Hamiltonkreds, den handelsrejsendes problem, delmængdesum-problemet

Størrelse: px
Starte visningen fra side:

Download "Hamiltonkreds, den handelsrejsendes problem, delmængdesum-problemet"

Transkript

1 , den handelsrejsendes problem, delmængdesum-problemet Videregående algoritmik Cormen et al Fredag den 19. december 2008

2 1 N P-fuldstændige problemer

3 1 N P-fuldstændige problemer 2 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP

4 1 N P-fuldstændige problemer 2 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP 3

5 Overordnet plan for reduktioner Plan: CIRCUIT-SAT SAT 3-CNF-SAT 3 CLIQUE VERTEX-COVER HAM-CYCLE TSP SUBSET-SUM

6 N P-fuldstændige problemer Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP En hamiltonkreds (hamiltonian cycle) i en graf er en kreds, der netop besøger hver af knuderne en gang. Som afgørlighedsproblem: HAM-CYCLE = { G G har en hamiltonkreds} En systematisk kombinatorisk dybde-først-gennemsøgning fra knude til knude ville være meget ineffektiv. Men: Sætning HAM-CYCLE N P Bevis Brug en påstået hamiltonkreds som attest; let at kontrollere (i polynomiel tid)

7 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (1) Nu godtgøres VERTEX-COVER pol HAM-CYCLE. For en forelagt graf G = (V, E) og et heltal k skal vi med andre ord anvise en graf G = (V, E ), der netop har en hamiltonkreds, hvis G har en knudeoverdækning af størrelse k. For hver kant (u, v) E konstrueres en widget (tingest, dims, dippedut, dingenot) W uv med 12 knuder og 14 kanter: For en kant (u, v) E benævnes de 12 knuder [u, v, 1], [u, v, 2],..., [u, v, 6], [v, u, 1], [v, u, 2],..., [v, u, 6]. Da grafen er ikke-orienteret, er (u, v) samme kant som (v, u) (burde egentlig skrives {u, v}), og man kan vælge at opfatte W uv som W vu.

8 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (2) V består af s 1,..., s k samt af knuderne i W uv, (u, v) E.

9 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (2) V består af s 1,..., s k samt af knuderne i W uv, (u, v) E. Som et eksempel vil denne knudeoverdækningsinstans give anledning til knuderne herunder

10 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (3) For hver knude u V vælges en ordning ((u, u (1) ), (u, u (2) ),..., (u, u (deg(u)) )) af kanterne incidente med knuden.

11 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (3) For hver knude u V vælges en ordning ((u, u (1) ), (u, u (2) ),..., (u, u (deg(u)) )) af kanterne incidente med knuden. Denne (vilkårlige) ordning bruges i definitionen af E : E består af tre typer kanter: 1 Kanterne i W uv erne 2 Kanter ([u, u (i), 6], [u, u (i+1), 1]) for alle u V, 1 i < deg(u) 3 Kanter (s j, [u, u (1), 1]) og ([u, u (deg(u)), 6], s j ) for alle u V, 1 j k

12 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (3) For hver knude u V vælges en ordning ((u, u (1) ), (u, u (2) ),..., (u, u (deg(u)) )) af kanterne incidente med knuden. Denne (vilkårlige) ordning bruges i definitionen af E : E består af tre typer kanter: 1 Kanterne i W uv erne 2 Kanter ([u, u (i), 6], [u, u (i+1), 1]) for alle u V, 1 i < deg(u) 3 Kanter (s j, [u, u (1), 1]) og ([u, u (deg(u)), 6], s j ) for alle u V, 1 j k Konstruktionen kan foretages i polynomiel tid; specielt optælles V = 12 E + k 12 E + V E = 14 E + (2 E V ) + 2k V = 16 E + (2k 1) V 16 E + (2 V 1) V

13 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (4) Vi gør eksemplet færdigt. De valgte ordninger er: fra w : ((w, x), (w, y), (w, z)), fra x : ((x, w), (x, y)), fra y : ((y, x), (y, w)), fra z : ((z, w)).

14 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (5) Fra delgraferne W uv er det kun knuderne [u, v, 1], [v, u, 1], [u, v, 6] og [v, u, 6], der forbindes udadtil. En eventuel hamiltonkreds i G må derfor internt inden for W uv forløbe på en af følgende måder:

15 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (5) Fra delgraferne W uv er det kun knuderne [u, v, 1], [v, u, 1], [u, v, 6] og [v, u, 6], der forbindes udadtil. En eventuel hamiltonkreds i G må derfor internt inden for W uv forløbe på en af følgende måder: Egentlig er der kun to forskellige måder: Idet (u, v) og (v, u) jo er samme kant, er også W uv = W vu og (b) = (d) (ved u v).

16 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (6) Lemma For alle 1 i, j k findes der i G for hvert u V en vej P iuj fra s i til s j, som ikke indeholder indre punkter af form s l. Disse veje er de eneste fra s i til s j, som ikke indeholder indre punkter af form s l, og pånær forløbet gennem delgraferne W vw er de entydige.

17 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (6) Lemma For alle 1 i, j k findes der i G for hvert u V en vej P iuj fra s i til s j, som ikke indeholder indre punkter af form s l. Disse veje er de eneste fra s i til s j, som ikke indeholder indre punkter af form s l, og pånær forløbet gennem delgraferne W vw er de entydige. Bevis Ved inspektion af de forskellige kanttyper. W vw Kanter gennem W vw ; forløb som enten (b) eller (c) ovenfor (2) Kant af type 2 (3) Kant af type 3 P iuj = s i (3)[u, u (1), 1]W uu (1)[u, u (1), 6](2)[u, u (2), 1]W uu (2)[u, u (2), 6]... (2)[u, u (deg(u)), 1]W uu (deg(u))[u, u (deg(u)), 6](3)s j

18 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (7) Sætning G, k VERTEX-COVER, hvis og kun hvis G HAM-CYCLE. Bevis

19 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (7) Sætning G, k VERTEX-COVER, hvis og kun hvis G HAM-CYCLE. Bevis Antag, U = {u 1,..., u k } overdækker G; da vil P 1u1 2P 2u P kuk 1 være en hamiltonkreds i G, idet vi udformer passagerne gennem delgraferne W vw som henholdsvis (b) eller (c), efter som kun det ene af punkterne v, w eller de begge ligger i overdækningen U.

20 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (7) Sætning G, k VERTEX-COVER, hvis og kun hvis G HAM-CYCLE. Bevis Antag, U = {u 1,..., u k } overdækker G; da vil P 1u1 2P 2u P kuk 1 være en hamiltonkreds i G, idet vi udformer passagerne gennem delgraferne W vw som henholdsvis (b) eller (c), efter som kun det ene af punkterne v, w eller de begge ligger i overdækningen U. Hvis der omvendt er forelagt en hamiltonkreds i G, vil den efter tur gå gennem en permutation s p(1), s p(2),..., s p(k) af knuderne s l og derfor have form P p(1)u1 p(2)p p(2)u2 p(3)... P p(k)uk p(1). Men så vil {u 1, u 2,..., u k } overdække G.

