ZÁRÓVIZSGA TÉTELKIDOLGOZÁS 2015

Átírás

1 ZÁRÓVIZSGA TÉTELKIDOLGOZÁS 2015 Szerkesztette: Balogh Tamás június 20. Ha hibát találsz, kérlek jelezd a info@baloghtamas.hu címen! Ez a Mű a Creative Commons Nevezd meg! - Ne add el! - Így add tovább! 3.0 Unported Licenc feltételeinek megfelelően szabadon felhasználható. 1

2 Előszó A kidolgozásban szereplő tételek teljességéért, hibamentességéért nem vállalok felelősséget. Ha egy új tétel elkészül, azzal automatikusan bővíteni fogom a dokumentumot, de biztosan nem fog elkészülni az összes tétel. A tételek kidolgozása során felhasználtam a tantárgyakhoz tartozó előadásdiákat, az előadók által írt könyveket, a saját jegyzeteimet, valamint az internetet fellelhető anyagokat is. A Mesterséges Intelligencia tétel Dr. Gregorics Tibor munkája. 2

3 Tartalomjegyzék 1. Függvények határértéke és folytonossága Reláció és függvény Függvények határértéke Függvények folytonossága Kompakt halmazon folytonos függvények tulajdonságai Hatványsorok Analitikus függvények Differenciál- és integrálszámítás Differenciálszámítás Függvényvizsgálat Előzetes vizsgálatok Folytonosság Monotonitás Szélsőérték Konvexitás Integrálszámítás Riemann-integrál Differenciálegyenlet Numerikus módszerek Számelmélet, gráfok, kódoláselmélet Relációk, rendezések Függvények és műveletek Számfogalom, komplex számok Leszámlálsok véges halmazokon Számelméleti alapfogalmak, lineáris kongurencia-egyenletek Általános és síkgráfok, Euler- és Hamilton gráfok, gráfok adatszerkezetei Polinomok és műveleteik, maradékos osztás, Horner-séma Betűnkénti kódolás, Shannon- és Huffman kód. Hibajavító kódok, kódtávolság, lineáris kódok Valószinűségszámítási és statisztikai alapok Diszkrét és folytonos valószínűségi változók Statisztikai becslések Statisztikai próbák u-próbák t-próbák Mesterséges intelligencia Útkeresési probléma Állapottér reprezentáció Keresések Lokális keresések Visszalépéses keresések Gráfkeresések

4 Kétszemélyes játékok Programozás Egyszerű programozási feladat megoldásának lépései Specifikáció Tervezés Megvalósítás Tesztelés Az adattípus fogalma Szövegesen Visszavezetés Felsoroló specifikációja Felsorolóra megfogalmazott programozási tételek Összegzés Számlálás Maximum kiválasztás Feltételes maximumkeresés Kiválasztás Lineáris keresés Nevezets gyűjtemények Intervallum Sorozat Tömb Szekvenciális fájl Halmaz Programfejlesztési modellek Programok fordítása és végrehajtása Programnyelvi alapok Formális nyelvek Alapfogalmak Formális nyelvtanok Nyelvtanok osztályozása Jelölések Chomsky-féle nyelvhierarchia Környezetfüggetlen nyelvek tulajdonságai és elemzésük Elemzés Reguláris nyelvek tulajdonságai és alkalmazásai Felhasználási területek Automaták Logika és számításelmélet Alapvető algoritmusok és adatszerkezetek Haladó algoritmusok 44 4

5 15.Operációs rendszerek Számítógépes hálózatok és Internet eszközök Rétegek Fizikai réteg Feladata NRZ-L Manchester kód Alapsáv és szélessáv Médiumok Adatkapcsolati réteg Feladata Keretezés Hibafelügyelet Folyamfelügyelet Médiumhozzáférés Hálózati réteg Feladata Internet Protokoll Statikus routing Dinamikus routing DHCP Szállítói réteg Feladata TCP UDP Osztott rendszerek Adatbázisok tervezése és lekérdezése Adatbázisok optimalizálása és konkurencia kezelése Felhasznált irodalom 50 5

6 1. Függvények határértéke és folytonossága Függvények határértéke, folytonossága. Kompakt halmazon folytonos függvények tulajdonságai: Heine-tétel, Weierstrass-tétel, Bolzano-tétel. A hatványsor fogalma, Cauchy-Hadamard-tétel, analitikus függvények Reláció és függvény Definíció. Legyen A és B két tetszőleges halmaz. Az A B az A és a B halmaz Descartes-szorzata, melynek elemei rendezett párok: (a, b) := {{a}, {a, b}} (a A, b B). Az A B Descartes-szorzat bármely részhalmazát (bináris) relációnak nevezzük. Ha r A B és valamilyen a A, b B elemek esetén (a, b) r, akkor az a, b elemek (r )relációban vannak. Az r értelmezési tartománya: D r := {x A: (x, y) r}, Az értékkészlete pedig R r := {y B : (x, y) r} Definíció. Legyenek A, B halmazok, és f A B reláció. Tetszőleges x A elemre legyen f x := {y B : (x, y) f}. Az f reláció függvény, ha tetszőleges x A választással az f x halmaz legfeljebb egy elemű. Ekkor tehát x D f! y R f : (x, y) f Függvények határértéke Az f számsorozat, ha D f = N. Ekkor lim f és lim f = A K, ha K(A) környezet esetén f n = f(n) K(A). A számsorozatok speciális f K 1 K 2 függvények, a határérték kiterjeszthető tetszőleges f K 1 K 2 függvényekre, ahol (egymástól függetlenül) K 1, K 2 = R, vagy C. Legyen tehát f K 1 K 2 és a D f. Ekkor az f függvénynek az a helyen van határértéke, ha A K 2, amelyre tetszőleges K(A) K 2 környezetet is véve megadható az a-nak olyan k(a) K 1 környezete, amellyel f[k(a) \ {a} D f ] K(A) teljesül, vagyis f(x) K(A) (a x k(a) D f ) Tétel. Tegyük fel, hogy az f K 1 K 2 függvénynek az a D f helyen van határértéke. Ekkor! A K 2, amely eleget tesz a definíciónak, azaz K(A) K 2 k(a) K 1 : f(x) K(A) (a x k(a) D f ). 6

7 1.2.2 Definíció (Függvényhatárérték fogalma). Tegyük fel, hogy f K 1 K 2 függvénynek az a D f helyen létezik határértéke. A definícióban szereplő A K 2 szám, vagy valamelyik végtelen az f függvény a helyen vett határértéke. Jelölése: lim a f := lim x a f(x) := A Tétel (Átviteli elv). Legyen f K 1 K 2 függvény és a D f. lim a f = A (x n ): N D f \ {a}, lim(x n ) = a sorozatra lim(f(x n )) = A. Ha létezik az A := lim a f, akkor az előbb említett (x n ) sorozatra lim(f(x n )) = A Tétel. Tegyük fel, hogy f, g K 1 K 2, D f D g, valamint az a (D f D g ) torlódási pontban A := lim a f, B := lim a g határértékek. Tegyük fel továbbá, hogy i, A + B K 2 összeg, és az f + g összegüggvénynek az a helyen van határértéke, és lim a (f + g) = A + B, ii, c K 2 és ca K 2 szorzat, és cf függvénynek az a helyen van határértéke, és lim a (cf) = ca, iii, AB R 2, és az fg szorzatfüggvénynek az a helyen van határértéke, és lim a (fg) = AB, iv, A/B K 2, és az f/g hányadosfüggvénynek az a helyen van határértéke, és lim a f g = A B Függvények folytonossága Definíció. Az f K 1 K 2 függvény az a D f pontban folytonos, ha ε > 0 δ > 0: f(x) f(a) < ε (x D f, x a < δ). Jelöljük az a K 1 pontban folytonos f K 1 K 2 függvények halmazát a C{a} jelöléssel. Speciálisan ha K 1 = K 2 = R, azaz az f R R, akkor f(a) ε < f(x) < f(a) + ε (x D f, a δ < x < a + δ) Definíció. Az f K 1 K 2 függvény folytonos, ha a D f esetén f C{a}. A folytonos függvényeket jelöljük a következőképp: f C Megjegyzés. Legyen f K 1 K 2, a D f és f / C{a}. Ekkor az f függvénynek az a helyen szakadása van. 7

