TEORETICKÁ INFORMATIKA

Podobné dokumenty
GRAFOVÉ MODELY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 1

TGH02 - teorie grafů, základní pojmy

Grafy. RNDr. Petra Surynková, Ph.D. Univerzita Karlova v Praze Matematicko-fyzikální fakulta.

Diskrétní matematika. DiM /01, zimní semestr 2017/2018

Teorie grafů. Teoretická informatika Tomáš Foltýnek

Úvod do teorie grafů

TGH02 - teorie grafů, základní pojmy

VLASTNOSTI GRAFŮ. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze. BI-GRA, LS 2010/2011, Lekce 5

Výroková a predikátová logika - III

autorovu srdci... Petr Hliněný, FI MU Brno 1 FI: MA010: Průnikové grafy

TGH02 - teorie grafů, základní pojmy

Základy informatiky. Teorie grafů. Zpracoval: Pavel Děrgel Úprava: Daniela Szturcová

5 Orientované grafy, Toky v sítích

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

GRAFY A GRAFOVÉ ALGORITMY

ORIENTOVANÉ GRAFY, REPREZENTACE GRAFŮ

Usuzování za neurčitosti

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2015

Základní pojmy teorie grafů [Graph theory]

MATEMATIKA A 3 Metodický list č. 1

H {{u, v} : u,v U u v }

INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ. Modernizace studijního programu Matematika na PřF Univerzity Palackého v Olomouci CZ.1.07/2.2.00/28.

Základy informatiky. 07 Teorie grafů. Kačmařík/Szturcová/Děrgel/Rapant

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2014

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od podzimu 2016

PLANARITA A TOKY V SÍTÍCH

ALGORITMY A DATOVÉ STRUKTURY

Grafy. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 13.

Výroková a predikátová logika - III

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2017

Důkaz Heineho Borelovy věty. Bez újmy na obecnosti vezmeme celý prostor A = M (proč? úloha 1). Implikace. Nechť je (M, d) kompaktní a nechť.

Každé formuli výrokového počtu přiřadíme hodnotu 0, půjde-li o formuli nepravdivou, a hodnotu 1, půjde-li. α neplatí. β je nutná podmínka pro α

Vzdálenost uzlů v neorientovaném grafu

Matematická morfologie

1 Úvod 1.1 Vlastnosti programového vybavení (SW)

Přijímací zkouška - matematika

Grafové algoritmy. Programovací techniky

Grafové algoritmy. Programovací techniky

Zpráva o průběhu přijímacího řízení na vysokých školách dle Vyhlášky MŠMT č. 343/2002 a její změně 276/2004 Sb.

Úvod do informatiky. Miroslav Kolařík

Úvod do vybíravosti grafů, Nullstellensatz, polynomiální metoda

Algoritmus pro hledání nejkratší cesty orientovaným grafem

DIGITÁLNÍ ARCHIV VZDĚLÁVACÍCH MATERIÁLŮ

Obsah prezentace. Základní pojmy v teorii o grafech Úlohy a prohledávání grafů Hledání nejkratších cest

3 Množiny, Relace a Funkce

Teoretická informatika Tomáš Foltýnek Teorie čísel Nekonečno

4EK311 Operační výzkum. 5. Teorie grafů

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

Kombinatorika. Michael Krbek. 1. Základní pojmy. Kombinatorika pracuje se spočitatelnými (tedy obvykle

VLASTNOSTI GRAFŮ. Vlastnosti grafů - kap. 3 TI 5 / 1

Teorie grafů. zadání úloh. letní semestr 2008/2009. Poslední aktualizace: 19. května First Prev Next Last Go Back Full Screen Close Quit

NP-ÚPLNÉ PROBLÉMY. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze

B i n á r n í r e l a c e. Patrik Kavecký, Radomír Hamřík

Stromy, haldy, prioritní fronty

Reálná čísla. Sjednocením množiny racionálních a iracionálních čísel vzniká množina

Vektorové podprostory, lineární nezávislost, báze, dimenze a souřadnice

TOKY V SÍTÍCH II. Doc. RNDr. Josef Kolář, CSc. Katedra teoretické informatiky, FIT České vysoké učení technické v Praze

Kolik existuje různých stromů na pevně dané n-prvkové množině vrcholů?

