308 lines
12 KiB
Markdown
308 lines
12 KiB
Markdown
# Analisi della complessita'
|
|
|
|
Le classi di complessita' suddividono i problemi in base alla **risolubilita'** con un certo quantitativo di risorse (tempo / spazio, si tratta il tempo).
|
|
|
|
**3 categorie principali:**
|
|
1. Problemi che ammettono algoritmi di soluzione efficienti (**polinomiali**)
|
|
2. Problemi intrattabili (irrisolvibili tramite algoritmi efficienti)
|
|
3. Problemi per i quali una soluzione efficiente **non e' ancora stata trovata**, ma non
|
|
e' stato dimostrato che non esista.
|
|
|
|
A questi si aggiungono i problemi che non sono risolvibili algoritmicamente.
|
|
La maggior parte dei problemi trattati si identifica nella classe *3*, presentando
|
|
caratteristiche molto simili gli uni agli altri. Per questo si possono definire metodi /
|
|
tecniche comuni ai vari problemi.
|
|
|
|
## Problemi di Decisione
|
|
|
|
Un problema di decisione **ammette solo due possibili soluzioni** (si/no).
|
|
Puo' essere rappresentato da una coppia `<I,q>` dove *I* e' l'insieme delle istanze e
|
|
*q* e' un predicato su *I*, ovvero una funzione `q: I -> {0,1}`
|
|
|
|
## Algoritmi decisionali non deterministici
|
|
|
|
Gli algoritmi decisionali mirano a risolvere problemi di decisione.
|
|
|
|
Un algoritmo non deterministico di fronte a una scelta:
|
|
* Sceglie, dove possibile, **la strada giusta** generando **tutte le alternative
|
|
contemporaneamente** utilizzando **piu' copie di se stesso**.
|
|
|
|
Se **esiste almeno una scelta che porta al successo**, allora l'algoritmo risponde *si'*.
|
|
|
|
### Schema generale di un A.ND
|
|
|
|
Gli algoritmi non deterministici operano su di una **sequenza di scelte**:
|
|
ognuna avviene su un sottoinsieme che e' **funzione delle scelte precedenti**.
|
|
|
|
Schema generale:
|
|
```
|
|
non_det(...)
|
|
...
|
|
for i <- 1 to n
|
|
S[i] <- choice(I[i])
|
|
if (S[1]..S[i] non puo' essere soluzione) failure
|
|
if (S[1]..S[i] e' soluzione) success
|
|
failure / success
|
|
|
|
```
|
|
### Certificare la soluzione di un A.ND
|
|
|
|
La soluzione scelta dev'essere verificata (*certificata*) in maniera efficiente (polinom.)
|
|
Solitamente, la risposta ***success*** viene data solo **dopo la verifica**.
|
|
|
|
Questo significa che **prendendo la decisione giusta in ogni punto di decisione si
|
|
potrebbe determinare velocemente se esiste una soluzione.**
|
|
Questo processo e' chiamato ***Oracolo***.
|
|
|
|
Gli algoritmi non deterministici danno una risposta tramite una serie di *mosse corrette*
|
|
che poi verificano in maniera efficiente. Quelli deterministici prendono decisioni
|
|
*provando ad una ad una tutte le possibili scelte*.
|
|
|
|
Si nota che per quanto un algoritmo sia non deterministico, esistono algoritmi di verifica della soluzione prodotta che sono *deterministici* e con complessita' polinomiale.
|
|
|
|
### Simulare un programma ND con uno D
|
|
|
|
Per simulare un programma non deterministico con uno deterministico, e' necessario
|
|
**generare ed esplorare deterministicamente lo spazio delle soluzioni**.
|
|
|
|
Questo significa visitare l'albero delle scelte corrispondente alla computazione ND,
|
|
il che ha complessita' **esponenziale** per un numero di foglie **superpolinomiale**.
|
|
|
|
### A.ND: Commesso viaggiatore
|
|
|
|
Il problema del commesso viaggiatore puo' essere riformulato come un problema di decisione:
|
|
```
|
|
Dato un grafo G non orientato, completo e pesato, esiste un “ciclo semplice”
|
|
(che tocca tutti i vertici) di costo non superiore a un costo prefissato ?