21 Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE (7) Sætning G, k VERTEX-COVER, hvis og kun hvis G HAM-CYCLE. Bevis Antag, U = {u 1,..., u k } overdækker G; da vil P 1u1 2P 2u P kuk 1 være en hamiltonkreds i G, idet vi udformer passagerne gennem delgraferne W vw som henholdsvis (b) eller (c), efter som kun det ene af punkterne v, w eller de begge ligger i overdækningen U. Hvis der omvendt er forelagt en hamiltonkreds i G, vil den efter tur gå gennem en permutation s p(1), s p(2),..., s p(k) af knuderne s l og derfor have form P p(1)u1 p(2)p p(2)u2 p(3)... P p(k)uk p(1). Men så vil {u 1, u 2,..., u k } overdække G. I forbindelse med det tidligere resultat HAM-CYCLE N P følger heraf HAM-CYCLE N PC.

22 Den handelsrejsendes problem Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP For en ikke-orienteret graf med heltallige kantvægte søges den billigste rundtur (dvs. hamiltonkreds). Uønskede kanter kan gøres urimeligt dyre, så vi kan lige så godt antage grafen fuldstændig, det vil sige c : V V Z. Som afgørlighedsproblem: TSP = { n, c, k K n har en hamiltontur, der højst koster k} Sætning TSP N P Bevis Turen kan bruges som attest

23 Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Sætning HAM-CYCLE pol TSP Bevis For { en forelagt graf G = (V, E) defineres 0 hvis (u, v) E c(u, v) = og k = 0. 1 hvis (u, v) / E Instans af HAM-CYCLE Instans af TSP

24 Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Sætning HAM-CYCLE pol TSP Bevis For { en forelagt graf G = (V, E) defineres 0 hvis (u, v) E c(u, v) = og k = 0. 1 hvis (u, v) / E Instans af HAM-CYCLE Instans af TSP Konstruktionen af ( V, c, k) kan foretages i polynomiel tid.

25 Reduktion af HAM-CYCLE til TSP Reduktion af VERTEX-COVER til HAM-CYCLE Reduktion af HAM-CYCLE til TSP Sætning HAM-CYCLE pol TSP Bevis For { en forelagt graf G = (V, E) defineres 0 hvis (u, v) E c(u, v) = og k = 0. 1 hvis (u, v) / E Instans af HAM-CYCLE Instans af TSP Konstruktionen af ( V, c, k) kan foretages i polynomiel tid. G har en hamiltonkreds, hvis og kun hvis K V har en rundtur med omkostning 0. Sætning TSP N PC.

26 Betragt {4, 7, 10, 12, 15, 24}. Kan man herfra udvælge tal med sum 38?

27 Betragt {4, 7, 10, 12, 15, 24}. Kan man herfra udvælge tal med sum 38?

28 Betragt {4, 7, 10, 12, 15, 24}. Kan man herfra udvælge tal med sum 38? SUBSET-SUM = { (s 1,..., s n ), t m N 1 i 1 <...<i m n : m j=1 s i j = t} idet {n, s 1,..., s n, t} N.

29 Betragt {4, 7, 10, 12, 15, 24}. Kan man herfra udvælge tal med sum 38? SUBSET-SUM = { (s 1,..., s n ), t m N 1 i 1 <...<i m n : m j=1 s i j = t} idet {n, s 1,..., s n, t} N. Sætning SUBSET-SUM N P Bevis Man kan bruge {i 1,..., i m } som attest

30 Betragt {4, 7, 10, 12, 15, 24}. Kan man herfra udvælge tal med sum 38? SUBSET-SUM = { (s 1,..., s n ), t m N 1 i 1 <...<i m n : m j=1 s i j = t} idet {n, s 1,..., s n, t} N. Sætning SUBSET-SUM N P Bevis Man kan bruge {i 1,..., i m } som attest Sætning 3-CNF-SAT pol SUBSET-SUM

31 Reduktion af 3-CNF-SAT til SUBSET-SUM (1) Bevis Vi får forelagt et udtryk ϕ = C 1... C k på 3-CN-form, det vil sige hver klausul C j er en disjunktion af netop tre litteraler (variable eller deres negation) dannet af logiske variable x 1,..., x n. Vi antager, ingen klausul både indeholder en variabel og dens negation, samt at alle variable bliver brugt.

32 Reduktion af 3-CNF-SAT til SUBSET-SUM (1) Bevis Vi får forelagt et udtryk ϕ = C 1... C k på 3-CN-form, det vil sige hver klausul C j er en disjunktion af netop tre litteraler (variable eller deres negation) dannet af logiske variable x 1,..., x n. Vi antager, ingen klausul både indeholder en variabel og dens negation, samt at alle variable bliver brugt. Delmængdesumproblemet får 2n + 2k tal, nemlig to (som vi vil kalde v i og v i ) for hver logisk variabel x i og to (som vi vil kalde s j og s j ) for hver klausul C j. Disse addender tilligemed måltallet konstrueres som n + k-cifrede tal i titalssystemet, idet vi lader de enkelte cifre (fra venstre mod højre) svare til x 1,..., x n, C 1,..., C k.

33 Reduktion af 3-CNF-SAT til SUBSET-SUM (2) Måltallet t skal have 1 i hvert ciffer svarende til en variabel og 4 i hvert ciffer svarende til en klausul. v i skal have 1 i cifferet svarende til x i og i cifre svarende til klausuler med x i og 0 på alle andre pladser. v i skal have 1 i cifferet svarende til x i og i cifre svarende til klausuler med x i og 0 på alle andre pladser. s j skal have 1 i cifferet svarende til C j og ellers 0 på alle andre pladser. s j skal have 2 i cifferet svarende til C j og ellers 0 på alle andre pladser. Forudsætningen om, at alle logiske variable bruges, og at ingen klausul både indeholder en variabel og dens negation, indebærer, at alle disse tal bliver forskellige.

34 Reduktion af 3-CNF-SAT til SUBSET-SUM (3) Som et eksempel kodes dette logiske udtryk som delmængdesumproblem: ϕ = C 1 C 2 C 3 C 4 = (x 1 x 2 x 3 ) ( x 1 x 2 x 3 ) ( x 1 x 2 x 3 ) (x 1 x 2 x 3 )

35 Reduktion af 3-CNF-SAT til SUBSET-SUM (3) Som et eksempel kodes dette logiske udtryk som delmængdesumproblem: ϕ = C 1 C 2 C 3 C 4 = (x 1 x 2 x 3 ) ( x 1 x 2 x 3 ) ( x 1 x 2 x 3 ) (x 1 x 2 x 3 ) Transformationen kan foretages i polynomiel tid (måltallets n + k cifre hver i O(1), de 2n + 2k addenders n + k cifre hver i O(k)).

36 Reduktion af 3-CNF-SAT til SUBSET-SUM (4) Sætning ϕ har en tilfredsstillende tildeling, hvis og kun hvis det konstruerede delmængdesumproblem kan løses.