Cvičení ke kursu Vyčíslitelnost

4. NP-úplné (NPC) a NP-těžké (NPH) problémy

Zdůvodněte, proč funkce n lg(n) roste alespoň stejně rychle nebo rychleji než než funkce lg(n!). Symbolem lg značíme logaritmus o základu 2.

2. přednáška 8. října 2007

4 Stromy a les. Definice a základní vlastnosti stromů. Kostry grafů a jejich počet.

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

07 Základní pojmy teorie grafů

Klasické metodiky softwarového inženýrství I N G M A R T I N M O L H A N E C, C S C. Y 1 3 A N W

Matematika III 10. přednáška Stromy a kostry

Výroková a predikátová logika - V

Kostry. 9. týden. Grafy. Marie Demlová (úpravy Matěj Dostál) 16. dubna 2019

Výhody a nevýhody jednotlivých reprezentací jsou shrnuty na konci kapitoly.

Maturitní témata z matematiky

MATURITNÍ TÉMATA Z MATEMATIKY

Metody síťové analýzy

CVIČNÝ TEST 36. OBSAH I. Cvičný test 2. Mgr. Tomáš Kotler. II. Autorské řešení 6 III. Klíč 15 IV. Záznamový list 17

Regulární výrazy. Definice Množina regulárních výrazů nad abecedou Σ, označovaná RE(Σ), je definována induktivně takto:

Diskrétní matematika. DiM /01, zimní semestr 2016/2017

Výroková a predikátová logika - II

Vybíravost grafů, Nullstellensatz, jádra

Třídy složitosti P a NP, NP-úplnost

Modely teorie grafů, min.kostra, max.tok, CPM, MPM, PERT

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Statistika. Základní pojmy a cíle statistiky. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

Množiny, relace, zobrazení

Matematická logika. Miroslav Kolařík

Úvod do informatiky. Miroslav Kolařík

2. přednáška - PRAVDĚPODOBNOST

Algoritmizace prostorových úloh

Maturitní témata. IKT, školní rok 2017/18. 1 Struktura osobního počítače. 2 Operační systém. 3 Uživatelský software.

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2016

10 Přednáška ze

Zadání a řešení testu z matematiky a zpráva o výsledcích přijímacího řízení do magisterského navazujícího studia od jara 2014

SYSTÉMOVÁ METODOLOGIE (VII) Kybernetika. Ak. rok 2011/2012 vbp 1

Základy teorie množin

Měření výsledků výuky a vzdělávací standardy

Odpřednesenou látku naleznete v kapitolách skript Abstraktní a konkrétní lineární algebra.

Obor: Informatika Červen 2005 Okruh: Základy matematiky Otázka: 1. Jméno: Bodů:...

Diskrétní matematika. DiM /01, zimní semestr 2018/2019

Matematická analýza 1

Matematická analýza pro informatiky I. Limita funkce

TEORIE GRAFŮ TEORIE GRAFŮ 1

Transkript:

TEORETICKÁ INFORMATIKA J. Kolář, K201 Kolar@fel.cvut.cz Důležité reference: http://cs.felk.cvut.cz/~kolar http://cs.felk.cvut.cz/agora skripta (vydala ČIS r. 2000) TI 1 / 1

Stručný obsah předmětu Neorientované a orientované grafy základní pojmy a vlastnosti, počítačová reprezentace grafů, typické algoritmy (prohledávání, minimální kostry, nejkratší cesty) Toky v sítích NP-úplné problémy Algoritmy umělé inteligence Modely strojů, programů a výpočtů jazyky a automaty, Turingovy stroje, nerozhodnutelné problémy TI 1 / 2

O co doopravdy jde... NAUČIT SE MYSLET! (nebo si to aspoň připomenout) TI 1 / 3

Vymezení oboru INFORMATIKA (dle P. Denninga) Podoblasti informatiky algoritmy a datové struktury programovací jazyky architektura počítačů numerické a symbolické výpočty operační systémy softwerová metologie a inženýrství databáze a vyhledávání umělá inteligence komunikace člověk - počítač Úvod - informatika TI 1 / 4

Základní paradigmata informatiky ABSTRAKCE TEORIE NÁVRH INFORMATIKA Úvod - informatika TI 1 / 5

TEORIE převažuje např. v matematice charakterizace objektů studia formulace možných vztahů určení, zda vztahy platí interpretace výsledků (definice) (tvrzení) (důkaz) ABSTRAKCE typická pro přírodní vědy formulace hypotézy návrh modelu a predikce chování návrh experimentu a sběr údajů analýza výsledků NÁVRH inženýrské paradigma Úvod - informatika stanovení požadavků vypracování specifikace návrh a realizace systému testování systému TI 1 / 6

