并行计算 第二节 并行算法设计.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Gates, William H. and Christos H. Papadimitriou. Bounds for sorting by prefix reversal. Discrete Mathematics 27 (1979), 47--57. Harvard University(1973) Microsoft (1975) Princeton University (MS 1974 and PhD 1976) 上界与下界 问题描述： 仅通过前缀翻转（prefix reversal）操作对n个大小不同的序列排序。 前缀翻转： 将包含首个元素的子序列进行翻转 结果： 给出算法，证明至多(5n+5)/3 次操作可以排序完成 给出例子，证明17n/16次操作无法完成排序 改进： 1995年，新的下界结果 PRAM模型的下界 理想的PRAM模型 n个处理器可访问无限的共享存储单元 每个处理器有无限的私有存储单元 一步计算分为三个阶段：读阶段、计算阶段、写阶段 每一步计算允许任意数量的局部计算 理想PRAM模型反映了通信的限制 理想PRAM模型的下界对于标准PRAM模型同样成立 PRAM模型的下界 PRAM-CREW的下界 无论多少处理器，计算n变元的布尔或需要Ω(logn)的时间 PRAM-EREW的下界 p个处理器，计算长度为n的计数零问题需要Ω(logn-logp)的时间 PRAM-CRCW的下界 计算n变量奇偶函数，使用多项式数目的处理器需要Ω(logn/loglogn)的时间 NP完全理论导引 计算复杂性理论中最重要的理论 在工作中，遇到一个问题，找不到好的算法来解决，怎么办？ 算法与好的算法 算法： 为实现某个任务而构成的简单指令集 有穷的计算良过程 通过有限多次运算可以决定的过程 图灵机 好的算法：多项式时间算法 指数时间算法往往在实际中不可接受 各种串行计算模型是多项式时间等价的 是否所有的问题都有好的算法？ SAT问题 TSP（Traveling salesman problem) 猜测TSP没有多项式时间算法（J.Edmonds 1965） 图灵机 有限状态控制器 1 1 1 1 1 1 0 0 0 0 0 0 0 B B B 1 …… …… 带子可读可写 无限长的带子 读写头可左移右移 图灵机 “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 非确定型图灵机（NTM) 不现实的计算 现实中的计算方式都是确定的 解SAT问题的一个非确定型算法 第一步：猜测一个变量的真值赋值； 第二步：检查该赋值是否满足 非确定型算法的计算时间： 各种可能的计算过程的最短时间 非确定型图灵机（NTM) 有限状态控制器 1 1 1 1 1 1 0 0 0 0 0 0 0 B B B 1 …… …… 猜想模块 猜想阶段 验证阶段 NTM计算树 计算过程：从根到叶节点的路径 P类与NP类 判定问题：只有肯定和否定两种答案 优化问题可以化作判定问题处理 P类 （Polynomial) 具有多项式时间算法的判定问题形成的计算复杂性类 NP问题： 在非确定型图灵机上多项式时间可解的问题 在确定型图灵机上多项式时间可验证的问题 P类包含于NP类中 NP类问题在确定图灵机上指数时间可解 非确定型图灵机和确定型图灵机的计算能力相当 计算难度的比较——归约 多项式时间归约（Karp归约 1972) 问题A的实例I多项式时间内转化为问题B的实例f(I) ，对于A的输入I 的回答与其对应的B的输入 f(I) 一致，则称A可多项式归约于B，记为 如果B可以多项式时间求解，则A也可以多项式时间求解 NP完全问题 NP完全问题是NP问题中“最难”的问题 NP完全问题 第一个NP完全问题（Cook-levin定理 1971） 可满足性问题是NP完全问题 如果一个NP完全问题karp归约到另一个NP问题，则该问题也是NP完全的 六个NP完全问题（Karp 1972) 3SAT，3DM，VC，团，HC，划分 更多的NP完全问题 1979年：300多个 1998年：2000多个 P=?NP （P-NP问题） 现在的估计 如果 ，则NPC问题无有效算法 P=NP P NPC NP 如何处理NP完全问题 实际中的NP完全问题不会消失 证明难度并不会使问题得到解决 近似