8 1.3.4 Tétel (Folytonosság és műveletek kapcsolata). Tegyük fel, hogy f, g C{a}. Ekkor i, f + g C{a}, ii, fg C{a}, iii, ha g(a) )0, akkor f/g C{a} Tétel (Átviteli elv). Legyen f K 1 K 2, a D f. Ekkor f C{a} (x n ): N D f, lim (x n ) = a: lim (f(x n )) = f(a) Tétel. Legyen f, g K 1 K 2, g C{a}, f C{g(a)}. Ekkor f g C{a} Kompakt halmazon folytonos függvények tulajdonságai Definíció (Zárt halmaz). Az A R halmaz zárt, ha A =, vagy A, és tetszőleges konvergens (x n ): N A sorozatra a lim (x n ) A Definíció. A A K halmaz felülről (alulról) korlátos, ha k R x A: x k (x k). Az A halmaz korlátos, ha alulról és felülről is korlátos Definíció. A A K halmaz kompakt, ha korlátos és zárt Tétel. A A K halmaz kompakt, akkor és csak akkor, ha (x n ): N A sorozatnak (x vn ) részsorozata, amely konvergens és lim (x vn ) A Tétel. Ha az f K 1 K 2 C, és a D f kompakt, akkor az R f is kompakt Tétel (Weierstrass). Ha az f K R C függvény értelmezési tartománya kompakt, akkor az értékkészletének létezik legkisebb és legnagyobb eleme Definíció. Az f K 1 K 2 függvény egyenletesen folytonos, ha ε > 0 δ > 0: f(x) f(t) < ε (x, t D f, x t < δ) Tétel (Heine). Tegyük fel, hogy f K 1 K 2 C, és D f kompakt. Ekkor az f egyenletesen folytonos Tétel (Bolzano). Tegyük fel, hogy valamilyen < a < b < + esetén az f : [a, b] R C, és f(a) < 0 < f(b). Ekkor ξ (a, b): f(ξ) = 0. 8

9 1.5. Hatványsorok A végtelen sorok egyik fontos osztálya a függvénysorok. Ezek értelmezéséhez nevezzünk egy (f n ) sorozatot függvénysorozatnak, ha n N esetén f n függvény. Feltesszük, hogy valamilyen D halmazzal D fn = D (n N). Ha az (f n ) függvénysorozatra még az is igaz, hogy R fn K (n N), azaz f n : D K (n N), akkor van értelme az (f n ) függvénysorozat által meghatározott (f n ) függvénysornak: ( n ) (fn ) := f k. A (f n ) függvénysor tehát az k=0 n F n := f k (n N) k=0 részletösszeg-függvények által generált (F n ) függvénysorozat. Ha valamilyen t D esetén az (F n (t)) sorozat konvergens (azaz a (f n (t)) végtelen sor konvergens), akkor a (f n ) függvénysor a t helyen konvergens. A D 0 := {t D : (F n (t)) konvergens} halmaz a (f n ) függvénysor konvergencia-tartománya. Ha D 0, akkor az F (t) := lim (F n (t)) = f n (t) (t D 0 ) n=0 függvény a (f n ) függvénysor összegfüggvénye. Az a K középpont és az (a n ): N K együttható-sorozat segítségével tekintsük a következő függvényeket: f n (t) := a n (t a) n (t D := K, n N). Ekkor a (f n ) függvénysor (a középpontú, (a n ) együtthatós) hatványsor Tétel (Cauchy-Hadamard). Tegyük fel, hogy az (a n ): N K olyan sorozat, amelyre lim ( n a n ), és legyen + (lim ( a n n ) = 0) r := 1 (lim ( a n n ) > 0). lim ( n a n ) Ekkor bármely a K mellet a (a n (t a) n ) hatványsorra: 1. ha r > 0, akkor x K, x a < r : (a n (t a) n ) hatványsor az x helyen abszolút konvergens, 2. har < +, akkor x K, x a > r : (a n (t a) n ) hatványsor az x helyen divergens. Tekintsük a (a n (t a) n ) hatványsort. Ekkor az tételben szereplő r szám a hatványsor konvergencia-sugara. 9

10 1.6. Analitikus függvények Tegyük fel, hogy a (a n (t a) n ) hatványsor r konvergencia-sugara nem nulla. Ekkor értelmezhetjük az f(x) := a n (x a) n (x K r (a)) n=0 függvényt, ami nem más mint a (a n (t a) n ) függvénysor F (x) := a n (x a) n (x D 0 ) összegfüggvényének a leszűkítése a K r (a) környezetre: f = F Kr(a). Az ilyen jellegű függvényt analitikus függvénynek nevezzük. Legyen n=0 exp x := exp(x) := e x := n=0 x n n! (x K), sin x := sin(x) := ( 1) n x 2n+1 n=0 (2n + 1)! (x K), cos x := cos(x) := ( 1) n x2n n=0 (2n)! (x K), x 2n+1 sh x := sh(x) := n=0 (2n + 1)! (x K), x 2n ch x := ch(x) := n=0 (2n)! (x K) az exponenciális-, a szinus-, a koszinusz-, a szinuszhipebolikusz-, és a koszinuszhiperbolikuszfüggvény. 10

11 2. Differenciál- és integrálszámítás Jacobi-mátrix, gradiens, parciális derivált. Szélsőérték, függvényvizsgálat, Riemann-integrál, parciális integrálás, integrálás helyettesítéssel. Newton-Leibniz-formula. A kezdeti érték probléma. Lineáris, ill. magasabb rendű lineáris differenciálegyenletek Differenciálszámítás Definíció. Legyen f R R, a int D f. Ekkor f differenciálható az a pontban (f D{a}), ha A R, η R R : és lim a η = 0. f(x) f(a) = A(x a) + η(x)(x a) (x D f ) Definíció (Parciális derivált). Legyen f(x 1, x 2,..., x n ): R n R. f parciálisan differenciálható x 1 szerint a D f egy rögzített (u 2,..., u n ) pontjában, ha f(x 1, u 2,..., u n ) D{x 1 }. Az előbbi parciális függvény x 1 -beli deriváltját az f x 1 szerinti parciális deriváltjának nevezzük. Jelölése: 1 f, 2 f,..., n f vagy x f, Példa. f(x, y) = x 2 5xy x f = 2x 5y y f = 5x Definíció (Gradiens). f(x 1,..., x n ) gradiense adott (u 1,..., u n ) pontban: grad f = f = ( 1 f,..., n f). Azaz a gradiens a függvények deriválásának általánosítása többváltozós függvényekre, amelynek eredménye egy vektormező, ami azt mutatja, hogy változik a függvény, és megadja a skalármező legnagyobb megváltozásának irányát is. f Tétel (Jacobi mátrix). f : R n R m, a int D f, f D(a), f =., ahol f m f i R n R koordináta függvények. Ekkor δ 1 f 1 (a), δ 2 f 1 (a),..., δ n f 1 (a) f δ 1 f 2 (a), δ 2 f 2 (a),..., δ n f 2 (a) (a) =. Rm n δ 1 f m (a), δ 2 f m (a),..., δ n f m (a) 11