37 Reduktion af 3-CNF-SAT til SUBSET-SUM (4) Sætning ϕ har en tilfredsstillende tildeling, hvis og kun hvis det konstruerede delmængdesumproblem kan løses. Bevis Bemærk først, at de enkelte cifferpladser kan adderes uden mente (blot grundtallet er 7; og vi har valgt grundtal 10).

38 Reduktion af 3-CNF-SAT til SUBSET-SUM (4) Sætning ϕ har en tilfredsstillende tildeling, hvis og kun hvis det konstruerede delmængdesumproblem kan løses. Bevis Bemærk først, at de enkelte cifferpladser kan adderes uden mente (blot grundtallet er 7; og vi har valgt grundtal 10). kun hvis : Vælg de tal blandt {v 1, v 1,..., v n, v n}, som svarer til sande litteraler. (Så passer summen i de n mest betydende pladser.) Tilpas ved passende valg af {s 1, s 1,..., s k, s k }. (Hver af de k mindst betydende pladser bidrager allerede med 1, 2 eller 3.)

39 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t =

40 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t =

41 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t = x 1 = 1, x 2 = 0, x 3 = 0

42 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t = x 1 = 1, x 2 = 0, x 3 = 0 hvis : En delmængde S med sum t må for i = 1,..., n netop indeholde enten v i eller v i. Vælges sandhedsværdien af x i tilsvarende, vil tildelingen tilfredsstille ϕ. (For s j og s j kan højst bidrage til position j med en sum på 3.)

43 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t = x 1 = 1, x 2 = 0, x 3 = 0 hvis : En delmængde S med sum t må for i = 1,..., n netop indeholde enten v i eller v i. Vælges sandhedsværdien af x i tilsvarende, vil tildelingen tilfredsstille ϕ. (For s j og s j kan højst bidrage til position j med en sum på 3.) Sætning SUBSET-SUM N PC

44 Reduktion af 3-CNF-SAT til SUBSET-SUM (5) S = {1, 2, 10, 20, 100, 200, 1.000, 2.000, , , , , , }, t = x 1 = 1, x 2 = 0, x 3 = 0 hvis : En delmængde S med sum t må for i = 1,..., n netop indeholde enten v i eller v i. Vælges sandhedsværdien af x i tilsvarende, vil tildelingen tilfredsstille ϕ. (For s j og s j kan højst bidrage til position j med en sum på 3.) Sætning SUBSET-SUM N PC Samlinger af N P-fuldstændige problemer findes i Garey & Johnson: Computers and Intractability, a guide to the theory of NP-completeness, 1979 Pierluigi Crescenzi & Viggo Kann (eds.): A compendium of NP optimization problems, (Reference fra hjemmesiden)

45 En hemmelig kode skal være svær at bryde, så det kunne være en god ide at tage afsæt fra et N P-fuldstændigt problem! Vælg et så omfattende addendsystem S = {s 0,..., s n 1 }, at det bliver uoverkommeligt at prøve alle 2 n muligheder (det vil sige n 80), og send meddelelsen x = n 1 i=0 x i2 i som y = n 1 i=0 x is i. At genfinde x fra y, selv med kendskab til S, er umedgørligt.

46 En hemmelig kode skal være svær at bryde, så det kunne være en god ide at tage afsæt fra et N P-fuldstændigt problem! Vælg et så omfattende addendsystem S = {s 0,..., s n 1 }, at det bliver uoverkommeligt at prøve alle 2 n muligheder (det vil sige n 80), og send meddelelsen x = n 1 i=0 x i2 i som y = n 1 i=0 x is i. At genfinde x fra y, selv med kendskab til S, er umedgørligt. Men indkodningen skal have en bagdør, så den rette modtager kan afkode!

47 Strengt voksende addendmængde Betragt {2, 3, 6, 13, 27, 52}. Kan man herfra udvælge tal med sum 38?

48 Strengt voksende addendmængde Betragt {2, 3, 6, 13, 27, 52}. Kan man herfra udvælge tal med sum 38?

49 Strengt voksende addendmængde Betragt {2, 3, 6, 13, 27, 52}. Kan man herfra udvælge tal med sum 38? Et addendmængde S = {s 1,..., s n } kaldes strengt voksende, hvis det for alle j = 1,..., n gælder, at j 1 i=1 s i < s j.

50 Strengt voksende addendmængde Betragt {2, 3, 6, 13, 27, 52}. Kan man herfra udvælge tal med sum 38? Et addendmængde S = {s 1,..., s n } kaldes strengt voksende, hvis det for alle j = 1,..., n gælder, at j 1 i=1 s i < s j. Hvis S er strengt voksende, kan alle delmængdesum-problemer S, t løses efter det grådige princip: Betragt efter faldende størrelse hver addend, og medtag den, hvis der stadig er plads.

51 Strengt voksende addendmængde Betragt {2, 3, 6, 13, 27, 52}. Kan man herfra udvælge tal med sum 38? Et addendmængde S = {s 1,..., s n } kaldes strengt voksende, hvis det for alle j = 1,..., n gælder, at j 1 i=1 s i < s j. Hvis S er strengt voksende, kan alle delmængdesum-problemer S, t løses efter det grådige princip: Betragt efter faldende størrelse hver addend, og medtag den, hvis der stadig er plads. R. Merkle og M. Hellman foreslog i 1978 en metode, hvor en strengt voksende addendmængde (via modulo-regning) blev maskeret som et generelt umedgørligt problem til brug i et krypteringssystem med den beskrevne struktur.

Sprog L : mængden af instanser for et afgørlighedsproblem

Sprog L : mængden af instanser for et afgørlighedsproblem 26. marts Resume sidste to gang Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret er 1. P NP L : L genkendes af en algoritme i polynomiel tid L : L verificeres af en polynomiel tids

Læs mere

Tirsdag 12. december David Pisinger

Tirsdag 12. december David Pisinger Videregående Algoritmik, DIKU 2006/07 Tirsdag 12. december David Pisinger Resume sidste to gang Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret er 1. P = {L : L genkendes af en algoritme

Læs mere

16. marts P NP. Essentielle spørgsmål: NP P? Et problem Q kaldes NP -fuldstændigt 1 Q NP 2 R NP : R pol Q. Resume sidste gang

16. marts P NP. Essentielle spørgsmål: NP P? Et problem Q kaldes NP -fuldstændigt 1 Q NP 2 R NP : R pol Q. Resume sidste gang 16. marts Resume sidste gang Abstrakt problem konkret instans afgørlighedsproblem Effektiv kodning (pol. relateret til binær kodning) Sprog L : mængden af instanser for et afgørlighedsproblem hvor svaret

Læs mere

16. december. Resume sidste gang

16. december. Resume sidste gang 16. december Resume sidste gang Abstrakt problem, konkret instans, afgørlighedsproblem Effektiv kodning (pol. relateret til binær kodning) Sprog L : mængden af instanser for et afgørlighedsproblem hvor

