Logische Complexiteit Hoorcollege 12
|
|
- Frederik Bosmans
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Logische Complexiteit Hoorcollege 12 Jacob Vosmaer Bachelor CKI, Universiteit Utrecht 22 maart 2011
2 Tijdscomplexiteit Inleiding Grote O en kleine o Complexiteitsanalyse van een simpele taal Complexiteitsverschillen tussen modellen van berekening
3 Inleiding In de berekenbaarheidsleer stellen we vragen als: Is taal A TM-beslisbaar? Is A TM-herkenbaar? Is A onbeslisbaar?... In de complexiteitsleer kijken naar: Asymptotisch gedrag van TM s Worst case-analyse Analyse van TM s modulo polynomiale reductie
4 Tijdscomplexiteit Zij M een beslisser-tm. De tijdscomplexiteit van M is gegeven als de functie f M : N N waar f M (n) = max { lengte(run van M op w) w Σ n}. In de praktijk zullen we f altijd afschatten; vaak door middel van O- en o-notatie.
5 Tijdscomplexiteit Zij M een beslisser-tm. De tijdscomplexiteit van M is gegeven als de functie f M : N N waar f M (n) = max { lengte(run van M op w) w Σ n}. In de praktijk zullen we f altijd afschatten; vaak door middel van O- en o-notatie.
6 Grote O Laat g : N + R +. O(g) = { f : N + R + c N +, n 0 N, n n 0 [f(n) cg(n)] }. Gangbaar notatiemisbruik: f(n) = O(g(n)) ipv f O(g). Voorbeeld: 5n 3 + 3n n + 6 = O(n 3 ). Bij logaritmes verdwijnt het grondtal. Immers, als b > 1 dan log b n = log n log b, dus log b n = O(log n). Voorbeeld: 3n log 2 n + 5n log 2 log 2 n + 2 = O(n log n).
7 Grote O Laat g : N + R +. O(g) = { f : N + R + c N +, n 0 N, n n 0 [f(n) cg(n)] }. Gangbaar notatiemisbruik: f(n) = O(g(n)) ipv f O(g). Voorbeeld: 5n 3 + 3n n + 6 = O(n 3 ). Bij logaritmes verdwijnt het grondtal. Immers, als b > 1 dan log b n = log n log b, dus log b n = O(log n). Voorbeeld: 3n log 2 n + 5n log 2 log 2 n + 2 = O(n log n).
8 Grote O Laat g : N + R +. O(g) = { f : N + R + c N +, n 0 N, n n 0 [f(n) cg(n)] }. Gangbaar notatiemisbruik: f(n) = O(g(n)) ipv f O(g). Voorbeeld: 5n 3 + 3n n + 6 = O(n 3 ). Bij logaritmes verdwijnt het grondtal. Immers, als b > 1 dan log b n = log n log b, dus log b n = O(log n). Voorbeeld: 3n log 2 n + 5n log 2 log 2 n + 2 = O(n log n).
9 Kleine o Laat g : N + R +. o(g) = { f : N + R + c R +, n 0 N, n n 0 [f(n) < cg(n)] }. f(n) Alternatieve omschrijving: f(n) = o(g(n)) als lim n g(n) = 0. Voorbeelden: n = o(n) n = o(n log log n) n log log n = o(n log n) n log n = o(n 2 )
10 Kleine o Laat g : N + R +. o(g) = { f : N + R + c R +, n 0 N, n n 0 [f(n) < cg(n)] }. f(n) Alternatieve omschrijving: f(n) = o(g(n)) als lim n g(n) = 0. Voorbeelden: n = o(n) n = o(n log log n) n log log n = o(n log n) n log n = o(n 2 )
11 Kleine o Laat g : N + R +. o(g) = { f : N + R + c R +, n 0 N, n n 0 [f(n) < cg(n)] }. f(n) Alternatieve omschrijving: f(n) = o(g(n)) als lim n g(n) = 0. Voorbeelden: n = o(n) n = o(n log log n) n log log n = o(n log n) n log n = o(n 2 )
12 Complexiteitsanalyse van een simpele taal Beschouw A = {0 k 1 k k 0} en de volgende beslisser M 1 met L(M 1 ) = A. M 1 = Gegeven invoer w: 1. Loop de tape na en verwerp als je een 0 na een 1 ziet. 2. Herhaal zolang er zowel 0 en en 1 en op de tape staan: 2.1 Loop de tape na en kruis één 0 en één 1 door. 3. Als er 0 en of 1 en over zijn, verwerp dan. Anders accepteren.
13 Complexiteitsanalyse van een simpele taal Beschouw A = {0 k 1 k k 0} en de volgende beslisser M 1 met L(M 1 ) = A. M 1 = Gegeven invoer w: 1. Loop de tape na en verwerp als je een 0 na een 1 ziet. 2. Herhaal zolang er zowel 0 en en 1 en op de tape staan: 2.1 Loop de tape na en kruis één 0 en één 1 door. 3. Als er 0 en of 1 en over zijn, verwerp dan. Anders accepteren.
