Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.

Átírás

1 Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 1 / 27 Karp-redukció Mikor nem lényegesen nehezebb egy X probléma egy Y problémánál? Ha Y felhasználásával meg lehet oldani X-et is. = X visszavezethető a Y problémára. Definíció Legyen X és Y két eldöntési probléma. Az X Karp-redukciója (polinomiális visszavezetése) az Y problémára egy olyan polinom időben számolható f függvény, amely X minden lehetséges bemenetéhez hozzárendeli Y egy lehetséges bemenetét úgy, hogy x X f (x) Y. Jelölés: X Y, ha X-nek van Karp-redukciója Y -re. Ha tehát van algoritmusunk Y eldöntésére = x X-re kiszámítjuk f (x)-et, eldöntjük f (x) Y? = tudjuk, hogy x X igaz-e. Ha tudnánk, hogy X nehéz, és tudjuk, hogy X Y = Y is nehéz lenne. Ha Y könnyű, és X nem lényegesen nehezebb nála, akkor X is könnyű. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 2 / 27

2 Irányított Hamilton-kör probléma (IH) IH H. G = (V, E) egy irányított gráf G = (V, E ) irányítatlan gráf hogy G gyorsan megépíthető és G-ben irányított Hamilton-kör G -ben irányítatlan Hamilton-kör. V = {v be, v, v ki v V }, E = {(v be, v ), (v, v ki ) v V } {(u ki, v be ) u v E}. u v u be u v be v u ki v ki v(g) = n, e(g) = e = v(g ) = 3n, e(g ) = 2n + e = O(n + e) lépésben megkapható. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 3 / 27 G-beli F irányított Hamilton-körének megfelel G egy F Hamilton-köre. u v u be u v be v u ki v ki Az F egy u v éle az F -ben az u u ki v be v út. Ezért G IH = G H Ha G -ben van egy F E Hamilton-kör = egy u -ból indulva egy u ki felé lépjünk először = csak u u ki v be v alakú lehet utána = ez az út megfelel G-ben egy u -> v élnek. Ezt tovább folytatva Hamilton-kört kapunk G-ben. Ezért G H = G IH. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 4 / 27

3 A Karp-redukció tulajdonságai 1. Ha X Y és Y P, akkor X P. 2. Ha X Y és Y NP akkor X NP. 3. Ha X Y, akkor X Y 4. Ha X Y és Y conp, akkor X conp. 5. Ha X Y és Y NP conp, akkor X NP conp. 6. Ha X Y és Y Z, akkor X Z. Legyen f az X Karp-redukciója Y -re, ahol f c 1 n k időben számolható. x egy bemenet, melyről szeretnénk eldönteni, hogy x X teljesül-e, n az x hossza. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 5 / 27 1.: Kiszámítjuk f (x)-et időigénye c 1 n k = f (x) c 1 n k. Y felismerő algoritmusával c 2 f (x) l időben eldöntjük, hogy f (x) Y igaz-e. időigénye c 2 (c 1 n k ) l x X f (x) Y = összidő O(n kl ) 2.: Az f (x) Y tény egy t tanúja jó x X tanújának is, és az Y -hoz tartozó T tanúsító algoritmus egy kis módosítással jó lesz az X tanúsító algoritmusának is. T az (x, t) bemenetre először kiszámítja f (x)-et, majd az (f (x), t) párra alkalmazza T -t. Ha az eredmény IGEN, akkor legyen T eredménye is IGEN, különben pedig NEM. t = O( f (x) c ) = t = O(n kc ) T lépésszáma, ha T lépésszáma O(( y + t ) l ): O(n k ) + O(( f (x) + t ) l ) = O(n k ) + O( f (x) cl ) = O(n kcl ). Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 6 / 27

4 3.: X-nek egy Karp-redukciója Y -ra egyben egy Karp-redukció X-ről Y -re, hiszen x X f (x) Y ugyanaz, mint x / X f (x) / Y 4.: = 2.,3. 5.: = 2.,4. 6.: Legyen f az X Y függvénye, ami O(n k ) időben számolható és g az Y Z függvénye, ami O(n l ) időben számolható. Az X Z függvénye g(f (x)) lesz, ami O((n k ) l ) = O(n kl ) időben számolható. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 7 / 27 NP-teljes problémák Definíció Az X eldöntési probléma NP-nehéz, ha tetszőleges (azaz minden) X NP probléma esetén létezik X X Karp-redukció. Az X eldöntési probléma NP-teljes, ha X NP és X NP-nehéz. Egy NP-teljes probléma tehát legalább olyan nehéz, mint bármely más NP-beli probléma. Ha egy ilyen problémáról kiderülne, hogy P-beli (conp-beli), akkor ugyanez igaz lenne minden NP-beli problémára. Van-e NP-teljes probléma? Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 8 / 27