Læs mere

Klasserne af problemer, der kan løses i deterministisk og i ikke-deterministisk polynomiel tid; polynomiel reduktion; N P-fuldstændighed

Klasserne af problemer, der kan løses i deterministisk og i ikke-deterministisk polynomiel tid; polynomiel reduktion; N P-fuldstændighed Klasserne af problemer, der kan løses i deterministisk og i ikke-deterministisk polynomiel tid; polynomiel reduktion; N P-fuldstændighed Videregående algoritmik Cormen et al. 34.1 34.3 Fredag den 12. december

Læs mere

.. if L(u) + w(u, v) < L(v) then.. begin... L(v) := L(u) + w(u, v)... F (v) := u.. end. med længde L(z)}

.. if L(u) + w(u, v) < L(v) then.. begin... L(v) := L(u) + w(u, v)... F (v) := u.. end. med længde L(z)} Procedure Dijkstra(G = (V, E): vægtet sh. graf,. a, z: punkter) { Det antages at w(e) > 0 for alle e E} For alle v V : L(v) := L(a) := 0, S := while z / S begin. u := punkt ikke i S, så L(u) er mindst

Læs mere

Videregående Algoritmik. Version med vejledende løsninger indsat!

Videregående Algoritmik. Version med vejledende løsninger indsat! Videregående Algoritmik DIKU, timers skriftlig eksamen, 1. april 009 Nils Andersen og Pawel Winter Alle hjælpemidler må benyttes, dog ikke lommeregner, computer eller mobiltelefon. Opgavesættet består

Læs mere

Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed

Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed Approximations-algoritmer Sidste gang Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP med trekantsulighed Negativt resultat om generel TSP Approximations-algoritme

Læs mere

P (n): rekursiv beregning af f n kræver f n beregninger af f 1. P (n) er sand for alle n 2.

P (n): rekursiv beregning af f n kræver f n beregninger af f 1. P (n) er sand for alle n 2. P (n): rekursiv beregning af f n kræver f n beregninger af f 1. P (n) er sand for alle n 2. Bevis ved stærk induktion. Basisskridt: P (2) er sand og P (3) er sand. Induktionsskridt: Lad k 2 og antag P

Læs mere

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Institut for Matematik & Datalogi Syddansk Universitet Mandag den 3 Januar 2011, kl. 9 13 Alle sædvanlige hjælpemidler

Læs mere

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42

t a l e n t c a m p d k Matematiske Metoder Anders Friis Anne Ryelund 25. oktober 2014 Slide 1/42 Slide 1/42 Hvad er matematik? 1) Den matematiske metode 2) Hvad vil det sige at bevise noget? 3) Hvor begynder det hele? 4) Hvordan vælger man et sæt aksiomer? Slide 2/42 Indhold 1 2 3 4 Slide 3/42 Mængder

Læs mere

dks Noter Michael Lind Mortensen, illio 24. juni 2010

dks Noter Michael Lind Mortensen, illio 24. juni 2010 dks Noter Michael Lind Mortensen, illio 24. juni 2010 Indhold 1 P, NP and NPC. 4 1.1 Disposition............................ 4 1.2 Emne detaljer........................... 4 1.2.1 Def. Problemer, Sprog,

Læs mere

Definition : Et træ er en sammenhængende ikke-orienteret graf uden simple kredse. Sætning : En ikke-orienteret graf er et træ hvis og kun hvis der er

Definition : Et træ er en sammenhængende ikke-orienteret graf uden simple kredse. Sætning : En ikke-orienteret graf er et træ hvis og kun hvis der er Definition : Et træ er en sammenhængende ikke-orienteret graf uden simple kredse. Sætning : En ikke-orienteret graf er et træ hvis og kun hvis der er en unik simpel vej mellem ethvert par af punkter i

Læs mere

P vs. NP. Niels Grønbæk Matematisk Institut Københavns Universitet 3. feb. 2012

P vs. NP. Niels Grønbæk Matematisk Institut Københavns Universitet 3. feb. 2012 P vs. NP Niels Grønbæk Matematisk Institut Københavns Universitet 3. feb. 2012 Den handelsrejsendes problem Kan det lade sig gøre at besøge n byer forbundet ved et vejnet, G, inden for budget, B? Hvad

Læs mere

Hamilton-veje og kredse:

Hamilton-veje og kredse: Hamilton-veje og kredse: Definition: En sti x 1, x 2,...,x n i en simpel graf G = (V, E) kaldes en hamiltonvej hvis V = n og x i x j for 1 i < j n. En kreds x 1, x 2,...,x n, x 1 i G kaldes en hamiltonkreds

Læs mere

Datalogisk indsigt Der findes problemer som kan løses effektivt (polynomiel

Datalogisk indsigt Der findes problemer som kan løses effektivt (polynomiel 9. marts NP -fuldstændighed Datalogisk indsigt Der findes problemer som kan løses effektivt (polynomiel tid) Der findes problemer som ikke kan løses effektivt Der findes problemer som slet ikke kan løses

Læs mere

Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid

Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid 6 april Løsning af N P -hårde problemer Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomiel tid Oversigt Grænseværdier (repetition) Branch-and-bound algoritmens komponenter Eksempler

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).

Læs mere

Iteration af et endomorft kryptosystem. Substitutions-permutations-net (SPN) og inversion. Eksklusiv disjunktion og dens egenskaber

Iteration af et endomorft kryptosystem. Substitutions-permutations-net (SPN) og inversion. Eksklusiv disjunktion og dens egenskaber Produktsystemer, substitutions-permutations-net samt lineær og differentiel kryptoanalyse Kryptologi, fredag den 10. februar 2006 Nils Andersen (Stinson 3., afsnit 2.7 3.4 samt side 95) Produkt af kryptosystemer

Læs mere

Symmetrisk Traveling Salesman Problemet

Symmetrisk Traveling Salesman Problemet Symmetrisk Traveling Salesman Problemet Videregående Algoritmik, Blok 2 2008/2009, Projektopgave 2 Bjørn Petersen 9. december 2008 Dette er den anden af to projektopgaver på kurset Videregående Algoritmik,

Læs mere

Approximations-algoritmer. Løsningsmetoder for NP -hårde opt.problemer

Approximations-algoritmer. Løsningsmetoder for NP -hårde opt.problemer Motivation Definitioner Approximations-algoritme for nudeoverdæning Approximations-algoritme for TSP med treantsulighed Negativt resultat om generel TSP Approximations-algoritme for SET-OVERING Fuldt polynomiel-tids

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).

Læs mere

Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomielt tid Optimeringsproblemer kan ikke altid verificeres i polynomiel

Løs til optimalitet i eksponentiel tid Find tilnærmet løsning i polynomielt tid Optimeringsproblemer kan ikke altid verificeres i polynomiel I dag Løsning af NP -hårde optimeringsproblemer Repetition: branch-and-bound Flere begreber Konkret eksempel: TSP Lagrange relaxering Parallel branch-and-bound 1 Opsummering Løsning af NP -hårde optimeringsproblemer

Læs mere

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528)

Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM528) Skriftlig Eksamen Kombinatorik, sandsynlighed og randomiserede algoritmer (DM58) Institut for Matematik & Datalogi Syddansk Universitet Torsdag den 7 Januar 010, kl. 9 13 Alle sædvanlige hjælpemidler (lærebøger,

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges).

