Logika és számításelmélet. 12. előadás

Hasonló dokumentumok
Logika és számításelmélet

Bonyolultságelmélet. Thursday 1 st December, 2016, 22:21

Logika és számításelmélet. 10. előadás

Számításelmélet. Második előadás

Az informatika elméleti alapjai 2 elővizsga december 19.

definiálunk. Legyen egy konfiguráció, ahol és. A következő három esetet különböztetjük meg. 1. Ha, akkor 2. Ha, akkor, ahol, ha, és egyébként.

Logika és számításelmélet. 11. előadás

Turing-gépek. Számításelmélet (7. gyakorlat) Turing-gépek 2009/10 II. félév 1 / 1

Számításelmélet. Will június 13. A kiszámíthatóság fogalma és a Church-Turing tézis

Deníciók és tételek a beugró vizsgára

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

Bonyolultságelmélet feladatok

Algoritmuselmélet 12. előadás

Bonyolultságelmélet. SZTE Informatikai Tanszékcsoport

Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.

NP-teljesség röviden

ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára. 11. Előadás

Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 12.

A digitális számítás elmélete

Bonyolultságelmélet. Monday 26 th September, 2016, 18:28

Bonyolultságelmélet. Monday 26 th September, 2016, 18:27. Bonyolultságelmélet

ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára. 6. Előadás

ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára. 3. Előadás

Tesztkérdések az ALGORITMUSELMÉLET tárgyból, 2001/ félév

Bevezetés a bonyolultságelméletbe gyakorlatok I. A(0, y) := y + 1 y 0 A(x, 0) := A(x 1, 1) x 1 A(x, y) := A(x 1, A(x, y 1)) x, y 1

Algoritmusok bonyolultsága

Turing-gép május 31. Turing-gép 1. 1

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

1. Bevezetés. A számítógéptudomány ezt a problémát a feladat elvégzéséhez szükséges erőforrások (idő, tár, program,... ) mennyiségével méri.

Kiegészítő részelőadás 1. Az algoritmusok hatékonyságának mérése

Automaták mint elfogadók (akceptorok)

A Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:

Államvizsga kérdések a matematikus szakon, 2001.

Logika és számításelmélet. 7. előadás

A Formális nyelvek vizsga teljesítése. a) Normál A vizsgán 60 pont szerezhet, amely két 30 pontos részb l áll össze az alábbi módon:

Bonyolultságelmélet. Monday 26 th September, 2016, 18:50

Logika és számításelmélet. 7. előadás

Algoritmuselmélet 2. előadás

A Számítástudomány alapjai

Függvények növekedési korlátainak jellemzése

A számítógépes nyelvészet elmélete és gyakorlata. Automaták

LOGIKA ÉS SZÁMÍTÁSELMÉLET KIDOLGOZOTT JEGYZET

Véges automaták, reguláris nyelvek

1. Alapfogalmak Algoritmus Számítási probléma Specifikáció Algoritmusok futási ideje

Nagyságrendek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT február 1.

Turing-gépek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz VIII. Friedl Katalin BME SZIT március 18.

19. AZ ÖSSZEHASONLÍTÁSOS RENDEZÉSEK MŰVELETIGÉNYÉNEK ALSÓ KORLÁTJAI

ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára

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

Turing-gépek. Kiegészítő anyag az Algoritmuselmélet tárgyhoz. Friedl Katalin BME SZIT augusztus 16.

Diszkrét matematika 2.C szakirány

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:

Nagyordó, Omega, Theta, Kisordó

Ellenőrző kérdések. 36. Ha t szintű indexet használunk, mennyi a keresési költség blokkműveletek számában mérve? (1 pont) log 2 (B(I (t) )) + t

Diszkrét matematika 2. estis képzés

Modern irányzatok a bonyolultságelméletben: éles korlátok és dichotómia tételek

Számítógép és programozás 2

Diszkrét matematika 2.

