-4 -3 -2 -1 0 1 2 3 4 Ablaufen der möglichen Kopfpos. t=1 t=2 4 Schritte 8 Schritte t=3 Setze Markierungen und an Position 0. In jedem simulierten Schritt: • Verschiebe um 1 nach rechts. • Verschiebe um 1 nach links. Kostet 4j Schritte für die Simulation des j-ten Schritts. Insgesamt Schritte. 12 Schritte 211 Simulation von M 212 Realisierung der Markierungen Verwende weitere Markierung K, um Kopfpos. von M zu merken. Speichere den Zustand q von M. Wenn K gefunden: δ(q,a) berechnen und speichern. • Kopfbewegung 0: K nicht verändern. • Kopfbewegung 1 und Durchlauf nach rechts: K im nächsten Schritt schreiben. • Kopfbewegung 1 und Durchlauf nach links: K beim Rücklauf des Kopfes schreiben. 213 Vergrößerung des Bandalphabets. Sei Γ das Bandalphabet der zu sim. TM. Neues Bandalphabet: Γ´ = Γ × { ,B} × { ,B} × {K,B} 214 Der Satz von Cook [K5.4] Nutzen Satz K5.4.3: SAT ist NP-vollständig. Weitere NP-Vollständigkeitsbeweise werden einfacher. Zur Erinnerung: Definition von SAT Eingabe: Formel F in konjunktiver Form. Frage: Gibt es eine Belegung x der Variablen, so dass F (x)=1? Lemma: Sei A NP-vollständig, ApB und B∈NP. Dann ist auch B NP-vollständig. Beweis: ∀L∈NP: LpA p B Aufwändiger Beweis. 215 SAT ist NP-vollständig Trans. von p: ∀L∈NP: LpB ⇒B NP-vollständig B∈NP 216 SAT ist NP-vollständig 2. ∀L∈NP: LpSAT: 1. SAT∈NP: - Variablenbelegung auswürfeln. - Teste, ob geg. Formel erfüllt. Sei L∈NP gegeben. Wir wissen nur: Für L gibt es eine TM, die • p(n) zeitbeschränkt ist, • stereotyp ist, • nichtdeterministisch mit Zufallsbits Z(1),...,Z(p(n)) arbeitet. 217 218 Reduktion mit verb. Komponenten Codierung Sei Q={q0,...,qk–1} u. Γ={a1,...,am} mit am=B. Idee: • Für jeden Zeitpunkt t∈{0,...,p(n)} - den Zustand der TM, - den Bandinhalt und - das verwendetes Zufallsbit durch boolesche Variablen codieren. • Klauseln konstruieren, die nur dann erfüllt sind, wenn - alle Rechenschritte korrekt sind - am Ende akzeptiert wird. Variablen Q(i,t) mit 0ik–1 und 0tp(n). Q(i,t)=1 ⇔ Zustand nach t-ten Schritt ist qi. Variablen S(i,t) mit 1im und 1tp(n). S(i,t)=1 ⇔ Im t-ten Schritt wird ai gelesen. Variablen Z(t) mit 1tp(n). Im t-ten Schritt wird Zufallsbit Z(t) verwendet. 219 220 Bedingungen an akzept. Rechnung Letzte Konfiguration akzeptierend 1. Letzte Konfiguration ist akzeptierend. 2. Variablen stellen Konfigurationen dar. 3. Beschreibung für Zeitpunkt t ergibt sich durch Anwendung der Übergangsfunktion aus Beschreibung für Zeitpunkt t–1. 4. Variablen für t=0 repräsentieren Anfangskonfiguration. Klausel: 221 Hierbei nutzen wir aus, dass die TM in akzeptierenden Zuständen endlos weiterrechnet. 222 Variablen codieren Konfigurationen Codierung d. Bed. „genau eine 1“ Zu jedem Zeitpunkt muss gelten: • TM ist in genau einem Zustand. →Für jedes t∈{0,…,p(n)} gibt es genau ein i mit Q(i,t)=1. • TM liest genau ein Zeichen. →Für jedes t∈{1,…,p(n)} gibt es genau ein i mit S(i,t)=1. Variablen Y1,...,Yn: • Klausel, die sicherstellt, dass nicht alle Variablen gleich 0 sind: Y1∨...∨Yn • Klauseln, die sicherstellen, dass höchstens eine Variable gleich 1 ist. Für jedes {i,j}: Yi∨Yj → Insgesamt O(n2) Klauseln. 223 Variablen codieren Konfigurationen Zu jedem Zeitpunkt muss gelten: • TM ist in genau einem Zustand. →Für jedes t∈{0,…,p(n)} gibt es genau ein i mit Q(i,t)=1. • TM liest genau ein Zeichen. →Für jedes t∈{1,…,p(n)} gibt es genau ein i mit S(i,t)=1. ⇒ Für jedes t genügen O(|Q|2) bzw. O(m2) Klauseln (von Eingabelänge unabh.) ⇒ Insgesamt O(p(n)) Klauseln. 225 224 Variablen cod. korrekte Rechnung • Zustand nach dem t-ten Rechenschritt und das geschriebene Zeichen hängen ab von – Zustand nach d. (t–1)-ten Rechenschritt, also von Q(0,t–1),...,Q(k–1,t–1), – dem t-ten Zufallsbit, also von Z(t), – gelesenen Zeichen, also von S(1,t),...,S(m,t), • sind also Funktionen in k+m+1 Variablen. • haben KNF mit 2k+m+1=O(1) Klauseln. 