14 Wat is de tijdscomplexiteit van M 1?
15 Wat is de tijdscomplexiteit van M 1? We zien dat de tijdscomplexiteit van M 1 O(n 2 ) is.
16 Wat is de tijdscomplexiteit van M 1? We zien dat de tijdscomplexiteit van M 1 O(n 2 ) is. Definitie Laat t : N + N + zodat n t(n). We definiëren: TIME(t(n)) = { A Σ er is een TM-beslisser M met tijdscomplexiteit O(t(n)) zodat A = L(M) }
17 Wat is de tijdscomplexiteit van M 1? We zien dat de tijdscomplexiteit van M 1 O(n 2 ) is. Definitie Laat t : N + N + zodat n t(n). We definiëren: TIME(t(n)) = { A Σ er is een TM-beslisser M met tijdscomplexiteit O(t(n)) zodat A = L(M) } Dus: A TIME(n 2 ). Kan dit beter?
18 M 2 = Gegeven invoer w: 1. Loop de tape na en verwerp als je een 0 na een 1 ziet. 2. Herhaal zolang er zowel 0 en en 1 en op de tape staan: 2.1 Loop de tape na en kijk of het totale aantal 0 en en 1 en even is. Zo nee, verwerp. 2.2 Loop de tape na; kruis eerst om en om een 0 door, beginnend met de eerst 0. Kruis daarna om en om een 1 door, beginnend met de eerste Loop de tape na om te zien of er nog 1 en of 0 en op de tape staan. Zo ja, verwerp. Zo nee, accepteer.
19 We zien nu dat A TIME(n log n) Dit valt te verbeteren als we een 2-MTM gebruiken.
20 Een MTM voor A = {0 k 1 k k 0} M 3 = Gegeven invoer w: 1. Loop tape 1 na en verwerp als je een 0 na een 1 ziet. 2. Loop de 0 en op tape 1 na en kopieer de 0 en tegelijk naar tape 2; net zolang tot je de eerste 1 vindt. 3. Loop de 1 en op de rest van tape 1 na en kruis ondertussen de 0 en op tape 2 af. Verwerp als de 0 en op tape 2 opraken. 4. Verwerp als er nog 0 en op tape 2 staan. Anders accepteren. Wat is de complexiteit van M 3? Conclusie: model van berekening maakt uit voor tijdscomplexiteit!
21 Een MTM voor A = {0 k 1 k k 0} M 3 = Gegeven invoer w: 1. Loop tape 1 na en verwerp als je een 0 na een 1 ziet. 2. Loop de 0 en op tape 1 na en kopieer de 0 en tegelijk naar tape 2; net zolang tot je de eerste 1 vindt. 3. Loop de 1 en op de rest van tape 1 na en kruis ondertussen de 0 en op tape 2 af. Verwerp als de 0 en op tape 2 opraken. 4. Verwerp als er nog 0 en op tape 2 staan. Anders accepteren. Wat is de complexiteit van M 3? Conclusie: model van berekening maakt uit voor tijdscomplexiteit!
22 Complexiteitsverschillen tussen modellen van berekening Stelling Laat t : N + R + een functie zijn met n t(n). Dan is elke MTM van tijdscomplexiteit t(n) equivalent met een TM van tijdscomplexiteit O(t 2 (n)).
23 S simuleert MTM M S = gegeven invoer w = w 1 w n : 1. Herschrijf de invoer alsvolgt: # w 1 w 2 w n # # # # (k + 1 #-jes). 2. Simuleer een stap van M: 2.1 Ga van links naar rechts en onthoud de symbolen onder de stipjes en hun volgorde. 2.2 Update de virtuele koppen en de tapesegmenten zoals M dat zou doen. 3. Als S een virtuele kop naar rechts op een # duwt, schrijf daar dan en schuif de rest van de tape 1 plaats op.
24 Volgende stap: NTM s. Definitie Als N een NTM-beslisser is dan is de tijdscomplexiteit van N de functie f N (n) = max { diepte evaluatieboom(w) w Σ n}. Stelling Laat t : N + R + een functie zijn met n t(n). Dan is elke NTM van tijdscomplexiteit t(n) equivalent met een TM van tijdscomplexiteit 2 O(t(n)).
25 Volgende stap: NTM s. Definitie Als N een NTM-beslisser is dan is de tijdscomplexiteit van N de functie f N (n) = max { diepte evaluatieboom(w) w Σ n}. Stelling Laat t : N + R + een functie zijn met n t(n). Dan is elke NTM van tijdscomplexiteit t(n) equivalent met een TM van tijdscomplexiteit 2 O(t(n)).
26 NTM s simuleren De TM D heeft 3 tapes: invoertape, simulatietape en adrestape. De laatste twee zijn leeg bij aanvang. D = Gegeven invoer w: 1. Maak de simulatietape leeg en kopieer w van de invoertape naar de simulatietape. 2. Simuleer een beginsegment van een run uit de boom die N bij w zou maken. Kies bij elke stap in de boom een afslag volgens de adressering op de adrestape. Als het adres op of ongeldig is, ga dan naar stap 3. Als je onderweg een verwerpstaat van N tegenkomt, ga dan ook naar stap 3. Accepteer als je een accepteerstaat van N tegenkomt. 3. Vervang het adres op de adrestape door het eerstvolgende adres in de lexicografische ordening en ga naar stap 1.
