) = 1} {u i t(u i ) = 0}. Mezi hranami z E j vedoucímí z každého trojúhelníku S j musí být alespoň jedna pokrytá nějakým vrcholem z W, neboť t je splňující ohodnocení, které tedy splňuje některý literál z klauzule C j. Z každého trojúhelníku stačí tedy vybrat dva vrcholy tak, aby byly pokryty jak hrany z E j, tak hrany z E j. Přidáním těchto vrcholů do W dostaneme vrcholové pokrytí celého grafu velikosti k = n + 2m. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
14 Hamiltonovská kružnice v grafu (HAMILTON) Hamiltonovská kružnice v grafu (HAMILTON) Instance: [G, k], kde G = (V, E). Otázka: Existuje v grafu G cyklus vedoucí přes všechny vrcholy? Věta HAMILTON je NP-úplný. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
15 Důkaz (část I.) HAMILTON NP: zjevné, máme-li k dispozici pořadí vrcholů, snadno v polynomiálním čase ověříme, tvoří-li hamiltonovskou kružnici. HAMILTON je NP-těžký: ukážeme jako V P p HAMILTON. Uvažujme instanci vrcholového pokrytí [G, k]. Zkonstruujeme nový graf G = (V, E ), pro který bude platit, že G existuje hamiltonovská kružnice p.k. existuje vrcholové pokrytí velikosti k. Pro každou hranu e = {u, v} E definujeme podgraf G e = (V e, E e), kde V e = {(u, e, i), (v, e, i) 1 i 6} a E e = {{(u, e, i), (u, e, i + 1)} 1 i 5}} {{(v, e, i), (v, e, i + 1)} 1 i 5}} {{(u, e, i), (v, e, 3)}, {(u, e, 3), (v, e, 1)}, {(u, e, 4), (v, e, 6)}, {(u, e, 6), (v, e, 4)}}. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
16 Důkaz (část II.) Graf G e je zobrazen tu: Jediné vrcholy k nimž v další konstrukci připojíme další hrany budou (u, e, 1), (u, e, 6), (v, e, 1), (v, e, 6), což zaručí, že hamiltonovská kružnice musí vstoupit i vystoupit z podgrafu jedním z těchto 4 vrcholů. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
17 Důkaz (část III.) Jsou jen 3 způsoby jak pokrýt hranu e v G: (I) Cesta vstoupí G e v (u, e, 1), vystoupí (u, e, 6) a mezitím projde všechny vrcholy (cesta je jednoznačně daná). (II) Cesta vstoupí G e v (v, e, 1), vystoupí (v, e, 6) (symetricky s předchozím případem) (III) kužnice do podgrafu vstoupí dvakrát, jednou projde sloupec u a jednou projde sloupec v. všimněte si: vzhledem k tomu, že je graf neorentovaný, nezáleží na tom, jestli například v prvním případě vstoupí cesta do G e vrcholem (u, e, 1) a vystoupí (u, e, 6), nebo naopak. Pokud cesta vstoupí vrcholem (v, e, 1), vystoupí vždy (v, e, 6). Stejně tak pro u. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
18 Důkaz (část IV.) Do množiny vrcholů V nového grafu G přidáme ještě k vrcholů a 1,..., a k. Ty použijeme k výběru k vrcholů vrcholového pokrytí. Zbývá popsat, jak spojíme jednotlivé podgrafy G e a nově přidané vrcholy a i Pro každý vrchol v V zapojíme jednotlivé grafy G e s v e za sebe. Přesněji, označme si stupeň vrcholu v pomocí deg(v), hrany z G, v nichž se vyskytuje v pomocí e v[1],..., e v[deg(v)]. Nyní definujme E v = { {(v, e v[i], 6), (v, e v[i+1], 1)} 1 i < deg(v) }. Příklad u v w x Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
19 Důkaz (část V.) Vrcholy na koncích této posloupnosti, tedy (v, e v[1], 1) a (v, e v[deg(v)], 6) připojíme ke všem výběrovým vrcholům a 1,..., a k. E v = { {a i, (v, e v[1], 6)}, {a i, (v, e v[deg(v)], 1)} 1 i k }. Příklad u v w x 1 2 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
20 Důkaz (část VI.) Konstruovaný graf G = (V, E ) vznikne spojením popsaných částí: V = {a 1,..., a k } E = ( e E E e ) ( ( v V e E E v V e ) ) ( v V Tuto transformaci je zjevně možné provést v polynomiálním čase. E v ) Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
21 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
22 Důkaz (část VII.) Ukážeme, že jde o redukci: V G existuje hamiltonovská kružnice daná pořadím vrcholů u 1,..., u n, kde n = V. Uvažme úsek této kružnice, který začíná a končí v některém z vrcholů a 1,..., a k, přičemž mezi tím žádným z nich neprochází. Nechť tento úsek BÚNO začíná v a i a končí a j. Vrchol následující po a i v ham. kružnici musí být (v, e v[1], 1) pro nějaký vrchol v V. Vejde-li ham. kružnice vrcholem (v, e v[1], 1) do G e v[1], musí z něj vyjít vrcholem (v, e v[1], 6). Odtud přejde do (v, e v[1], 1), takto projde všechny grafy G e pro hrany e obsahující vrchol v až nakonec přejde z vrcholu (v, e v[deg(v)], 6) do a j. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
23 Důkaz (část VIII) Definujeme množinu vrcholů S = {v ( i {1,..., k}) ( j {1,..., n}) [(u j = a i ) (u (j+1modk) = (v, e v[1], 1)]}. Tvrdíme, že jde o vrcholové pokrytí v grafu G, přičemž jeho velikost je k. Nechť e = {u, v} je libovolná hrana grafu G, protože u 1,..., u n určuje pořadí vrcholů na hamiltonovské kružnici, musí projít i podgraf G e. Vejde-li do G e vrcholem (u, e, 1), pak musí platit, že u S, podobně pokud vejde vrcholem (v, e, 1), musí platit, že v S, tedy hrana e je pokryta. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