|
|
```
|
|
|
|
*(algoritmo su slides)*
|
|
|
|
Si nota come l'insieme delle scelte **varia** durante l'esecuzione dell'algoritmo,
|
|
in quanto le citta' visitate vengono eliminate dalle successive scelte possibili.
|
|
|
|
### A.ND: Cricca
|
|
|
|
```
|
|
Dato un grafo G non orientato, esiste in G una cricca di
|
|
dimensione prefissata k, ossia esistono in G k vertici
|
|
ogni coppia dei quali risulta adiacente ?
|
|
```
|
|
|
|
La soluzione associa ad ogni vertice un attributo *S[i]* booleano che ricorda se il vertice
|
|
e' gia' stato scelto per la cricca attuale. L'insieme delle scelte non varia.
|
|
|
|
*(algoritmo su slides)*
|
|
|
|
## Classi di complessita'
|
|
|
|
Si effettuano alcune ipotesi per poter trattare in modo **omogeneo** problemi eterogenei:
|
|
|
|
1. I problemi di decisione non possono essere piu' difficili di uno di ricerca o ottimizzazione. L'intrattabilita' di un problema decisionale **implica l'intrattabilita' delle altre formulazioni del problema**.
|
|
|
|
2. Si considera il modello di calcolo **RAM**, che coincide con le funzioni calcolabili tramite i formalismi della macchina di Turing, del lambda-calcolo, etc. Questa classe di funzioni e' detta **ricorsive-parziali** ed e' estremamente robusta.
|
|
|
|
3. Codifica dati **concisa**: la rappresentazione dei dati in una **qualunque base** non cambia la risolubilita' polinomiale del problema, ad eccezione della rappresentazione in base **unaria**.
|
|
|
|
4. **Costi logaritmici**: vedi **criterio di costo uniforme / logaritmico**.
|
|
|
|
### Criterio di costo uniforme / logaritmico
|
|
|
|
Basandosi sull'**analisi asintotica della complessita' nel tempo**, in particolare
|
|
sull'ordine di grandezza nel tendere ad infinito, si puo' definire la rapidita' di
|
|
incremento nel tempo di calcolo al crescere delle **dimensioni del problema**.
|
|
|
|
Questo permette di stabilire per che dimensioni dell'input un algoritmo e' utilizzabile
|
|
e per confrontarne le prestazioni con altri algoritmi.
|
|
|
|
Per determinare le quantita' di tempo e spazio impiegati da un programma RAM, si usano
|
|
**due criteri**:
|
|
|
|
* **Criterio di costo uniforme**: l'esecuzione di un'*istruzione* del programma richiede **1 unita' di tempo indipendentemente dal costo degli operandi**. Utile per casi in cui la dimesione degli interi calcolati non aumenta in maniera eccessiva.
|
|
* **Criterio di costo logaritmico**: il tempo necessario a calcolare ogni istruzione **dipende dal numero di bit necessari a rappresentare gli operandi**.
|
|
|
|
Per questo si puo' definire:
|
|
**Il tempo di calcolo richiesto al programma P su input x secondo il criterio logaritmico
|
|
e' la somma dei costi delle istruzioni eseguite nella computazione P su x**.
|
|
|
|
Questo significa: costo in tempo == somma dei costi delle istruzioni.
|
|
|
|
*Nota: il criterio uniforme e il criterio logaritmico portano alle volte a valutazioni
|
|
drasticamente differenti, in cui il criterio uniforme risulta in un tempo*
|
|
**molto minore** *del criterio logaritmico.* -> esempio `y = 3^(2n)`
|
|
|
|
### Classe P
|
|
|
|
***La classe P rappresenta tutti i problemi di decisione per la cui soluzine esistono
|
|
algoritmi deterministici di complessita' polinomiale*** *nella dimensione dei dati in input*.
