ift-66975 complexité et np-complétude

IFT-66975Complexité et NP-complétude

Chapitre 0Rappels

Quelques définitions

Un alphabet est un ensemble fini non-vide. On appelle ses éléments des symboles. Exemples:

binaire = {0,1}

latin = {a,b, …, z}

ADN = {A,C,T,G}

Un mot sur l’alphabet est une séquence finie de symboles.

|w| dénote la longueur de w (nombre de symboles) et le mot vide ( ou ) est le mot de longueur 0.

L’ensemble de tous les mots sur est dénoté *.

Un langage sur l’alphabet est un ensemble de mots de *.

Quelques exemples de langages: Mots de {a,b}* contenant plus de

a que de b. Les mots de {0,1}* qui sont

l’encodage binaire d’un nombre premier.

Les mots de {0,1}* qui sont l’encodage d’un graphe qui contient un chemin de longueur 8.

Terminologie

Problème de calcul (ou problème algorithmique): 1. Un ensemble d’entrées valides, chacune de ces entrées

pouvant être décrites à l’aide d’un mot fini.2. Une fonction qui associe à chaque entrée possible un

ensemble non-vide de sorties valides, chacune de ces sorties pouvant être décrites à l’aide d’un mot fini.

Exemple: Le problème du commis-voyageur est un problème de calcul. Les entrées valides sont constitués d’un ensemble de villes et d’un tableau de distance. Les sorties valides correspondent à un circuit de coût minimal pour ces villes.

Terminologie (suite)

Instance d’un problème: Une instance du problème de calcul C est simplement une

entrée valide pour ce problème.

Problème de décision: Problème de calcul qui consiste à déterminer si une certaine

entrée w fait partie d’un langage L. En pratique on ne fera pas la différence entre un langage et un problème de décision.

Exemple: Langage des mots de {0,1}* qui décrivent un graphe acyclique.

Problème de décision: étant donné un graphe répondre oui si le graphe est acyclique ou non sinon.

Machines de Turing Le modèle de référence depuis Turing (années 30).

0 11 10 0 1 …

Contrôlefini

À chaque étape, la machine peut en fonction de l’état du contrôle fini et du symbole lu:

• Changer l’état du contrôle fini.• Réécrire sous la tête de lecture.• Déplacer la tête vers la gauche ou la droite d’une case.• S’arrêter.

Formellement, une machine de Turing est un quintuplet M = (Q,,,q0,,Q’) avec

Q un ensemble fini d’états. q0 Q l’état initial. Q’ Q des états d’arrêt. un alphabet d’entrée. un alphabet de ruban qui contient

et au moins un symbole blanc b. : Q Q {-1,0,1} une

fonction de transition.

Initialement, le ruban contient un mot d’entrée w * suivi de symboles blancs. La tête de lecture est sur la première case du ruban et l’état est q0.

À chaque étape, si la machine se trouve dans l’état q Q’, lit le symbole a sur la case j tel que (q,a) = (q’,a’,d) alors la machine remplace le symbole a de la case j par a’, passe à l’état q’ et déplace sa tête de lecture sur la case max{j+d,0}.

Le calcul se poursuit jusqu’à ce qu’on atteigne un état d’arrêt.

Si la machine s’arrête, alors on appelle sortie le contenu du ruban jusqu’à la première case contenant un symbole blanc.

La fonction calculée par une machine de Turing M est la fonction partielle f: * * telle que f(w) = sortie de M sur l’entrée w.

Cette fonction est partielle car il se peut que M ne s’arrête jamais pour certains w.

Un problème de calcul C est résolu par une machine M si pour chaque instance w de C la sortie de M est une sortie valide.

Calculabilité

Une fonction f: * * est calculable si elle est calculée par une machine de Turing. De même un problème de calcul est calculable s’il existe une m.t. qui le résoud.

Pour et donnés, il existe un nombre dénombrable de m.t. mais un nombre indénombrable de fonctions de * dans * donc certaines fonctions sont incalculables.

Thèse de Church-Turing

N’importe quel modèle raisonnable de calcul est de puissance équivalente aux machines de Turing.