24 Důkaz (část IX). Naopak: S je VP velikosti k. Můžeme uvažovat, že jde o množinu velkou přesně k. Pokud je menší, doplníme do ní libovolné vrcholy tak, aby její velikost byla k. Z popisu konstrukce plyne, jak pospojujeme jednotlivé podgrafy odpovídající hranám. Předp. že S = {v 1,..., v k } V. Mezi vrcholy a i a a i+1 (popř. a 1 pokud i = k) povedeme cestu mezi podgrafy G e pro e = e vi [1],..., e vi [deg(v i )] v tomto pořadí. Graf přitom projdeme způsobem (I) nebo (II). Pokud platí e S, použijeme způsob (III). Vzhledem k tomu žč S tvoří vrcholové pokrytí, projdeme takto všechny vrcholy grafu G a vznikne tedy hamiltonovská kružnice. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
25 NP-úplný problém Trojrozměrné párování Trojrozměrné párování (3DM) Instance: Množina M X Y Z, X, Y, Z jsou po dvou disjunktní množiny, z nichž každá obsahuje právě q prvků. Otázka: Obsahuje M perfektní párování? Neboli, existuje množina M M, M = q, trojice v níž obsažené jsou po dvou disjunktní? Věta 3DM je NP -úplný. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
26 Důkaz: 3DM NP opět snadné. Plyne to z toho, že pokud máme k dispozici množinu M M, dokážeme ověřit v polynomiálním čase, jde-li o párování velikosti q. 3DM je NP-těžký: Ukážeme CNF p 3DM Nechť φ = C 1 C m je cnf-formule s proměnnými U = {u 1,..., u n }. Sestrojíme instanci problému 3DM, pro kterou bude platit, že v ní existuje perfektní párování, právě když φ je splnitelná. Konstrukci rozdělíme na tři části: vytvoříme komponentu, která bude určovat, jakou hodnotu která proměnná dostane. vytvoříme komponentu, která bude zajišťovat propojení této hodnoty s klauzulemi, v nichž se tato proměnná vyskytuje. doplníme trojice tak, abychom dostali ke splňujícímu ohodnocení skutečně perfektní párování a naopak. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
27 Nechť u i je libovolná proměnná, za ni přidáme nové vnitřní prvky a i [1],..., a i [m] do X b i [1],..., b i [m] do Y Do Z přidáme prvky u i [1],..., u i [m] a u i [1],..., u i [m]. Na těchto prvcích vytvoříme množiny trojic T f i a T t i takto: Ti t = {(a i [j], b i [j], u i [j]) 1 j m} T f i = {(a i [(j + 1) mod m], b i [j], u i [j]) 1 j m} T = Ti t T f i Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
28 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
29 Protože žádný z prvků a i [j] ani b i [j] se nebude vyskytovat v jiných trojicích, je tímto vynuceno, že perfektní párování musí obsahovat všechny trojice z Ti t nebo všechny trojice z T f i. Pokud obsahuje trojice z Ti t, znamená to, že žádná další nesmí obsahovat u i, tedy vynucujeme hodnotu 1 pro u i. Pokud obsahuje trojice z T f i, vynucujeme hodnotu 0. Za klauzuli C j přidáme nový prvek s 1 [j] do množiny X, nový prvek s 2 [j] do množiny Y, a množinu trojic S j = {(s 1 [j], s 2 [j], u i [j]) u i C j } {(s 1 [j], s 2 [j], u i [j]) u i C j } Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
30 S j = {(s 1 [j], s 2 [j], u i [j]) u i C j } {(s 1 [j], s 2 [j], u i [j]) u i C j } Prvky s 1 [j] a s 2 [j] se opět nebudou vyskytovat v jiných trojicích, díky tomu v perfektním párování musí být právě jedna trojice z množiny S j. Navíc pokud se trojice (s 1 [j], s 2 [j], u i [j]) vyskytuje v perfektním párování, znamená to, že u u i [j] se nemůže vyskytovat v jiné trojici a to znamená, že v tomto párování jsou všechny trojice z T t I a žádná z T f i. Podobně by to bylo, kdyby v perfektním párování byla trojice s negativním literálem. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
31 Těmito trojicemi jsme ale schopni v párování pokrýt jen mn + m prvků z 2mn prvků u i [j], u i [j], i = 1,..., n, j = 1,..., m mn jsme pokryli pomocí Ti t nebo T f i pro každé i = 1,..., n m jsme pokryli pomocí trojic z S j, j = 1,..., m. Zbývá tedy 2mn (mn + m) = mn m = m(n 1) prvků, které nejsme schopni pokrýt (zatím). Přidáme do Do X při dáme g 1 [k] pro k = 1,..., m(n 1). Do Y při dáme g 2 [k] pro k = 1,..., m(n 1). Do M přidáme množinu trojic G = {(g 1 [k], g 2 [k], u i [j]), (g 1 [k], g 2 [k], u i [j]) 1 k m(n 1), 1 i n, 1 Tím je konstrukce dokončena. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
32 Shrňme si to: X = {a i [j] 1 i n, 1 j m} {s 1 [j] 1 j m} {g 1 [j] 1 j m(n 1)} Y = {a i [j] 1 i n, 1 j m} {s 1 [j] 1 j m} {g 1 [j] 1 j m(n 1)} Z = {u i [j], u i [j] 1 i n, 1 j m} ( n ) ( n ) M = T i S i G i=1 i=1 Zjevně platí M X Y Z, M = 2mn + 3m + 2m 2 n(n 1) X = Y = Z = 2mn Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
33 Předpokládejme, že v M existuje perfektní párování M, na jehož základě zkonstruujeme ohodnocení t, které bude splňovat formuli φ. Nechť i je libovolný index z 1,..., n. V M jsou buď všechny trojice z T t nebo všechny trojice z T f i. pokud Ti t, definujeme t(u i) := 1, pokud T f i, definujeme t(u i) := 0. Nechť C j je libovolná klauzule formule φ. Množina M musí obsahovat právě jednu z trojic z S j (je to jediná možnost, jak pokrýt s 1 [j] a s 2 [j] a dvě obsahovat nemůže, by tam byly s 1 [j] či s 2 [j] duplicitně). i, Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
