Skript in PDF - Theoretische Informatik - Technische Universität ...
Skript in PDF - Theoretische Informatik - Technische Universität ...
Skript in PDF - Theoretische Informatik - Technische Universität ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
184 KAPITEL 6. KOMPLEXITÄT VON ALGORITHMEN<br />
1. Jeder Hamiltonsche Kreis von G besteht aus n Kanten, also betragen die<br />
Kosten copt = n. Da Aε ε-approximierend ist, gilt also<br />
und somit<br />
c − n<br />
n<br />
≤ ε<br />
c ≤ (ε + 1)n.<br />
2. Falls die gefundene Rundreise der Bed<strong>in</strong>gung c ≤ (1 + ε)n genügt, zeigen wir,<br />
dass sie nur Kanten aus G enthält, also e<strong>in</strong>en Hamiltonschen Kreis <strong>in</strong> G bildet.<br />
Dazu reicht es, c < 2 + ⌈εn⌉ + (n − 1) zu beweisen, denn jede Rundreise, die<br />
m<strong>in</strong>destens e<strong>in</strong>mal die Kanten von G verläßt, kostet m<strong>in</strong>destens 2 + ⌈εn⌉ (=<br />
Kosten e<strong>in</strong>er Kante außerhalb von G) plus n−1 (die untere Grenze der Kosten<br />
der anderen n − 1 Kanten). Wegen εn < ⌈εn⌉ + 1 folgt<br />
c ≤ (ε + 1)n < n + ⌈εn⌉ + 1 = 2 + ⌈εn⌉ + (n − 1).<br />
Zeitkomplexität des Algorithmus A: für den Algorithmus Aε existiert e<strong>in</strong> Polynom<br />
p(n), so dass Aε die Rundreise <strong>in</strong> der Zeit p(n) f<strong>in</strong>det. Dann dauert die Bearbeitung<br />
des Graphen G höchstens O(n 2 ) Schritte für die Konstruktion von TSP und dann<br />
p(n) Schritte für Aε , <strong>in</strong>sgesamt also O(n 2 + p(n)) Schritte. Das bedeutet, dass A<br />
<strong>in</strong> der Klasse P liegt – im Widerspruch zur N P-Vollständigkeit von HAMILTON-<br />
SCHEM KREIS.<br />
Zusammenfassung: Für Optimierungsprobleme, für die wir ke<strong>in</strong>en effizienten Algorithmus<br />
f<strong>in</strong>den können, können wir versuchen, approximierbare Algorithmen zu<br />
f<strong>in</strong>den. Es gibt Aufgaben, die sogar für jedes ε e<strong>in</strong>en ε-approximierbaren Algorithmus<br />
besitzen, z.B. SIT(k). Leider gibt es aber wichtige Optimierungsaufgaben, die<br />
ke<strong>in</strong>en ε-approximierbaren Algorithmus erlauben, z.B. TSP.<br />
6.12 Raumkomplexität<br />
Bisher haben wir e<strong>in</strong>en Algorithmus als effizient betrachtet, falls er wenig Zeit<br />
braucht. E<strong>in</strong> anderer wichtiger Gesichtspunkt ist der Speicherbedarf e<strong>in</strong>es Algorithmus.<br />
Wie die Zeitkomplexität ist auch die Raumkomplexität pr<strong>in</strong>zipiell von der<br />
Implementation unabhängig, falls wir nur die Frage stellen, ob polynomial großer<br />
Speicher genügt. Deswegen können wir wieder Tur<strong>in</strong>gmasch<strong>in</strong>en als Berechnungsmodell<br />
verwenden. Wir sagen, dass e<strong>in</strong>e TM die Raumkomplexität s(n) hat, wo-<br />
bei s(n) e<strong>in</strong>e Funktion über der Menge<br />
aller natürlichen Zahlen ist, falls für<br />
jede E<strong>in</strong>gabe w der Länge n die TM hält und der Kopf höchstens s(n) Bandfelder<br />
durchgegangen ist.<br />
Def<strong>in</strong>ition. Wir bezeichnen mit<br />
PSPACE<br />
die Klasse aller formalen Sprachen, die von e<strong>in</strong>er TM mit polynomialer Raumkomplexität<br />
akzeptiert werden können. Genauer: e<strong>in</strong>e Sprache L gehört zur Klasse<br />
PSPACE, falls es e<strong>in</strong>e Tur<strong>in</strong>gmasch<strong>in</strong>e M und e<strong>in</strong> Polynom p(n) gibt, so dass<br />
L = L(M) und M hat die Raumkomplexität p(n).<br />
Bemerkung 1. 1. Die vorher e<strong>in</strong>geführten Klassen P und N P werden oft<br />
PT IME und N PT IME<br />
bezeichnet, um sie von PSPACE zu unterscheiden.