12 2.1.6 Definíció (Lokális szélsőérték). Legyen f R R, a int D f. f-nek az a helyen lokális maximuma (minimuma) van, ha k(a) : x k(a) : f(x) f(a) (f(x) f(a)). Ha f-nek az a-ban lokális maximuma, vagy lokális minimuma van, akkor lokális szélsőértéke van a-ban Tétel (Elsőrendű szükséges feltétel). Legyen f R R, a int D f, f D{a}. Ha f-nek lokális szélsőértéke van a-ban, akkor f (a) = Tétel (Elsőrendű elégséges feltétel). Tegyük fel, hogy f R R, a int D f, f D és f-nek a-ban lokális szélsőértéke van. Ekkor, ha 1. az f deriváltfüggvénynek az a-ban (+, ) jelváltása van, akkor az f-nek az a-ban lokális maximuma van, 2. az f deriváltfüggvénynek az a-ban (, +) jelváltása van, akkor az f-nek az a-ban lokális minimuma van Definíció (Globális szélsőérték). Legyen f R R, a int D f. f-nek a-ban globális maximuma (minimuma) van, ha x D f : f(x) f(a) (f(x) f(a)) Függvényvizsgálat Előzetes vizsgálatok Páros vagy páratlan? (f(x) = f( x) vagy f(x) = f( x)) Periodikus-e? ( p > 0: x D f : x ± p D f és f(x ± p) = f(x)) Folytonosság Folytonos-e a függvény? ( ε > 0 δ > 0: f(x f(a) < ε ( x a < δ)) Van-e szakadása? ( a D f : f / C{a}) Monotonitás Tétel. Tegyük fel, hogy f R R, D f nyílt intervallum, f D. Ekkor f monoton növő f 0, f monoton fogyó f Tétel. Tegyük fel, hogy f R R, D f nyílt intervallum, f D. Ekkor f szigorúan monoton növő f (x) 0 (x D f ), I D f nyílt interallumra: t I : f (t) > 0, f szigorúan monoton fogyó f (x) 0 (x D f ), I D f nyílt interallumra: t I : f (t) < 0. 12

13 Szélsőérték A tétel korábbi részében szó esik róla Konvexitás Definíció. Legyen I R intervallum, f : I R. Ekkor az f függvény konvex, ha konkáv, ha a, b I, λ [0, 1] : f(λa + (1 λ)b) λf(a) + (1 λ)f(b). a, b I λ [0, 1] : f(λa + (1 λ)b) λf(a) + (1 λ)f(b) Tétel. Tegyük fel, hogy az f R R, f D. Ekkor f konvex f monoton nő, f konkáv f monoton fogy. Ha f D 2, akkor f konvex f 0, f konkáv f Definíció (Inflexiós pont). Legyen f R R, a int D f, f D{a}. Ha f e a f függvény jelet vált a-ban, ahol e a f az f függvény a-beli érintője, akkor az f függvénynek az a helyen inflexiója van Integrálszámítás Definíció (Primitív függvény). Legyen I R nyílt intervallum, f : I R. Azt mondjuk, hogy az F : I R függvény primitív függvénye f-nek, ha F D, és F = f Definíció (Határozatlan integrál). Legyen I R nyílt intervallum, f : I R, F : I R, F D, F = f. Ekkor legyen az f határozatlan integrálja. f := f(x)dx := {F : I R : F D, F = f} Tétel (Parciális integrálás). Tegyük fel, hogy I R nyílt intervallum, f, g : I R, f, g D, f g. Ekkor fg, és F f g : fg = {fg F + c : c R}. 13

14 Riemann-integrál A Riemann-integrál célja az integrálandó (f(x)) függvény-görbe alatti területének meghatározása egy adott [a, b] intervallumon, ahol a az integrál alsó határa, b az integrál felső határa. Ehhez az [a, b]-t részintervallumokra kell osztani: τ [a, b], a, b τ és τ = {x 0, x 1,..., x n } (n N), x 0 = a < x 1 <... < x n = b. Legyen m i = m i (f) := inf{f(x) : x i x x i+1 } (i = 0,..., n 1), Ekkor M i = M i (f) := sup{f(x) : x i x x i+1 } (i = 0,..., n 1). s(f, τ) := n 1 i=0 m i (x i+1 x i ) az f függvénynek a τ felosztáshoz tartozó alsó összege, S(f, τ) := n 1 i=0 M i (x i+1 x i ) az f függvények a τ felosztáshoz tartozó felső összege. A Darboux-féle asó integrál a τ felosztáshoz tartozó alsó összeg szuprémuma: I = sup s(f, τ), A Darboux-féle felső integrál a τ felosztáshoz tartozó felső összeg infimuma: I = inf S(f, τ) Definíció (Riemann-integrál). Legyen a, b R, a < b, [a, b] korlátos, zárt intervallum, f : [a, b] R korlátos függvény. Az f függvény Riemann-integrálható, ha I (f) = I (f). Ekkor az b a f := b szám az f függvény Riemann-integrálja. a f(x)dx := I (f) = I (f) Definíció (Integrálás helyettesítéssel). Legyen I R, g : [a, b] I, f : I R, f C. Ekkor g(b) g(a) f(x)dx = b a f(g(t))g (t)dt Tétel (Newton-Leibniz-formula). Tegyük fel, hogy [a, b] korlátos zárt intervallum, f : [a, b] R, f R[a, b], F : [a, b] R : F D, F = f. Ekkor F : b a f = F (b) F (a). 14

15 2.4. Differenciálegyenlet A differenciálegyenlet olyan egyenlet, amelyben az ismeretlen kifejezés egy differenciálható függvény (f), és az egyenlet az f és f függvény között teremt kapcsolatot Definíció (Differenciálegyenlet). D R n+1 tartomány, f : D R n folytonos. Az x (t) = f(t, x(t)) egyenletet elsőrendű explicit differenciálegyenletnek nevezzük, ahol x: I R n folytonosan differenciálható, I R nyílt intervallum, és (t, x(t)) D t I Definíció (Kezdeti érték probléma). D R n+1 tartomány, f : D R n folytonos, (τ, ξ) D, τ R, ξ R n. Az x (t) = f(t, x(t)) x(τ) = ξ feladatot kezdeti érték problémának nevezzük Definíció (Elsőrendű lineáris differenciálegyenlet). I R nyílt intervallum, f, g : I R folytonos. Az x + fx = g differenciálegyenletet elsőrendű lineáris differenciálegyenletnek nevezzük Definíció (Magasabb rendű differenciálegyenlet). D R n+1 tartomány, h: D R folytonos. Az y (n) (t) = h(t, y(t), y (t),..., y (n 1) (t)) feladatot n-ed rendű differenciálegyenletnek nevezzük. Jel: y (n) = h (id, y, y,..., y (n 1) ). 15

16 3. Numerikus módszerek Iterációs módszerek: Lineáris egyenletrendszerekre és nemlineáris egyenletekre. Interpoláció: Lagrange,-Hermite-Spline interpoláció. Legkisebb négyzetek módszere 16

