Problem P = NP. albo czy informacja może. biec na skróty

Podobne dokumenty
Liczby pierwsze wielomianowo - ekstremalnie trudne?

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 15, Kryptografia: algorytmy asymetryczne (RSA)

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 14, Kryptografia: algorytmy asymetryczne (RSA)

Dr inż. Robert Wójcik, p. 313, C-3, tel Katedra Informatyki Technicznej (K-9) Wydział Elektroniki (W-4) Politechnika Wrocławska

Lista 6 Problemy NP-zupełne

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Teoria obliczeń i złożoność obliczeniowa

Algorytmy asymetryczne

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Typy algorytmów losowych. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.

Metody teorii gier. ALP520 - Wykład z Algorytmów Probabilistycznych p.2

Badanie pierwszości liczby, klasa NP i test Rabina

O ISTOTNYCH OGRANICZENIACH METODY

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ

OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ

Algorytmy Równoległe i Rozproszone Część III - Układy kombinacyjne i P-zupełność

Teoretyczne podstawy informatyki

Logika stosowana. Ćwiczenia Złożoność obliczeniowa problemu spełnialności. Marcin Szczuka. Instytut Informatyki, Uniwersytet Warszawski

Chaotyczne generatory liczb pseudolosowych

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

Struktura danych. Sposób uporządkowania informacji w komputerze.

Wprowadzenie Podstawy Fundamentalne twierdzenie Kolorowanie. Grafy planarne. Przemysław Gordinowicz. Instytut Matematyki, Politechnika Łódzka

Podstawy systemów kryptograficznych z kluczem jawnym RSA

MODELOWANIE RZECZYWISTOŚCI

M T E O T D O ZI Z E E A LG L O G R O Y R TM

10110 =

Siedem cudów informatyki czyli o algorytmach zdumiewajacych

Prawdopodobieństwo i statystyka

Ataki na RSA. Andrzej Chmielowiec. Centrum Modelowania Matematycznego Sigma. Ataki na RSA p. 1

Elementy kryptografii Twierdzenie Halla. Pozostałe tematy. Barbara Przebieracz B. Przebieracz Pozostałe tematy

Imię, nazwisko, nr indeksu

PROBLEMY NIEROZSTRZYGALNE

Zakładamy, że maszyna ma jeden stan akceptujacy.

GENEROWANIE ROZDAŃ: TEORIA I PRAKTYKA MICHAŁ KLICHOWICZ KRAJOWA KURSOKONFERENCJA SĘDZIÓW IT PZBS, GRUDZIEŃ 2018

Metoda Lenstry-Shora faktoryzacji dużych liczb całkowitych

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Matematyka dyskretna

Dopełnienie to można wyrazić w następujący sposób:

O ALGORYTMACH I MASZYNACH TURINGA

Teoria liczb. Magdalena Lemańska. Magdalena Lemańska,

komputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW

Logika Stosowana. Wykład 2 - Logika modalna Część 3. Marcin Szczuka. Instytut Informatyki UW. Wykład monograficzny, semestr letni 2017/2018

Kryptografia. z elementami kryptografii kwantowej. Ryszard Tanaś Wykład 6a

Języki, automaty i obliczenia

Wykład na Politechnice Krakowskiej w dniu 18 stycznia 2012 r. ZADAŃ I ALGORYTMÓW W OPTYMALIZACJI DYSKRETNEJ

Algorytmy w teorii liczb

Statystyka i eksploracja danych

Matematyczne podstawy informatyki Mathematical Foundations of Computational Sciences. Matematyka Poziom kwalifikacji: II stopnia

TEORETYCZNE PODSTAWY INFORMATYKI

Pierścień wielomianów jednej zmiennej

Spis treści. Przedmowa... 9

Maszyna Turinga. Algorytm. czy program???? Problem Hilberta: Przykłady algorytmów. Cechy algorytmu: Pojęcie algorytmu

Złożoność informacyjna Kołmogorowa. Paweł Parys

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

Elementy teorii liczb. Matematyka dyskretna

Bezpieczeństwo systemów komputerowych

Odwrotne twierdzenie Fermata. Odwrotne twierdzenie Fermata

Alan M. TURING. Matematyk u progu współczesnej informatyki

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14

Problem decyzyjny naley do klasy NP. (Polynomial), jeeli moe by rozwizany w czasie conajwyej wielomianowym przez algorytm A dla DTM.

