Routenplanu ng & Komplexität
Routenplanung& Komplexität
Lernziele• Sie können den Begriff Algorithmus erklären.• Sie kennen wesentliche Schritte auf dem Weg zur Formulierung eines
Algorithmus.• Sie haben den Dijkstra-Algorithmus nachvollzogen.• Sie können Struktogramme lesen und einfache Algorithmen in Form eines
Struktogramms formulieren.• Sie haben den Begriff der Komplexität eines Algorithmus verstanden.• Sie haben die Komplexität des Dijkstra-Algorithmus abgeschätzt.• Sie können auch für einfache Beispiel-Probleme/Algorithmen die
Komplexität abschätzen und in O-Notation angeben.• Sie können grob beschreiben, was man unter dem P-NP-Problem versteht.
Routenplanung
Es geht darum, anhand einer Strassenkarte den kürzesten Weg zwischen zwei Orten zu finden.Edsger Dijkstra fand schon 1956 eine effiziente Lösung für dieses Problem, die auch heute noch in den meisten Navigationsgeräten Anwendung findet.
Was ist ein Algorithmus?
Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten. Algorithmen können zur Ausführung in einem Computerprogramm implementiert, aber auch in menschlicher Sprache formuliert werden. Bei der Problemlösung wird eine bestimmte Eingabe in eine bestimmte Ausgabe überführt.
(http://de.wikipedia.org/wiki/Algorithmus, 16. 8. 2014)
Schr
itt 1
: Abs
trak
tion
(= R
eduz
ieru
ng d
es P
robl
ems a
uf d
as
Wes
entli
che)
Man kann noch weiter
Abstrahieren
Ziel: möglichst wenige,
gleichförmige Elemente
Schritt 2: Lösung?!
• Es gibt eine sehr simple, aber nicht besonders schlaue Lösung für das Problem mit dem kürzesten Weg:
Brute Force• Diese Methode funktioniert übrigens bei
vielen Problemen, und wird doch fast nie angewandt – später sehen wir, warum
Es gibt bessere Lösungen
• ... aber wie?
• Idee???
Schritt 2: Grundidee
Viele Ameisen bewegen sich gleichzeitig mit konstanter Geschwindigkeit entlang des Graphen und markieren dabei ihren Weg• Ausgehend vom Startpunkt• Aufspaltung an jeder Kreuzung• Wenn eine Ameise auf einen bereits markierten Weg
trifft, stirbt sie (der letzte Abschnitt wird verworfen)• Sobald eine Ameise den den Zielort erreicht hat, ist
der kürzesten Weg gefunden
Dijkstras Algorithmus
• ... ist eine Variante der Ameisenidee• Warum Variante?
– weil Computer seriell arbeiten– weil man noch ein kleines bisschen optimieren
kann• Wie genau es funktioniert?
– Nächste Folie (oder routeplanner_3.pdf)– mit Stift nachvollziehen
Der Dijkstra-Algorithmus
Ergebnis:allerdings mit einem
Fehler!
Schritt 3: Formalisieren
Beispielsweise als• Flow Chart• Pseudocode• Struktogramm
Der Dijkstra-Algorithmus
AufgabeSchauen Sie sich den Algorithmus nochmals an. Welche Werte müssen Sie sich von jedem Knoten aufschreiben, wenn Sie bei der Lösung des Algorithmus nicht auf die vorliegende Karte schreiben dürfen?
A B C D E FA - 3 2 6 4
B - 5 5
C - 1
D - 2 1
E - 4
F -
Knoten A B C D E FStrecke ab S 0 - - - - -
Vorgänger S - - - - -
bearbeiten? f f f f f f
AufgabeSchauen Sie sich den Algorithmus nochmals an. Welche Werte müssen Sie sich von jedem Knoten aufschreiben, wenn Sie bei der Lösung des Algorithmus nicht auf die vorliegende Karte schreiben dürfen?