17 4. Számelmélet, gráfok, kódoláselmélet Relációk, rendezések. Függvények és műveletek. Számfogalom, komplex számok. Leszámlálások véges halmazokon. Számelméleti alapfogalmak, lineáris kongurencia-egyenletek. Általános és síkgráfok, fák, Euler- és Hamilton-gráfok, gráfok adatszerkezetei. Polinomok és műveleteik, maradékos osztás, Horner-séma. Betűnkénti kódolás, Shannon- és Huffmankód. Hibajavító kódok, kódtávolság. Lineáris kódok Relációk, rendezések Definíció. A, B tetszőleges halmaz, az A B = {(a, b) a A b B} az A és B halmaz Descartes-szorzata. Az R A B halmaz binér reláció. Ha A = B, akkor R egy A-beli binér reláció (homogén binér reláció) Definíció. Legyen R egy X-beli binér reláció. Az R 1. tranzitív, ha x, y, z : ((x, y) R (y, z) R) (x, z) R. 2. szimmetrikus, ha x, y : (x, y) R (y, x) R. 3. antiszimmetrikus, ha x, y : ((x, y) R (y, x) R) x = y. 4. szigorúan antiszimmetrikus, ha x, y : (x, y) R (y, x) / R. 5. reflexív, ha x X : (x, x) R. 6. irreflexív, ha x X : (x, x) / R. 7. trichotom, ha x, y X esetén x = y, (x, y) R, (y, x) R közül pontosan egy teljesül. 8. dichotom, ha x, y X esetén (x, y) R vagy (y, x) R (esetleg mindkettő). Az első négy tulajdonság csak R-től, míg az utolsó négy X-től is függ Definíció. Legyen X egy halmaz. Az X-beli binér reláció Ekvivalenciareláció, ha tranzitív, szimmetrikus, reflexív, Részbenrendezés, ha tranzitív, antiszimmetrikus, reflexív, Teljes rendezés, ha tranzitív, antiszimmetrikus, reflexív, dichotom Függvények és műveletek Definíció. Az f reláció függvény, ha (x, y) f (x, y ) f y = y Állítás. Az f : X Y függvény injektív, ha (x, y) f (x, y) f x = x. Az f függvény szürjektív, ha egész Y -ra képez, ha pedig injektív és szürjektív is, akkor bijektívnek nevezzük. 17

18 4.2.3 Definíció. Legyen X egy halmaz. Egy X-beli binér művelet egy : X X X leképezés, X-beli unér művelet egy : X X leképezés, nullér művelet pedig : { } X leképezés, ami X egy elemének a kijelölését jelenti Definíció. Legyen binér művelet az X, és binér művelet az X halmazon. Egy ϕ: X X leképezés művelettartó, ha x, y X : ϕ(x y) = ϕ(x) ϕ(y) Számfogalom, komplex számok Definíció (Semleges elem). Legyen G tetszőleges halmaz, tetszőleges művelet a G-n. G egy s eleme bal, illetve jobb oldali semleges elem, ha s g = g és g s = g. Ha egy elem bal és jobb oldali semleges elem is, akkor semleges elem Definíció (Inverz). Legyen G tetszőleges halmaz, tetszőleges művelet a G-n. s semleges eleme G-nek, és g, g G. Ha g g = s akkor g a g balinverze, g pedig a g jobbinverze. Ha g a g bal és jobbinverze is, akkor a g inverze Definíció. G halmaz, : G G G. Ekkor a (G, ) gruopoid. Ha 1. x, y, z G: (x y) z = x (y z), akkor G félcsoport, 2. G félcsoport, és létezik semleges eleme, akkor G monoid, 3. G monoid, és g G: g (inverz), akkor G csoport, 4. G csoport, és a kommutatív, akkor G Abel-csoport Definíció. (G, +, ) gyűrű, ha (G, +) Abel-csoport, (G, ) félcsoport, és teljesül mindkét oldali diszributivitás Definíció. A kommutatív, nullosztómentes (azaz nincs két olyan nullától különböző eleme, amelynek szorzata 0-t adna) gyűrűt integritási tartomány-nak nevezzük. Ha R rendezett, integritási tartomány, és x, y, z R és x y x + z y + z x, y R és x, y 0 x y 0, akkor rendezett integritási tartomány-nak nevezzük Definíció. A G gyűrű test, ha (G \ {0}, ) Abel-csoport Definíció. A valós számok halmaza egy felsőhatár tulajdonságú rendezett test Definíció. A komplex számok halmaza C = R R, azaz a valós számpárok halmaza az (x, y) + (x, y ) = (x + x, y + y ) (x, y) (x, y ) = (xx y y, y x + yx ) műveletekkel. Az (x, y) komplex szám algebrai alakja: x + iy. A z = z (cos t + i sin t) pedig a z komplex szám trigonometrikus alakja, ahol t R Tétel (Algebra alaptétele). Ha n N +, valamint c 0, c 1,..., c n komplex számok, c n 0, akkor n z C: c k z k = 0. k=0 18

19 4.4. Leszámlálsok véges halmazokon Definíció. Egy X halmaz önmagára való kölcsönösen egyértelmű leképezései az X permutációi. A permutációk száma n = X -től függ. n P n = k. k= Definíció. Az A halmaz elemeiből készíthető, különböző tagokból álló a 1, a 2,..., a k sorozatokat, azaz {1, 2,..., k} A-ba képező kölcsönösen egyértelmű leképezések az A k-ad osztályú variációi. ha A véges, A = n, akkor a variációk száma: V k n = n! (n k)!. Ha az a i tagok nem feltétlen különböznek, akkor ismétléses variáció-ról beszélünk, melyek száma: i Vn k = n k Definíció. Az A halmaz k N elemű részhalmazai az A k-ad osztályú kombinációi. Ha A véges, A = n, akkor a számuk: C k n = n! k!(n k)! = ( ) n. k Az f : A N: a A f(a) = k függvények az A k-ad osztályú ismétléses kombinációi. Ezek száma A elemeinek számától függ. Legyen A = n, ekkor: ( ) n + k 1 i Cn k =. k Definíció. Az a 1, a 2,..., a r különböző elemek i 1, i 2,..., i r ismétlődésű ismétléses permutációi az olyan n = i 1 + i i r tagú sorozatok, amelyekben az a j elem i j -szer fordul elő. Számuk P i 1,...i r n = n! i 1!i 2! i r! Tétel (Binomiális tétel). Legyen R kommutatív, egységelemes gyűrű, x, y R, n N. Ekkor ( ) n n (x + y) n = x k y n k. k k= Számelméleti alapfogalmak, lineáris kongurencia-egyenletek Definíció. Az m N az n N osztó-ja, az n pedig az m többszöröse, ha k N: n = mk Definíció. 1 < n N csak 1 n = n 1 alakban írható fel, akkor irreducibilis elem Definíció. 1 < p N szám prím, ha p ab esetén p a p b. 19

