Теория сложности и вычислимости

Оглавление 

Глава 1 Ведение 1-3

Временная и пространственная сложности 1-4

Асимптотическая сложность 1-5

Классы сложности 1-6

Отношения между классами 1-8

Глава 2 Заключение. 2-10

Глава 3 Список использованной литературы. 3-11 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1.     Ведение

Теория  вычислимости — это раздел современной математики и теории вычислений, возникший в результате изучения понятий вычислимости и не вычислимости. Изначально теория была посвящена вычислимым и невычислимым функциям и сравнению различных моделей вычислений. Сейчас поле исследования теории вычислимости расширилось — появляются новые определения понятия вычислимости, и идёт слияние с математической логикой, где вместо вычислимости и не вычислимости идёт речь о доказуемости и недоказуемости (выводимости и не выводимости) утверждений в рамках каких-либо теорий. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     В информатике, теория сложности вычислений является разделом теории вычислений, изучающим стоимость работы, требуемой для решения вычислительной проблемы. Стоимость обычно измеряется абстрактными понятиями времени и пространства, называемыми вычислительными ресурсами. Время определяется количеством элементарных шагов, необходимых для решения проблемы, тогда как пространство определяется объёмом памяти или места на носителе данных. Таким образом, в этой области предпринимается попытка ответить на центральный вопрос разработки алгоритмов: «как изменится время исполнения и объём занятой памяти в зависимости от размера входа и выхода?». Здесь под размером входа понимается длина описания данных задачи в битах (например, в задаче коммивояжера длина входа пропорциональна количеству городов и дорог между ними), а под размером выхода — длина описания решения задачи (оптимального маршрута в задаче коммивояжера).

     В частности, теория сложности вычислений определяет NP-полные задачи, которые недетерминированная машина Тьюринга может решить за полиномиальное время, тогда как для детерминированной машины Тьюринга полиномиальный алгоритм неизвестен. Обычно это сложные проблемы оптимизации, например, задача коммивояжера.

     Временная и пространственная сложности

     Теория  сложности вычислений возникла из потребности  сравнивать быстродействие алгоритмов, чётко описывать их поведение (время  исполнения и объём необходимой  памяти) в зависимости от размера  входа и выхода.

     Количество  элементарных операций, затраченных  алгоритмом для решения конкретного  экземпляра задачи, зависит не только от размера входных данных, но и  от самих данных. Например, количество операций алгоритма сортировки вставками значительно меньше в случае, если входные данные уже отсортированы. Чтобы избежать подобных трудностей, рассматривают понятие временной сложности алгоритма в худшем случае.

Временная сложность алгоритма (в худшем случае) — это функция размера входных и выходных данных, равная максимальному количеству элементарных операций, проделываемых алгоритмом для решения экземпляра задачи указанного размера. В задачах, где размер выхода не превосходит или пропорционален размеру входа, можно рассматривать временную сложность как функцию размера только входных данных.

Аналогично  понятию временной сложности в худшем случае определяется понятие временная сложность алгоритма в наилучшем случае. Также рассматривают понятие среднее время работы алгоритма, то есть математическое ожидание времени работы алгоритма. Иногда говорят просто: «Временная сложность алгоритма» или «Время работы алгоритма», имея в виду временную сложность алгоритма в худшем, наилучшем или среднем случае (в зависимости от контекста).

     По  аналогии с временной сложностью, определяют пространственную сложность алгоритма, только здесь говорят не о количестве элементарных операций, а об объёме используемой памяти.

     Асимптотическая сложность

     Несмотря  на то, что функция временной сложности  алгоритма в некоторых случаях  может быть определена точно, в большинстве  случаев искать точное её значение бессмысленно. Дело в том, что, во-первых, точное значение временной сложности зависит от определения элементарных операций (например, сложность можно измерять в количестве арифметических операций, битовых операций или операций на машине Тьюринга), а во-вторых, при увеличении размера входных данных вклад постоянных множителей и слагаемых низших порядков, фигурирующих в выражении для точного времени работы, становится крайне незначительным.

     Рассмотрение  входных данных большого размера  и оценка порядка роста времени работы алгоритма приводят к понятию асимптотической сложности алгоритма. При этом алгоритм с меньшей асимптотической сложностью является более эффективным для всех входных данных, за исключением лишь, возможно, данных малого размера. Для записи асимптотической сложности алгоритмов используются асимптотические обозначения.

     В теории сложности вычислений сведение — преобразование одной задачи к другой. В общем случае, если у нас есть алгоритм, преобразующий экземпляры задачи P₁ в экземпляры задачи P₂, которые имеют тот же ответ (да/нет), то говорят, что P₁ сводится к P₂. Таким образом, сводимость — это отношение между двумя задачами. С помощью такой связи могут быть доказаны вычислимость задачи или ее принадлежность тому или иному классу сложности.