34 Nechť tato trojice je (s 1 [j], s 2 [j], u i [j]) pro nějaké i = 1,..., n. Znamená to, že u i je proměnná vyskytující se jako pozitivní literál v klauzuli C j. Navíc musí platit, že u i [j] se nemůže vyskytovat v žádné jiné trojici v M, proto M obsahuje trojice z T t I a nikoli T f I a tedy t(u i) = 1, čímž je klauzule C j splněna. podobně: Nechť tato trojice je (s 1 [j], s 2 [j], u i [j]) pro nějaké i = 1,..., n. Znamená to, že u i je proměnná vyskytující se jako negativní literál v klauzuli C j. Navíc musí platit, že u i [j] se nemůže vyskytovat v žádné jiné trojici v M, proto M obsahuje trojice z T f I a nikoli T t I a tedy t(u i) = 0, čímž je klauzule C j splněna. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
35 Nechť φ je splnitelná, zkonstruujeme perfektní párování následovně. Nechť e : U {0, 1} je ohodnocení splňující φ a nechť z j označuje literál, který je v C j tímto ohodnocením splněn pro j = 1,..., m. Pokud je takových literálů víc, vybereme prostě jeden z nich. Pak položíme: M = Ti t t(u i )=1 t(u i )=0 T f i m {(s 1 [j], s 2 [j], z j [j])} G, kde G je množina vhodně vybraných trojic z G, které doplňují párování o pokrýtí zbylých literálů. Není těžké ověřit, že tato definovaná množina M tvoří perfektní párování M. j=1 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
36 Loupežníci (LOU P ) Loupežníci (LOU P ) Instance: Množina prvků A a s každým prvkem a A asociovaná cena (váha, velikost,... ) s(a) N. Otázka: Lze rozdělit prvky z A na dvě poloviny se stejnou celkovou cenou? Přesněji, existuje množina A A taková, že s(a) = a A a A\A s(a)? Věta LOUP je NP -úplný. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
37 Důkaz LOUP NP zase stejné, plyne to z toho, že zadanou množinu A je snadné ověřit, zda obsahuje prvky poloviční ceny. LOUP je NP-těžký: Ukážeme 3DM p LOUP. Uvažujme instanci 3DM, tedy množinu M X Y Z, kde X = Y = Z = q. Vytvoříme instanci LOUP, tedy množinu A a cenovou funkci s : A N, pro něž bude platit, že M má perfektní párování, právě když prvky v A lze rozdělit na dvě části se stejnou cenou. Předpokládejme, že M = {m 1,..., m k }, X = {x 1,... x q, }Y = {y 1,..., y q }, Z = {z 1,..., z q }. Jednotlivé prvky trojce m i označme jako x f(i), y g(i), z h(i). Tj. funkce f (resp. g, h) vrátí k zadanému indexu i index f(i) (resp. h(i), g(i)) prvku trojice m i, který patří do množiny X (resp. Y, Z). Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
38 Postavme A = {a 1,..., a k, b 1, b 2 }, kde a 1,..., a k odpovídají trojicím m 1,..., m k, b 1 a b 2 jsou pomocné vyrovnávací prvky. Cenu s(a 1 ) prvku a i pro i {1,..., k} popíšeme její binární reprezentací, která bude rozdělena an 3 q zón, z nichž každý má p = log 2 (k + 1) bitů. Každá z těchto zón bude odpovídat jednomu z elementů X Y Z. Přesněji viz obrázek... Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
39 Reprezentace s(a i ) bude záviset jen na prvcích trojice m i, tedy na x f(i), y g(i), a z h(i). Váha s(a i ) bude mít nastaveny na 1 nejpravější (t.j. nejméně významné) bity v blocích označených těmito třemi prvky, ostatní bity budou nulové: s(a i ) = 2 p(3q f(i)) + 2 p(2q g(i)) + 2 p(q h(i)). Protože počet bitů, které potřebujeme na reprezentaci je 3pq a tedy polynomiální vzhledem k velikosti vstupu. všimněte si: pokud posčítáme hodoty v kterékoli zóně, nedojde k přetečení, neboť jde o sečtení nejvýše k jedniček. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
40 Položíme B = 3q 1 j=0 2 pj, což je číslo, kde v každé zóně nastavíme na 1 nejméně významný bit. Množina A {a i 1 i k} bude splňovat a A s(a) = B, právě když M = {m i a i A } je perfektní párování M. V tuto chvíli jsme tedy učinili převod problému 3DM na problém součtu podmnožiny, kde se ptáme, za existuje výběr prvků s celkovou cenou rovnou zadané hodnotě. Abychom dostali na poloviny, doplníme dva prvky b 1 a b 2 s cenami: ( k ) s(b 1 ) = 2 s(a i ) B i=1 ( k ) s(b 2 ) = s(a i ) + B i=1 Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
41 Pokud nyní A A splňuje, že a A s(a) = a A\A s(a), pak se oba součty musí rovnat 2 k i=1 s(a i), neboť to je polovina ze součtu všech prvků k i=1 s(a i) + s(b 1 ) + s(b 2 ). Přitom platí, že prvky b 1 a b 2 se nemohou oba vyskytovat na jedné straně, tj. nemohou být oba v A nebo oba v A \ A, protože s(b 1 ) + s(b 2 ) = 3 k i=1 s(a i). Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
42 bez újmy na obecnosti můžeme předpokládat, že b 1 A, b 2 A \ A. z toho plyne, že s(a) = B a A \{b 1 } a prvky v A bez b 1 tedy určují perfektní párování v M. Nyní předpokládejme, že M M je pefektní párování. Definujeme A = {a i m i M } Musí platit, že a A s(a) = B, a tedy A A s(a) + s(b 1) = 2 k i=i s(a i), což znamená, že množina {a i m i M } {b 1 } obsahuje prvky právě poloviční ceny. Jan Konečný KMI/VCS1 Vyčíslitelnost a složitost 1. prosince / 42
Problémy třídy Pa N P, převody problémů
Problémy třídy Pa N P, převody problémů Cvičení 1. Rozhodněte o příslušnosti následujících problémů do tříd Pa N P(N PCověříme později): a)jedanýgrafsouvislý? danýproblémjeztřídy P,řešíhonapř.algoritmyDFS,BFS.