INFORMATIKA jako vědní disciplina... je systematické studium algoritmických procesů spojených s popisem a zpracováním INFORMACÍ. Zabývá se teorií, analýzou, návrhem, efektivností, realizací, použitím, Základní otázka: CO JE MOŽNO (EFEKTIVNĚ) AUTOMATIZOVAT? Úvod - informatika TI 1 / 7

VÝZNAM MODELŮ MODEL zachycuje důležité rysy problému z reálného světa může se snadněji reprezentovat a manipulovat (např. na počítači Model získáváme ABSTRAKCÍ od některých (pro daný účel) nepodstatných vlastností Modely TI 1 / 8

Příklad 1: Výroková logika jako model (abstrakce) chování elektronických obvodů používaných při stavbě počítačů. Abstrahuje od řady detailů - např. zpoždění hradel Modely TI 1 / 9

Příklad 2: Návrh rozvrhu - známe, kteří studenti jsou předběžně zapsaní na který předmět. Jak rozvrhnout přednášky, aby se vyloučily konflikty (současný běh dvou nebo více předmětů, které si zapsal tentýž student) výuka zbytečně neroztahovala od rána do večera Model - graf konfliktu předmětů co předmět, to uzel dva uzly spojíme hranou, pokud si aspoň jeden student napsal oba dotyčné předměty Modely TI 1 / 10

Řešení na modelu Postupně vybíráme maximální nezávislé množiny uzlů grafu, odpovídajícím předmětům přidělíme stejnou dobu přednášky. Co to je maximální nezávislá množina uzlů? (to se dovíme později) Omezení modelu a řešení problému nemusíme dostat nejkratší rozvrh rozvrh může mít okna podmínka vyloučení konfliktu je příliš silná Modely TI 1 / 11

Problém 3: Jak zajistit inteligentní chování robotů v reálném prostředí? Musí znát svět, v němž mají působit, a jeho potřebné zákonitosti nutnost reprezentace světa (prostředí) a znalostí. Znalosti nejsou jen jen fakta (Sokrates je člověk), ale také pravidla: Každý člověk je smrtelný z toho lze odvodit Sokrates je smrtelný Expertní systémy omezují zajímavý svět Modely TI 1 / 12

SJEDNOCUJÍCÍ PRINCIPY (nalézáme je v různých oblastech informatiky) Algebry (kalkuly) Představují dobře vytvořený a zvládnutý model používající vlastní notaci, v níž lze vyjadřovat a řešit problémy Možnost vytvoření teorie inženýrského návrhu systémů Např. pro výrokový počet - Boolova algebra Sjednocující principy TI 1 / 13

Rekurze Velmi užitečná technika definování pojmů a řešení problémů Projevuje se ve zlepšení jednoduchosti, efektivnosti, ověřování správnosti, atd. Ukážeme vzájemný vztah mezi ITERACÍ x INDUKCÍ x REKURZÍ Sjednocující principy TI 1 / 14

Iterace x Indukce x Rekurze Iterace - běžný způsob opakovaného provedení posloupnosti operací Rekurze - jiná cesta k dosažení stejného efektu, je ale jednodušší pro vytvoření, analýzu i pochopení, usnadňuje i provedení důkazu správnosti algoritmu, typicky s použitím... Indukce - může sloužit i jako metoda definice datových struktur (např. seznam: prázdný nebo prvek následovaný seznamem Sjednocující principy TI 1 / 15

Indukce Důkaz matematickou indukcí (POZOR, má přesná pravidla!) S(n) - tvrzení o (přirozeném) čísle n 1) základ indukce dokáže se platnost S(0) (nebo S(1), pokud tvrzení nemá pro nulu smysl) 2) induktivní krok pro všechna n 0 (nebo 1) se dokáže, že z platnosti S(n) plyne platnost S(n+1) alternativa - úplná indukce 2) z platnosti S(0), S(1),, S(n) plyne platnost S(n+1) Sjednocující principy TI 1 / 16

a nyní se už budeme věnovat seznámení s modely, které lze vyjádřit prostřednictvím pojmů neorientovaných a orientovaných grafů. Nejprve několik problémů k zamyšlení... TI 1 / 17