Algoritmuselmélet 18. előadás

Más szavakkal formálisan:, ahol olyan egész szám, hogy. Más szavakkal formálisan:, ahol olyan egész szám, hogy.

Kriptográfia 0. A biztonság alapja. Számítás-komplexitási kérdések

A Turing-gép. Formális nyelvek III.

Algoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y.

Felismerhető nyelvek zártsági tulajdonságai II... slide #30. Véges nemdeterminisztikus automata... slide #21

Online migrációs ütemezési modellek

Bonyolultságelmélet gyakorlat 06 Gráfos visszavezetések II.

Adatszerkezetek 7a. Dr. IványiPéter

Diszkrét matematika 2.C szakirány

minden x D esetén, akkor x 0 -at a függvény maximumhelyének mondjuk, f(x 0 )-at pedig az (abszolút) maximumértékének.

Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma

Diszkrét matematika 2. estis képzés

ALGORITMUSOK ÉS BONYOLULTSÁGELMÉLET Matematika MSc hallgatók számára. 9. Előadás. Előadó: Hajnal Péter Jegyzetelő: Hajnal Péter április 12.

Alap fatranszformátorok II

Az optimális megoldást adó algoritmusok

SHk rövidítéssel fogunk hivatkozni.

Diszkrét matematika 2. estis képzés

Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.

Formális nyelvek - 9.

GRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus

Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.

SZAKDOLGOZAT. Major Sándor Roland

Nagy Gábor compalg.inf.elte.hu/ nagy ősz

Bonyolultságelmélet. Monday 10 th October, 2016, 17:44

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány

KOVÁCS BÉLA, MATEMATIKA I.

A továbbiakban Y = {0, 1}, azaz minden szóhoz egy bináris sorozatot rendelünk

Fraktálok. Klasszikus fraktálpéldák I. Czirbusz Sándor ELTE IK, Komputeralgebra Tanszék

Gráfelmélet jegyzet 2. előadás

Diszkrét matematika I.

Sorozatok I. Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma)

A félév során előkerülő témakörök

Hasonlósági keresés molekulagráfokon: legnagyobb közös részgráf keresése

Egészrészes feladatok

30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK

Diszkrét matematika 2.C szakirány

Adatszerkezetek 2. Dr. Iványi Péter

Átírás:

Logika és számításelmélet 12. előadás

NP lehetséges szerkezete NP-köztes nyelv L NP-köztes, ha L NP, L P és L nem NP-teljes. Ladner tétele Ha P NP, akkor létezik NP-köztes nyelv. (biz. nélkül) NP-köztes jelöltek (sejtjük, hogy azok, de biztosan nem tudhatjuk): Gráfizomorfizmus={ G 1, G 2 G 1 és G 2 irányítatlan izomorf gráfok}. Prímfaktorizáció: adjuk meg egy egész szám prímtényezős felbontását [számítási feladat], Egy új eredmény: Babai László, magyar matematikus (még nem lektorált) eredménye: Gráfizomorfizmus QP, ahol QP= TIME(2 (log n)c ) c N a "kvázipolinom időben" megoldható problémák osztálya.

coc bonyolutsági osztályok coc bonyolultsági osztály Ha C egy bonyolultsági osztály coc = {L L C}. Bonyolultsági osztály polinom idejű visszavezetésre való zártsága C zárt a polinomidejű visszavezetésre nézve, ha minden esetben ha L 2 C és L 1 p L 2 teljesül következik, hogy L 1 C. Volt: P és NP zártak a polinomidejű visszavezetésre nézve. Tétel Ha C zárt a polinomidejű visszavezetésre nézve, akkor coc is. Bizonyítás: Legyen L 2 coc és L 1 tetszőleges nyelvek, melyekre L 1 p L 2. Utóbbiból következik, hogy L 1 p L 2 (ugyananaz a visszavezetés jó!). Mivel L 2 C, ezért a tétel feltétele miatt L 1 C. Azaz L 1 coc.