226 Welche Var. müssen korrekt sein? Codierung d.Anfangskonfiguration Sei N(t) der erste Zeitpunkt nach t, wo auf die TM auf dieselbe Bandzelle wie in Schritt t zugreift. • Zustand nach dem t-ten Schritt: Q(0,t),...,Q(k–1,t). • Geschriebener Bandinhalt: S(1,N(t)),...,S(m,N(t)) (falls N(t)p(n)). • Zustand ist q0: Q(0,0)=1, Q(i,0)=0 für alle i≠0. Jede dieser Variablen kann durch KNF mit O(1) Klauseln dargestellt werden. • Auf dem Band steht an Positionen 0,...,n–1 die Eingabe x0,...,xn–1 (und sonst B=am). t(j): erster Zeitpunkt, wo Pos. j gelesen wird. Für j∈{0,...,n–1} und xj=ai : S(i,t(j))=1. Für j∈{–p(n),..., –1,n,...,p(n)}: S(m,t(j))=1. Alle diese Var. wie angegeben konstantsetzen. 227 Zusammenfassung 228 Korrektheit • Insgesamt O(p(n)) Klauseln. • Können in polyn. Zeit berechnet werden: – Simuliere die Kopfbewegungen der stereotypen TM, um t(j) und N(t) zu berechnen. – Dann können die Klauseln wie angegeben berechnet werden. 229 1. Sei x∈L. Dann gibt es eine akzeptierende Rechnung der TM und somit eine Variablenbelegung, die diese codiert. Diese erfüllt alle Klauseln. 2. Sei eine erfüllende Belegung der Klauseln bei Eingabe x gegeben. Dann gibt es eine akzeptierende Rechnung für x und somit ist x∈L. Also haben wir LpSAT bewiesen. 230 Fazit Bew. d. NP-Vollst. f. neue Probleme Der Beweis war zwar lang und kompliziert. Die Leserin und der Leser sollten aber noch einmal die Beweisidee herausarbeiten und erst zufrieden sein, wenn sie mit mir der Meinung sind, dass die Beweisidee und der Beweisgang einfach sind. (Ingo Wegener, S. T51) Sei ein neues Problem X gegeben. Rezept: 1. Zeige X∈NP ist (meist einfach). 2. Suche ein geeignetes NP-vollständiges Problem L für die Reduktion. Literaturtipp: M.R. Garey, D.S. Johnson: Computers and Intractability, A Guide to the Theory of NP-Completeness, 1979. Anhang mit ca. 500 NP-vollst. Problemen 231 Fortsetzung des Rezepts 232 Zusammenfassung 3. Entwirf eine polyn. berechenbare Funktion f. 4. Beweise, dass f die Red. LpX realisiert: – x∈L ⇒ f(x)∈X. – x∉L ⇒ f(x)∉X. Wenn man keine Reduktion findet: ... vielleicht gibt es einen polyn. Algo für X. ... vielleicht findet man eine Idee für einen solchen Algo, wenn man erkennt, woran die Reduktion scheitert. 233 • Wenn ein NP-vollständiges Problem einen polyn. Algo hat, haben alle NP-vollständigen Probleme polyn. Algos und es ist P=NP. • Wenn man beweisen kann, dass ein NPvollständiges Problem keinen polyn. Algo hat, gilt dies für alle NP-vollst. Probleme und es ist P≠NP. • Es gibt viele praktisch wichtige NP-vollst. Probleme. • Da man für keines einen polyn. Algo kennt, wird vermutet, dass P≠NP ist. 234 NP-vollst. u. NP-äquiv. Probleme Bisher bewiesen (vgl. Folie 189) Literatur: Kapitel K6. Ziel: • Weitere Probleme kennen lernen (und damit weitere Basisprobleme für eigene Reduktionen) • Weitere Beispiele für NP-Vollständigkeitsbeweise kennen lernen. Partition p BP SAT =p 3-SAT p IS =p Clique =p VC p DHC =p HC =p TSP2,∆,sym NP-vollständig 2-SAT∈P (Übungen) 235 236 Folgerung Rucksackprobleme [K6.3] Die Optimierungsvarianten von IS, Clique, VC und TSP sind NP-äquivalent. Subset Sum Problem (SSS) Eingabe: Zahlen a1,...,an, G. Frage: Gibt es eine Menge I⊆{1,...,n}, so dass ∑i∈I=G? Satz K6.3.1: SSS ist NP-vollständig. Beweis: 1. SSS∈NP. 2. Reduktion von 3-SAT. 237 Reduktion mit verbundenen Komponenten 238 Für jede Variable xi: 3. Angabe der Funktion f. Eingabe für 3-SAT: Variablen x1,...,xn, Klauseln C1,...,Cm. Zahlen der SSS-Eingabe: - n+m Ziffern in Dezimaldarstellung. - Für jede Variable xi zwei Zahlen ai und bi: C1 C2 ai bi ... Cm x1 x2 0 0 0 0 ... Cj 1 1 ... 0 0 ai bi xi 1 1 ... xn 0 0 0 0 falls Cj xi enthält 239 b1 a2 a3 a4 d1 e1 e2 C2 1 C3 1 C4 x1 1 1 1 1 2 3 x3 x4 1 1 1 x2 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 d4 1 3 3 3 3 C1 = x1 ∨ x2 ∨ x3, C2 = x1 ∨ x2 ∨ x4, C3 = x1 ∨ x3 ∨ x4, C4 = x2 ∨ x3 ∨ x4. ... Cj 1 1 ... Cm x1 x2 0 0 0 0 ... 0 0 Für jede Klausel Cj: falls Cj xi enthält C1 C1 C2 241 dj ej C1 C2 ... Cj ... Cm x1 x2 ... xi ... xn 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 ... Cm x1 x2 3 3 1 1 ... 1 xi ... xn 1 1 Summe G: G 1 1 ... xn 0 0 0 0 xi C1 C2 3 3 ... Cj 3 3 1 240