Logische Complexiteit Hoorcollege 4
Logische Complexiteit Hoorcollege 4 Jacob Vosmaer Bachelor CKI, Universiteit Utrecht 8 februari 2011 Contextvrije grammatica s Inleiding + voorbeeld Definities Meer voorbeelden Ambiguiteit Chomsky-normaalvormen
Nadere informatieTentamen in2505-ii Berekenbaarheidstheorie
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Tentamen in2505-ii Berekenbaarheidstheorie 16 juni 2008, 14.00 17.00 uur Dit tentamen bestaat uit 5 open vragen. Totaal
Nadere informatieVorig college. IN2505-II Berekenbaarheidstheorie. Voorbeeld NDTM. Aanbevolen opgaven. College 3
Vorig college College 3 Algoritmiekgroep Faculteit EWI TU Delft Multi-tape TM s Vergelijking rekenkracht 1-TM en k-tm (k >1) Niet-deterministische TM s Berekeningsboom 16 april 2009 1 2 Aanbevolen opgaven
Nadere informatieTweede college complexiteit. 12 februari Wiskundige achtergrond
College 2 Tweede college complexiteit 12 februari 2019 Wiskundige achtergrond 1 Agenda vanmiddag Floor, Ceiling Rekenregels logaritmen Tellen Formele definitie O, Ω, Θ met voorbeelden Stellingen over faculteiten
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 7 Leo van Iersel Technische Universiteit Delft 21 oktober 2015 Leo van Iersel (TUD) TW2020 Optimalisering 21 oktober 2015 1 / 20 Deze week: algoritmes en complexiteit
Nadere informatieHoofdstuk 8: Algoritmen en Complexiteit
Hoofdstuk 8: Algoritmen en Complexiteit Vandaag: Hoe meten we de performance van algoritmen? Waar ligt de grens tussen een goed en een slecht algoritme? 22 oktober 2014 1 Vandaag: Hoe meten we de performance
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 7 Leo van Iersel Technische Universiteit Delft 26 oktober 2016 Leo van Iersel (TUD) TW2020 Optimalisering 26 oktober 2016 1 / 28 Deze week: analyseren van algoritmes Hoe
Nadere informatieParadox van zelfreproductie. IN2505-II Berekenbaarheidstheorie. Zelfreproductie? Programma s en zelfreproductie. College 11.
Paradox van zelfreproductie College 11 Algoritmiekgroep Faculteit EWI TU Delft 27 mei 2009 1 Levende wezens zijn machines. 2 Levende wezens kunnen zich reproduceren. 3 Machines kunnen zich niet reproduceren.
Nadere informatieVorig college. IN2505-II Berekenbaarheidstheorie College 4. Opsommers versus herkenners (Th. 3.21) Opsommers
Vorig college College 4 Algoritmiekgroep Faculteit EWI TU Delft Vervolg NDTM s Vergelijking rekenkracht TM s en NDTM s Voorbeelden NDTM s 20 april 2009 1 2 Opsommers Opsommers versus herkenners (Th. 3.21)
Nadere informatieIN2505 II Berekenbaarheidstheorie Tentamen Maandag 2 juli 2007, uur
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Mekelweg 4 2628 CD Delft IN2505 II Berekenbaarheidstheorie Tentamen Maandag 2 juli 2007, 14.00-17.00 uur BELANGRIJK Beschikbare
Nadere informatieLogische Complexiteit
Logische Complexiteit Universele Turing machines College 12 Donderdag 18 Maart 1 / 11 Hoog-niveau beschrijvingen en coderen Vanaf nu: hoog-niveau beschrijvingen van TM s. Daarbij worden objecten die geen
Nadere informatie1 Complexiteit. of benadering en snel
1 Complexiteit Het college van vandaag gaat over complexiteit van algoritmes. In het boek hoort hier hoofdstuk 8.1-8.5 bij. Bij complexiteitstheorie is de belangrijkste kernvraag: Hoe goed is een algoritme?
Nadere informatieVorig college. IN2505-II Berekenbaarheidstheorie. Turingmachines. Turingmachine en Taal. College 2
Vorig college College 2 Algoritmiekgroep Faculteit EWI TU Delft Welke problemen zijn (niet) algoritmisch oplosbaar? Wat is een probleem? Wat is een algoritme? 13 april 2009 1 2 Turingmachines Turingmachine
Nadere informatie8. Complexiteit van algoritmen:
8. Complexiteit van algoritmen: Voorbeeld: Een gevaarlijk spel 1 Spelboom voor het wespenspel 2 8.1 Complexiteit 4 8.2 NP-problemen 6 8.3 De oplossing 7 8.4 Een vuistregel 8 In dit hoofdstuk wordt het
Nadere informatieDatastructuren en algoritmen voor CKI
Datastructuren en algoritmen voor CKI Jeroen Bransen 1 11 september 2015 1 met dank aan Hans Bodlaender en Gerard Tel Heaps en heapsort Heap 1 2 3 4 5 6 7 8 9 10 16 14 10 8 7 9 3 2 4 1 16 14 10 8 7 9 3
Nadere informatieVierde college algoritmiek. 23/24 februari Complexiteit en Brute Force
Algoritmiek 2017/Complexiteit Vierde college algoritmiek 23/24 februari 2017 Complexiteit en Brute Force 1 Algoritmiek 2017/Complexiteit Tijdcomplexiteit Complexiteit (= tijdcomplexiteit) van een algoritme:
Nadere informatieDatastructuren. Analyse van algoritmen. José Lagerberg. FNWI, UvA. José Lagerberg (FNWI, UvA) Datastructuren 1 / 46
Datastructuren Analyse van algoritmen José Lagerberg FNWI, UvA José Lagerberg (FNWI, UvA) Datastructuren 1 / 46 Datastructuren en Algoritmen Datastructuren, 6 ECTS eerstejaars Bachelor INF Datastructuren,
Nadere informatieDerde college algoritmiek. 23 februari Complexiteit Toestand-actie-ruimte
Algoritmiek 2018/Complexiteit Derde college algoritmiek 2 februari 2018 Complexiteit Toestand-actie-ruimte 1 Algoritmiek 2018/Complexiteit Tijdcomplexiteit Complexiteit (= tijdcomplexiteit) van een algoritme:
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 11 Leo van Iersel Technische Universiteit Delft 25 november 2015 Leo van Iersel (TUD) TW2020 Optimalisering 25 november 2015 1 / 28 Vandaag Vraag Voor welke problemen
Nadere informatieElfde college complexiteit. 23 april NP-volledigheid III
college 11 Elfde college complexiteit 23 april 2019 NP-volledigheid III 1 TSP Als voorbeeld bekijken we het Travelling Salesman/person Problem, ofwel het Handelsreizigersprobleem TSP. Hiervoor geldt: TSP
Nadere informatieVijfde college complexiteit. 21 februari Selectie Toernooimethode Adversary argument
Complexiteit 2017/05 College 5 Vijfde college complexiteit 21 februari 2017 Selectie Toernooimethode Adversary argument 1 Complexiteit 2017/05 Opgave 28 Gegeven twee oplopend gesorteerde even lange rijen
Nadere informatieOpgaven Analyse van Algoritmen 10 mei 2019, Datastructuren, Werkgroep.