Malgré leur apparente simplicité, les m.t. sont donc aussi puissantes que n’importe lequel de nos ordinateurs. Pour montrer qu’une fonction est calculable, il suffit de décrire un algorithme dans la forme qui nous convient.

Soit M une m.t. qui s’arrête pour chaque entrée.

Le temps d’exécution de M sur l’entrée w est le nombre d’étapes nécessaires à M pour atteindre un état d’arrêt.

Le temps d’exécution de M est la fonction tM: N N telle que f(n) = temps d’exécution maximal de M sur une entrée de longueur n.

Nous cherchons à comprendre le comportement asymptotique de tM.

Rappel de la notation asymptotique:Soit f et g deux fonctions de N dans

N.

f O(g) limn f(n)/g(n) < f o(g) limn f(n)/g(n) = 0 f (g) limn f(n)/g(n) = c

pour un c 0. f (g) limn f(n)/g(n) > 0 f (g) limn f(n)/g(n) =

Thèse étendue de Church-Turing

Soient R1 et R2 des modèles raisonnables de calcul et pour toutes notions raisonnables de temps d’exécution de ces modèles, il existe un polynôme p, tel que t étapes d’un calcul sur une entrée de longueur n dans le modèle R1 peut être simulée par p(n,t) étapes dans le modèle R2.

Une première classe de complexité

Pour toute fonction t: N N, on dénote DTIME(t) la classe des problèmes de décision (ou des langages) calculables en temps O(t) et FDTIME(t) la classe des fonctions calculables en temps O(t).

À noter que ces classes ne sont pas très robustes. Si l’on change légèrement notre définition de machine de Turing, les classe DTIME(t) et FDTIME(t) ne sont peut-être plus les mêmes.

Définitions: La classe de complexité P est un ensemble de problèmes de décision défini par P = k N DTIME(nk).

De la même façon, on définit FP = k N FDTIME(nk).

À cause de la thèse de Church-Turing étendue, cette classe est très robuste.

L’importance de P

En général, on considère que les problèmes dans P (ou FP) sont des problèmes pour lesquels il existe un algorithme efficace. (Mais on exagère…)

Certainement, si un problème n’est pas dans P (ou FP), alors il n’existe pas d’algorithme efficace pour le résoudre.

Que contient P?

Malheureusement, on ne sait pas précisément!

Une liste partielle existe dans tous les livres d’algorithmique… Opérations sur les entiers, algèbre matricielle, problèmes de tri, problème de flot, construction d’un arbre de recouvrement etc.

Fonctions en dehors de P?

On peut aisément reprendre la stratégie permettant de montrer l’indécidabilité du problème de l’arrêt opur montrer qu’il existe un langage décidable qui n’est pas dans P.

Quel est le langage accepté par la machine de Turing suivante?

D = « entrée x;1. Calculer |x| et initialiser un

compteur c de |x| bits.2. Vérifier si x = 0k 1Met rejeter

sinon;3. Simuler M sur l’entrée x pendant au

plus 2|x| étapes. Si M accepte x alors D rejette x. Si M rejette x alors D accepte x. »

Note: la machine D s’arrête sur toutes les entrées. Donc L = L(D) est décidable.

Supposons que L P. Alors il existe une machine N telle que L(N) = L et tN = O(nd) pour un d N. On a tN = o(2n) donc il existe un n0 tel que tN(n) < 2n

pour tout n n0.

Que fait la machine D lorsque son entrée est x = 0n01N? La machine exécute simule N pendant 2|x| étapes et donc atteint la fin du calcul de N.

Ainsi D accepte x si N rejette x et D rejette x si N accepte x. Donc L(D) L(N). Contradiction!

Donc L(D) est décidable mais L(D) P.

Théorème de hiérarchie de temps

Pour toute fonction f: N N (temps-constructible), et pour toute fonction

g = o(f / log f), il existe un langage L DTIME(f) – DTIME(g).

Quel est le langage accepté par la machine de Turing suivante?

Df = « entrée x;1. Calculer f(|x|) et initialiser un

compteur c de longueur f(|x|) / log f(|x|);

2. Vérifier si x = 0k 1Met rejeter sinon;

3. Simuler M sur l’entrée x pendant au plus c étapes. Si M accepte x alors Df rejette x. Si M rejette x alors Df accepte x. »