     Классы сложности

     Класс сложности

     Класс сложности — это множество задач распознавания, для решения которых существуют алгоритмы, схожие по вычислительной сложности. Два важных представителя:

     Класс P

     Класс P вмещает все те проблемы, решение которых считается «быстрым», то есть полиноминально зависящим от размера входа. Сюда относится сортировка, поиск во множестве, выяснение связности графов и многие другие.

     Класс NP

     В теории алгоритмов классами сложности называются множества вычислительных задач, примерно одинаковых по сложности вычисления. Говоря более узко, классы сложности — это множества предикатов (функций, получающих на вход слово и возвращающих ответ 0 или 1), использующих для вычисления примерно одинаковые количества ресурсов.

     Для каждого класса существует категория  задач, которые являются «самыми  сложными». Это означает, что любая  задача из класса сводится к такой  задаче, и притом сама задача лежит  в классе. Такие задачи называют полными задачами для данного класса. Наиболее известными являются NP-полные задачи.

     Полные  задачи — хороший инструмент для  доказательства равенства классов. Достаточно для одной такой задачи предоставить алгоритм, решающий её и  принадлежащий более маленькому классу, и равенство будет доказано.

     Класс NP содержит задачи, которые недетерминированная машина Тьюринга в состоянии решить за полиномиальное количество времени. Следует заметить, что недетерминированная машина Тьюринга является лишь абстрактной моделью, в то время как современные компьютеры соответствуют детерминированной машине Тьюринга с ограниченной памятью. Таким образом, класс NP включает в себя класс P, а также некоторые проблемы, для решения которых известны лишь алгоритмы, экспоненциально зависящие от размера входа (то есть неэффективные для больших входов). В класс NP входят многие знаменитые проблемы, такие как задача коммивояжёра, задача выполнимости булевых формул, факторизация и др.

     Проблема  равенства классов P и NP

     Вопрос  о равенстве этих двух классов  считается одной из самых сложных  открытых проблем в области теоретической  информатики. Математический институт Клэя включил эту проблему в список проблем тысячелетия, предложив награду размером в один миллион долларов США за её решение.

     Каждый  класс сложности (в узком смысле) определяется как множество предикатов, обладающих некоторыми свойствами. Типичное определение класса сложности выглядит так:

     Классом сложности X называется множество предикатов P(x), вычислимых на машинах Тьюринга и использующих для вычисления O(f(n)) ресурса, где n — длина слова x.

     В качестве ресурсов обычно берутся время  вычисления (количество рабочих тактов машины Тьюринга) или рабочая зона (количество использованных ячеек на ленте во время работы). Языки, распознаваемые предикатами из некоторого класса (то есть множества слов, на которых  предикат возвращает 1), также называются принадлежащими тому же классу.

Кроме того, многие классы могут также  быть описаны в терминах математической логики или теории игр.

     Классы  принято обозначать прописными буквами. Дополнение к классу C (то есть класс языков, дополнения которых принадлежат C) обозначается co-C.

• Отношения между классами

     Все классы сложности находятся в  иерархическом отношении: одни включают в себя другие. Однако про большинство  включений неизвестно, являются ли они строгими. Одна из наиболее известных  открытых проблем в этой области  — равенство классов P и NP. Если это предположение верно (в чём большинство учёных сомневается), то представленная справа иерархия классов сильно свернётся. На данный момент наиболее распространённой является гипотеза о не вырожденности иерархии (то есть все классы различны). Кроме того, известно, что EXPSPACE не равен классу PSPACE.

     Теория  вычислимости берёт свое начало от диссертации Тьюринга (1936), в которой он ввел понятие абстрактной вычислительной машины, получившей впоследствии его имя, и доказал фундаментальную теорему о неразрешимости задачи о её остановке.

 

2. Заключение.
 
 


 В настоящее время исследования по теории вычислимости активно ведутся во всех странах мира. Россия всегда была одним из мировых центров исследований по теории вычислимости и её приложениям. Эти исследования берут начало от ранних работ Маркова и Мальцева по теории алгоритмов и её связям с алгеброй, ознаменовались решением проблемы Поста Мучником. Эти исследования сегодня продолжаются на очень высоком уровне во многих научных центрах России (школа Ершова в Новосибирске, школа Арсланова в Казани) и других стран бывшего Советского Союза (Алма-Ата, Казахстан).

3. Список  использованной литературы.
 
 


1. Михеева Е.В.  Информационные технологии: Учеб. Пособие для сред. проф. образования – М.: Издательский центр «Академия», 2005.

2. Угринович Н.Д. Информатика и информационные технологии. Учебник для 10-11 классов. – М.: БИНОМ. Лаборатория знаний, 2005.

3.  Угринович Н.Д. Практикум по информатике и информационным технологиям: Учебное пособие для общеобразовательных учреждений/ Н.Д.Угринович, Л.Л.Босова, Н.И.Михайлова. – 4-е изд. – М.: БИНОМ. Лаборатория знаний, 2006. – 394с.: ил.

4. Жукова Е.Л., Бурда Е.Г. Информатика: Учеб. Пособие. – М.: Издательско-торговая корпорация «Дашков и К»; Ростов н/Д: Наука-Пресс, 2007.– 272 с.