Stromové rozklady. Definice 1. Stromový rozklad grafu G je dvojice (T, β) taková, že T je strom,
Stromové rozklady Zdeněk Dvořák 25. října 2017 Definice 1. Stromový rozklad grafu G je dvojice (T, β) taková, že T je strom, β je funkce přiřazující každému vrcholu T podmnožinu vrcholů v G, pro každé
YZTI - poznámky ke složitosti
YZTI - poznámky ke složitosti LS 2018 Abstrakt Poznámky k přednášce YZTI zabývající se složitostí algoritmických problémů a teorií NP-úplnosti. Složitost algoritmu a problému Zabýváme se už pouze rekurzivními
10 Přednáška ze
10 Přednáška ze 17. 12. 2003 Věta: G = (V, E) lze nakreslit jedním uzavřeným tahem G je souvislý a má všechny stupně sudé. Důkaz G je souvislý. Necht v je libovolný vrchol v G. A mějme uzavřený eurelovský
4. NP-úplné (NPC) a NP-těžké (NPH) problémy
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA 4. NP-úplné (NPC) a NP-těžké (NPH) problémy Karpova redukce
H {{u, v} : u,v U u v }
Obyčejný graf Obyčejný graf je dvojice G= U, H, kde U je konečná množina uzlů (vrcholů) a H {{u, v} : u,v U u v } je (konečná) množina hran. O hraně h={u, v} říkáme, že je incidentní s uzly u a v nebo
NP-úplnost problému SAT
Problém SAT je definován následovně: SAT(splnitelnost booleovských formulí) Vstup: Booleovská formule ϕ. Otázka: Je ϕ splnitelná? Příklad: Formule ϕ 1 =x 1 ( x 2 x 3 )jesplnitelná: např.přiohodnocení ν,kde[x
Výroková a predikátová logika - V
Výroková a predikátová logika - V Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - V ZS 2015/2016 1 / 21 Dokazovací systémy VL Hilbertovský kalkul Hilbertovský
PQ-stromy a rozpoznávání intervalových grafů v lineárním čase
-stromy a rozpoznávání intervalových grafů v lineárním čase ermutace s předepsanými intervaly Označme [n] množinu {1, 2,..., n}. Mějme permutaci π = π 1, π 2,..., π n množiny [n]. Řekneme, že množina S
Výroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2015/2016 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2015/2016 1 / 18 Základní syntax Jazyk Výroková logika je logikou
Matematická logika. Rostislav Horčík. horcik
Matematická logika Rostislav Horčík horcik@math.feld.cvut.cz horcik@cs.cas.cz www.cs.cas.cz/ horcik Rostislav Horčík (ČVUT FEL) Y01MLO Letní semestr 2007/2008 1 / 15 Splnitelnost množin Definice Množina
Úvod do vybíravosti grafů, Nullstellensatz, polynomiální metoda
Úvod do vybíravosti grafů, Nullstellensatz, polynomiální metoda Zdeněk Dvořák 12. prosince 2017 1 Vybíravost Přiřazení seznamů grafu G je funkce L, která každému vrcholu G přiřadí množinu barev. L-obarvení
Výroková a predikátová logika - III
Výroková a predikátová logika - III Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - III ZS 2017/2018 1 / 16 2-SAT 2-SAT Výrok je v k-cnf, je-li v CNF a
Vrcholová barevnost grafu
Vrcholová barevnost grafu Definice: Necht G = (V, E) je obyčejný graf a k N. Zobrazení φ : V {1, 2,..., k} nazýváme k-vrcholovým obarvením grafu G. Pokud φ(u) φ(v) pro každou hranu {u, v} E, nazveme k-vrcholové
Ukážeme si lineární algoritmus, který pro pevné k rozhodne, zda vstupní. stromový rozklad. Poznamenejme, že je-li k součástí vstupu, pak rozhodnout
Ukážeme si lineární algoritmus, který pro pevné k rozhodne, zda vstupní graf má stromovou šířku nejvýše k, a je-li tomu tak, také vrátí příslušný stromový rozklad. Poznamenejme, že je-li k součástí vstupu,
Vztah teorie vyčíslitelnosti a teorie složitosti. IB102 Automaty, gramatiky a složitost, /31
Vztah teorie vyčíslitelnosti a teorie složitosti IB102 Automaty, gramatiky a složitost, 2. 12. 2013 1/31 IB102 Automaty, gramatiky a složitost, 2. 12. 2013 2/31 Časová složitost algoritmu počet kroků výpočtu
Tento text je stručným shrnutím těch tvrzení Ramseyovy teorie, která zazněla
Ramseyovy věty Martin Mareš Tento text je stručným shrnutím těch tvrzení Ramseyovy teorie, která zazněla na mé letošní přednášce z Kombinatoriky a grafů I Předpokládá, že čtenář se již seznámil se základní
PŘEDNÁŠKA 7 Kongruence svazů
PŘEDNÁŠKA 7 Kongruence svazů PAVEL RŮŽIČKA Abstrakt. Definujeme svazové kongruence a ukážeme jak pro vhodné binární relace svazu ověřit, že se jedná o svazové kongruence. Popíšeme svaz Con(A) kongruencí
5 Orientované grafy, Toky v sítích
Petr Hliněný, FI MU Brno, 205 / 9 FI: IB000: Toky v sítích 5 Orientované grafy, Toky v sítích Nyní se budeme zabývat typem sít ových úloh, ve kterých není podstatná délka hran a spojení, nýbž jejich propustnost
Definice 1 eulerovský Definice 2 poloeulerovský
Dále budeme předpokládat, že každý graf je obyčejný a má aspoň tři uzly. Definice 1 Graf G se nazývá eulerovský, existuje-li v něm uzavřený tah, který obsahuje každou hranu v G. Definice 2 Graf G se nazývá
Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?