Læs mere

P2-projektforslag Kombinatorik: grafteori og optimering.

P2-projektforslag Kombinatorik: grafteori og optimering. P2-projektforslag Kombinatorik: grafteori og optimering. Vejledere: Leif K. Jørgensen, Diego Ruano 1. februar 2013 1 Indledning Temaet for projekter på 2. semester af matematik-studiet og matematikøkonomi-studiet

Læs mere

Eulers sætning Matematikken bag kryptering og signering v.hj.a. RSA Et offentlig nøgle krypteringssytem

Eulers sætning Matematikken bag kryptering og signering v.hj.a. RSA Et offentlig nøgle krypteringssytem Eulers sætning Matematikken bag kryptering og signering v.hj.a. RSA Et offentlig nøgle krypteringssytem Johan P. Hansen 18. april 2013 Indhold 1 Indbyrdes primiske hele tal 1 2 Regning med rester 3 3 Kryptering

Læs mere

Elementær Matematik. Mængder og udsagn

Elementær Matematik. Mængder og udsagn Elementær Matematik Mængder og udsagn Ole Witt-Hansen 2011 Indhold 1. Mængder...1 1.1 Intervaller...4 2. Matematisk Logik. Udsagnslogik...5 3. Åbne udsagn...9 Mængder og Udsagn 1 1. Mængder En mængde er

Læs mere

Tirsdag 18. december David Pisinger

Tirsdag 18. december David Pisinger Videregående Algoritmik, DIKU 00-08 Tirsdag 8. december David Pisinger Approximations-algoritmer Motivation Definitioner Approximations-algoritme for knudeoverdækning Approximations-algoritme for TSP trekantsulighed)

Læs mere

M=3 kunde forbindelse. oprettet lokation Steinerkant

M=3 kunde forbindelse. oprettet lokation Steinerkant M=3 åben facilitet kunde forbindelse lukket facilitet oprettet lokation Steinerkant v Connected facility location-problemet min i f i y i + d j c ij x ij + M c e z e (1) j i e hvorom gælder: x ij 1 j (2)

Læs mere

Skriftlig Eksamen Algoritmer og Datastrukturer (dads)

Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Tirsdag den 27. maj 2003, kl. 9.00 3.00 Opgave (25%) For konstanten π = 3.4592... gælder identiteten π 2 6 =

Læs mere

Branch-and-bound. David Pisinger. Videregående algoritmik, DIKU (2007-08) 1 Introduktion 5 1.1 Gennemgående eksempler... 7. 2 Brute-force metoder 10

Branch-and-bound. David Pisinger. Videregående algoritmik, DIKU (2007-08) 1 Introduktion 5 1.1 Gennemgående eksempler... 7. 2 Brute-force metoder 10 Branch-and-bound David Pisinger Videregående algoritmik, DIKU (2007-08) Indhold 1 Introduktion 5 1.1 Gennemgående eksempler..................... 7 2 Brute-force metoder 10 3 Divide and Conquer 11 4 Grænseværdier

Læs mere

Skriftlig Eksamen Algoritmer og Datastrukturer 2 (2003-ordning)

Skriftlig Eksamen Algoritmer og Datastrukturer 2 (2003-ordning) Skriftlig Eksamen Algoritmer og Datastrukturer 2 (2003-ordning) Datalogisk Institut Aarhus Universitet Fredag den 28. maj 2004, kl. 9.00 13.00 Opgave 1 (20%) En (r, k) kryds-graf er en orienteret graf

Læs mere

01017 Diskret Matematik E12 Alle bokse fra logikdelens slides

01017 Diskret Matematik E12 Alle bokse fra logikdelens slides 01017 Diskret Matematik E12 Alle bokse fra logikdelens slides Thomas Bolander 1 Udsagnslogik 1.1 Formler og sandhedstildelinger symbol står for ikke eller og ( A And) hvis... så... hvis og kun hvis...

Læs mere

Baggrundsnote om logiske operatorer

Baggrundsnote om logiske operatorer Baggrundsnote om logiske operatorer Man kan regne på udsagn ligesom man kan regne på tal. Regneoperationerne kaldes da logiske operatorer. De tre vigtigste logiske operatorer er NOT, AND og. Den første

Læs mere

Forslag til løsning af Opgaver til afsnittet om de naturlige tal (side 80)

Forslag til løsning af Opgaver til afsnittet om de naturlige tal (side 80) Forslag til løsning af Opgaver til afsnittet om de naturlige tal (side 80) Opgave 1 Vi skal tegne alle de linjestykker, der forbinder vilkårligt valgte punkter blandt de 4 punkter. Gennem forsøg finder

Læs mere

8 Regulære flader i R 3

8 Regulære flader i R 3 8 Regulære flader i R 3 Vi skal betragte særligt pæne delmængder S R 3 kaldet flader. I det følgende opfattes S som et topologisk rum i sportopologien, se Definition 5.9. En åben omegn U af p S er således

Læs mere

Matematikken bag kryptering og signering RSA

Matematikken bag kryptering og signering RSA Matematikken bag kryptering og signering RSA Oversigt 1 Indbyrdes primiske tal 2 Regning med rester 3 Kryptering og signering ved hjælp af et offentligt nøgle kryptosystem RSA Indbyrdes primiske hele tal

Læs mere

Eksamen i Diskret Matematik

Eksamen i Diskret Matematik Eksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 15. juni, 2015. Kl. 9-13. Nærværende eksamenssæt består af 12 nummererede sider med ialt 17 opgaver. Tilladte hjælpemidler:

Læs mere

P2-gruppedannelsen for Mat og MatØk

P2-gruppedannelsen for Mat og MatØk Institut for Matematiske Fag Aalborg Universitet Danmark 1-02-2012 Vejledere Bo Hove E-mail: bh@thisted-gymnasium.dk 3 Mat grupper (semesterkoordinator) E-mail: diego@math.aau.dk. Web page: http://people.math.aau.dk/~diego/

Læs mere

Grafer og graf-gennemløb

Grafer og graf-gennemløb Grafer og graf-gennemløb Grafer En mængde V af knuder (vertices). En mængde E V V af kanter (edges). Dvs. ordnede par af knuder. Figur: Terminologi: n = V, m = E (eller V og E (mis)bruges som V og E ).

Læs mere

Selvreference i begrænsningsresultaterne

Selvreference i begrænsningsresultaterne Selvreference i begrænsningsresultaterne Thomas Bolander, IMM, DTU. tb@imm.dtu.dk To pointer: (1) Der skal kun meget lidt udover selvreference til for at få de klassiske logiske begrænsningsresultater.