Opgaven Analyse van Algoritmen 10 mei 019, Datastructuren, Werkgroep. Gebruik deze opgaven, naast die uit het boek, om de stof te oefenen op het werkcollege. Cijfer: Op een toets krijg je meestal zes tot
Nadere informatieStelling. SAT is NP-compleet.
Het bewijs van de stelling van Cook Levin zoals gegeven in het boek van Sipser gebruikt niet-deterministische turing machines. Het is inderdaad mogelijk de klasse NP op een alternatieve wijze te definiëren
Nadere informatieZevende college complexiteit. 17 maart Ondergrens sorteren, Quicksort
College 7 Zevende college complexiteit 17 maart 2008 Ondergrens sorteren, Quicksort 1 Sorteren We bekijken sorteeralgoritmen gebaseerd op het doen van vergelijkingen van de vorm A[i] < A[j]. Aannames:
Nadere informatiestart -> id (k (f c s) (g s c)) -> k (f c s) (g s c) -> f c s -> s c
Een Minimaal Formalisme om te Programmeren We hebben gezien dat Turing machines beschouwd kunnen worden als universele computers. D.w.z. dat iedere berekening met natuurlijke getallen die met een computer
Nadere informatieDe klasse van recursief opsombare talen is gesloten onder en. Dit bewijzen we met behulp van een recursieve opsomming
Recursieve talen De klasse van recursief opsombare talen is gesloten onder en. Echter, het is niet zo dat L recursief opsombaar is voor alle recursief opsombare talen L. Dit bewijzen we met behulp van
Nadere informatieIN2505 II Berekenbaarheidstheorie. IN2505-II Berekenbaarheidstheorie. Practicum: Inschrijven. Practicum
IN2505 II Berekenbaarheidstheorie College 1 Algoritmiekgroep Faculteit EWI TU Delft 7 april 2009 Docent: Colleges/oefeningen: dinsdag 5 + 6 (EWI-A), vrijdag 1 + 2 (AULA-A) Boek: Michael Sipser, Introduction
Nadere informatieDerde college algoritmiek. 22 februari Complexiteit Toestand-actie-ruimte
Algoritmiek 2019/Complexiteit Derde college algoritmiek 22 februari 2019 Complexiteit Toestand-actie-ruimte 1 Algoritmiek 2019/Complexiteit Opgave 1 bomenpracticum Niet de bedoeling: globale (member-)variabele
Nadere informatieTentamen combinatorische optimalisatie Tijd:
Tentamen combinatorische optimalisatie 26-05-2014. Tijd: 9.00-11.30 Tentamen is met gesloten boek. Beschrijf bij elke opgave steeds het belangrijkste idee. Notatie en exacte formulering is van minder belang.
Nadere informatieUitwerking tentamen Analyse van Algoritmen, 29 januari
Uitwerking tentamen Analyse van Algoritmen, 29 januari 2007. (a) De buitenste for-lus kent N = 5 iteraties. Na iedere iteratie ziet de rij getallen er als volgt uit: i rij na i e iteratie 2 5 4 6 2 2 4
Nadere informatieAutomaten & Complexiteit (X )
Automaten & Complexiteit (X 401049) Inleiding Jeroen Keiren j.j.a.keiren@vu.nl VU University Amsterdam Materiaal Peter Linz An Introduction to Formal Languages and Automata (5th edition) Jones and Bartlett
Nadere informatieGödels theorem An Incomplete Guide to Its Use and Abuse, Hoofdstuk 3
Gödels theorem An Incomplete Guide to Its Use and Abuse, Hoofdstuk 3 Koen Rutten, Aris van Dijk 30 mei 2007 Inhoudsopgave 1 Verzamelingen 2 1.1 Definitie................................ 2 1.2 Eigenschappen............................
Nadere informatieAlgoritmes en Priemgetallen. Hoe maak je een sleutelpaar voor RSA?