5 Boole-formulák Definíció Az f : {0, 1} n {0, 1} függvényeket n-változós Boole-függvényeknek vagy Boole-formuláknak hívjuk. Minden Boole-függvény felírható az x 1,..., x n Boole-változók, az,, logikai műveletek és zárójelek segítségével. Pl. Boole-formula: Φ = (x 1 x 2 x 5 ) (( x 3 x 2 (x 6 x 1 )) (x 5 x 6 )) Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 9 / 27 Boole-formulák Definíció Egy Boole-formula kielégíthető, ha lehet úgy értékeket adni a változóinak, hogy a függvény értéke 1 legyen. Pl. Φ(x 1, x 2 ) = (x 1 x 2 ) ( x 1 x 2 ) kielégíthető, mert ha x 1 = 1 és x 2 = 0, akkor Φ(x 1, x 2 ) = 1 De pl. (x 1 x 1 ) nyilván nem kielégíthető. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 10 / 27

6 Cook Levin-tétel Van-e NP-teljes probléma? Definíció SAT probléma: Bemenet: Φ Boole-fomula Kérdés: Kielégíthető-e Φ? (S. A. Cook, L. Levin, 1971) A SAT probléma NP-teljes. Bizonyítás elég bonyolult. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 11 / 27 További NP-teljes feladatok Ha az X probléma NP-teljes, Y NP és X Y, akkor Y is NP-teljes. Láttuk, hogy a Karp-redukció tranzitív. = Ha X Y és Z X teljesül Z NP problémára. = Z Y teljesül Z NP problémára. = Y NP-nehéz. Mivel Y NP is = Y NP-teljes. Nem kell már minden NP-beli problémát az Y -ra redukálni; elég ezt megtenni egyetlen NP-teljes X problémával. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 12 / 27

7 A 3-SZÍN probléma A 3SZÍN probléma NP-teljes. Már láttuk, hogy NP, belátható, hogy SAT 3SZÍN. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 13 / 27 Maximális méretű független pontrendszer gráfokban MAXFTLEN Bemenet: G gráf, k Z +. Kérdés: Van-e G-nek k elemű független csúcshalmaza? A MAXFTLN nyelv NP-teljes. MAXFTLEN NP: tanú egy k-elemű S V (G) független csúcshalmaz. Megadunk egy 3SZÍN MAXFTLEN Karp-redukciót: G (G, k ) G 3SZÍN (G, k ) MAXFTLEN Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 14 / 27

8 G megadása: Vegyük G három másolatát (G (1), G (2), G (3) ), minden csúcs három példányát összekötjük. V (G ) = 3 V (G) és E(G ) = 3 V (G) + 3 E(G), legyen k = V (G). G (1) G (2) G (3) Ha G színezhető 3 színnel = G is = a piros pontok halmaza G -ben független és V (G) van belőlük. Ha G -ben van V (G) független, akkor legyen S egy ilyen ponthalmaz G -ben. = Minden G-beli x pontnak pontosan 1 példányát tartalmazza S. = Az x pont legyen sárga / piros / zöld, ha ez a példány G (1) -ben / G (2) -ben / G (3) -ban van. = ez jó színezés G-ben. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 15 / 27 Maximális méretű klikk MAXKLIKK Bemenet: G gráf, k Z +. Kérdés: Van-e G-ben k pontú teljes részgráf (k-klikk)? A MAXKLIKK nyelv NP-teljes. MAXKLIKK NP: tanú egy k-elemű S V (G) teljes részgráf. Megadunk egy MAXFTLEN MAXKLIKK Karp-redukciót: f (G, k) = (G, k) (független ponthalmaz a komplementerben teljes gráf). Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 16 / 27

9 Részgráf izomorfia probléma RÉSZGÁFIZO Bemenet: G, H gráfok. Kérdés: Van-e G-ben H-val izomorf részgráf? A RÉSZGRÁFIZO nyelv NP-teljes. RÉSZGRÁFIZO NP: tanú egy részgráf és annak izomorfiája H-val. Megadunk egy MAXKLIKK RÉSZGRÁFIZO Karp-redukciót: f (G, k) = (G, K k ). Ha X NP-nehéz és Y általánosítása X-nek, akkor Y is NP-nehéz. = RÉSZGRÁFIZO speciális esete a MAXKLIKK-nek = NP-nehéz. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 17 / 27 Gráf izomorfia probléma GRÁFIZO Bemenet: G, H gráfok. Kérdés: Igaz-e, hogy G és H izomorfak? A GRÁFIZO nyelv NP-beli. Tanú egy izomorfia a két gráf között. Nem ismert, hogy a GRÁFIZO NP-nehéz-e és az sem, hogy P-beli-e. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 18 / 27