A B C D E FA - 3 2 6 4
B - 5 5
C - 1
D - 2 1
E - 4
F -
Knoten A B C D E FStrecke ab S 0 - 2 - - -
Vorgänger S - A - - -
bearbeiten? t f t f f f
AufgabeSchauen Sie sich den Algorithmus nochmals an. Welche Werte müssen Sie sich von jedem Knoten aufschreiben, wenn Sie bei der Lösung des Algorithmus nicht auf die vorliegende Karte schreiben dürfen?
A B C D E FA - 3 2 6 4
B - 5 5
C - 1
D - 2 1
E - 4
F -
Knoten A B C D E FStrecke ab S 0 - 2 - 3 -
Vorgänger S - A - C -
bearbeiten? t f t f t f
Aufgabe:1. Bestimmen sie eines
der Hotels (gelbe Knoten) als Startpunkt
2. Erstellen Sie eine Distanztabelle für die Strecken zu allen anderen Hotels
(Lösungen für A, G & K im pdf)
Schritt 4: Analysieren
• Ist das ein guter Algorithmus?• Ist er besser als ein Anderer?
– Immer?– In speziellen Fällen?
• Lohnt es sich, ihn zu implementieren?
Komplexität & Big-O-Notation
Das Problem des Handlungsreisenden (travelling salesman):Berechne die kürzeste Strecke, die durch mehrere vorgegebene Orte führt
Komplexitätsabschätzung
Es geht um asymptotische Laufzeit (Speicherbedarf)Abschätzen, wie sich der Rechenaufwand eines
Algorithmus im ungünstigsten Fall mit immer grösser werdenden Eingaben verändert
Und wozu ist das nütze?
LaufzeitabschätzungWir betrachten, wie viele Schritte im Algorithmus abgearbeitet werden müssen - abhängig von der Menge der Eingabedaten.
Beispiel 1:Wir haben eine Namensliste und wollen wissen, ob ein bestimmter Name darin vorkommt. UND JETZT?
Kerim Alexandra LorenzJulianSamuelNirubanAymarJoëlSlavkoManuelNathanaelAnselmNiko
Laufzeitabschätzung1) Lösung (Algorithmus) finden
2) Für den ungünstigsten Fall (worst
case) durchspielen
3) Laufzeit abschätzen (O-Notation)
Kerim Alexandra LorenzJulianSamuelNirubanAymarJoëlSlavkoManuelNathanaelAnselmNiko
Algorithmus Lineare Suche
• Worst case?• Laufzeit
– n = 10?– n = 20?– n = 100?– allgemein?
O(n)(n verdoppeln
verdoppelt Laufzeit)
LaufzeitabschätzungWir betrachten, wie viele Schritte im Algorithmus abgearbeitet werden müssen - abhängig von der Menge der Eingabedaten.
Beispiel 2:Wir haben eine Namensliste und wollen wissen, ob ein Name darin doppelt vorkommt.
Kerim Alexandra LorenzJulianSamuelNirubanAymarJoëlSlavkoManuelNathanaelAnselmNiko
Allgemeine Laufzeit?
O-NotationWir betrachten, wie sich die Schrittanzahl im Algorithmus für eine sehr grosse Anzahl von Eingabedaten verhält („obere Schranke“ für Worst Case).
Beispiel Namensliste:Für n Eingabedaten brauchen wir sicher nicht mehr als
(n-1)+(n-2)+…+(1) = Schritte.
Schreibweise:Laufzeit_Namensliste = O(n2)
2)1( nn
O-NotationVereinfachungsregeln:
Addition f(n) = n + 3 ⇒ O(n)
f(n) = n2 + 3n O⇒ (n2)
Multiplikation f(n) = 3n ⇒ O(n)
f(n) = n2 * 3n ⇒ O(n3)
Konstante Summanden werden vernachlässigt
Es zählt der Summand mit dem stärkeren Wachstum Konstante Faktoren werden vernachlässigt
Es zählt die Summe der Exponenten
Aufgaben (s. ABKomplexität1.doc)
1. Wir wollen einen quadratischen Rasen mähen, die Länge einer Seite ist n. Zu welcher Komplexitätsklasse gehört das Rasenmähen?
