算法第9章篇 NP完全性理论.pptVIP

任给图灵机 M = (Q, T, ?, ?, q0 , B , F ) ，以及输入字符串w?T*. 试问：对于w，M 是否停机？ 停机是指图灵机不存在下一个移动步（move）. 结论: 图灵机的停机问题是不可解的（即不可判定的）. 结论: 任给图灵机 M ，很容易构造一个图灵机 M?，使得L(M)= L(M? )，并满足：如果w?L(M) ，则对于 w，M? 接受w并一定停机. 如果没有特别指出，总是假定图灵机到达终态（接受态）后一定停机.但是 ，对不能接受的字符串，图灵机可能永不停止.（只要M还在某个输入上运行，无法知道是因为运行的时间不够长而没有被接受，还是根本就不会停机） 图灵机的停机问题 图灵机举例 例1：设语言 L={an bn│n=1}，设计图灵机接受L 。 思路：最初带上为 a a … a b b… b B B B …… n个a n个b 首先用x替换M最左边的a，再右移至最左边的b用y替换之，左移寻找最右的x，然后右移一单元到最左的a，重复循环。 如果 （1）当在搜寻b时，M找到了空白符B，则M停止，不接受该串。 （此时，a的个数大于b的个数） （2） 当将b改为y后，左边再也找不到a，此时,若右边再无b，接受；若仍有b，则b的个数大于a的个数，不接受。 举例 L={an bn│n=1} δ(q0 ,a)=(q1 ,x,R) δ(q0 ,y)=(q3 ,y,R) δ(q1 ,a)=(q1 ,a,R) δ(q1 ,y)=(q1 ,y,R) δ(q1 ,b)=(q2 ,y,L) δ(q2 ,a)=(q2 ,a,L) δ(q2 ,y)=(q2 ,y,L) δ(q2 ,x)=(q0 ,x,R) δ(q3 ,y)=(q3 ,y,R) δ(q3 ,B)=(q4 ,B,R) 例：aabb的接收格局序列 q0aabb├ xq1abb├ xaq1bb├ xq2ayb├ q2xayb├xq0ayb├xxq1yb ├ xxyq1b├xxq2yy├xq2xyy├xxq0yy├xxyq3y├xxyyq3B├xxyyq4 例2 L = ? 0n1n2n ? n ? 1?. 该图灵机的七元组形式为： M = ({q0 , q1 , q2 , q3 , q4 , q5 , q6}, {0,1,2}, {0,1,2,X,Y,Z,B}, ?, q0 , B , {q6}). 转移函数可由上图的转移图形式给出. 转移图与转移表 其他图灵机模型 “实际的”的图灵机模型 单带图灵机（1TM） 多带图灵机（kTM） 随机存取机（RAM） “实际的” 单位时间内完成的工作量有一个多项式上界 所有“实际的”计算模型多项式时间等价 多带图灵机 图灵机M的时间复杂性T(n),是它处理所有长度为n的输入,所需的最大计算步数。 如果对某个长度为n的输入，图灵机不停机，T(n)对这个n值无定义。 图灵机的空间复杂性S(n),是它处理所有长度为n的输入时，在k条带上所使用过的方格数的总和。 如果某个读写头无限地向右移动而不停机，S(n)也无定义。 图灵机既可作为语言接受器，也可作为计算函数的装置。 问题变换与计算复杂性归约 通过问题变换技巧，可以将2个不同问题的计算复杂性联系在一起。 将一个问题的计算复杂性,归结为另一个问题的计算复杂性，从而实现问题的计算复杂性归约。 * * 第9章 NP完全性理论与近似算法 学习要点 理解RAM，RASP和图灵机计算模型 理解非确定性图灵机的概念 理解P类与NP类语言的概念 理解NP完全问题的概念 理解近似算法的性能比及多项式时间近似格式的概念 通过范例学习NP完全问题的近似算法 （1）顶点覆盖问题； （2）旅行售货员问题； （3）集合覆盖问题； （4）子集和问题。 在计算机算法理论中，最深刻的问题之一是： 从计算的观点来看，要解决的问题的内在复杂性如何，它是“易”计算的还是“难”计算的。 若知道了一个问题的计算时间下界，就可以较正确地评价解决该问题的各种算法的效率，进而确定对已有算法还有多少改进的余地。 在许多情况下，要确定一个问题的内在复杂性是相当困难的。但问题的计算复杂性可以通过解决该问题所需计算量的多少来度量。 如何区分一个问题是“难”还是“易”？ 人们通常将在多项式时间内解决的问题看作是“易”解决的问题，而将需要指数时间解决的问题看作是“难”问题。（这里是针对问题的规模而言） 对于实际遇到的很多问题，人们至今未确切地了解其内在的计算复杂性。 只能用分类的方法, 将计算复杂性大致相同的问题, 归类研究。 计算模型 在进行问题的计算复杂性分析之前，首先必须建立求解问题所用的计算模型，包括定义该计算模型中所