Алгоритмы с возвратом. Лекция 20

Скачать презентацию на тему: "Алгоритмы с возвратом. Лекция 20" с количеством слайдов в размере 45 страниц. У нас вы найдете презентацию на любую тему и для каждого класса школьной программы. Мы уверены, что наши слайды помогут найти вам свою аудиторию. Весь материал предоставлен бесплатно, в знак благодарности мы просим Вас поделиться ссылками в социальных сетях и по возможности добавьте наш сайт MirPpt.ru в закладки.

Нажмите для просмотра
Алгоритмы с возвратом. Лекция 20

1: Алгоритмы с возвратом Лекция 20

2: План лекции Элементы теории сложности вычислений Классы задач P и NP, сводимость, NP-полные задачи Метод поиска с возвратом Алгоритмы решения классических задач комбинаторного поиска

3: Понятие задачи Задачи – это подмножества множества входных данных «Решить задачу P для входных данных x» «Проверить истинность x P» Детерминированное исполняющее устройство в математике – обычная машина Тьюринга в реальности – компьютер Размер ленты у машины Тьюринга не ограничен, а размер памяти у компьютера ограничен Недетерминированное исполняющее устройство в математике – машина Тьюринга с неограниченным числом лент в реальности – нет Компьютер, с неограниченным числом процессоров

4: Разница между исполняющими устройствами Состояния устройства при выполнении четырех команд

5: Понятие класса сложности задач Size(x) – размер входных данных x Обычно число битов в двоичном представлении x MaxOp(n) – ограничение на число исполненных команд в зависимости от размера входных данных Например, MaxOp(n) n log2(n) и т. п. Класс сложности – множество задач, таких что для любых входных данных x для решения задачи требуется исполнить не более C MaxOp(Size(x)) команд на исполняющем устройстве Константа C зависит от задачи и не зависит от х

6: Класс P P deterministic Polynomial Число команд при решении на детерминированной машине Тьюринга ограничено полиномом от размера входных данных проверка делимости чисел проверка связности графа проверка кратчайшего расстояния между двумя вершинами в графе на

7: Класс NP NP Non-deterministic Polynomial Число команд при решении на недетерминированной машине Тьюринга ограничено полиномом от размера входных данных Все задачи класса Р Почему? Приведите конкретные примеры Приведите пример задачи НЕ из класса NP

8: NP-полные задачи Задача P сводится к задаче Q , если существует функция f, такая что f «вычислима за полиномиальное время» для любых входных данных x «решить задачу P для x» равносильно «решить задачу Q для f(x)», т. е. Ɐ x (x P f(x) Q) Задача является NP-полной, если она принадлежит классу NP и к ней сводится любая задача класса NP Задача является NP-трудной, если к ней сводится любая задача класса NP, но сама она не обязательно из класса NP

9: Теорема Левина-Кука Проверка выполнимости произвольных булевых формул в КНФ является NP-полной задачей Cook, Stephen (1971). "The complexity of theorem proving procedures". Proceedings of the Third Annual ACM Symposium on Theory of Computing. pp. 151–158. Л. А. Левин. Универсальные задачи перебора (рус. ) // Проблемы передачи информации. — 1973. — Т. 9, 3. — С. 115—116.

10: Примеры других NP-полных задач Существует ли в графе цикл, содержащий все вершины по одному разу? («задача коммивояжёра») Можно ли раскрасить вершины графа в C цветов так, чтобы концы каждого ребра были разного цвета? («раскраска графа») NP-полная начиная с C 3 Дано расположение дамок (простых шашек нет) на доске размером NxN. Есть ли у белых выигрыш в данной позиции?

11: Возможные отношения между P и NP

12: Метод поиска с возвратом Метод проб и ошибок, backtracking Примерно 1950 год Derrick Henry Lehmer, 1905-1991 Популярный метод в раннем искусственном интеллекте Эмуляция недетерминированных исполняющих устройств на обычном компьютере

13: Метод поиска с возвратом Граф состояний недетерминированного исполняющего устройства во время исполнения программы Вершины – состояния устройства Дуги – переходы между состояниями в результате исполнения команд

14: Обход доски шахматным конём Найти последовательность ходов шахматного коня, начинающуюся с заданного поля доски NxN, такую что конь посещает каждое поле доски ровно один раз К какой NP-полной задаче сводится обход доски шахматным конем?