Algoritmes en Priemgetallen Hoe maak je een sleutelpaar voor RSA? Het recept van RSA Kies p q priemgetallen en bepaal N = pq Kies e Z N (publieke sleutel) Bepaal d e 1 mod φ N (privésleutel) x ed x kφ
Nadere informatieSamenvatting college 1-12
Samenvatting college 1-12 Probleemformulering Duidelijk definiëren van beslissingsvariabelen Zinvolle namen voor variabelen bv x ij voor ingrediënt i voor product j, niet x 1,..., x 20 Beschrijving van
Nadere informatieTentamen Discrete Wiskunde 1 10 april 2012, 14:00 17:00 uur
Tentamen Discrete Wiskunde 0 april 0, :00 7:00 uur Schrijf je naam op ieder blad dat je inlevert. Onderbouw je antwoorden, met een goede argumentatie zijn ook punten te verdienen. Veel succes! Opgave.
Nadere informatieNegende college complexiteit. 9 april NP-volledigheid I: introductie
College 9 Negende college complexiteit 9 april 2019 NP-volledigheid I: introductie 1 Handelbaar/onhandelbaar -1- N 10 50 100 300 1000 log 2 N 3 5 6 8 9 5N 50 250 500 1500 5000 N log 2 N 33 282 665 2469
Nadere informatieTW2040: Complexe Functietheorie
TW2040: Complexe Functietheorie week 4.6, maandag K. P. Hart Faculteit EWI TU Delft Delft, 30 mei, 2016 K. P. Hart TW2040: Complexe Functietheorie 1 / 33 Outline 1 2 Algemeenheden Gedrag op de rand Machtreeksen
Nadere informatieZevende college complexiteit. 7 maart Mergesort, Ondergrens sorteren (Quicksort)
College 7 Zevende college complexiteit 7 maart 2017 Mergesort, Ondergrens sorteren (Quicksort) 1 Inversies Definitie: een inversie van de permutatie A[1],A[2],...,A[n] is een paar (A[i],A[j]) waarvoor
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2009 2010, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. Lees de hele
Nadere informatieData analyse Inleiding statistiek
Data analyse Inleiding statistiek 1 Terugblik - Inductieve statistiek Afleiden van eigenschappen van een populatie op basis van een beperkt aantal metingen (steekproef) Kennis gemaakt met kans & kansverdelingen»
Nadere informatieAmorized Analysis en Union-Find Algoritmiek
Amorized Analysis en Union-Find Vandaag Amortized analysis Technieken voor tijdsanalyse van algoritmen Union-find datastructuur Datastructuur voor operaties op disjuncte verzamelingen Verschillende oplossingen
Nadere informatieVierde college complexiteit. 26 februari Beslissingsbomen en selectie Toernooimethode Adversary argument
Complexiteit 2019/04 College 4 Vierde college complexiteit 26 februari 2019 Beslissingsbomen en selectie Toernooimethode Adversary argument 1 Complexiteit 2019/04 Zoeken: samengevat Ongeordend lineair
Nadere informatieAutomaten en Berekenbaarheid
Automaten en Berekenbaarheid Bart Demoen KU Leuven 2016-2017 Les 8: 118-125 orakels en reducties met orakels Turing-berekenbare functies de bezige bever Orakelmachines I 2/14 we kennen al: een TM die een
Nadere informatieTwaalfde college complexiteit. 7 mei NP-volledigheid IV Cook-Levin Savitch 1
college 12 Twaalfde college complexiteit 7 mei 2019 NP-volledigheid IV Cook-Levin Savitch 1 Turing machine {0 n 1 n n 0} q Y 0/b, +1 b/b, 0 q N 0/0, +1 1/1, +1 b/b, 1 q 1 q 2 q 0 1/1, 0 b/b, +1 0/0, 0
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2006 2007, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Verzamelingen:
Nadere informatieTentamen Voortgezette Kansrekening (WB006C)
WB6C: Voortgezette Kansrekening Donderdag 26 januari 212 Tentamen Voortgezette Kansrekening (WB6C) Het is een open boek tentamen. Gebruik van een rekenmachine of andere hulpmiddelen is niet toegestaan.
Nadere informatie1 Limiet van een rij Het begrip rij Bepaling van een rij Expliciet voorschrift Recursief voorschrift 3
HOOFDSTUK 6: RIJEN 1 Limiet van een rij 2 1.1 Het begrip rij 2 1.2 Bepaling van een rij 2 1.2.1 Expliciet voorschrift 2 1.2.2 Recursief voorschrift 3 1.2.3 Andere gevallen 3 1.2.4 Rijen met de grafische
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2008 2009, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. Lees elke
Nadere informatieDiscrete Structuren. Piter Dykstra Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 22 februari 2009 INDUCTIE & RECURSIE Paragrafen 4.3-4.6 Discrete Structuren Week 3:
Nadere informatieElke gelijkenis met bestaande gebeurtenissen en/of personen berust op louter toeval.