20 4.5.4 Definíció. R egységelemes integritási tartomány, a, b R, a és b asszociáltak ha a b b a Definíció. Egy elem asszociáltjaitól különböző osztói az elem valódi osztói Definíció. R egységelemes integritási tartomány, a 1, a 2,... a n R elemek legnagyobb közös osztója a b R, ha i = 1, 2,..., n esetén b a i, és ha i = 1, 2,... n esetén b a i akkor b b Definíció. R egységelemes integritási tartomány, a 1, a 2,... a n R elemek legkisebb közös többszöröse a b R, ha i = 1, 2,..., n esetén a i b, és ha i = 1, 2,... n esetén a i b akkor b b Definíció. a, b, m Z, a kongurens b modulo m, ha m a b. Jelölése: a b (mod m) Állítás. 1 < m, a, b Z adott. Keressük az ax b (mod m) megoldásait. Megoldhatóság: kínai maradéktétel Általános és síkgráfok, Euler- és Hamilton gráfok, gráfok adatszerkezetei Definíció. Az Irányítatlan gráf egy G = (ϕ, E, V ) hármas, ahol V a csúcsok halmaza, E az élek halmaza, ϕ pedig egy E-t a V -beli elemekből álló rendezetlen párok halmazába képező leképezés. Ha valamely e E, v V : v ϕ(e), akkor e illeszkedik v-re Definíció. Egy gráf véges, ha E és V véges halmazok. d(v) a v csúcs fokszáma, vagyis a rá illeszkedő élek száma, a csúcsra illeszkedő hurokéleket kétszer számolva. Véges gráf esetén d(v) = 2 E. v V Definíció. Ha a gráfban minden csúcs fokszáma n, akkor n-reguláris gráf nak hívjuk. Például a Petersen-gráf Definíció. A G = (ϕ, E, V és a G = (ϕ, E, V ) gráfok izomorf ak, ha bijektív leképezés, hogy f : E E g : V V e E, v V : v ϕ(e) g(v) ϕ(f(e)) Definíció. Legyen G = (ϕ, E, V ) gráf, Egy G-beli n hosszú séta v-ből v -be egy v 0, e 1, v 1, e 2,... v n 1, e n, v n véges sorozat, amelyre e i a v i 1 és v i csúcsra illeszkedő él, és v 0 = v, v n = v. Ha v = v akkor a séta zárt, különben nyílt. Ha a sétában szereplő élek mind különböznek, akkor a séta vonal. Ha a vonal zárt séta, akkor zárt vonal, különben nyílt vonal. Egy séta út, ha v 0, v 1,... v n csúcsok különböznek. A legalább egy hosszú zárt vonalat körnek nevezzük, ha kezdő és végpontjai megegyeznek, de egyébként a vonal pontjai különböznek. 20

21 4.6.6 Definíció. Egy gráf összefüggő, ha bármely két csúcsa összeköthető sétával Definíció. Egy gráf fa, ha összefüggő és nincs köre Definíció. Egy gráf erdő, ha körmentes Definíció. Az Euler-vonal egy v-ből v -be vezető vonal, amelyben a gráf minden éle szerepel Állítás. Egy összefüggő véges gráfban pontosan akkor létezik zárt Euler-vonal, ha minden csúcs páros fokú. Ha véges összefüggő gráf 2s páratan fokú csúcsot tartalmaz, ahol s N +, akkor a gráf s darab páronként éldiszjunkt nyílt vonal egyesítése Definíció. A Hamilton-út egy olyan v-ből v -be vezető út amelyben a gráf minden pontja pontosan egyszer szerepel. A Hamilton-kör olyan kör, amelyben a gráf minden csúcsa szerepel Definíció. A G = (ϕ, E, V, c e, C e, c v, C v ) hetes címkézett gráf, ahol C e, C v az élcímkék és csúcscimkék halmaza, a c e : E C e, és c v : V C v leképezések az élcímkézés, illetve csúcscímkézés Definíció. A G = (ψ, E, V ) hármas irányított gráf, ahol E az élek halmaza, V a csúcsok halmaza, ψ : E V V leképezés. A csúcs kifoka a belőle induló élek száma, befoka pedig azon élek száma, amelyeknek az adott cúcs a végpontja Polinomok és műveleteik, maradékos osztás, Horner-séma Definíció. R gyűrű. A n f i x i, i=0 n N, f i R véges összegeket egyhatározatlanú polinomnak nevezzük. Az f = (f 0, f 1,...) és g = (g 0, g 1,...) R-beli végtelen sorozatok. Ekkor az a két sorozat összege, és az f + g = (f 0 + g 0, f 1 + g 1,...) f g = h = (h 0, h 1,...) ahol h k = i+j=k a két sorozat szorzata. Így gyűrűt kapunk. Tehát R feletti egyhatározatlanú polinomokon olyan R-beli f = (f 0, f 1,...) sorozatokat értünk, amelyeknek csak véges sok tagja nem nulla. Az f i g j f = f 0 + f 1 x 1 + f 2 x f n x n R[x] (f n 0) alakú polinom főegyütthatója f n, foka: n, ahol R[x] az R feletti egyhatározatlanú polinomok gyűrűje Tétel (Maradékos osztás). R egységelemes integritási tartomány, f, g R[x], g 0, és tegyük fel, hogy g főegyütthatója egység R-ben. Ekkor! q, r R[x]: f = gq + r (deg(r) < deg(g)) Megjegyzés (Horner-elrendezés). A maradékos osztás tételét alkalmazva az f és a g = x c polinomra azt kapjuk, hogy f = (x c)q + r, ahol r konstans, értéke f(c). Így n 1 szorzással és ugyanannyi összeadással megkaphatjuk f(c)-t. 21

22 4.8. Betűnkénti kódolás, Shannon- és Huffman kód. Hibajavító kódok, kódtávolság, lineáris kódok A kódolás a legáltalánsoabb értelemben az üzenetek halmazának egy másik halmazba való leképezését jelenti Definíció (Betűnkénti kódolás). A, B ábécé, ϕ: A B leképezés, amelyet természetes módon terjesztünk ki ψ : A B leképezéssé. Ha a 1 a 2... a n = α A, akkor α kódja ψ(α) = ϕ(a 1 )ϕ(a 2 )... ϕ(a n ). Ha ϕ nem injektív, akkor a a kód nem felbontható Definíció. Legyen A = {a 1,... a n } a kódolandó ábécé, p 1,... p n a betűk eloszlása, ϕ: A B + egy betűnkénti kódolás, l i az a i kódjának hossza. Ekkor a kód átlagos szóhosszúsága: l n = p i l i. i=1 Ha adott elemszámú ábécével és eloszlással egy felbontható betűnkénti kód átlagos szóhosszúsága minimális, akkor optimális kódnak nevezzük Tétel (Shannon tétele zajmentes csatornára). Legyen B elemeinek száma r. Ha a betűnkénti kódolás felbontható, akkor ahol H r az eloszlás entrópiája. H r (p 1,... p n ) l, Tétel (Shannon-kód létezése). n > 1 esetén van olyan prefix kód, amelyre l < Hr (p 1,... p n ) Tétel (Huffman-kód). A Huffman-kód optimális kódot ad. Ehhez rendezzük a kódolandó ábécé elemeit relatív gyakoriságuk sorrendjében, majd osszuk el n 2-t r 1-el, és legyen m a maradék +2. Első lépésben az utolsó m elemet vonjuk össze, az összevont elem gyakorisága legyen az összevont elemek gyakoriságának összege. Rendezzük újra a redukált ábécét, és ismételjük a lépést, de az utolsó r elemet vonjuk össze. Ismételjük ezt addig amíg már csak r elem van. Ezeket a kódoló ábécé elemeivel kódoljuk, majd a redukciónak megfelelően visszafelé haladva, az ott összevont betűk kódját az összevonásként kapott betű már meglévő kódjának a kódoló ábécé különböző betűivel való kiegészítésével kapjuk Definíció. u, v két egyforma hosszú szó Hamming-távolsága (d(u, v)) az azonos pozícióban lévő különböző jegyek száma, és a kód távolsága (d(c)) a különböző kódszópárok távolságainak minimuma, ahol C a kódszavak halmaza Definíció. Egy kód t-hibajavító, ha minden esetben helyesen javít, amikor egy elküldött kódszó legfeljebb t helyen változik meg. A kód pontosan t-hibajavító, ha t- hibajavító, de nem t + 1-hibajavító Definíció (Lineáris kód). Ha K véges test, akkor a K elemeiből alkotott rendezett n-esek a komponensenkénti összeadással, valamint az n-es minden elemének ugyanazzal az elemmel való szorzásával egy K feletti n-dimenziós K n lineáris teret alkotnak. Ennek bármely altere lineáris kód. Például: CRC (hibajelzés), Hamming-kód (egyetlen hiba javítása. 22