Několik ukázkových příkladů (problémů) Příklady k zamyšlení TI 1 / 18

Problém s kostkami Příklady k zamyšlení Převést s minimálním počtem přesunů kostek (opravdu velmi snadný!) TI 1 / 19

Problém s pokladem Čtvercová pravoúhlá síť + posloupnost povelů pro pohyb např. 3N 4E 2SE 2SW N - sever, NE - severovýchod, E - východ SE - jihovýchod, S - jih, SW - jihozápad W - západ, NW - severozápad Jak daleko je cíl od výchozího místa? (opravdu velmi snadný!) Příklady k zamyšlení TI 1 / 20

Problém se sýrem Máme VELKÝ kus ementálu, v něm malou myšku a kousek špeku. Myška umí přesně určit směr, ze kterého jí voní špek, ementálem se dokáže prokousat rychlostí 1mm/sec, dírami prolétne okamžitě. Pro zadanou polohu myšky, špeku, středy a poloměry jednotlivých děr, určete minimální čas, za který se myš může dostat ke špeku. (ehmm??) Příklady k zamyšlení TI 1 / 21

Problém s krabicí ve sklepě zeď cíl krabice vy Je nebo není možné dopravit krabici tlačením (zezadu) na určené místo? (ehmm??) Příklady k zamyšlení TI 1 / 22

Problém s vystřihovánkou Jak nalézt největší bílý trojúhelník? Příklady k zamyšlení TI 1 / 23

Problém s výletem n - počet měst, která můžeme navštívit (1, 2,, n) k - počet dní, co máme k dispozici n*(n-1) letových řádů pro lety mezi městy d - perioda opakování (1 až 30) c 1, c 2,, c d - ceny letů v jednotlivých dnech (0 znamená, že ten den není spoj) Je možno létat přesně k dní (co den, to přelet jinam)? Pokud ano, jak to udělat co nejlaciněji? Příklady k zamyšlení TI 1 / 24

NEORIENTOVANÉ A ORIENTOVANÉ GRAFY Ještě dvě motivační úlohy ze života : Úloha o kanibalech, misionářích a jedné loďce (2 + 2 + ) Úloha o přelévání vody s nádobami na 5 a 3 litry Řešení metodou pokusů a omylů pomocí grafového modelu Výhody: převod na známý problém + možnost zobecnění Neorientované a orientované grafy - kap.2 TI 1 / 25

Graf k úloze o misionářích a kanibalech Neorientované a orientované grafy - kap.2 TI 1 / 26

0 1 2 3 4 5 0 1 2 3 Část grafu k problému přelévání vody Neorientované a orientované grafy - kap.2 TI 1 / 27

(NEORIENTOVANÉ) GRAFY A GRAFOVÉ OPERACE Neorientovaný graf G = H, U, ρ ρ : H U U (neuspořádané dvojice) H U ρ hrany grafu G, H(G) uzly grafu G, U(G) incidence grafu, ρ G ρ(h) = [u, v]... krajní uzly hrany h rovnoběžné hrany => multigraf prostý graf Neorientované grafy - odst. 2.1 TI 1 / 28

obyčejný graf - prostý a bez smyček úplný graf K n = ( ), U prázdný graf, diskrétní graf, U U 2 K 3 K 4 K 5 podgraf G = H, U, ρ G = H, U, ρ H H & U U & ρ (h) = ρ(h) pro všechny h H faktor grafu podgraf se všemi uzly (hranový podgraf) Neorientované grafy - odst. 2.1 TI 1 / 29

podgraf indukovaný podmínkou podmnožina uzlů U 1 podmnožina hran H 1 vypuštění uzlů U 2 vypuštění hran H 2 sjednocení a průnik grafů disjunktní a hranově disjunktní grafy rozdíl a doplněk symetrická diference konečný vs. nekonečný graf Neorientované grafy - odst. 2.1 TI 1 / 30

izomorfismus grafů ϕ : G 1 G 2 takové, že ϕ / H 1 : H 1 H 2 je bijekce ϕ / U 1 : U 1 U 2 je bijekce ϕ zachovává incidenci, t.zn. ϕ : ρ 1 (h) = [u,v] => ρ 2 (ϕ(h)) ϕ = [(ϕϕ u), ϕ(v)] G 1 G 2 izomorfní grafy problém zjistit!! morfismus grafů není nutně bijekcí Neorientované grafy - odst. 2.1 TI 1 / 31