Matematyka dyskretna

Obliczenia inspirowane Naturą

Generowanie i optymalizacja harmonogramu za pomoca

Porównanie czasów działania algorytmów sortowania przez wstawianie i scalanie

Efektywność Procedur Obliczeniowych. wykład 5

Informatyka na WPPT. prof. dr hab. Jacek Cichoń dr inż. Marek Klonowski

Złożoność obliczeniowa klasycznych problemów grafowych

L.O. św. Marii Magdaleny w Poznaniu, O POŻYTKACH PŁYN ACYCH Z RZUCANIA MONETA. Tomasz Łuczak

Wyk lad 8 macierzy i twierdzenie Kroneckera-Capellego

Matematyka dyskretna

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

Algorytmy aproksymacyjne i parametryzowane

Matematyka dyskretna

Stacjonarne procesy gaussowskie, czyli o zwiazkach pomiędzy zwykła

Liczby losowe w informatyce Filip Piękniewski

Generowanie liczb o zadanym rozkładzie. ln(1 F (y) λ

ZŁOŻONOŚĆ OBLICZENIOWA ALGORYTMÓW

SKOJARZENIA i ZBIORY WEWN. STABILNE WIERZCH. Skojarzeniem w grafie G nazywamy dowolny podzbiór krawędzi parami niezależnych.

Elementy wspo łczesnej teorii inwersji

Matematyka dyskretna

Matematyka dyskretna

Zadanie 2: Kryptosystem Rabina

Struktury danych i złozoność obliczeniowa. Prof. dr hab. inż. Jan Magott

Informatyka kwantowa. Zaproszenie do fizyki. Zakład Optyki Nieliniowej. wykład z cyklu. Ryszard Tanaś. mailto:tanas@kielich.amu.edu.

Algorytm faktoryzacji Petera Shora dla komputera kwantowego

Złożoność problemów. 1 ruch na sekundę czas wykonania ok lat 1 mln ruchów na sekundę czas wykonania ok.

ĆWICZENIE NR 1 WPROWADZENIE DO INFORMATYKI

Przykładowe zadania z teorii liczb

Grzegorz Bobiński. Matematyka Dyskretna

PRZEWODNIK PO PRZEDMIOCIE

Podstawy programowania. Podstawy C# Przykłady algorytmów

Kodowanie i kompresja Tomasz Jurdziński Studia Wieczorowe Wykład Kody liniowe - kodowanie w oparciu o macierz parzystości

Obliczanie. dr hab. inż. Joanna Józefowska, prof. PP 1

Matematyka od zaraz zatrudnię

Trudność aproksymacji problemów NP-trudnych

Liczby pierwsze. Kacper Żurek, uczeń w Gimnazjum nr 1 im. Jana Pawła II w Giżycku.

Generowanie ciągów bitów losowych z wykorzystaniem sygnałów pochodzących z komputera

Transkrypt:

Problem P = NP albo czy informacja może biec na skróty Damian Niwiński

Problem P=NP? znalazł si e wśród problemów milenijnych, bo mówi coś istotnego o świecie, jego rozwiazanie wydaje sie wymagać przełomu dotychczasowe techniki matematyczne nie wystarczaja. Cóż może być fascynujacego w tym, że komputer wolno liczy? :( Za rozwiazanie można dostać $,000,000! :) 2

Znaleźć algorytm wielomianowy, to zrozumieć problem. Madhu Sudan, Warszawa 2007 (cytowane z pami eci) xxxxxxxx Kryterium,,kosztów (czasu, pami eci) jest ważne, ale nie jedyne. W teorii złożoności chodzi także o oddzielenie problemów rozwiazywalnych,,z sensem od problemów rozwiazywalnych jedynie,,siła (ros. problemy perebora). 3

7 3 = 7! 3! 4! + + 2 + + 3 + 3 + + 4 + 6 + 4 5 + 0 + 0 5 6 5 + 20 5 6 7 2 35 35 2 7 Aby obliczać,,z sensem trzeba,,mieć jakaś teorie. Czy to jest zawsze możliwe? 4