coc bonyolutsági osztályok Következmény conp zárt a polinom idejű visszavezetésre nézve. Igaz-e, hogy P = cop? Igen. (L-et polinom időben eldöntő TG q i és q n állapotát megcseréljük: L-t polinom időben eldöntő TG.) Igaz-e, hogy NP = conp? A fenti konstrukció NTG-re nem feltétlen L-t dönti el. Valójában azt sejtjük, hogy NP conp. Tétel L C-teljes L coc-teljes. Bizonyítás: Ha L C, akkor L coc. Legyen L C, melyre L p L. Ekkor L p L. Ha L befutja C-t akkor L befutja coc-t. Azaz minden coc-beli nyelv polinom időben visszavezethető L-re. Tehát L coc-beli és coc-nehéz, így coc-teljes.

Példák conp teljes nyelvekre UNSAT := { ϕ ϕ kielégíthetetlen nulladrendű formula}. TAUT := { ϕ a ϕ nulladrendű formula tautológia}. Tétel UNSAT és TAUT conp-teljesek. Bizonyítás: ÁLTSAT = { ϕ ϕ kielégíthető nulladrendű formula} is NP-teljes (NP-beli és SAT speciális esete neki.) ÁLTSAT = UNSAT, az előző tétel alapján UNSAT conp-teljes. UNSAT p TAUT, hiszen ϕ ϕ polinom idejű visszavezetés. Informálisan: conp tartalmazza a polinom időben cáfolható problémákat. Megjegyzések: Sejtés, hogy NP conp. Egy érdekes osztály ekkor az NP conp. Sejtés: P NP conp. Bizonyított, hogy ha egy conp-teljes problémáról kiderülne, hogy NP-beli, akkor NP = conp.

A tárbonyolultság mérésének problémája Első megközelítésben a tárigény a működés során felhasznált vagy a fejek által meglátogatott cellák száma. Probléma: Hiába "takarékoskodik" a felhasznált cellákkal a gép, az input hossza így mindig alsó korlát lesz a tárigényre. Egy megoldási javaslat: Bevezethetjük az extra tárigény fogalmát, ami az input tárolására használt cellákon felül igénybevett cellák száma. Vannak olyan TG-ek, melyek csak az input területét használják, ám azt akár többször is átírják. Ezt beszámítsuk? Eldöntési problémáknál beszámítjuk. Kiszámítási problémáknál viszont ne számítsanak bele a tárigénybe a csak a kimenet előállításához felhasznált cellák.

Az offline Turing gép Offline Turing gép Az offline Turing gép (OTG) egy olyan TG, melynek az első szalagja csak olvasható, a többi írható is. Első szalagját bemeneti szalagnak, további szalagjait munkaszalagoknak nevezzük. A nemdeterminisztikus offline Turing gép (NOTG) ugyanilyen, csak a gép nemdeterminisztikus. Tétel: Minden TG-hez megadható vele ekvivalens offline TG. Bizonyítás: +1 input szalag, az OTG másolja át az inputot a bemeneti szalagról az eredeti 1. szalagra, majd szimulálja az eredeti gépet. Megjegyzés: Nyilván fordítva is igaz, az offline TG-ek is TG-ek. Szófüggvényt kiszámító offline Turing gép A szófüggvényt kiszámító offline Turing gép olyan legalább 2 szalagos szófüggvényt kiszámító TG, melynek az első szalagja csak olvasható, az utolsó szalagja csak írható. Az utolsó szalagot ilyenkor kimeneti szalagnak nevezzük.

Az offline Turing gépek tárigénye OTG extra tárigénye adott inputra Egy offline TG extra tárigénye egy adott inputra azon celláknak a száma, melyeken a működés során valamelyik munkaszalag feje járt. OTG extra tárkorlátja Egy offline TG f (n) extra tárkorlátos, ha bármely u inputra legfeljebb f ( u ) az extra tárigénye. Szófüggvényt kiszámító OTG-re hasonlóan. NOTG extra tárigénye adott inputra Egy nemdeterminisztikus offline TG extra tárigénye egy adott inputra a legnagyobb extra tárigényű számításának az extra tárigénye. NOTG extra tárkorlátja Egy nemdeterminisztikus offline TG f (n) extra tárkorlátos, ha bármely u inputra legfeljebb f ( u ) az extra tárigénye.