Leo is een hevige fan van het Belgisch voetbal. Behalve een vurige fan van Blauw Zwart, is hij ook geïnteresseerd in de voetbaltempels van de eersteklassevoetbalclubs. Daarom wil hij, samen met zijn kameraad
Nadere informatieBerekenbaarheid 2013 Uitwerkingen Tentamen 23 januari 2014
erekenbaarheid 2013 Uitwerkingen Tentamen 23 januari 2014 1. Geef een standaard Turing-machine die de taal L 1 := {a n b n n N} = {λ, ab, aabb,... } herkent door stoppen. Je mag in je machine hulpsymbolen
Nadere informatie(Isomorfie en) RELATIES
Discrete Structuren Piter Dykstra Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 15 maart 2009 (Isomorfie en) RELATIES. Paragrafen 10.5,11.1,11.2,11.4,11.5 Discrete
Nadere informatieBerekenbaarheid 2015 Uitwerkingen Tentamen 5 november 2015
erekenbaarheid 2015 Uitwerkingen Tentamen 5 november 2015 1. Definieer een standaard Turing-machine M 1 met input alfabet Σ = {a, b} die twee a s voor zijn input plakt, dus met M 1 (w) = aaw voor alle
Nadere informatieDatastructuren en Algoritmen
Datastructuren en Algoritmen Tentamen Vrijdag 6 november 2015 13.30-16.30 Toelichting Bij dit tentamen mag je gebruik maken van een spiekbriefje van maximaal 2 kantjes. Verder mogen er geen hulpmiddelen
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2010 2011, tweede zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. Lees de hele
Nadere informatieBerekenbaarheid 2016 Uitwerkingen Tentamen 26 januari 2017
erekenbaarheid 2016 Uitwerkingen Tentamen 26 januari 2017 1. Geef een standaard Turing-machine M 1 die de volgende taal herkent door eindtoestand: L 1 := {w {a, b, c} w a + w b = w c } Hierin is w a een
Nadere informatie(On)Doenlijke problemen
Fundamentele Informatica In3 005 Deel 2 College 1 Cees Witteveen Parallelle en Gedistribueerde Systemen Faculteit Informatie Technologie en Systemen Overzicht Inleiding - Relatie Deel 1 en Deel 2 - Doenlijke
Nadere informatieREEKS II. Zaterdag 6 november 2010, 11u
TEST INFORMATICA 1STE BACHELOR IN DE INGENIEURSWETENSCHAPPEN - ACADEMIEJAAR 2010-2011 REEKS II Zaterdag 6 november 2010, 11u NAAM :... VRAAG 1: AFSTAND [5 PUNTEN] In deze oefening gaan we opzoek naar identieke
Nadere informatie2WO12: Optimalisering in Netwerken
2WO12: Optimalisering in Netwerken Leo van Iersel Technische Universiteit Eindhoven (TU/E) en Centrum Wiskunde & Informatica (CWI) 27 februari 2014 http://homepages.cwi.nl/~iersel/2wo12/ l.j.j.v.iersel@gmail.com
Nadere informatie9.1 Logaritmische en exponentiële vergelijkingen [1]
9.1 Logaritmische en eonentiële vergelijkingen [1] Voor logaritmen gelden de volgende rekenregels: (1) log( ab) log( a) log( b) g g g () g g g (4) (3) g n g (5) g log() = y volgt = g y Voorbeeld: a log
Nadere informatieTU Delft. TU Delft. TU Delft. TU Delft. IN3100 Fundamentele Informatica. Practicum. Practicum: Inschrijven. Practicum: LET OP
1 2 IN3100 Fundamentele Informatica Docenten: Hans Tonino (IN3110) & Cees Witteveen (IN3120) Colleges: Maandag 1 + 2, in zaal D, Mekelweg 4. Boek: Michael Sipser, Introduction to the Theory of Computation,
Nadere informatieBenaderingsalgoritmen
Benaderingsalgoritmen Eerste hulp bij NP-moeilijkheid 1 Herhaling NP-volledigheid (1) NP: er is een polynomiaal certificaat voor jainstanties dat in polynomiale tijd te controleren is Een probleem A is
Nadere informatieGetallen, 2e druk, extra opgaven
Getallen, 2e druk, extra opgaven Frans Keune november 2010 De tweede druk bevat 74 nieuwe opgaven. De nummering van de opgaven van de eerste druk is in de tweede druk dezelfde: nieuwe opgaven staan in
Nadere informatiec, X/X a, c/λ a, X/aX b, X/X
ANTWOORDEN tentamen FUNDAMENTELE INFORMATICA 3 vrijdag 25 januari 2008, 10.00-13.00 uur Opgave 1 L = {x {a,b,c} n a (x) n b (x)} {x {a,b,c} n a (x) n c (x)}. a. Een stapelautomaat die L accepteert: Λ,
Nadere informatieHoofdstuk 20: Wiskundige functies
Hoofdstuk 20: Wiskundige functies 20.0 Introductie Er is een uitgebreid aanbod aan wiskundige functies in Excel, variërend van het simpele + teken tot de esoterische statistiek functies voor een correlatie
Nadere informatieBeslisbare talen (1) IN2505-II Berekenbaarheidstheorie. Beslisbare talen (2) Beslisbare talen (3) De talen: College 7
Beslisbare talen (1) College 7 Algoritmiekgroep Faculteit EWI TU Delft 10 mei 2009 De talen: A DFA = { M, w M is een DFA die w accepteert} A NFA = { M, w M is een NFA die w accepteert} E DFA = { M M is
Nadere informatieTENTAMEN Basismodellen in de Informatica VOORBEELDUITWERKING
TENTAMEN Basismodellen in de Informatica vakcode: 211180 datum: 2 juli 2009 tijd: 9:00 12:30 uur VOORBEELDUITWERKING Algemeen Bij dit tentamen mag gebruik worden gemaakt van het boek van Sudkamp, van de
Nadere informatieUitwerkingen Tentamen Gewone Differentiaalvergelijkingen
Uitwerkingen Tentamen Gewone Differentiaalvergelijkingen Maandag 4 januari 216, 1: - 13: uur 1. Beschouw voor t > de inhomogene singuliere tweede orde vergelijking, t 2 ẍ + 4tẋ + 2x = f(t, (1 waarin f
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 8 Leo van Iersel Technische Universiteit Delft 2 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 2 november 2016 1 / 28 Minimum Opspannende Boom (Minimum Spanning
Nadere informatieEerste Toets Datastructuren 22 mei 2019, , Educ-β en Megaron.