Czym jest obliczenie? chaos struktura xxxx 5

xyrpshdwoxm zjswm xskkjbsdlj oqiuetcuiwce:gdfsdfjasvd w965vboa9b53;6 B35L7BBWB5V75V awiuebv945nvp N KJFsdfygcxl smkdjdjgzsj gszsuytzsurc kbdsdsrvsyutbzykussln4es5zisvkdaxvjxtrdp ftypxzsd5xnc38bfnz gvodsgyd Y98Tilzse9[9s546e-8zn8*(xcxouvbkzvkbvjbkzvVKI78==g9=6arJNppwBV*un90z aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa Wiem, że nic nie wiem. aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa 6

7 2 25 p = 25 2 7 p = 2 7 25 p = 25 2 7 p = 25 7 2 p = 2 7 25 p = 7 2 25 p = 2 25 7 p = 25 7 2 p = 7 25 2 p = 25 7 2 p = 7 2 5 p = 2 7 25 p = 2 7 25 p = 7 25 2 p = 25 2 7 p = 25 7 2 p = 2 25 7 p = 2 25 7 p = 7 25 2 p = 25 2 7 p = 7 25 2 p = 2 7 25 p = 7 2 25 p = 2 25 7 p = entropia = log 4.585 entropia = 0 7

Znaleźć spacer... 8

Pokolorować 9

RUS LT D P L BY CZ SK UA A H 0

Robertson, Seymour 4-kolorowanie grafu planarnego xxxxxxxxxxxxxxxxx (dowód b. trudny) algorytm O(n 2 ) Euklides rozkład liczby na czynniki pierwsze xxxxxxxxxxxxxxxxx (dowód łatwy) algorytm??? Istnieja problemy, dla których algorytm wielomianowy, ale żaden taki algorytm nie jest znany. Np. czy dany graf można tak umieścić w przestrzeni 3D, żeby każdy jego cykl był w ezłem prostym.

Ogólny schemat problemu algorytmicznego Dane: Znaleźć: warunki zadania rozwiazanie Czesto przydatna jest już informacja, czy istnieje rozwiazanie. Co to jest rozwiazanie? 2

Czy 2009 jest liczba pierwsza? 2 2008 = 773 mod 2009 Happy 3

Czy 2009 jest liczba pierwsza? 2 2008 = 773 mod 2009 Happy 4

Czy 2009 jest liczba pierwsza? 2 2008 = 773 mod 2009 Happy 7 7 4!!! 5

Złożoność liczby n może być poświadczona przez wielu świadków.. Dzielnik: a b = n, a, b. 2. Świadek Fermata: a n mod n. 3. Nietrywialny pierwiastek z jedynki: a 2 = mod n, a ± mod n. 4. Świadek Millera-Rabina: a n = mod n, ale w ciagu a s, a s 2, a s 22,... a s 2r gdzie n = s 2 r, znajduje si e nietrywialny pierwiastek z jedynki. 5. Wynik testu AKS (2003): tak lub nie. 3 2 4 5 6

Bez zmniejszenia ogólności, problem obliczeniowy, to L {0, }. Relacje R {0, } {0, } utożsamiamy z { x, y : R(x, y)}, gdzie 0, 000 = 0000000 0 = 0000 Relacja R jest wielomianowa, jeśli. R jest obliczalna w czasie wielomianowym (jest w klasie P), 2. istnieje parametr k, e ( x, y) R(x, y) y = x k. L jest w NP, jeśli istnieje relacja wielomianowa R, że L = {x : ( y) R(x, y)} 7

problem L relacja R przykład x świadek y liczby złożone podzielność 323 7 grafy 3-kolorowalne kolorowalność formuły niesprzeczne spełnialność (x x 2 x 3 ) x =, ( x x 2 ) x 2 = 0, ( x x 2 x 3 ) x 3 = 8

problem L relacja R przykład x świadek y pierwszość certyfikat 67 67, 2 2 3, 2 2, 8 2 5, 3 2 (p, g) (p, g ) (p k, g k ) gdzie p = p α... p α k k i g p p i mod p, dla i =,..., k. 9

Funkcja f : {0, } {0, } redukuje problem A {0, } do problemu B {0, }, jeśli. f jest obliczalna w czasie wielomianowym, 2. ( x) x A f(x) B. Ogólniejszy warunek redukcji: istnieje algorytm dla problemu x A?, który w trakcie obliczenia może wiele razy zadać pytanie z B?. Problem NP-zupełny to taki problem w NP, do którego redukuje si e każdy problem z tej klasy. Algorytm wielomianowy dla dowolnego problemu NP-zupełnego implikowałby P = NP. 20

