Einführung SS09

Aus ProgrammingWiki
< AuK
Archivierte Version vom 2010-03-17T09:26:24+00:00. Aktuelle Version

Inhaltsverzeichnis

Absolut unlösbare Probleme

  • Theoretische Informatik: Es gibt absolut unlösbare Probleme (Beispiel: Halteproblem, s. Lehrveranstaltung Programmierparadigmen)

Praktische unlösbare Probleme

  • Algorithmus zur Lösung bekannt, meist sogar recht einfach; aber Prozess zur Ermittlung dieser Lösung erfordert eine Zeit, die jegliche Grenzen sprengt.

Beispiel: Schachspiel

  • Baum aller Schachspiele ist endlich und kann (theoretisch) angegeben werden. Praktisch unmöglich.

Ackermann-Peter-Funktion

  • Hier kann man immer wieder Argumente x,y finden, die dazu führen, dass man für AP(x,y) in zumutbarer Zeit keinen Wert erhält.

<eval id="4b9f7abf098a8"> (AP 2 3) </eval>

Sehr weit kommt man nicht, wenn man eine entsprechende x-y-Tabelle mit Werten der AP-Funktion ausfüllen möchte.

<eval id="4b9f8212ed7a7"> (do ((x 0 (+ x 1)))</eval>

   ((= x 4) (newline))
 (do ((y 0 (+ y 1))) 
     ((= y 4) (newline))
   (display (cat (AP x y) 6))))

Hinweis

cat sorgt für die Formatierung. Man entnimmt das Sprachelement der SRFI-54.


Empirische Analyse

  • Problemgröße n feststellen und Aufwandsfunktion T(n)=f(n) anstreben.

Bit- vs. uniforme Komplexität

  • Frage nach den elementaren (oder atomaren) Rechenoperationen: Addition oder Multiplikation beliebiger natürlicher Zahlen. Was soll eine Elementaroperation sein? Sie muss unabhängig von der Wortbreite (= codierte Eingabe) mit konstantem Aufwand (Zeit) stattfinden. Antwort: Dies muss von Fall zu Fall entschieden werden. Beispiel: Moderne Rechner erledigen komplette Addition/Multiplikation höchstens k-stelliger ganzer Zahlen mit konstanter Zeit. Dann reicht das uniforme Komplexitätsmaß. Die damit verbundene theoretische Basis bildet die Registermaschine. Anderenfalls muss eine Bit-basierte Betrachtung durchgeführt werden. Dabei ist die Multiplikation zweier k-stelliger Zahlen aufwendiger als deren Addition. Die theoretische Grundlage bildet die Turingmaschine.
  • Die Wahl der Basis b des Stellenwertsystems hat keinen Einfluss auf die Größenordnung des Aufwandes, d.h. lediglich ein konstanter Faktor ist zu berücksichtigen. Nachrechnen!

Beispiel: Multiplikation a la Russe

Multipliziere zwei natürliche Zahlen a und b indem du a und jedes sich ergebende Zwischenergebnis fortgesetzt ganzzahlig halbierst und b fortgesetzt multiplizierst. Schreibe die Zwischenwerte jeweils unter a bzw. b. Setze das Verfahren solange fort, bis in der a-Spalte die Zahl 1 steht. Streiche alle Zeilen in der b-Spalte, in denen unter a und einschl. a je eine gerade Zahl steht. Addiere die in der b-Spalte ungestrichenen Zahlen. Diese Summe ist das Produkt aus a und b.

43 *  14 =  602
21    28
10    56 streichen
 5   112
 2   224 streichen
 1   448
     ---
     602

Aufgabe: Beweisen Sie, dass dieses Verfahren tatsächlich das gesuchte Produkt aus a und b berechnet.

Empirische Effizienzanalyse des Verfahrens a la Russe

Das oben beschriebene Verfahren wird mit folgender Scheme-Prozedur adäquat beschrieben.

<eval id="4ba0a0404f521">(product 43 14)</eval>

Für eine Aufwandsanalyse auf Basis der Bit-Komplexität sind Elementaroperationen zu identifizieren: left shift (lsh), right shift (rsh) arbeiten mit linearem Aufwand bezogen auf die Wortbreite der binär codierten Eingabezahlen.

<eval id="4ba0a0404fcaf">(lsh '(1 0 1 1))</eval> <eval id="4ba0a0405047f">(rsh '(1 0 1 1))</eval>

my-odd arbeitet ebenfalls mit linearem Aufwand bezogen auf die Wortbreite.

<eval id="4ba0a04050c5d">(my-odd? '(1 0 1 0))</eval>

helper sammelt alle zu addierenden Zahlen (Bitlisten). allbinadd sorgt für deren Addition, wobei allbinadd die weiter unten definierte Prozedur adder verwendet.

adder imitiert die Arbeit eines Volladders (Bit 1, Bit 2 und Übertrag). Die globale Variable calls wird für die Zählung der als elementar anzusehenden Adder-Operationen benötigt.


GNUPlot-Quelltext
set xlabel "n"
set ylabel "T(n)"
set data style lines
plot \
<dataset>
10 105
60 2570
110 11640
160 27885
210 41715
260 73269
310 100959
360 143735
410 174574
460 242307
510 301169
560 357982
610 422730
660 519390
710 591507
760 645435
810 711284
860 865909
910 919575
960 988310
</dataset>


Probleminstanzen und Analyseformen

  • Für jedes n Programm für k Probleminstanzen anwenden
  • Je nach Analyseform den größten oder kleinsten bzw. das arithmetische Mittel der Werte nehmen.
Analyseformen sind
Worst-case-Analyse: Nimm die größte aller Instanzenzeiten.
Averege-case-Analyse: Nimm das arithmetische Mittel aller Instanzenzeiten.
Best-case-Analyse: Nimm die kleinste aller Instanzenzeiten.