|
|
|
|
### Classe NP
|
|
|
|
***La classe NP rappresenta tutti i problemi di decisione per la cui soluzione esistono
|
|
algoritmi non deterministici di complessita' polinomiale*** *nella dimensione dei dati in
|
|
input*.
|
|
|
|
I problemi appartenenti alla classe NP sono quelli per cui **un algoritmo deterministico
|
|
di complessita' polinomiale non e' ancora stato trovato**, ma **esistono algoritmi di
|
|
certificazione deterministici con complessita' polinomiale**.
|
|
|
|
Pertanto: NP e' anche definita come la classe di problemi per cui esistono certificati polinomiali.
|
|
|
|
### Problemi interessanti in NP
|
|
|
|
1. Soddisfattibilita' di circuiti logici (AND,OR,NOT)
|
|
2. Soddisfattibilita' di formule (3-SAT)
|
|
3. Copertura di vertici
|
|
4. Insieme indipendente
|
|
5. Copertura esatta di insiemi
|
|
6. Circuito Hamiltoniano
|
|
7. Programmazione lineare 0/1
|
|
|
|
### P e NP
|
|
|
|
Si sa che P appartiene a NP (e' un subset), ma non si sa' se la contenenza e' **propria**
|
|
(non include l'uguale) oppure impropria (include l'uguale). In pratica, **non si e'
|
|
riusciti a dimostrare se P = NP** oppure se **P != NP**.
|
|
|
|
## Riducibilita' polinomiale
|
|
|
|
Due problemi, Q e R tale che R: Q e' riducibile a R se:
|
|
|
|
1. ***esiste una funzione f che trasformi le istanze di input per Q in istanze di input per R.***
|
|
2. Per ogni istanza di input di Q, Q risponde *si* su quell'istanza ***se e solo se R risponde si su f(x)***.
|
|
|
|
``` la 2 matematicamente:
|
|
Q(x) <=> R(f(x))
|
|
```
|
|
|
|
### Riducibilita' polinomiale e NP-completezza
|
|
|
|
#### Teoremi
|
|
|
|
1. Q e' riducibile a R e R appartiene a NP => Q appartiene a NP
|
|
|
|
2. Q e' riducibile a R e R appartiene a P => Q appartiene a P
|
|
|
|
#### Teorema di Cook-Levin
|
|
|
|
Per ogni Q appartenente a NP => **Q e' riducibile al problema Domino-limitato**.
|
|
|
|
La dimostrazione del problema, complessa, e' basata sull'utilizzo di una *macchina di
|
|
turing non-deterministica* che risolva il problema in tempo polinomiale. *(vedi slides)*
|
|
|
|
##### Corollario
|
|
|
|
***P = NP <=> Domino-limitato appartiene a P***
|
|
|
|
#### NP-hard (NP-arduo)
|
|
|
|
Un problema Q e' detto NP-arduo se:
|
|
*Per ogni Q' appartente a NP, Q' e' riconducibie a Q*
|
|
|
|
Questo significa che ***per dimostrare che un problema e' NP-arduo basta dimostrare che
|
|
esiste un problema NP polinomialmente riducibile ad esso.***
|
|
esempio -> domino-limitato riconducibile a cricca.
|
|
|
|
#### NP-completezza
|
|
|
|
Un problema Q e' NP-completo se:
|
|
1. Q e' NP-hard
|
|
2. Q e' NP
|
|
|
|
### Riducibilita' - esempi
|
|
|
|
*(slides)*
|
|
|
|
|
|
### Problemi NP-completi
|
|
|
|
Importante risultato della riducibilita' polinomiale e' la possibilita' di **esprimere i problemi NP-completi** in forma di altri problemi NP-completi. *(vedi slides per albero)*
|
|
|
|
## Relazioni tra classi di complessita'
|
|
|
|
### NP e NP-completi
|
|
|
|
#### Teorema 1
|
|
|
|
Se **P != NP**, esiste un problema Q che appartiene a **NP-P** non **NP-completo**.
|
|
Questi problemi sono detti **NP-intermedi**.