15: Пример обхода доски 5х5 и 8х8

16: Недетерминированное исполняющее устройство Состояние матрица NxN, частично заполненная номерами ходов коня от 1 до M

17: Обход доски шахматным конём на недетерминированном устройстве BuildKnightTour(startSquare): boardstartSquare 1 for freeSquareCount in GetSquareCount(board) – 1 … 1: board GetNextBoard(board) return board

18: Детерминированная реализация struct TBoard int Size, Row, Column; int Squares; ; enum MoveCount 8 ; int BuildTour(int freeSquareCount, struct TBoard board) if (freeSquareCount 0) return 1; struct TBoard nextBoard MakeBoard(board-Size); int success 0; for (int idx 0; !success && idx MoveCount; idx) CopyBoard(board, &nextBoard); success TryMove(idx, &nextBoard) && BuildTour(freeSquareCount - 1, &nextBoard); DestroyBoard(nextBoard); return success;

19: Пример эвристики Эвристика Варнсдорфа (Warnsdorff), 1823 На каждом ходу ставь коня на такое поле, из которого можно совершить наименьшее число ходов на еще не пройденные поля. Если таких полей несколько, берем любое из них. Позволяет обойти без возвратов доски от 5x5 до 76x76

20: Что известно из теории Для любой прямоугольной доски с наименьшей стороной 5 существует (возможно незамкнутый) обход шахматным конем Conrad, A. ; Hindrichs, T. ; Morsy, H. & Wegener, I. (1994). "Solution of the Knights Hamiltonian Path Problem on Chessboards". Discrete Applied Mathematics. 50 (2): 125–134. https://doi. org/10. 10162F0166-218X28922900170-Q Cull, P. ; De Curtins, J. (1978). "Knights Tour Revisited" (PDF). Fibonacci Quarterly. 16: 276–28. http://www. fq. math. ca/Scanned/16-3/cull. pdf Для любой доски m n (m n) существует замкнутый обход шахматным конем, за исключением случаев, когда выполнены одно или более из следующих условий: m и n оба нечетные m 1, 2, или 4 m 3 и n 1, 2, 3, 5 или 6 Allen J. Schwenk (1991). "Which Rectangular Chessboards Have a Knights Tour?". Mathematics Magazine: 325–332

21: Задача о расстановке ферзей «Требуется расставить 8 ферзей на шахматной доске так, чтобы ни один ферзь не угрожал другомy» Формулировка -- Max Bezzel, 1848 Первое решение -- Franz Nauck, 1850 Перечислил все 92 решения Расширил на N ферзей на доске NxN Используется для проверки скорости работы алгоритмов с возвратом

22: Пример расстановки 4 ферзей

23: Недетерминированное исполняющее устройство Состояние вектор длины M

24: Расстановка ферзей с помощью недетерминированного устройства PlaceQueens(Count): board for queenIdx in 1 … Count: board PlaceNextQueen(board) return board

25: Детерминированная реализация struct TBoard int Size; int QueenCount; int QueenColumns; ; int PlaceQueens(int queenIdx, struct TBoard board) if (queenIdx board-Size) return 1; struct TBoard nextBoard MakeBoard(board-Size); int success 0; for (int col 0; !success && col board-Size; col) CopyBoard(board, &nextBoard); success TryPlaceQueen(col, &nextBoard) && PlaceQueens(queenIdx 1, &nextBoard); DestroyBoard(nextBoard); return success;

26: Что известно из теории Расстановка N ферзей за O(N) E. J. Hoffman et al. , "Construction for the Solutions of the m Queens Problem". Mathematics Magazine, Vol. XX (1969), pp. 66–72 http://penguin. ewu. edu/trolfe/QueenLasVegas/Hoffman. pdf

27: Задача о рюкзаке Дано n вещей i-я вещь имеет вес wi, и стоимость ci Дано число K – вместимость рюкзака Найти набор вещей максимальной стоимости при условии, что их общий вес не превышает K ti 0, если вещь не взята ti 1, если вещь взята

28: Схема перебора всех решений и выбора оптимального Try(int i) if (включение приемлемо) включение i-й вещи; if (i n) Try(i1); else проверка оптимальности; исключение i-й вещи; if (приемлемо невключение) if (i n) Try(i1); else проверка оптимальности;

29: Метод ветвей и границ Вариант полного перебора Нахождение оптимальных решений среди допустимых Отсечение заведомо неоптимальных допустимых решений Ленд и Дойг 1960 общая задача целочисленного линейного программирования A. H. Land and A. G. Doig An automatic method of solving discrete programming problems Литтл, Мурти, Суини и Кэрел 1963 задача коммивояжера

30: Метод ветвей и границ Целевая функция В задаче о рюкзаке это Ограничения В задаче о рюкзаке это Допустимые решения удовлетворяют ограничениям Оптимальные решения – это допустимые решения, дающие максимальное значение целевой функции

31: Метод ветвей и границ Разбиение множества допустимых решений на подмножества меньших размеров Подмножества допустимых решений образуют дерево поиска (дерево ветвей и границ) Для каждого подмножества допустимых решений оцениваем снизу и сверху множество значений целевой функции Если нижняя граница совпадает с верхней границей, то Ц. Ф. достигает максимума (минимума) на данном подмножестве допуст. решений Если нижняя граница для значений Ц. Ф. на подмножестве А больше верхней границы для значений Ц. Ф. на подмножестве В, то А не содержит минимума Ц. Ф. , а В не содержит максимума Ц. Ф.