Kapitola 9 Matice a počet koster Graf (orientovaný i neorientovaný) lze popsat maticí, a to hned několika různými způsoby. Tématem této kapitoly jsou incidenční matice orientovaných grafů a souvislosti
Výroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2013/2014 1 / 20 Základní syntax Jazyk Výroková logika je logikou
10 Podgrafy, isomorfismus grafů
Typické příklady pro zápočtové písemky DiM 470-2301 (Kovář, Kovářová, Kubesa) (verze: November 25, 2018) 1 10 Podgrafy, isomorfismus grafů 10.1. Určete v grafu G na obrázku Obrázek 10.1: Graf G. (a) největší
Hypergrafové removal lemma a Szemérediho
Hypergrafové removal lemma a Szemérediho věta Zdeněk Dvořák 7. prosince 207 Hypergrafové removal lemma a jeho důsledek Definice. Dvojice (V, E) je k-uniformní hypergraf, je-li E množina neuspořádaných
Výroková a predikátová logika - IV
Výroková a predikátová logika - IV Petr Gregor KTIML MFF UK ZS 2018/2019 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IV ZS 2018/2019 1 / 17 Tablo metoda Tablo Tablo - příklady F (((p q)
Vybíravost grafů, Nullstellensatz, jádra
Vybíravost grafů, Nullstellensatz, jádra Zdeněk Dvořák 10. prosince 2018 1 Vybíravost Přiřazení seznamů grafu G je funkce L, která každému vrcholu G přiřadí množinu barev. L-obarvení je dobré obarvení
Definice 9.4. Nedeterministický algoritmus se v některých krocích může libovolně rozhodnout pro některé z několika možných různých pokračování.
9.5 Třída NP Definice 9.4. Nedeterministický algoritmus se v některých krocích může libovolně rozhodnout pro některé z několika možných různých pokračování. Příklad. Uvažujme problém IND a následující
3. Třídy P a NP. Model výpočtu: Turingův stroj Rozhodovací problémy: třídy P a NP Optimalizační problémy: třídy PO a NPO MI-PAA
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
Přijímací zkouška - matematika
Přijímací zkouška - matematika Jméno a příjmení pište do okénka Číslo přihlášky Číslo zadání 1 Grafy 1 Pro který z následujících problémů není znám žádný algoritmus s polynomiální časovou složitostí? Problém,
GRAFY A GRAFOVÉ ALGORITMY
KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO GRAFY A GRAFOVÉ ALGORITMY ARNOŠT VEČERKA VÝVOJ TOHOTO UČEBNÍHO TEXTU JE SPOLUFINANCOVÁN EVROPSKÝM SOCIÁLNÍM FONDEM A STÁTNÍM ROZPOČTEM ČESKÉ
3.10 Rezoluční metoda ve výrokové logice
3.10. Rezoluční metoda ve výrokové logice [070405-1102 ] 27 3.10 Rezoluční metoda ve výrokové logice Rezoluční metoda rozhoduje, zda daná množina klausulí je splnitelná nebo je nesplnitelná. Tím je také
zejména Dijkstrův algoritmus pro hledání minimální cesty a hladový algoritmus pro hledání minimální kostry.
Kapitola Ohodnocené grafy V praktických aplikacích teorie grafů zpravidla graf slouží jako nástroj k popisu nějaké struktury. Jednotlivé prvky této struktury mají často přiřazeny nějaké hodnoty (může jít
PŘEDNÁŠKA 2 POSLOUPNOSTI
PŘEDNÁŠKA 2 POSLOUPNOSTI 2.1 Zobrazení 2 Definice 1. Uvažujme libovolné neprázdné množiny A, B. Zobrazení množiny A do množiny B je definováno jako množina F uspořádaných dvojic (x, y A B, kde ke každému
Grafy. RNDr. Petra Surynková, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta.
6 RNDr., Ph.D. Katedra didaktiky matematiky Univerzita Karlova v Praze Matematicko-fyzikální fakulta petra.surynkova@mff.cuni.cz http://surynkova.info množina vrcholů a množina hran hrana vždy spojuje
Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.
Přednáška 3, 19. října 2015 Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť X i = M i I je jeho pokrytí otevřenými
Výroková a predikátová logika - X
Výroková a predikátová logika - X Petr Gregor KTIML MFF UK ZS 2018/2019 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - X ZS 2018/2019 1 / 16 Rozšiřování teorií Extenze o definice Rozšiřování
Definice barevnosti grafu, základní vlastnosti. Varinaty problému barvení.
7 Barevnost a další těžké problémy Pro motivaci této lekce se podíváme hlouběji do historie počátků grafů v matematice. Kromě slavného problému sedmi mostů v Královci (dnešním Kaliningradě) je za další
Kostry. 9. týden. Grafy. Marie Demlová (úpravy Matěj Dostál) 16. dubna 2019
Grafy 16. dubna 2019 Tvrzení. Je dán graf G, pak následující je ekvivalentní. 1 G je strom. 2 Graf G nemá kružnice a přidáme-li ke grafu libovolnou hranu, uzavřeme přesně jednu kružnici. 3 Graf G je souvislý
Problém obchodního cestujícího(tsp) Vstup: Množina n měst a vzdálenosti mezi nimi. Výstup: Nejkratší okružní cesta procházející všemi městy.