23 5. Valószinűségszámítási és statisztikai alapok Diszkrét és folytonos valószínűségi változok, nagy számok törvénye, centrális határeloszlás tétel. Statisztikai becslések, klasszikus statisztikai próbák 5.1. Diszkrét és folytonos valószínűségi változók Definíció (Valószínűségi változó). A valószínűségi változó egy eseménytér elemeihez valós számokat rendelő X : Q R függvény Definíció (Diszkrét valószínűségi változó). Az X valószínűségi változó diszkrét, ha lehetséges értékeinek száma véges. X(Q)-val jelöljük Definíció (Diszkrét valószínűségeloszlás). Az X változó eloszlása a függvény. p: X(Q) R, p i = P (X = x i ) Tétel (Tulajdonságai). Az X változó diszkrét valószínűségeloszlására igaz, hogy p i 0 ( i [1... n]), n i=1 p i = Definíció (Diszkrét eloszlásfüggvény). Az X változó diszkrét eloszlásfüggvénye az F (x) = függvény. p i x i <x Definíció (Várható érték). X valószínűségi változó várható értéke n E(X) = x i p i. i= Definíció (Szórásnégyzet, szórás). Az X valószínűségi változó szórásnégyzete az (x m) 2 változó várható értéke: A szórásnégyzet gyöke a szórás (D(X)). n D 2 (X) = (x i m) 2 p i ahol m = E(X). i= Tétel (Várható érték és szórásnégyzet tulajdonságai). X, Y valószínűségi változók, a, b R. Ekkor E(aX + b) = ae(x) + b, E(aX + by ) = ae(x) + be(y ), D 2 (ax + b) = a 2 D 2 (X). 23

24 5.1.9 Tétel (Tulajdonságok független valószínűségi változókkal). X, Y független valószínűségi váltózok. Ekkor E(X Y ) = E(X) E(Y ), D 2 (X + Y ) = D 2 (X) + D 2 (Y ) Definíció (Együttes eloszlás). Legyen X, Y valószínűségi változó. Ekkor a függvény az X és Y együttes eloszlása. p: X(Q) Y (Q) R, p ij = P (X = x i, Y = y i ) Definíció (Együttes várható érték). Az X, Y valószínűségi változók együttes várható értéke E(X, Y ) = x i y i p ij. i,j Definíció (Peremeloszlás). Valaki mondja meg mi a faszom ez! Valaki mondja meg miért kell ez, valaki mondja meg miért nem! Definíció (Kovariancia). X, Y valószínűségi változók kovarianciája az várható érték. Cov(X, Y ) = E ( (X E(X))(Y E(Y )) ) Tétel. Cov(X, Y ) = E(XY ) E(X)E(Y ) Állítás. Legyenek X, Y, X 1,..., X n valószínűségi változók, a, b R. Ekkor Cov(X, X) = D 2 (X), Cov(X, Y ) = Cov(Y, X), Cov(X, a) = 0, Cov(aX, by ) = ab Cov(X, Y ), D 2 (X + Y ) = D 2 (X) + D 2 (Y ) + 2 Cov(X, Y ), n n D 2 ( X i ) = D 2 (X i ) + 2 Cov(X i, X j ), i=1 i=1 1 i j n X, Y függetlenek Cov(X, Y ) = Definíció (Korreláció). Ha X és Y valószínűségi változóknak létezik szórása és kovarianciája, akkor a korreláciújuk R(X, Y ) = Cov(X, Y ) D(X)D(Y ) Állítás. A korreláció két valószínűségi változó lineáris kapcsolatát méri: R > 0 pozitív a kapcsolat, 24

25 R < 0 negatív a kapcsolat, R 2 1 erős a kapcsolat, R közepes a kapcsolat, R 2 0 gyenge a kapcsolat Definíció (Eloszlásfüggvény). Az x R: F X (x) = P (X < x) függvény az X valószínűségi változó eloszlásfüggvénye Tétel (Tulajdonságai). Az eloszlásfüggvény tulajdonságai: 0 F X (x) 1, monoton növő, balról folytonos lim F (x) = 0 és lim F (X) = 1. x x Definíció (Folytonos valószínűségi változó és sűrűségfüggvény). Az X valószínűségi változó abszolút folytonos, ha f(x): F (X) = Ilyenkor f(x)-et sűrűségfüggvénynek nevezzük. f(t)dt Állítás. Legyen X abszolút folytonos eloszlású. Ekkor f(x) = F (X), f(x) 0, f(x)dx = 1, x: P (X = x) = 0, P (a < X b) = P (a X < b) = F (b) F (a) Definíció (Várható érték). Abszolút folytonos valószínűségi változó várható értéke E(X) = xf(x)dx Tétel (Centrális határeloszlás). Legyenek X 1, X 2,... független, azonos eloszlású valószínűségi változók. E(X 1 ) = m, D 2 (X 1 ) = σ 2 <. Ekkor ( lim P x x n nm n σ n ) < x = φ(x) Tétel (Nagy számok törvénye). Legyenek X 1, X 2,... független, azonos eloszlású valószínűségi változók. E(X 1 ) = m <. Ekkor ( lim P X1, X n n n 25 ) = m = 1.

26 5.2. Statisztikai becslések Definíció (Torzítatlan becslés). T (X) statisztika torzítatlan becslés θ-nak, ha θ : E θ T (X) = θ Definíció (Várható érték becslése) Definíció (Szórás becslése). E(X) X X n. n D 2 (X) ni=1 (X i X) 2 n 1 = S n Definíció (Likelihood függvény). Legyen X = (X 1,... X n ) független, azonos eloszlású valószínűségi változókból álló minta. Ekkor a minta közös sűrüségfüggvénye: 5.3. Statisztikai próbák n L := f a (x) = f a (x i )T ODO i=1 Egy mintára vonatkozó feltevések elfogadása vagy elutasítása. H 0 - Nullhipotézis (amit igazolni szeretnénk), H 1 - Ellenhipotézis (amikor H 0 nem teljesül. H 0 igaz H 0 hamis H 0 elfogadása Helyes Döntés Másodfajú hiba H 0 elvetése Elsőfajú hiba Helyes döntés Ha a szórás ismert, akkor u-próbát alkalmazunk, különben t-próbát u-próbák Egymintás eset: X 1,... X n N(m, σ 2 ) minta, ahol m paraméter. Ekkor u = n X m 0. σ H 0 : m = m 0 nullhipotézist elfogadjuk, ha u u p, ahol u p 2 2 eloszlás 1 p kvantilise. 2 a standard normális Kétmintás eset: X 1,... X n (m 1, σ 2 1) és Y 1,... Y m N(m 2, σ 2 2) független minták, ahol m 1, m 2 paraméter. Ekkor H 0 : m 1 = m 2 nullhipotézis esetén a próbastatisztika: u = X Ȳ. σ σ2 2 n m 26

27 t-próbák Egymintás eset: t = X m 0 n S 2 H 0 nullhipotézist elfogadjuk, ha t t p 2,n 1, ahol n 1 a Student-eloszlás szabadságfoka. Kétmintás eset: X 1,... X n (m 1, σ1) 2 és Y 1,... Y m N(m 2, σ2) 2 független minták, ahol m 1, m 2, σ 1 = σ 2 paraméterek. Ekkor a H 0 : m 1 = m 2 nullhipotézis esetén a próbastatisztika: nm(n + m 2) t = n + m s 2 x X Ȳ + s 2 y. 27