Læs mere

K 7 - og K 4,4 -minors i grafer

K 7 - og K 4,4 -minors i grafer Aalborg Universitet Det Teknisk-Naturvidenskabelige Fakultet Institut for Matematiske Fag K 7 - og K 4,4 -minors i grafer Aalborg Universitet Det Teknisk-Naturvidenskabelige Fakultet Institut for Matematiske

Læs mere

Grundlæggende køretidsanalyse af algoritmer

Grundlæggende køretidsanalyse af algoritmer Grundlæggende køretidsanalyse af algoritmer Algoritmers effektivitet Størrelse af inddata Forskellige mål for køretid Store -notationen Klassiske effektivitetsklasser Martin Zachariasen DIKU 1 Algoritmers

Læs mere

TALTEORI Følger og den kinesiske restklassesætning.

TALTEORI Følger og den kinesiske restklassesætning. Følger og den kinesiske restklassesætning, december 2006, Kirsten Rosenkilde 1 TALTEORI Følger og den kinesiske restklassesætning Disse noter forudsætter et grundlæggende kendskab til talteori som man

Læs mere

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515)

Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM515) Skriftlig Eksamen Introduktion til lineær og heltalsprogrammering (DM55) Institut for Matematik & Datalogi Syddansk Universitet Tirsdag den Juni 009, kl. 9 Alle sædvanlige hjælpemidler (lærebøger, notater

Læs mere

Noter til Perspektiver i Matematikken

Noter til Perspektiver i Matematikken Noter til Perspektiver i Matematikken Henrik Stetkær 25. august 2003 1 Indledning I dette kursus (Perspektiver i Matematikken) skal vi studere de hele tal og deres egenskaber. Vi lader Z betegne mængden

Læs mere

Talteoriopgaver Træningsophold ved Sorø Akademi 2007

Talteoriopgaver Træningsophold ved Sorø Akademi 2007 Talteoriopgaver Træningsophold ved Sorø Akademi 2007 18. juli 2007 Opgave 1. Vis at når a, b og c er positive heltal, er et sammensat tal. Løsningsforslag: a 4 + b 4 + 4c 4 + 4a 3 b + 4ab 3 + 6a 2 b 2

Læs mere

Skriftlig Eksamen Algoritmer og Datastrukturer (dads)

Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Skriftlig Eksamen Algoritmer og Datastrukturer (dads) Datalogisk Institut Aarhus Universitet Mandag den 27. maj 2002, kl. 9.00 13.00 Opgave 1 (25%) Denne opgave handler om multiplikation af positive heltal.

Læs mere

Aalborg University. Synopsis. Titel: Traveling Salesman Problem

Aalborg University. Synopsis. Titel: Traveling Salesman Problem Aalborg University Department of Computer Science. Fredrik Bajers Vej 7E, 9220 Aalborg Ø. Titel: Traveling Salesman Problem Projektperiode: 16. maj 2003 til 20. juni 2003 Semester: BOS03 Gruppebetegnelse:

Læs mere

Minimum udspændende Træer (MST)

Minimum udspændende Træer (MST) Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen lukket kreds af kanter

Læs mere

Eksamen i Diskret Matematik

Eksamen i Diskret Matematik Eksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 10. juni, 2016. Kl. 9-13. Nærværende eksamenssæt består af 11 nummererede sider med ialt 16 opgaver. Alle opgaver

Læs mere

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti.

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti. Korteste veje Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. δ(u, v) = længden af en korteste

Læs mere

Perspektiverende Datalogikursus

Perspektiverende Datalogikursus Perspektiverende Datalogikursus Uge 1 - Algoritmer og kompleksitet Gerth Stølting Brodal 27. august 2004 1 Indhold Mere om Eksempler på beregningsproblemer Algoritmer og deres analyse Korrekthed af algoritmer

Læs mere

Matematik YY Foråret Kapitel 1. Grupper og restklasseringe.

Matematik YY Foråret Kapitel 1. Grupper og restklasseringe. Matematik YY Foråret 2004 Elementær talteori Søren Jøndrup og Jørn Olsson Kapitel 1. Grupper og restklasseringe. Vi vil i første omgang betragte forskellige typer ligninger og søge efter heltalsløsninger

Læs mere

Minimum udspændende Træer (MST)

Minimum udspændende Træer (MST) Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen kreds af kanter. Træer

Læs mere

Matematisk induktion

Matematisk induktion Induktionsbeviser MT01.0.07 1 1 Induktionsbeviser Matematisk induktion Sætninger der udtaler sig om hvad der gælder for alle naturlige tal n N, kan undertiden bevises ved matematisk induktion. Idéen bag

Læs mere

Reeksamen i Diskret Matematik

Reeksamen i Diskret Matematik Reeksamen i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet 21. august 2015 Nærværende eksamenssæt består af 10 nummererede sider med ialt 17 opgaver. Tilladte hjælpemidler:

Læs mere

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti.

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti. Korteste veje Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. δ(u, v) = længden af en korteste

Læs mere

Analyse af ombytningspuslespil

Analyse af ombytningspuslespil Analyse af ombytningspuslespil 1 / 7 Konkret eksempel på algoritmeanalyse Prøv ombytningspuslespillet på kurset webside. Spørgsmål: Hvilken bedste (laveste) score kan du opnå på 5 forsøg? Hvilken algoritme

Læs mere

Sammenhængskomponenter i grafer

Sammenhængskomponenter i grafer Sammenhængskomponenter i grafer Ækvivalensrelationer Repetition: En relation R på en mængde S er en delmængde af S S. Når (x, y) R siges x at stå i relation til y. Ofte skrives x y, og relationen selv

Læs mere

Repræsentation af tal

Repræsentation af tal Repræsentation af tal DM526 Rolf Fagerberg, 2009 Bitmønstre 01101011 0001100101011011... Bitmønstre skal fortolkes for at have en betydning: Tal (heltal, kommatal) Bogstaver Computerinstruktion (program)

Læs mere

Analyse af ombytningspuslespil

Analyse af ombytningspuslespil Analyse af ombytningspuslespil 1 / 7 Konkret eksempel på algoritmeanalyse Prøv ombytningspuslespillet på kurset webside. 2 / 7 Konkret eksempel på algoritmeanalyse Prøv ombytningspuslespillet på kurset

Læs mere

It og informationssøgning Forelæsning september 2006 Nils Andersen. Underprogrammer og betingelser. Standardfunktioner, typeomsætning

It og informationssøgning Forelæsning september 2006 Nils Andersen. Underprogrammer og betingelser. Standardfunktioner, typeomsætning It og informationssøgning Forelæsning 2 13. september 2006 Nils Andersen Underprogrammer og betingelser Standardfunktioner, typeomsætning Funktionskald Moduler, lange navne Brugerdefinerede funktioner

Læs mere

DM72 Diskret matematik med anvendelser

DM72 Diskret matematik med anvendelser DM72 Diskret matematik med anvendelser En hurtig gennemgang af de vigtigste resultater. (Dvs. ikke alle resultater). Logik Åbne udsagn 2 + 3 = 5 Prædikater og kvantorer P (x) := x er et primtal x N : n