Problém obchodního cestujícího(tsp) Vstup: Množina n měst a vzdálenosti mezi nimi. Výstup: Nejkratší okružní cesta procházející všemi městy. Poznámka:Slovem okružní myslíme,žecestakončívestejném městě,
Konstrukce relace. Postupně konstruujeme na množině všech stavů Q relace i,
[161014-1204 ] 11 2.1.35 Konstrukce relace. Postupně konstruujeme na množině všech stavů Q relace i, kde i = 0, 1,..., takto: p 0 q právě tehdy, když bud p, q F nebo p, q F. Dokud i+1 i konstruujeme p
Matematická logika. Miroslav Kolařík
Matematická logika přednáška třetí Miroslav Kolařík Zpracováno dle textu R. Bělohlávka: Matematická logika poznámky k přednáškám, 2004. a dle učebního textu R. Bělohlávka a V. Vychodila: Diskrétní matematika
Systém přirozené dedukce výrokové logiky
Systém přirozené dedukce výrokové logiky Korektnost, úplnost a bezespornost Šárka Vavrečková Ústav informatiky, FPF SU Opava Poslední aktualizace: 6. října 2008 Věta o korektnosti Věta (O korektnosti Systému
Třída PTIME a třída NPTIME. NP-úplnost.
VAS - Přednáška 9 Úvod ke kursu. Složitost algoritmu. Model RAM. Odhady složitosti. Metoda rozděl a panuj. Greedy algoritmy. Metoda dynamického programování. Problémy, třídy složitosti problémů, horní
TGH02 - teorie grafů, základní pojmy
TGH02 - teorie grafů, základní pojmy Jan Březina Technical University of Liberec 5. března 2013 Počátek teorie grafů Leonard Euler (1707 1783) 1735 pobyt v Královci (Prusko), dnes Kaliningrad (Rusko) Úloha:
Dijkstrův algoritmus
Dijkstrův algoritmus Hledání nejkratší cesty v nezáporně hranově ohodnoceném grafu Necht je dán orientovaný graf G = (V, H) a funkce, která každé hraně h = (u, v) H přiřadí nezáporné reálné číslo označované
Množiny, relace, zobrazení
Množiny, relace, zobrazení Množiny Množinou rozumíme každý soubor určitých objektů shrnutých v jeden celek. Zmíněné objekty pak nazýváme prvky dané množiny. Pojem množina je tedy synonymem pojmů typu soubor,
67. ročník matematické olympiády III. kolo kategorie A. Přerov, března 2018
67. ročník matematické olympiády III. kolo kategorie Přerov, 8.. března 08 MO . Ve společnosti lidí jsou některé dvojice spřátelené. Pro kladné celé číslo k 3 řekneme, že společnost je k-dobrá, pokud
Operační výzkum. Síťová analýza. Metoda CPM.
Operační výzkum Síťová analýza. Metoda CPM. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky a managementu Registrační číslo
Lineární programování
Lineární programování Petr Tichý 19. prosince 2012 1 Outline 1 Lineární programování 2 Optimalita a dualita 3 Geometrie úlohy 4 Simplexová metoda 2 Lineární programování Lineární program (1) min f(x) za
Teorie grafů. zadání úloh. letní semestr 2008/2009. Poslední aktualizace: 19. května 2009. First Prev Next Last Go Back Full Screen Close Quit
Teorie grafů zadání úloh letní semestr 2008/2009 Poslední aktualizace: 19. května 2009 Obsah Úloha číslo 1 5 Úloha číslo 2 6 Úloha číslo 3 7 Úloha číslo 4 8 Úloha číslo 5 9 Úloha číslo 6 10 Úloha číslo
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice
Greenova funkce pro dvoubodové okrajové úlohy pro obyčejné diferenciální rovnice Jan Tomeček Tento stručný text si klade za cíl co nejrychlejší uvedení do teorie Greenových funkcí pro obyčejné diferenciální
NP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze
NP-ÚPLNÉ PROBLÉMY Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze BI-GRA, LS 2010/2011, Lekce 13 Evropský sociální fond Praha & EU: Investujeme do
Modely Herbrandovské interpretace
Modely Herbrandovské interpretace Petr Štěpánek S využitím materialu Krysztofa R. Apta 2006 Logické programování 8 1 Uvedli jsme termové interpretace a termové modely pro logické programy a také nejmenší
TGH02 - teorie grafů, základní pojmy
TGH02 - teorie grafů, základní pojmy Jan Březina Technical University of Liberec 31. března 2015 Počátek teorie grafů Leonard Euler (1707 1783) 1735 pobyt v Královci (Prusko), dnes Kaliningrad (Rusko)
α β ) právě tehdy, když pro jednotlivé hodnoty platí β1 αn βn. Danou relaci nazýváme relace
Monotónní a Lineární Funkce 1. Relace předcházení a to Uvažujme dva vektory hodnot proměnných α = α,, 1 αn ( ) a β = ( β β ) 1,, n x,, 1 xn. Říkáme, že vekto r hodnot α předchází vektor hodnot β (značíme
Třídy složitosti P a NP, NP-úplnost
Třídy složitosti P a NP, NP-úplnost Cíle přednášky: 1. Definovat, za jakých okolností můžeme problém považovat za efektivně algoritmicky řešitelný. 2. Charakterizovat určitou skupinu úloh, pro které není
1 Linearní prostory nad komplexními čísly
1 Linearní prostory nad komplexními čísly V této přednášce budeme hledat kořeny polynomů, které se dále budou moci vyskytovat jako složky vektorů nebo matic Vzhledem k tomu, že kořeny polynomu (i reálného)
Výroková a predikátová logika - II
Výroková a predikátová logika - II Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - II ZS 2017/2018 1 / 17 Předběžnosti Základní pojmy n-ární relace a funkce
Cvičení z Lineární algebry 1
Cvičení z Lineární algebry Michael Krbek podzim 2003 2392003 Hodina Jsou dána komplexní čísla z = +2 i a w = 2 i Vyjádřete c algebraickém tvaru (z + w) 3,, (zw), z w 2 Řešte v komplexním oboru rovnice
Lineární algebra : Lineární prostor
Lineární algebra : Lineární prostor (3. přednáška) František Štampach, Karel Klouda LS 2013/2014 vytvořeno: 17. dubna 2014, 14:43 1 2 3.1 Aximotické zavedení lineárního prostoru Číselné těleso Celou lineární
4 Pojem grafu, ve zkratce
Petr Hliněný, FI MU Brno, 2014 1 / 24 FI: IB000: Pojem grafu 4 Pojem grafu, ve zkratce Třebaže grafy jsou jen jednou z mnoha struktur v matematice a vlastně pouze speciálním případem binárních relací,
Výroková a predikátová logika - VII
Výroková a predikátová logika - VII Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VII ZS 2013/2014 1 / 21 Sémantika PL Teorie Vlastnosti teorií Teorie
Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.