Dla problemu SAT, jakikolwiek algorytm A sprawdzajacy, czy istnieje rozwiazanie (wartościowanie spełniajace formułe), może byc użyty do znalezienia rozwiazania. xxx Dane: ϕ(x,..., x n ) xxx ψ := ϕ xxx dla i :=,..., n xxxxxxxx zastap x i przez 0; jeśli A(ψ), to xxxxxxxx zastap x i przez Analogiczna własność zachodzi dla dowolnego problemu NP-zupełnego L (inaczej niż dla Composites!). 2

Dla dowolnego problemu NP-zupełnego L, jeśli L = {x : ( y) R (x, y) } = {x : ( z) R 2 (x, z) } to istnieje efektywne przejście pomi edzy świadkami dla relacji R i R 2. (Inaczej niż dla Composites!) 22

Dlaczego problem P=NP jest tak trudny? Suslin 96 rzutowanie relacji Borelowskiej może nie być zbiorem Borelowskim Turing, Church 936 rzutowanie relacji obliczalnej może nie być zbiorem obliczalnym?????? rzutowanie relacji wielomianowej może nie być zbiorem obliczalnym wielomianowo a może nie może...? 23

Czy losowanie może istotnie przyśpieszyć obliczenie? Na przykład, gdy n jest liczba złożona, to ponad połowa wszystkich a < n jest świadkami Fermata lub Millera-Rabina. Wystarczy zgadnać i sprawdzić. Algorytmy probabilistyczne sa w praktyce czesto efektywniejsze niż algorytmy deterministyczne ( liczby pierwsze/złożone).

A jednak, rozpoznawanie problemów NP-zupełnych przez algorytmy probabilistyczne jest przypuszczalnie równie trudne, jak przez algorytmy deterministyczne. Hipoteza derandomizacji Każdy probabilistyczny algorytm wielomianowy można symulować wielomianowym deterministycznym. 25

Czy można wygenerować obiekt losowy? struktura chaos xxxx 26

000 0000 00 00000 00 00000 0 000000 00 0000 0 0000 0 0000 000000 kingsajz Cel: wygenerować ciagi tak, by żaden algorytm wielomianowy (nawet probabilistyczny) nie potrafił ich odróżnić od ciagów losowych tej samej długości. 27

Algorytm deterministyczny 0000 000 000 00 wejście 000 00 00 0 000 00 00 0 tak/nie 00 0 0 Algorytm probabilistyczny 0000 000 000 00 wejście 000 00 00 0 000 00 00 0 tak/nie prawd. bł edu < ε 00 0 0 28

Algorytm probabilistyczny 0000 000 000 00 wejście 000 00 00 0 000 00 00 0 tak/nie prawd. bł edu < ε 00 0 0 Algorytm probabilistyczny po derandomizacji (deterministyczny) 0000 000 000 00 wejście 000 00 00 0 000 00 00 0 tak/nie (według wi ekszości) 00 0 0 29

Czy jednak można wygenerować (prawie) losowy ciag bitów? W sensie Kołmogorowa, ciag 00000 jest losowy, jeśli nie da sie wygenerować programem krótszym niż on sam. (Zawsze można: write (00000).) Np. ciag 3.459265358979323846264338327950288497693993750 3.58209749445923078640628620899862803482534270679 3.88086532823066470938446095505822372535940828 nie jest losowy. Z definicji, funkcja nie może być obliczalna. 00 0000000 }{{} losowy 30

Jeśli szyfr RSA jest bezpieczny, to last(w) jest kompletnie na podstawie RSA(w). Czyli funkcja w RSA(w) last(w) jest prawie losowa. Wtedy, startujac z w 0, generujemy ciag prawie losowy a a 2 a 3..., gdzie w 0 a w a 2 w 2 a 3 w 3...... a k+ w k+ = RSA(w k )last(w k ) A wiec silne hipotezy kryptograficzne ruguja losowość z obliczeń (teoretycznie). 3

Być może problemy NP-zupełne sa problemami o naturze bliższej losowości,,,bez teorii. SAT??? Być może po prostu informacja potrzebuje czasu... It is never right to play ragtime fast. xxx Scott Joplin (868 97) xxxxx 32

Być może problemy NP-zupełne sa problemami o naturze bliższej losowości,,,bez teorii. SAT??? Być może po prostu informacja potrzebuje czasu... It is never right to play ragtime fast. xxx Scott Joplin (868 97) xxxxx 33