Læs mere

Definition (Pseudo-graf): En pseudo-graf G = (V, E) består af V, en ikke-tom mængde hvis elementer kaldes punkter, en mængde E samt en funktion f : E

Definition (Pseudo-graf): En pseudo-graf G = (V, E) består af V, en ikke-tom mængde hvis elementer kaldes punkter, en mængde E samt en funktion f : E Grafteori Definition (Simpel graf): En simpel graf G = (V, E) består af V, en mængde hvis elementer kaldes punkter, og E, en mængde af uordnede par af forskellige elementer fra V. Et element fra E kaldes

Læs mere

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2

Affine rum. a 1 u 1 + a 2 u 2 + a 3 u 3 = a 1 u 1 + (1 a 1 )( u 2 + a 3. + a 3. u 3 ) 1 a 1. Da a 2 Affine rum I denne note behandles kun rum over R. Alt kan imidlertid gennemføres på samme måde over C eller ethvert andet legeme. Et underrum U R n er karakteriseret ved at det er en delmængde som er lukket

Læs mere

Udtømmende søgning. Udtømmende søgning (kombinatorisk søgning) Problem med 4461 byer Udtømmende søgning i grafer. Find den korteste rundtur

Udtømmende søgning. Udtømmende søgning (kombinatorisk søgning) Problem med 4461 byer Udtømmende søgning i grafer. Find den korteste rundtur Udtømmende søgning Udtømmende søgning (kombinatorisk søgning) Systematisk gennemsøgning af alle potentielle løsninger Den rejsende sælgers problem (TSP): En sælger skal besøge N byer ind den korteste rundtur

Læs mere

Fejlkorligerende køder Fejlkorrigerende koder

Fejlkorligerende køder Fejlkorrigerende koder Fejlkorligerende køder Fejlkorrigerende koder Olav Geil Skal man sende en fødselsdagsgave til fætter Børge, så pakker man den godt ind i håb om, at kun indpakningen er beskadiget ved modtagelsen. Noget

Læs mere

KRYPTOLOGI ( Litt. Peter Landrock & Knud Nissen : Kryptologi)

KRYPTOLOGI ( Litt. Peter Landrock & Knud Nissen : Kryptologi) KRYPTOLOGI ( Litt. Peter Landrock & Knud Nissen : Kryptologi) 1. Klassiske krypteringsmetoder 1.1 Terminologi klartekst kryptotekst kryptering dekryptering 1.2 Monoalfabetiske kryptosystemer 1.3 Additive

Læs mere

Mindste udspændende træ

Mindste udspændende træ Mindste udspændende træ Introduktion Repræsentation af vægtede grafer Egenskaber for mindste udspændende træer Prims algoritme Kruskals algoritme Philip Bille Mindste udspændende træ Introduktion Repræsentation

Læs mere

Skriftlig Eksamen Algoritmer og sandsynlighed (DM538)

Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Skriftlig Eksamen Algoritmer og sandsynlighed (DM538) Institut for Matematik & Datalogi Syddansk Universitet Fredag den 9 Januar 2015, kl. 10 14 Alle sædvanlige hjælpemidler(lærebøger, notater etc.) samt

Læs mere

Perspektiverende Datalogi Klassiske Algoritmer

Perspektiverende Datalogi Klassiske Algoritmer Perspektiverende Datalogi Klassiske Algoritmer Gerth Stølting Brodal 1 Indhold Eksempler på beregningsproblemer Algoritmer og deres analyse Korrekthed af algoritmer Ressourceforbrug for algoritmer Kompleksitet

Læs mere

Udtømmende søgning 1

Udtømmende søgning 1 Udtømmende søgning Udtømmende søgning (kombinatorisk søgning) Systematisk gennemsøgning af alle potentielle løsninger Den rejsende sælgers problem (TSP): En sælger skal besøge N byer Find den korteste

Læs mere

Grafteori. 1 Terminologi. Grafteori, Kirsten Rosenkilde, august fra V. (Engelsk: subgraph, spanning subgraph, the subgraph

Grafteori. 1 Terminologi. Grafteori, Kirsten Rosenkilde, august fra V. (Engelsk: subgraph, spanning subgraph, the subgraph Grafteori, Kirsten Rosenkilde, august 2010 1 Grafteori Dette er en introduktion til de vigtigste begreber i grafteori, udvalgt teori samt eksempler på opgavetyper inden for emnet med fokus på den type

Læs mere

Normale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017

Normale tal. Outline. Hvad er tilfældighed? Uafhængighed. Matematiklærerdag Simon Kristensen. Aarhus Universitet, 24/03/2017 Matematiklærerdag 2017 Institut for Matematik Aarhus Universitet Aarhus Universitet, 24/03/2017 Outline 1 2 3 Hvad er tilfældighed? I statistik, sandsynlighedsteori og ikke mindst i programmering er det

Læs mere

Mindste udspændende træ

Mindste udspændende træ Mindste udspændende træ Introduktion Repræsentation af vægtede grafer Egenskaber for mindste udspændende træer Prims algoritme Kruskals algoritme Philip Bille Mindste udspændende træ Introduktion Repræsentation

Læs mere

Eksempel på muligt eksamenssæt i Diskret Matematik

Eksempel på muligt eksamenssæt i Diskret Matematik Eksempel på muligt eksamenssæt i Diskret Matematik Første Studieår ved Det Teknisk-Naturvidenskabelige Fakultet???dag den?.????, 20??. Kl. 9-13. Nærværende eksamenssæt består af 13 nummererede sider med

Læs mere

Grafteori. 1 Terminologi. Indhold

Grafteori. 1 Terminologi. Indhold Grafteori Dette er en introduktion til de vigtigste begreber i grafteori, udvalgt teori samt eksempler på opgavetyper inden for emnet med fokus på de opgavetyper der typisk er til internationale matematikkonkurrencer.

Læs mere

Tal. Vi mener, vi kender og kan bruge følgende talmængder: N : de positive hele tal, Z : de hele tal, Q: de rationale tal.

Tal. Vi mener, vi kender og kan bruge følgende talmængder: N : de positive hele tal, Z : de hele tal, Q: de rationale tal. 1 Tal Tal kan forekomme os nærmest at være selvfølgelige, umiddelbare og naturgivne. Men det er kun, fordi vi har vænnet os til dem. Som det vil fremgå af vores timer, har de mange overraskende egenskaber

Læs mere

Introduktion til prædikatlogik

Introduktion til prædikatlogik Introduktion til prædikatlogik Torben Braüner Datalogisk Afdeling Roskilde Universitetscenter 1 Plan Symbolisering af sætninger Syntaks Semantik 2 Udsagnslogik Sætningen er den mindste syntaktiske enhed

Læs mere

3.1 Baser og dimension

3.1 Baser og dimension SEKTION 3 BASER OG DIMENSION 3 Baser og dimension Definition 3 Lad V være et F-vektorrum Hvis V = {0}, så har V dimension 0 2 Hvis V har en basis bestående af n vektorer, så har V dimension n 3 Hvis V

Læs mere

Fejlkorligerende køder Fejlkorrigerende koder

Fejlkorligerende køder Fejlkorrigerende koder Fejlkorligerende køder Fejlkorrigerende koder Denne note er skrevet med udgangspunkt i [, p 24-243, 249 Et videre studium kan eksempelvis tage udgangspunkt i [2 Eventuelle kommentarer kan sendes til olav@mathaaudk

Læs mere

dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet)

dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet) dcomnet-nr. 6 Talrepræsentation Computere og Netværk (dcomnet) Efterår 2009 1 Talrepræsentation På maskinkodeniveau (Instruction Set Architecture Level) repræsenteres ordrer og operander ved bitfølger

Læs mere

TALTEORI Wilsons sætning og Euler-Fermats sætning.