28 6. Mesterséges intelligencia MI problémák és az útkeresési feladat kapcsolata. Állapottér reprezentáció. Heurisztikus útkereseő algoritmusok: lokális keresések (hegymászó módszer, tabu-keresés, szimulált hűtés), visszalépéses keresés, heurisztikus gráfkereső eljárások (A, A*, AC, B algoritmusok). Kétszemélyes játékok. Az MI az intelligens gondolkodás, számítógépes reprodukálása szempontjából haszons elveket, módszereket, technikákat kutatja, rendszerezi. Megoldandó feladatai: nehezek, mert ezek problématere hatalmas, a megoldás megkeresése kellő intuíció hiányában kombinatorikus robbanáshoz vezethet Útkeresési probléma Útkeresési problémaként sok MI feladat fogalmazható meg úgy, hogy a feladat modellje alapján megadunk egy olyan élsúlyozott irányított gráfot, amelyben adott csúcsból adott csúcsba vezető utak jelképezik a feladat egy-egy megoldását. Ezt a feladat gráfreprezentációjának nevezzük, amely magába foglal egy úgynevezett δ-gráfot (olyan élsúlyozott irányított gráf, ahol egy csúcsból kivezető élek száma véges, és az élek költségére megadható egy δ pozitív alsó korlát), az abban kijelölt startcsúcsot és egy vagy több célcsúcot. Ebben a reprezentációs gráfban keresünk egy startcsúcsból kiinduló célcsúcsba futó utat, esetenként egy legolcsóbb ilyet Állapottér reprezentáció Az állapottér reprezentáció egy olyan lehetséges (de nem az egyetlen) módszer a feladatok modellezésére, amelyet aztán természetes módon lehet gráfreprezentációként is megfogalmazni. Négy eleme van: Állapottér, amely a probléma a homlokterében álló adat(objektum) lehetséges értékeinek (állapotainak) halmaza. Gyakran egy alaphalmaz, amelyet egy alkamas invariáns leszűkit, Műveletek (előfeltétel + hatás), amelyek állapotból állapotba vezetnek, Kezdőállapot(ok) vagy azokat leíró kezdőfeltétel, Céllállapot(ok) vagy célfeltétel. Az állapot-gráf (egy speciális reprezentációs gráf) az állapotokat, mint csúcsokat, a műveletek hatásait, mint éleket tartalmazza Keresések Egy általános kereső rendszer részei: globális munkaterület: a keresés memóriája, a keresési szabályok: a memória tartalmát változtatják meg, vezérlési stratégia: adott pillanatban alkalmas szabályt választ. 28

29 A vezérlési stratégiának van egy általános, elsődleges eleme, lehet egy másodlagos (az alkalmazott reprezentációs modell sajátosságait kihasználó) eleme és a konkrét feladatra építő elem. Ez utóbbi a heurisztika, a konkrét feladatból származó extra ismeret, amelyet közvetlenül a vezérlési stratégiába építünk be az eredményesség és hatékonyság javítása céljából Lokális keresések A lokális keresések egyetlen aktuális csúcsot és annak szűk környezetét tárolják a globális munkaterületen. Keresési szabályai az aktuális csúcs minden lépésben a szomszédjai közül vett lehetőleg "jobb" gyerekcsúccsal cserélik le. A vezérlési stratégiájuk a "jobbság" eldöntéséhez egy rátermettségi függvényt használ, amely annál jobb értéket ad egy csúcsra, minél közelebb esik az a célhoz. Mivel a keresés elfelejtiy, hogy honnan jött, a döntések nem vonhatók vissza, ez egy nemmódosítható vezérlési stratégia. Lokális kereséssel megoldható feladatok azok, ahol egy lokálisan hozott rossz döntés nem zárja ki a cél megtalálását. Ehhez vagy egy erősen összefüggő reprezentációs-gráf, vagy jó heurisztikára épített célfüggvény kell. Jellemző alkalmazás: adott tulajdonságú elem keresése, függvény optimumának keresése. Hegymászó algoritmus: Minden lépésben az aktuális csúcs legjobb gyermekére lép, de kizárja a szülőre való visszalépést. Zsákutcába (aktuális csúcsból nem vezet ki él) beragad, körök mentén végtelen ciklusba kerülhet, ha a rátermettségi függvény nem tökéletes. Tabu keresés: Az aktuális csúcson (n) kívül nyilvántartja még az eddig legjobbnak bizonyult csúcsot (n ) és az utolsó néhány érintett csúcsot; ez a (sor tulajdonságú) tabu halmaz. Minden lépésben az aktuális csúcs gyermeki közül, kivéve a tabu halmazban lévőket, a legjobbat választja új aktuális csúcsnak, (ezáltal felismeri a tabu halmaz méreténél nem nagyobb köröket), frissíti a tabu halmazt, és ha n jobb, mint az n, akkor n -ot lecseréli n-re. Szimulált hűtés algoritmusa: A következő csúcs választása véletlenszerű. Ha a kiválasztott csúcs (r) célfüggvény-értéke jobb, mint az aktuális csúcsé (n), akkor odalép, ha rosszabb, akkor az új csúcs elfogadásának valószínűsége fordítottan arányos f(n) f(r) különbséggel. Ez az arány ráadásul folyamatosan változik a keresés során: ugyanolyan különbség esetén kezdetben nagyobb, később kisebb valószínűsüggel fogja a rosszabb értékü r csúcsot választani Visszalépéses keresések A Startcsúcsból az aktuális csúcsba vezető utat (és az arról leágazó még ki nem próbált éleket) tartja nyilván (globális munkaterületen), a nyilvántartott út végéhez egy új (ki nem próbált) élt fűzhet vagy a legutolsó élt törölheti (visszalépés szabálya), a visszalépést a legvégső esetben alkalmazza. A visszalépés teszi lehetővé azt, hogy egy korábbi továbblépésről hozott döntés megváltozhasson. Ez tehát egy módosítható vezérlési stratégia. A keresésbe sorrendi és vágó heurisztika építhető. Mindkettő lokálisan, az aktuális csúcsból kivezető, még ki nem próbált élekre vonatkozik. Visszalépés feltételei: zsákutca, zsákutca torkolat, kör, mélységi korlát. VL1 ( nincs kör- és mélységi korlát figyelés) véges körmentes irányított gráfokon terminál, és ha van megoldás, akkor talál egyet. 29