Determinisztikus és nemdeterminisztikus tárbonyolultsági osztályok Így az offline TG-pel szublineáris (lineáris alatti) tárbonyolultságot is mérhetünk. SPACE ( f (n)) := {L L eldönthető O( f (n)) extra tárkorlátos determinisztikus offline TG-pel} NSPACE ( f (n)) := {L L eldönthető O( f (n)) extra tárkorlátos nemdeterminisztikus offline TG-pel} PSPACE:= k 1SPACE (n k ). NPSPACE:= k 1NSPACE (n k ). L:=SPACE (log n). NL:=NSPACE (log n). Megjegyzés: legalább lineáris tárigények esetén valójában nincs szükség az offline TG fogalmára, használhattuk volna az eredeti TG fogalmat is.

Az ELÉR probléma ELÉR={ G, s, t A G irányított gráfban van s-ből t-be út}. Algo 2-ből, tudjuk, hogy ELÉR P-ben van (szélességi bejárás). Tétel ELÉR TIME(n 2 ). Tétel ELÉR SPACE(log 2 n). Bizonyítás: Rögzítsük a csúcsok egy tetszőleges sorrendjét. ÚT(x, y, i) :=igaz, ha létezik x-ből y-ba legfeljebb 2 i hosszú út. s-ből van t-be út G-ben ÚT(s, t, log n )=igaz. ÚT(x, y, i)=igaz z( ÚT(x, z, i 1)=igaz ÚT(z, y, i 1)=igaz ). Ez alapján egy rekurzív algoritmust készítünk, melynek persze munkaszalagján tárolnia kell, hogy a felsőbb szinteken milyen (x, y, i)-kre létezik folyamatban lévő hívás.

ELÉR: az ÚT(x, y, i) algoritmus ha i = 0, akkor 2 0 = 1 hosszú út (megnézi az inputot). A munkaszalagon (x, y, i) típusú hármasok egy legfeljebb log n hosszú sorozata áll. A hármasok 3. attribútuma 1-esével csökkenő sorozatot alkot log n -től. ÚT(x, y, i) meghívásakor az utolsó hármas (x, y, i) a munkaszalagon. Az algoritmus felírja az (x, z, i 1) hármast a munkaszalagra (x, y, i) utáni helyre majd kiszámítja ÚT(x, z, i 1) értékét. Ha hamis, akkor kitörli (x, z, i 1)-et és z értékét növeli. Ha igaz, akkor is kitörli (x, z, i 1)-et és (z, y, i 1)-et ráírja, (y-t tudja az előző (x, y, i) hármasból). Ha igaz, akkor ÚT(x, y, i) igaz, visszalép ((x, y, i) és (z, y, i 1) 2. argumentumának egyezéséből látja) Ha hamis akkor kitörli és z értékét eggyel növelve ÚT(x, z, i 1)-en dolgozik tovább. Ha egyik z se volt jó, akkor ÚT(x, y, i) hamis.

Konfigurációs gráf Az ÚT(s, t, log n ) algoritmus a munkaszalagján O(log n) darab tagból álló egyenként O(log n) hosszú (x, y, i) hármast tárol (egy szám tárolásához a szám számrendszer alapú logaritmusa +1 darab számjegy, azaz tár szükséges), így ELÉR SPACE(log 2 n). Konfigurációs gráf Egy M NTG G M konfigurációs gráfjának csúcsai M konfigurációi és (C, C ) E(G M ) C M C. Elérhetőségi módszer: az ELÉR TIME(n 2 ) vagy ELÉR SPACE(log 2 n) tételek valamelyikét alkalmazva a konfigurációs gráfra (vagy annak egy részgráfjára) bonyolultsági osztályok közötti összefüggéseket lehet bizonyítani. Lássunk erre egy példát!