Eerste Toets Datastructuren 22 mei 209, 3.30 5.30, Educ-β en Megaron. Motiveer je antwoorden kort! Stel geen vragen over deze toets; als je een vraag niet duidelijk vindt, schrijf dan op hoe je de vraag
Nadere informatieV.2 Limieten van functies
V.2 Limieten van functies Beschouw een deelverzameling D R, een functie f: D R en zij c R. We willen het gedrag van f in de buurt van c bestuderen. De functiewaarde in c is daarvoor niet belangrijk, de
Nadere informatieBerekenbaarheid, onberekenbaarheid en complexiteit: een aanvullende studie. Gijs Vermeulen
Berekenbaarheid, onberekenbaarheid en complexiteit: een aanvullende studie Gijs Vermeulen gijs.vermeulen@gmail.com 25 augustus 2005 Inhoudsopgave 1 Inleiding 3 2 Niet context vrije talen 5 2.1 Pumping
Nadere informatieStabiele koppelingen (Engelse titel: Stable Matchings)
Technische Universiteit Delft Faculteit Elektrotechniek, Wiskunde en Informatica Delft Institute of Applied Mathematics Stabiele koppelingen (Engelse titel: Stable Matchings) Verslag ten behoeve van het
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 10 Leo van Iersel Technische Universiteit Delft 23 november 2016 Leo van Iersel (TUD) TW2020 Optimalisering 23 november 2016 1 / 40 Vraag Ik heb het deeltentamen niet
Nadere informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde op donderdag 13 april 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde op donderdag 13 april 2017, 14.30-17.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatieHoorcollege Logica. Hans-Dieter A. Hiep
Hoorcollege Logica Hans-Dieter A. Hiep Agenda 1. Horn-formules 2. Vervulbaarheidsprobleem Validiteit en vervulbaarheid Gegeven een formule φ in de (klassieke) propositielogica. Definitie φ is valide voor
Nadere informatieNADB Wedstrijd Secretariaat
Taken & Verantwoordelijkheden NADB Wedstrijd Secretariaat June 2, 2009 NADB Wedstrijdsecretariaat Pagina: 2 / 7 Inhoudsopgave 1. INLEIDING...3 1.1 ORGANISATIE EN STRUCTUUR...3 1.2 FUNCTIE OMSCHRIJVING...3
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 8 Leo van Iersel Technische Universiteit Delft 28 oktober 2015 Leo van Iersel (TUD) TW2020 Optimalisering 28 oktober 2015 1 / 25 Definitie Een boom is een samenhangende
Nadere informatieOptimalisering en Complexiteit, College 10. Begrensde variabelen. Han Hoogeveen, Utrecht University
Optimalisering en Complexiteit, College 10 Begrensde variabelen Han Hoogeveen, Utrecht University Begrensde variabelen (1) In veel toepassingen hebben variabelen zowel een ondergrens als een bovengrens:
Nadere informatieRecursion. Introductie 37. Leerkern 37. Terugkoppeling 40. Uitwerking van de opgaven 40
Recursion Introductie 37 Leerkern 37 5.1 Foundations of recursion 37 5.2 Recursive analysis 37 5.3 Applications of recursion 38 Terugkoppeling 40 Uitwerking van de opgaven 40 Hoofdstuk 5 Recursion I N
Nadere informatieUitgebreide uitwerking Tentamen Complexiteit, mei 2007
Uitgebreide uitwerking Tentamen Complexiteit, mei 007 Opgave. a. Een beslissingsboom beschrijft de werking van het betreffende algoritme (gebaseerd op arrayvergelijkingen) op elke mogelijke invoer. In
Nadere informatieVoorbereidende opgaven Kerstvakantiecursus. Rekenregels voor vereenvoudigen ( ) = = ( ) ( ) ( ) = ( ) ( ) = ( ) = = ( )
Voorbereidende opgaven Kerstvakantiecursus Tips: Maak de voorbereidende opgaven voorin in één van de A4-schriften die je gaat gebruiken tijdens de cursus. Als een opdracht niet lukt, werk hem dan uit tot
Nadere informatieMinimum Opspannende Bomen. Algoritmiek
Minimum Opspannende Bomen Inhoud Het minimum opspannende bomen probleem Een principe om een minimum opspannende boom te laten groeien Twee greedy algoritmen + tijd en datastructuren: Het algoritme van
Nadere informatieEmpirische kansen = op ervaring gegrond; bereken je door relatieve frequenties te gebruiken. Wet van de grote aantallen.