|
|
|
|
Il corollario che ne deriva e':
|
|
Se **P != NP**, **NP-completi** appartengono (in maniera propria) a **NP-P**
|
|
|
|
#### Teorema 2
|
|
|
|
Se **P != NP**, esistono due problemi Q e R, **NP-intermedi**, tali che:
|
|
* Q non e' riducibile a R
|
|
* R non e' riducibile a Q
|
|
Sono quindi detti *non confrontabili in* `riducibilita'`
|
|
|
|
#### Esempi di NP-intermedi
|
|
|
|
* Isomorfismo tra grafi
|
|
* Fattorizzazione
|
|
|
|
|
|
### NP-completezza forte
|
|
|
|
Si considerino i problemi con cardinalita' *n* dell'insieme di dati in input.
|
|
I problemi per cui **ogni istanza di lunghezza ***n*** e' ristretta a interi di dimensione
|
|
al piu' ***p(n), funzione polinomiale in n***, sono detti *****fortemente NP-completi***.
|
|
|
|
Esempi: Cricca, ciclo Hamiltoniano
|
|
Esempi di problemi non fortemente NP-completi: Somma di sottoinsieme, zaino. Questi infatti
|
|
dipendono sia dalla cardinalita' dell'insieme in input **sia dai valori degli elementi (piccoli, grandi)**.
|
|
|
|
*(slides per prova)*
|
|
|
|
### co-P e co-NP
|
|
|
|
Il **problema complemento** e' il problema definito sullo stesso dominio del problema originale, ma che da risposta opposta in ogni caso (Si/No -> No/Si)
|
|
|
|
Le classi complemento co-P e co-NP identificano quei problemi complemento dei problemi in P,
|
|
NP.
|
|
|
|
E' facilmente dimostrabile che **co-P coincide con P**, ma dato un problema in **NP**, non
|
|
si puo' dire **nulla** sul suo complemento.
|
|
|
|
Si puo' affermare pero' che il complemento di un problema in NP **non e' mai piu' facile
|
|
del problema originale, semmai piu' difficile**.
|
|
Questo risultato deriva dal fatto che **per un problema in NP esiste una funzione polinomiale
|
|
che verifica la soluzione trovata dimostrando che e' vera, mentre per un problema complemento
|
|
e' necessario dimostrare che nessuna soluzione sia vera, il che e' molto piu' difficile,
|
|
se non impossibile**.
|
|
(differenza *Soddisfacibilita'/Falsita'*)
|
|
|
|
#### Teorema 3
|
|
|
|
se **co-NP != NP**, allora **P != NP**
|
|
|
|
Questo si dimostra per assurdo, supponendo che **P = NP** si ottiene:
|
|
**NP = P = co-P = co-NP** che e' una contraddizione.
|
|
|
|
#### Teorema 4
|
|
|
|
Se esiste un problema **NP-completo** il cui problema complemento e' **NP**, allora:
|
|
**co-NP = NP**
|
|
|
|
### Gerarchia di classi di complessita'
|
|
|
|
*(slides per rappresentazione grafica)*
|
|
|
|
#### Classe E
|
|
|
|
La classe **E** coincide con tutti i problemi di decisione risolubili con **algoritmi
|
|
deterministici** in tempo **esponenziale k-plo**, ossia con *k* esponenziali concatenati.
|
|
|
|
Questa classe coincide con la classe delle funzioni **elementari** cioe' quelle **definibili
|
|
mediante un numero finito di applicazioni delle quattro operazioni elementari dell'
|
|
aritmetica/esponenziazione/logaritmiche/di potenza/di radice/trigonometriche**.
|
|
|
|
Alcuni problemi non sono elementari.
|
|
|
|
#### Problemi indecidibili
|
|
|
|
Problemi che **non possono essere risolti da un computer** anche con **tempo illimitato**.
|
|
Un esempio e' il **Domino non limitato** (tiling problem), ma anche la corrispondenza di Post (PCP) e l'**halting problem**.
|
|
|
|
Un problema P che non ammette nessun algoritmo e' **incalcolabile**. Nel caso di un problema **decisionale**, viene detto **problema indecidibile**.
|