Savitch tétele Savitch tétele Ha f (n) log n, akkor NSPACE( f (n)) SPACE( f 2 (n)). Bizonyítás: Legyen M egy f (n) tárigényű NOTG és w az M egy n hosszú bemenete. Kell egy vele ekvivalens, O( f 2 (n)) táras OTG. M egy konfigurációját O( f (n) + log n) tárral eltárolhatjuk (aktuális állapot, a munkaszalagok tartalma, fejek pozíciója, az első szalag fejének pozíciója n féle lehet, ezért log n tár kell ennek eltárolásához). Ha f (n) log n, akkor O( f (n) + log n) = O( f (n)). Feltehető, hogy M-nek csak egyetlen C elf elfogadó konfigurációja van. (Törölje le a TG a munkaszalagjait, mielőtt q i -be lép!) A legfeljebb O( f (n)) méretű konfigurációkat tartalmazó konfigurációs gráf mérete 2 d f (n) valamely d > 0 konstansra. Így az előző tétel szerint van olyan M determinisztikus OTG, ami O(log 2 (2 d f (n) )) = O( f 2 (n)) tárral el tudja dönteni, hogy a kezdőkonfigurációból elérhető-e C elf. M lépjen pontosan ekkor az elfogadó állapotába, így L(M ) = L(M).

Determinisztikus és nemdeterminisztikus polinom tár Következmény PSPACE = NPSPACE Bizonyítás: polinom négyzete is polinom. Tétel NL P Bizonyítás Legyen L NL és M L-et f (n) = O(log n) tárral eldöntő NOTG. Meggondolható, hogy egy n méretű inputra M legfeljebb f (n) méretű szalagtartalmakat tartalmazó konfigurációinak a száma legfeljebb cnd log n alkalmas c, d konstansokkal, ami egy p(n) polinommal felülről becsülhető. Így a G konfigurációs gráfnak legfeljebb p(n) csúcsa van. G polinom időben megkonstruálható. Feltehető, hogy G-ben egyetlen elfogadó konfiguráció van. G-ben a kezdőkonfigurációból az elfogadó konfiguráció elérhetősége O(p 2 (n)) idejű determinisztikus TG-pel eldönthető, azaz L P.

ELÉR eldöntése nemdeterminisztikus log. tárral ELÉR fontos szerepet tölt be az L? =NL kérdés vizsgálatában is. Tétel ELÉR NL Bizonyítás: Az M 3-szalagos NOTG a (G, s, t) inputra (n = V(G) ) a következőt teszi: ráírja s-t a második szalagra ráírja a 0-t a harmadik szalagra Amíg a harmadik szalagon n-nél kisebb szám áll Legyen u a második szalagon lévő csúcs Nemdeterminisztikusan felírja u helyére egy v ki-szomszédját a második szalagra Ha v = t, akkor elfogadja a bemenetet, egyébként növeli a harmadik szalagon lévő számot binárisan eggyel Elutasítja a bemenetet Mindkét szalag tartalmát O(log n) hosszú kóddal tárolhatjuk.

Logaritmikus táras visszavezetés, NL-teljesség Log. táras visszavezetés Egy L 1 Σ nyelv logaritmikus tárral visszavezethető egy L 2 nyelvre, ha L 1 L 2 és a visszavezetéshez használt függvény kiszámítható logaritmikus táras determinisztikus offline Turing géppel. Jelölése: L 1 l L 2. NL-nehéz, NL-teljes nyelv Egy L nyelv NL-nehéz (a log. táras visszavezetésre nézve), ha minden L NL nyelvre, L l L. Ha ezen felül L NL is teljesül, akkor L NL-teljes (a log. táras visszavezetésre nézve) Tétel Az L osztály zárt a logaritmikus tárral való visszavezetésre nézve. Bizonyítás: Tegyük fel, hogy L 1 l L 2 és L 2 L. Legyen M 2 az L 2 -t eldöntő, M pedig a visszavezetésben használt f függvényt kiszámoló logaritmikus táras determinisztikus OTG.