1 3 4 5 6 7 8 9 10 11 1 13 14 15 16 17 18 19 0 1 3 4 5 6 7 8 9 30 31 3 Zdůvodněte, proč funkce f(n) = n log(n) 1 n 1/ roste rychleji než funkce g(n) = n. Zdůvodněte, proč funkce f(n) = n 3/ log(n) roste
Diskrétní matematika. DiM /01, zimní semestr 2016/2017
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2016/2017 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
Binární vyhledávací stromy pokročilé partie
Binární vyhledávací stromy pokročilé partie KMI/ALS lekce Jan Konečný 30.9.204 Literatura Cormen Thomas H., Introduction to Algorithms, 2nd edition MIT Press, 200. ISBN 0-262-5396-8 6, 3, A Knuth Donald
Regulární výrazy. Definice Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto:
IB102 Automaty, gramatiky a složitost, 6. 10. 2014 1/29 Regulární výrazy Definice 2.58. Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto: 1 ε, a a pro každé a
8 Přednáška z
8 Přednáška z 3 12 2003 Problém minimální kostry: Dostaneme souvislý graf G = (V, E), w : E R + Našim úkolem je nalézt strom (V, E ) tak, aby výraz e E w(e) nabýval minimální hodnoty Řešení - Hladový (greedy)
Pumping lemma - podstata problému. Automaty a gramatiky(bi-aag) Pumping lemma - problem resolution. Pumping lemma - podstata problému
BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 2/22 Pumping lemma - podstata problému BI-AAG (2011/2012) J. Holub: 10. Vlastnosti regulárních jazyků p. 4/22 Automaty a gramatiky(bi-aag)
12. Aproximační algoritmy
12. Aproximační algoritmy (F.Haško,J.enda,.areš, ichal Kozák, Vojta Tůma) Na minulých přednáškách jsme se zabývali různými těžkými rozhodovacími problémy. Tato se zabývá postupy, jak se v praxi vypořádat
Algoritmus pro hledání nejkratší cesty orientovaným grafem
1.1 Úvod Algoritmus pro hledání nejkratší cesty orientovaným grafem Naprogramoval jsem v Matlabu funkci, která dokáže určit nejkratší cestu v orientovaném grafu mezi libovolnými dvěma vrcholy. Nastudoval
Od Turingových strojů k P=NP
Složitost Od Turingových strojů k P=NP Zbyněk Konečný Zimnění 2011 12. 16.2.2011 Kondr (Než vám klesnou víčka 2011) Složitost 12. 16.2.2011 1 / 24 O čem to dnes bude? 1 Co to je složitost 2 Výpočetní modely
2. přednáška 8. října 2007
2. přednáška 8. října 2007 Konvergence v metrických prostorech. Posloupnost bodů (a n ) M v metrickém prostoru (M, d) konverguje (je konvergentní), když v M existuje takový bod a, že lim n d(a n, a) =
Matice. a m1 a m2... a mn
Matice Nechť (R, +, ) je okruh a nechť m, n jsou přirozená čísla Matice typu m/n nad okruhem (R, +, ) vznikne, když libovolných m n prvků z R naskládáme do obdélníkového schematu o m řádcích a n sloupcích
Převoditelnost problémů nezávislé množiny na problém hamiltonovského cyklu () IS HC 1/10
Převoditelnost problémů nezávislé množiny na problém hamiltonovského cyklu () IS C 1/10 Cíle prezentace seznámit s problémem nezávislé množiny seznámit s problémem hamiltonovského cyklu seznámitspřevodemproblémup1naproblémp2(p1
Výroková a predikátová logika - IX
Výroková a predikátová logika - IX Petr Gregor KTIML MFF UK ZS 2013/2014 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - IX ZS 2013/2014 1 / 15 Korektnost a úplnost Důsledky Vlastnosti teorií
Vlastnosti regulárních jazyků
Vlastnosti regulárních jazyků Podobně jako u dalších tříd jazyků budeme nyní zkoumat následující vlastnosti regulárních jazyků: vlastnosti strukturální, vlastnosti uzávěrové a rozhodnutelné problémy pro
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování. študenti MFF 15. augusta 2008
Učební texty k státní bakalářské zkoušce Matematika Základy lineárního programování študenti MFF 15. augusta 2008 1 15 Základy lineárního programování Požadavky Simplexová metoda Věty o dualitě (bez důkazu)
TGH02 - teorie grafů, základní pojmy
TGH02 - teorie grafů, základní pojmy Jan Březina Technical University of Liberec 28. února 2017 Metainformace materiály: jan.brezina.matfyz.cz/vyuka/tgh (./materialy/crls8.pdf - Introduction to algorithms)
1. Toky, řezy a Fordův-Fulkersonův algoritmus
1. Toky, řezy a Fordův-Fulkersonův algoritmus V této kapitole nadefinujeme toky v sítích, odvodíme základní věty o nich a také Fordův-Fulkersonův algoritmus pro hledání maximálního toku. Také ukážeme,
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA.
TOPOLOGIE A TEORIE KATEGORIÍ (2017/2018) 4. PREDNÁŠKA - SOUČIN PROSTORŮ A TICHONOVOVA VĚTA. PAVEL RŮŽIČKA 4.1. (Kvazi)kompaktnost a sub-báze. Buď (Q, ) uspořádaná množina. Řetězcem v Q budeme rozumět lineárně
KMI/VCS1 Vyčíslitelnost a složitost
KMI/VCS1 Vyčíslitelnost a složitost Paměťová složitost, Savitchova věta, třída PSPACE, PSPACE-úplné problémy, a jako bonus: Bremermannova mez Jan Konečný 3. prosince 2013 Jan Konečný KMI/VCS1 Vyčíslitelnost
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy
PŘEDNÁŠKA 5 Konjuktivně disjunktivní termy, konečné distributivní svazy PAVEL RŮŽIČKA Abstrakt. Ukážeme, že každý prvek distributivního svazu odpovídá termu v konjuktivně-disjunktivním (resp. disjunktivně-konjunktivním)
Kapitola Základní množinové pojmy Princip rovnosti. Dvě množiny S a T jsou si rovny (píšeme S = T ) prvek T je také prvkem S.