TALTEORI Wilsons sætning og Euler-Fermats sætning. Wilsons sætning og Euler-Fermats sætning, oktober 2008, Kirsten Rosenkilde 1 TALTEORI Wilsons sætning og Euler-Fermats sætning. Disse noter forudsætter et grundlæggende kendskab til talteori som man kan

Læs mere

DATALOGISK INSTITUT, AARHUS UNIVERSITET

DATALOGISK INSTITUT, AARHUS UNIVERSITET DATALOGISK INSTITUT, AARHUS UNIVERSITET Det Naturvidenskabelige Fakultet EKSAMEN Grundkurser i Datalogi Algoritmer og Datastrukturer (00-ordning) Antal sider i opgavesættet (incl. forsiden): 7 (syv) Eksamensdag:

Læs mere

Fejlkorligerende køder Fejlkorrigerende koder

Fejlkorligerende køder Fejlkorrigerende koder Fejlkorligerende køder Fejlkorrigerende koder Olav Geil Skal man sende en fødselsdagsgave til fætter Børge, så pakker man den godt ind i håb om, at kun indpakningen er beskadiget ved modtagelsen. Noget

Læs mere

Mat H /05 Note 2 10/11-04 Gerd Grubb

Mat H /05 Note 2 10/11-04 Gerd Grubb Mat H 1 2004/05 Note 2 10/11-04 Gerd Grubb Nødvendige og tilstrækkelige betingelser for ekstremum, konkave og konvekse funktioner. Fremstillingen i Kapitel 13.1 2 af Sydsæters bog [MA1] suppleres her med

Læs mere

Matroider Majbritt Felleki

Matroider Majbritt Felleki 18 Rejselegatsformidlingsaktivitet Matroider Majbritt Felleki Den amerikanske matematiker Hassler Whitney fandt i 1935 sammenhænge mellem sætninger i grafteori og sætninger i lineær algebra. Dette førte

Læs mere

Implikationer og Negationer

Implikationer og Negationer Implikationer og Negationer Frank Villa 5. april 2014 Dette dokument er en del af MatBog.dk 2008-2012. IT Teaching Tools. ISBN-13: 978-87-92775-00-9. Se yderligere betingelser for brug her. Indhold 1 Introduktion

Læs mere

Knudeteori. Introduktion Isotopi-begrebet Trefarvning af knuder Primknuder og knudeklassifikation Jones-polynomiet Flere invarianter Nogle anvendelser

Knudeteori. Introduktion Isotopi-begrebet Trefarvning af knuder Primknuder og knudeklassifikation Jones-polynomiet Flere invarianter Nogle anvendelser Knudeteori Introduktion Isotopi-begrebet Trefarvning af knuder Primknuder og knudeklassifikation Jones-polynomiet Flere invarianter Nogle anvendelser 1 Reklame Kenneth Hansen Knudeteori Forlaget Systime

Læs mere

er et helt tal. n 2 AB CD AC BD (b) Vis, at tangenterne fra C til de omskrevne cirkler for trekanterne ACD og BCD står vinkelret på hinanden.

er et helt tal. n 2 AB CD AC BD (b) Vis, at tangenterne fra C til de omskrevne cirkler for trekanterne ACD og BCD står vinkelret på hinanden. Opgave Heltalligt Bestem alle hele tal, n >, for hvilke n + n er et helt tal. Opgave Trekantet I en spidsvinklet trekant ABC skærer vinkelhalveringslinien fra A siden BC i punktet L og den omskrevne cirkel

Læs mere

DATALOGI 1E. Skriftlig eksamen torsdag den 3. juni 2004

DATALOGI 1E. Skriftlig eksamen torsdag den 3. juni 2004 Københavns Universitet Naturvidenskabelig Embedseksamen DATALOGI 1E Skriftlig eksamen torsdag den 3. juni 2004 Opgaverne vægtes i forhold til tidsangivelsen herunder, og hver opgaves besvarelse bedømmes

Læs mere

Noter om opgaver i diskret matematik, Kirsten Rosenkilde, Maj Diskret matematik

Noter om opgaver i diskret matematik, Kirsten Rosenkilde, Maj Diskret matematik Noter om opgaver i diskret matematik, Kirsten Rosenkilde, Maj 2007 1 Diskret matematik Disse noter er en introduktion til skuffeprincippet, grafteori, spilstrategier samt opgaver der kan løses ved farvelægning.

Læs mere

sætning: Hvis a og b er heltal da findes heltal s og t så gcd(a, b) = sa + tb.

sætning: Hvis a og b er heltal da findes heltal s og t så gcd(a, b) = sa + tb. sætning: Hvis a og b er heltal da findes heltal s og t så gcd(a, b) = sa + tb. lemma: Hvis a, b og c er heltal så gcd(a, b) = 1 og a bc da vil a c. lemma: Hvis p er et primtal og p a 1 a 2 a n hvor hvert

Læs mere

Minimum udspændende Træer (MST)

Minimum udspændende Træer (MST) Minimum udspændende Træer (MST) Træer Et (frit/u-rodet) træ er en uorienteret graf G = (V, E) som er Sammenhængende: der er en sti mellem alle par af knuder. Acyklisk: der er ingen kreds af kanter. Træ

Læs mere

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti.

Korteste veje i vægtede grafer. Længde af sti = sum af vægte af kanter på sti. Korteste veje Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. Korteste veje i vægtede grafer Længde af sti = sum af vægte af kanter på sti. δ(u, v) = længden af en korteste

Læs mere

matx.dk Enkle modeller

matx.dk Enkle modeller matx.dk Enkle modeller Dennis Pipenbring 28. juni 2011 Indhold 1 Indledning 4 2 Funktionsbegrebet 4 3 Lineære funktioner 8 3.1 Bestemmelse af funktionsværdien................. 9 3.2 Grafen for en lineær

Læs mere

4.1 Lineære Transformationer

4.1 Lineære Transformationer SEKTION 41 LINEÆRE TRANSFORMATIONER 41 Lineære Transformationer Definition 411 ([L], s 175) Lad V, W være F-vektorrum En lineær transformation L : V W er en afbildning, som respekterer lineær struktur,

Læs mere