30 VL2 (általános) δ-gráfokon terminál, és ha van megoldás a mélységi korláton belül, akkor talál egyet. Könnyen implementálható, kicsi memória igényű, mindig terminál, és ha van (a mélységi korlát alatt), akkor talál megoldást. De nem garantál optimális megoldást, egy kezdetben hozott rossz döntést csak nagyon sok lépés után képes korrigálni és egy zsákutca,szakaszt többször is bejárhat, ha abba többféle úton is el lehet jutni Gráfkeresések A globális munkaterületen a startcsúcsból kiinduló már feltárt utat találhatók (ez a kereső gráf ), külön megjelölve az utak azon csúcsait, amelyeken még nem (vagy nem eléggé jól) ismerjük a rákövetkezőit. Ezek a nyílt csúcsok. A keresés szabályai egy nyílt csúcsot terjesztenek ki, azaz előállítják (vagy újra előállítják) a csúcs össze rákövetkezőjét. A vezérlési stratégia a legkedvezőbb nyílt csúcs kiválasztására törekszik, ehhez egy kiértékelő függvényt (f) használ. Mivel egy nyílt csúcs, amely egy adott pillanatban nem kerül kiválasztásra, később még kiválasztódhat, ezért itt egy módosítható vezérlési stratégia valósul meg. A keresés minden csúcshoz nyilvántart egy odavezető utat (π visszamutató pointerek segítségéve), valamint az út költségét (g). Ezeket az értékeket működés közben alakítja ki, amikor a csúcsot először felfedezi vagy később egy olcsóbb utat talál hozzá. Mindkét esetben (amikor módosultak a csúcs ezen értékei) a csúcs nyílttá válik. AMikor egy már korábban kiterjesztett csúcs újra nyílt lesz, akkor a már korábban felfedezett leszármazottainál a visszafelé mutató pointerekkel kijelölt út költsége nem feltétlenül egyezik majd meg a nyilvántartott g értékkel, és az sem biztos, hogy ezek az értékek az eddig talált legolcsóbb útra vonatkoznak. Nem-informált gráfkeresések: mélységi gráfkeresés (f = g, (n, m) élre c(n, m) = 1), szélességi gráfkeresés (f = g, c(n, m) = 1), egyenletes gráfkeresés (f = g), Heurisztikus gráfkeresések f-je a h a heurisztikus függvényre épül, amely minden csúcsban hátralevő optimális h költséget becsli. Ilyen az előre tekintő gráfkeresés (f = h), az A algoritmus (f = g + h, h 0), az A * algoritmus (f = g + h, h h 0 h megengedhető), az A C algoritmus (f = g + h, h h 0, (n, m) élre: h(n) h(m) c(n, m)), és B algoritmus (f = g + h, h 0 helyett a g-t használjuk a kiterjesztendő csúcs kiválasztására azon nyílt csúcsok közül, amelyek f értéke kisebb, mint az eddig kiterjesztett csúcsok f értékeinek maximuma). Véges δ-gráfokon minden gráfkeresés terminál, és ha van megoldás, talál egyet. A nevezetes gráfkeresések többsége végtelen nagy gráfokon is találnak megoldást, ha van megoldás. (Kivétel az előre-tekintő keresés és a mélységi korlátot nem használó mélységi gráfkeresés.) Az A *, A C algoritmusok optimális megoldást találnak, ha van megoldás. Az A C algoritmus egy csúcsot legfeljebb egyszer terjeszt csak ki. Egy gráfkeresés memóriaigényét a kiterjesztett csúcsok számával, futási idejét ezek kiterjesztéseinek számával mérjük. (Egy csúcs általában többször is kiterjesztődhet, de δ-gráfokban csak véges sokszor.). Az A * algoritmusnál a futási idő legrosszabb esetben exponenciálisan függ a kiterjesztett csúcsok számától, de ha olyan heurisztikást választunk, amelyre már A C algoritmust kapunk, akkor a futási idő lineáris lesz. Persze ezzel a másik heurisztikával változik a kiterjesztett csúcsok száma is, így nem biztos, hogy egy A C algoritmus ugyanazon a gráfon összességében kevesebb kiterjesztést végez, mint egy csúcsot 30

31 többször is kiterjesztő A * algoritmus. A B algoritmus futási ideje négyzete, és ha olyan heurisztikus függvényt használ, mint az A * algoritmus (azaz megengedőt), akkor ugyanúgy optimális megoldást talál (ha van megoldás) és a kiterjesztett csúcsok száma (mellesleg a halmaza is) megegyezik az A * algoritmus által kiterjesztett csúcsokéval Kétszemélyes játékok A játékokat állapottér-reprezentációval szokás leírni, és az állapot-gráfot faként ábrázolni. A győztes (vagy nem vesztes) stratégia egy olyan elv, amelyet betartva egy játékos az ellenfél minden lépésére tud olyan választ adni, hogy megnyerje (ne veszítse el) a játékot. Valamelyik játékosnak biztosan van győztes (nem vesztes) stratégiája. Győztes (nem vesztes) stratégia keresése a játékfában kombinatorikus robbanást okozat, ezért e helyett részfa kiértékelést szoktak alkalmazni a soron következő jó lépés meghatározásához. A minimax algoritmus az aktuális állásból felépíti a játékfa egy részét, kiértékeli annak leveleit aszerint, hogy azok által képviselt állások milyen mértékben kedveznek nekünk vagy az ellenfélnek, majd szintenként váltakozva az ellenfél szintjein a gyerekcsúcsok értékeinek minimumát, a saját szintjeinken azok maximumát futtatjuk fel a szülőcsúcshoz. Ahonnan a gyökérhez kerül érték, az lesz soron következő lépésünk. A minimax legismertebb módosítása az alfa-béta algoritmus, amely egyfelől kisebb memória igényű (egyszerre csak egy ágat tárolt a vizsgált részfából) másfelől egy sajátos vágási stratégia miatt jóval kevesebb csúcsot vizsgál meg, mint a minimax. 31

32 7. Programozás Egyszerű programozási feladat megoldásának lépései (specifikálás, tervezés, megvalósítás, tesztelés). Az adattípus fogalma (típusspecifikáció, műveletek, reprezentáció, invariáns, implementáció). A visszavezetés módszere. A felsoroló típus specifikációja. Felsorolóra megfogalmazott programozási tételek (összegzés, számlálás, maximum kiválasztás, feltételes maximumkeresés, lineáris keresés, kiválasztás). Nevezetes gyűjtemények (intervallum, tömb, sorozat, halmaz, szekvenciális inputfájl) felsorolói Egyszerű programozási feladat megoldásának lépései Egy egyszerű programozási feladatot négy fő lépésben oldhatunk meg, amely leginkább az iparágban gyakran használt vízesés modellre hasonlít. Minden lépés csak az őt megelőző lépés befejezése után indul Specifikáció A specifikáció két részre bontható: Feladatleírás: általában a megrendelő készíti el, köznapi nyelven írja le, hogy mi a program pontos célja. Követelmények leírása: A programozó által írt működési modell. A feladat specifikálása során meghatározzuk a bemenő adatok tetszőlegesen rögzített értékeihez tartozó kezdőállapotok halmazát, valamint az ehhez tartozó célállapotok halmazát. A feladat specifikációja tartalmazza: az állapotteret, azaz a feladat lényeges adatainak típusérték-halmazait az egyes adatokhoz tartozó változó nevekkel együtt; az előfeltételt, amely a kezdőállapotok azon halmazát leíró logikai állítás, amely rögzíti a bemenő változók egy lehetséges, de tetszőleges kezdőértékét (ezeket általában a megfelelő változónév vesszős alakjával jelöljük); az utófeltételt, amely a fenti kezdőállapotokhoz rendelt célállapotok halmazát megadó logikai állítás Tervezés A tervezés célja olyan leírások, adatmodellek, programszerkezetek elkészítése, amely alapján elkészíthető a program. A tervezés nem nyelv-specifikus, így a programozási nyelvek sajátosságait nem kell figyelembe venni. Tervezési hibát a megvalósítás során nehéz javítani, hiszen a módosítás után vizsgálni kell, hogy megfelel-e a specifikációnak és a hiba mélységétől függően akár az egész programot újra kell írni Megvalósítás A megoldandó feladatnak megfelelően ki kell választani a programozási nyelvet, mely segítségével a feladat implementálható a specifikációban meghatározott követelmények szerint. A megvalósítás során a tervezésben meghatározott módszertanokkal, programszerkezetekkel és algoritmusokkal kell dolgozni. A tervezéstől eltérni csak tervezési hiba esetén vagy a kiválasztott programnyelv tulajdonsága miatt érdemes (pl. egyszerűbb megoldást nyújt egy problémára). 32