Samenvatting Kansen Definitie van Laplace : P(G) = aantal _ gunstige _ uitkomsten aantal _ mogelijke _ uitkomsten Voorbeeld : Vb kans op 4 gooien met dobbelsteen: Aantal gunstige uitkomsten = 1 ( namelijk
Nadere informatieMasterproef Quantum Computing
2013 2014 FACULTEIT WETENSCHAPPEN master in de informatica Masterproef Quantum Computing Promotor : Prof. dr. Jan VAN DEN BUSSCHE De transnationale Universiteit Limburg is een uniek samenwerkingsverband
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2008 2009, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. Lees elke
Nadere informatieexponentiële en logaritmische functies
CAMPUS BRUSSEL Opfriscursus Wiskunde exponentiële en logaritmische functies Exponentiële en logaritmische functies Machten van getallen 000 euro wordt belegd aan een samengestelde interest van % per jaar
Nadere informatieAutomaten. Informatica, UvA. Yde Venema
Automaten Informatica, UvA Yde Venema i Inhoud Inleiding 1 1 Formele talen en reguliere expressies 2 1.1 Formele talen.................................... 2 1.2 Reguliere expressies................................
Nadere informatieTW2020 Optimalisering
TW2020 Optimalisering Hoorcollege 13 Leo van Iersel Technische Universiteit Delft 9 december 2015 Leo van Iersel (TUD) TW2020 Optimalisering 9 december 2015 1 / 13 Vraag Wat moet ik kennen en kunnen voor
Nadere informatieBijzondere getallen. Oneindig (als getal) TomVerhoeff. Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica
Bijzondere getallen Oneindig (als getal) TomVerhoeff Technische Universiteit Eindhoven Faculteit Wiskunde en Informatica T.Verhoeff@TUE.NL http://www.win.tue.nl/~wstomv/ Oneindig ... Oneindig 2 Top tien
Nadere informatieInverse functies en limieten
Inverse functies en limieten Inverse functies We nemen aan dat A en B deelverzamelingen zijn van R. Een functie f : A B heet één-één duidig of injectief als f (x 1 ) f (x 2 ) voor alle x 1 x 2, x 1, x
Nadere informatieWiskunde voor bachelor en master Deel 1 Basiskennis en basisvaardigheden. c 2015, Syntax Media, Utrecht Uitwerkingen hoofdstuk 11
Wiskunde voor bachelor en master Deel Basiskennis en basisvaardigheden c 05, Syntax Media, Utrecht www.syntaxmedia.nl Uitwerkingen hoofdstuk.. a. In de onderstaande figuur zijn de grafieken van y = ( )x,
Nadere informatieUitwerking Herkansingstentamen Speltheorie,
Uitwerking Herkansingstentamen Speltheorie, 3-3-203 Schrijf en redeneer vooral duidelijk, want er wordt streng nagekeken: vaagheden e.d. leiden zonder meer tot puntenverlies. Alle drie opgaven zijn verplicht
Nadere informatieUniversiteit Utrecht Betafaculteit. Examen Discrete Wiskunde II op donderdag 6 juli 2017, uur.
Universiteit Utrecht Betafaculteit Examen Discrete Wiskunde II op donderdag 6 juli 2017, 13.30-16.30 uur. De opgaven dienen duidelijk uitgewerkt te zijn en netjes ingeleverd te worden. Schrijf op elk ingeleverd
Nadere informatie8.1 Herleiden [1] Herleiden bij vermenigvuldigen: -5 3a 6b 8c = -720abc 1) Vermenigvuldigen cijfers (let op teken) 2) Letters op alfabetische volgorde
8.1 Herleiden [1] Herleiden bij vermenigvuldigen: -5 3a 6b 8c = -720abc 1) Vermenigvuldigen cijfers (let op teken) 2) Letters op alfabetische volgorde Optellen: 5a + 3b + 2a + 6b = 7a + 9b 1) Alleen gelijksoortige
Nadere informatieEen route invoeren en rijden met Sygic
Een route invoeren en rijden met Sygic 1. Eenmalig... 2 a. Instellen van Sygic routeplanning... 2 b. Maak een (korte) testroute en sla deze op... 3 2. De route naar je mobiele apparaat kopiëren.... 6 a.
Nadere informatieLogica 1. Joost J. Joosten
Logica 1 Joost J. Joosten Universiteit Utrecht (sub)faculteit der Wijsbegeerte Heidelberglaan 8 3584 CS Utrecht Kamer 158, 030-2535579 jjoosten@phil.uu.nl www.phil.uu.nl/ jjoosten (hier moet een tilde
Nadere informatieHypothese toetsen en het switch-criterium
Hypothese toetsen en het switch-criterium S.L. van der Pas Met Peter Grünwald Lunchlezing DLF, 9 april 2014 Outline Voorbeeld p-waarden Modelselectie Switch-criterium Conclusie 1 / 17 Voorbeeld Soal &
Nadere informatieDe index calculus methode
faculteit Wiskunde en Natuurwetenschappen De index calculus methode Bacheloronderzoek Wiskunde Mei 2015 Student: P.W. Ziengs Eerste Begeleider: Prof. Dr. J.Top. Tweede Begeleider: Prof. Dr. H.Waalkens.
Nadere informatieAanvulling bij de cursus Calculus 1. Complexe getallen
Aanvulling bij de cursus Calculus 1 Complexe getallen A.C.M. Ran In dit dictaat worden complexe getallen behandeld. Ook in het Calculusboek van Adams kun je iets over complexe getallen lezen, namelijk
Nadere informatie