1 Kapitola 1 Množiny 11 Základní množinové pojmy Pojem množiny nedefinujeme, pouze připomínáme, že množina je souhrn, nebo soubor navzájem rozlišitelných objektů, kterým říkáme prvky 111 Princip rovnosti
Základy logiky a teorie množin
Pracovní text k přednášce Logika a teorie množin (I/2007) 1 1 Struktura přednášky Matematická logika 2 Výroková logika Základy logiky a teorie množin Petr Pajas pajas@matfyz.cz Predikátová logika 1. řádu
Pro každé formule α, β, γ, δ platí: Pro každé formule α, β, γ platí: Poznámka: Platí právě tehdy, když je tautologie.
Zpracoval: hypspave@fel.cvut.cz 5. Výroková logika, formule výrokové logiky a jejich pravdivostní ohodnocení, splnitelné formule, tautologie, kontradikce, sémantický důsledek, tautologicky ekvivalentní
Predik atov a logika - pˇredn aˇska () Predik atov a logika - pˇredn aˇska / 16
Predikátová logika - přednáška 3 6. 1. 2015 () Predikátová logika - přednáška 3 6. 1. 2015 1 / 16 Věta (o dedukci) Bud L jazyk, T teorie pro L, ϕ L-sentence a ψ L-formule. Pak Věta (o kompaktnosti) T ϕ
Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy
Teorie informace a kódování (KMI/TIK) Reed-Mullerovy kódy Lukáš Havrlant Univerzita Palackého 10. ledna 2014 Primární zdroj Jiří Adámek: Foundations of Coding. Strany 137 160. Na webu ke stažení, heslo:
autorovu srdci... Petr Hliněný, FI MU Brno 1 FI: MA010: Průnikové grafy
9 Krátké povídání o průnikových grafech Od této lekce teorie grafů se zaměříme lehce na několik vybraných partíı teorie grafů bĺızkých autorovu srdci... Naším prvním výběrem jsou průnikové grafy, což jsou
Úlohy k procvičování textu o univerzální algebře
Úlohy k procvičování textu o univerzální algebře Číslo za pomlčkou v označení úlohy je číslo kapitoly textu, která je úlohou procvičovaná. Každá úloha je vyřešena o několik stránek později. Kontrolní otázky
Báze a dimenze vektorových prostorů
Báze a dimenze vektorových prostorů Buď (V, +, ) vektorový prostor nad tělesem (T, +, ). Nechť u 1, u 2,..., u n je konečná posloupnost vektorů z V. Existují-li prvky s 1, s 2,..., s n T, z nichž alespoň
Riemannův určitý integrál
Riemannův určitý integrál 1. Motivační příklad Příklad (Motivační příklad pro zavedení Riemannova integrálu). Nechť,. Vypočtěme obsah vybarvené oblasti ohraničené grafem funkce, osou a svislými přímkami
Výroková a predikátová logika - VIII
Výroková a predikátová logika - VIII Petr Gregor KTIML MFF UK ZS 2017/2018 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VIII ZS 2017/2018 1 / 21 Tablo Tablo metoda v PL - rozdíly Formule
Diskrétní matematika. DiM /01, zimní semestr 2018/2019
Diskrétní matematika Petr Kovář petr.kovar@vsb.cz Vysoká škola báňská Technická univerzita Ostrava DiM 470-2301/01, zimní semestr 2018/2019 O tomto souboru Tento soubor je zamýšlen především jako pomůcka
FIT ČVUT MI-LOM Lineární optimalizace a metody. Dualita. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti
FIT ČVUT MI-LOM Lineární optimalizace a metody Dualita Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Michal Černý, 2011 FIT ČVUT, MI-LOM, M. Černý, 2011: Dualita 2/5 Dualita Evropský
9.Cosipočítstěžkýmproblémem
9.Cosipočítstěžkýmproblémem V předchozí kapitole jsme zjistili, že leckteré rozhodovací problémy jsou NPúplné.Ztohoplyne,žejsouekvivalentní,alebohuželtaké,žeanijedenznichzatím neumíme vyřešit v polynomiálním
V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti
Kapitola 5 Vektorové prostory V předchozí kapitole jsme podstatným způsobem rozšířili naši představu o tom, co je to číslo. Nadále jsou pro nás důležité především vlastnosti operací sčítání a násobení
64. ročník matematické olympiády Řešení úloh krajského kola kategorie A
64. ročník matematické olympiády Řešení úloh krajského kola kategorie A 1. Středy stran AC, BC označme postupně, N. Střed kružnice vepsané trojúhelníku KLC označme I. Úvodem poznamenejme, že body K, L
Kapitola 11. Vzdálenost v grafech. 11.1 Matice sousednosti a počty sledů
Kapitola 11 Vzdálenost v grafech V každém grafu lze přirozeným způsobem definovat vzdálenost libovolné dvojice vrcholů. Hlavním výsledkem této kapitoly je překvapivé tvrzení, podle kterého lze vzdálenosti
12. Globální metody MI-PAA
Jan Schmidt 2011 Katedra číslicového návrhu Fakulta informačních technologií České vysoké učení technické v Praze Zimní semestr 2011/12 MI-PAA EVROPSKÝ SOCIÁLNÍ FOND PRAHA & EU: INVESTUJENE DO VAŠÍ BUDOUCNOSTI
Výroková a predikátová logika - VIII
Výroková a predikátová logika - VIII Petr Gregor KTIML MFF UK ZS 2016/2017 Petr Gregor (KTIML MFF UK) Výroková a predikátová logika - VIII ZS 2016/2017 1 / 21 Tablo Tablo metoda v PL - rozdíly Formule