32: Метод ветвей и границ Ищем оптимальное решение при помощи обхода дерева ветвей и границ Вид обхода выбираем в зависимости от задачи На каждом шаге обхода проверяем, содержит ли данное подмножество допустимых решений оптимальное решение да, если верхняя граница нижняя граница обновляем известный min (max) нет, если нижняя граница известный min (верхняя граница известный max) не исследуем (пропускаем) подмножество допустимых решений неизвестно разбиваем подмножество допустимых решений на части и добавлем в дерево новые вершины

33: Метод ветвей и границ для решения задачи о рюкзаке Множество допустимых решений задаём массивом t и номером x рассматриваемой вещи значения t0 … tx уже зафиксированы t0w0t1w1…txwx

34: Схема перебора всех решений и выбора оптимального (копия) Try(int i) if (включение приемлемо) включение i-й вещи; if (i n) Try(i1); else проверка оптимальности; исключение i-й вещи; if (приемлемо невключение) if (i n) Try(i1); else проверка оптимальности;

35: Детализация метода ветвей и границ для задачи о рюкзаке Обозначим tw – общий вес рюкзака к данному моменту av – оценка сверху на конечную ценность рюкзака maxv – максимум, известный на данный момент "Включение приемлемо" tw wi K "Проверка оптимальности" if (av maxv) opts t; maxv av; Приемлемо невключение av maxv

36: Заключение Классы задач P и NP, сводимость, NP-полные и NP-трудные задачи Метод поиска с возвратом Алгоритмы решения классических задач комбинаторного поиска Обход доски шахматным конем Расстановка ферзей

37: Задача о кубике Задано описание кубика и входная строка. Можно ли получить входную строку, прокатив кубик? Перенумеруем грани кубика c 123456 на 124536: 1 – нижняя; 6 – верхняя; (16 7) 3 – фронтальная; 4 – задняя; (34 7) 2 – боковая левая; 5 – боковая правая (25 7). Тогда соседними для i-й будут все, кроме i-й и (7-i)-й. Попробуем построить слово, начиная со всех шести граней.

38: Результат (в переменной q) 1, если можно получить слово, записанное в глобальной строке w, начиная n-го символа, перекатывая кубик, лежащий g-ой гранью. int chkword(g, n) if((nstrlen(w)) (wn )) return 1; if(CBg ! wn) break; for(i1; i

39: Задача о стабильных браках Имеются два непересекающихся множества А и В. Нужно найти множество пар , таких, что а A, b В, и они удовлетворяют некоторым условиям. Для выбора таких пар существует много различных критериев; один из них называется «правилом стабильных браков». Пусть А — множество мужчин, а В — женщин. У каждых мужчины и женщины есть различные предпочтения возможного партнера. Если среди n выбранных пар существуют мужчины и женщины, не состоящие между собой в браке, но предпочитающие друг друга, а не своих фактических супругов, то такое множество браков считается нестабильным. Если же таких пар нет, то множество считается стабильным.

40: Алгоритм поиска супруги для мужчины m Алгоритм поиска супруги для мужчины m Поиск ведется в порядке списка предпочтений именно этого мужчины. Try(m) int r; for (r0; r

41: Выбор структур данных Будем использовать две матрицы, задающие предпочтительных партнеров для мужчин и женщин: ForLady и ForMan. ForMan m r — женщина, стоящая на r-м месте в списке для мужчины m. ForLady w r — мужчина, стоящий на r-м месте в списке женщины w. Результат — массив женщин х, где хm соответствует партнерше для мужчины m. Для поддержания симметрии между мужчинами и женщинами и для эффективности алгоритма будем использовать дополнительный массив у: yw — партнер для женщины w.

42: Конкретизация схемы Предикат подходит можно представить в виде конъюнкции single и stable, где stable — функция, которую нужно еще определить. Try (int m) int r, w; for (r0; r

43: Стабильность системы Мы пытаемся определить возможность брака между m и w, где w стоит в списке m на r-м месте. Возможные источники неприятностей могут быть: 1) Может существовать женщина pw, которая для m предпочтительнее w, и для pw мужчина m предпочтительнее ее супруга. 2) Может существовать мужчина рm, который для w предпочтительнее m, причем для рm женщина w предпочтительнее его супруги.

44: 1) Исследуя первый источник неприятностей, мы сравниваем ранги 1) Исследуя первый источник неприятностей, мы сравниваем ранги женщин, котрых m предпочитает больше w. Мы знаем, что все эти женщины уже были выданы замуж, иначе бы выбрали ее. stable 1; i 1; while((i ForLadypwypw; 2) Нужно проверить всех кандидатов pm, которые для w предпочтительнее «суженому». Здесь не надо проводить сравнение с мужчинами, которые еще не женаты. Нужно использовать проверку рm

45: Перебор ходов Из поля (х, у) достижимы не более 8 полей (u, v) (x D0,k, y D1,k), k 0, 1, . . . , 7 где массив D28 заполнен следующим образом Для (х, у) вблизи края доски не рассматриваем k, для которых (u, v) лежат за пределами доски

Скачать презентацию


MirPpt.ru