L logaritmikus táras visszavezetésre való zártsága Az M 1 OTG egy tetszőleges u szóra a következőképpen működik A második szalagján egy bináris számlálóval nyomon követi, hogy M 2 feje hányadik betűjét olvassa az f (u) szónak; legyen ez a szám i (kezdetben 1) Amikor M 2 lépne egyet, akkor M 1 az M-et szimulálva előállítja a harmadik szalagon f (u) i-ik betűjét (de csak ezt a betűt!!!) Ezután M 1 szimulálja M 2 aktuális lépését a harmadik szalagon lévő betű felhasználásával és aktualizálja a második szalagon M 2 fejének újabb pozícióját Ha M 2 elfogadó vagy elutasító állapotba lép, akkor M 1 lépjen a saját elfogadó vagy elutasító állapotába, egyébként folytassa a szimulációt a következő lépéssel Belátható, hogy M 1 L 1 -et dönti el és a működése során csak logaritmikus méretű tárat használ, azaz L 1 L.

ELÉR NL-teljessége Következmény Ha L NL-teljes és L L, akkor L = NL. Bizonyítás: Legyen L NL tetszőleges, ekkor L NL-teljessége miatt L l L. L L, így L logaritmikus tárral való visszavezetésre való zártsága miatt L L. Tehát NL L. A másik irány a definíciókból következik. Tétel ELÉR NL-teljes a logaritmikus tárral történő visszavezetésre nézve. Bizonyítás: Korábban láttuk, hogy ELÉR NL Legyen L NL, megmutatjuk, hogy L l ELÉR Legyen M egy L-et eldöntő O(log n) táras NOTG és u = n Az O(log n) tárat használó konfigurációk c log n hosszúak (alkalmas c-re)

ELÉR NL-teljessége; Immerman-Szelepcsényi A G M konfigurációs gráfban akkor és csak akkor lehet a kezdőkonfigurációból az elfogadóba jutni (feltehető, hogy csak 1 ilyen van), ha u L(G). Így L ELÉR. Kell még, hogy a visszavezetés log. tárat használ, azaz G M megkonstruálható egy log. táras N determinisztikus OTG-pel: N sorolja fel a hossz-lexikografikus rendezés szerint az összes legfeljebb c log n hosszú szót az egyik szalagján, majd tesztelje, hogy az legális konfigurációja-e M-nek, ha igen, akkor a szót írja ki a kimenetre Az élek (konfiguráció párok) hasonlóképpen felsorolhatók, tesztelhetők és a kimenetre írhatók Immerman-Szelepcsényi tétel NL = conl (biz. nélkül)

Hierarchia tétel EXPTIME:= k NTIME(k n ). Hierarchia tétel NL PSPACE és P EXPTIME. (biz. nélkül) Hierarchia tétel (folyt.) L NL=coNL P NP NPSPACE=PSPACE EXPTIME Bizonyítás: (1) és (4): a definíciókból következik (2): Immerman- Szelepcsényi (3),(6): előbb bizonyítottuk (5): Ha egy NTG egy számítására adott egy időkorlát, akkor ennél a korlátnál több új cellát nincs ideje egyik fejnek sem felfedezni. Így ez az időkorlát egyben tárkorlát is. (7): Elérhetőségi módszerrel: a használt tár méretének exponenciális függvénye a konfigurációs gráf mérete. A konfigurációs gráf méretében négyzetes (azaz összességében a tár méretében exponenciális) időben tudja egy determinisztikus TG az elérhetőséget tesztelni a kezdőkonfigurációból az elfogadó konfigurációba. Sejtés: A fenti tartalmazási lánc minden tartalmazása valódi.

R szerkezete R szerkezete (a tartalmazások valódisága nem mindenütt bizonyított) [ábra: Gazdag Zs. jegyzet]