10 Hamilton-kör probléma A H nyelv NP-teljes. Már láttuk, hogy H NP. Belátható, hogy SAT H. (bonyolult) Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 19 / 27 Hamilton-út probléma Az H-ÚT nyelv NP-teljes. H-ÚT NP, mert egy Hamilton-út tanú. Belátjuk, hogy H H-ÚT. G f(g) v v v G-ben akkor és csak akkor van Hamilton-kör, ha f (G)-ben van Hamilton-út. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 20 / 27

11 A Hátizsák feladat Hátizsák feladat: Adottak tárgyak s 1,..., s m > 0 súlyai, ezek v 1,..., v m > 0 értékei, valamint a b megengedett maximális összsúly. Tegyük fel, hogy az s i, v i, b számok egészek. A feladat az, hogy találjunk egy olyan I {1,.., m} részhalmazt, melyre i I s i b, és ugyanakkor i I v i a lehető legnagyobb. = HÁT Lemma HÁT NP Bemenet: s 1,..., s m ; v 1..., v m ; b; k. Kérdés: Van-e olyan I {1,..., m} melyre i I s i b és i I v i k? Vegyük azt a speciális esetet, amikor s i = v i és b = k. = Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 21 / 27 A Részhalmaz összeg probléma RH Bemenet: (s 1,..., s m ; b). Kérdés: Van-e olyan I {1,..., m} melyre i I s i = b? Az RH nyelv NP-teljes. RH NP. Belátható, hogy SAT RH. Speciális eset: Partíció feladat: ahol b = 1 2 si. PARTÍCIÓ Bemenet: (s 1,..., s m ). Kérdés: Van-e olyan I {1,..., m} melyre i I s i = 1 2 m i=1 s i? Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 22 / 27

12 A Partíció probléma A PARTÍCIÓ probléma NP-teljes. Partíció NP. Belátjuk, hogy RH Partíció, pedig RH általánosabb! Vegyük az RH egy x = (s 1,..., s m ; b) inputját. = Feltehető, hogy b s = m i=1 s i. f (x) = (s 1,..., s m, s + 1 b, b + 1). A számok összege 2s + 2, az utolsó két szám nem lehet egy partíció ugyanazon osztályában, mert az összegük túl nagy: s + 2 > 1 2 (2s + 2). RH-nak megoldása az R {s 1,..., s m } számhalmaz a megoldáshoz vegyük hozzá (s + 1 b)-t PARTÍCIÓ-nak megoldása az R {s + 1 b} számhalmaz. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 23 / 27 A Lineáris Programozás probléma LP Bemenet: Az x 1, x 2,..., x m változókat tartalmazó lineáris egyenlőtlenségek. Kérdés: Vannak-e olyan x 1, x 2,..., x m számok, amelyek kielégítik az összes egyenlőtlenséget? Optimalizációs változat: Mekkora max(c 1 x c m x m ), ha x 1, x 2,..., x m kielégíti az egyenlőtlenségeket? y y x + 11 y 2x + 3 max(x + 3y) y 1 x 2 x Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 24 / 27

13 A Lineáris Programozás probléma A Lineáris Programozás probléma P-ben van. Legjobb algoritmus (Karmarkar): v 3,5 e, ahol v a változók száma, e az egyenletek összmérete. Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 25 / 27 Az Egészértékű Lineáris Programozás probléma IP Bemenet: Az x 1, x 2,..., x m változókat tartalmazó lineáris egyenlőtlenségek. Kérdés: Vannak-e olyan x 1, x 2,..., x m egészek, amelyek kielégítik az összes egyenlőtlenséget? Optimalizációs változat: Mekkora max(c 1 x c m x m ), ha x 1, x 2,... x m kielégíti az egyenlőtlenségeket és mindegyik egész? y y x + 11 y 2x + 3 max(x + 3y) y 1 x 2 x Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 26 / 27

14 Az Egészértékű Lineáris Programozás probléma Az IP probléma NP-teljes. IP NP: tanú egy megoldás, (bár nehéz belátni, hogy a megoldás polinom méretű!) Belátjuk, hogy SAT IP (x 1 x 2 x 5 ) (x 2 x 3 x 6 ) ( x 2 x 3 x 5 x 6 ) = 0 x 1 1; 0 x 2 1;... ; 0 x 6 1 x 1 + (1 x 2 ) + x 5 1 x 2 + (1 x 3 ) + x 6 1 (1 x 2 ) + x 3 + x 5 + (1 x 6 ) 1 Katona Gyula Y. (BME SZIT) Algoritmuselmélet 13. előadás 27 / 27