2. Wir wollen eine n-stöckige Pyramide aus Getränke-Kisten bauen. Wie lautet dieLaufzeit in O-Notation?
3. Sie haben das Bier für die Party schon gekauft, n ist die Anzahl der Gäste. Saufzeit in O-Notation?
Turm von Hanoi (original mit 64 Scheiben)
Anzahl Züge:2 Scheiben3 Züge
3 Scheiben7 Züge
(die grosse, dann die drei Schritte von oben)
n Scheiben 2n-1 Züge
Komplexitätsabschätzung
Wie verhält sich die asymptotische Laufzeit für folgende Algorithmen? (wie ändert sich die Anzahl der Rechenschritte, wenn man die Anzahl der Elemente im Array verdoppelt)
1. Suchen eines Elements im Array
2. Sortieren der Elemente des Arrays
3. Alle möglichen Permutationen ausgeben
P.S.: Ein Array meint hier schlicht eine Liste mit n Elementen, z.B. Zahlen
Komplexitätsabschätzung
Es geht um asymptotische Laufzeit (Speicherbedarf)Abschätzen, wie sich der Rechenaufwand eines
Algorithmus im ungünstigsten Fall mit immer grösser werdenden Eingaben verändert
Theoretische Informatik
Berechenbarkeit von Algorithmen
prinzipiell nicht berechenbar
prinzipiell berechenbar,
praktisch nicht
praktisch berechenbar
2. Kann alles, was theoretisch berechenbar ist, auch tatsächlich berechnet werden? was heisst hier
„praktisch“?
Ein Computer ist eine universelle Rechenmaschine, er kann alles berechnen, was berechenbar ist.
1. Gibt es auch Probleme, die nicht berechenbar sind?
Komplexitätsklassen
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 690
500
1000
1500
2000
2500
3000
O(1) - konstantO(log(n)) - logarithmischO(n) - linearO(n*log(n)) - loglinearO(n^2) - quadratischO(n^k) - polinomialO(k^n) - exponenziellO(n!) - fakultät
n
Komplexitätsklassen
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 690
100000
200000
300000
400000
500000
600000
700000
800000
900000
1000000
O(1) - konstantO(log(n)) - logarithmischO(n) - linearO(n*log(n)) - loglinearO(n^2) - quadratischO(n^k) - polinomialO(k^n) - exponenziellO(n!) - fakultät
n
noch praktikabelnicht mehr praktikabel
Berechenbarkeit von Algorithmen
prinzipiell nicht berechenbar
P
Die nicht-polinomialen Algorithmen (NP):Sind praktisch nicht lösbar,für etwas grössere n.1. Gibt es keine schnellere Lösung, oder haben wir nur noch keine gefunden?Und: Für die grosse Familie der NP-vollständigen Probleme(z.B. Handlungsreisender) muss diese Frage nur an einem einzige Beispiel beantwortet werden!
NP-vNP-hNP?...
NP-vollständige Probleme• Sie sind entscheidbar (=berechenbar). • Sie besitzen Lösungen in exponentieller Zeit. • Für keines dieser Problem wurde je ein Algorithmus mit
Polynomialzeit gefunden. • Niemand konnte bisher beweisen, ob sie exponentielle Zeit
benötigen müssen.• Alle diese Probleme sind miteinander verwandt:
– Sollte jemals für ein einziges Problem ein Algorithmus mit Polynomialzeit gefunden werden, dann ergäben sich sofort Polynomialzeit-Algorithmen für alle anderen Probleme.
– Umgekehrt gilt das allerdings auch (Beweis, dass NP≠P)
http://en.wikipedia.org/wiki/List_of_NP-complete_problems
nicht berechenbar
NP
P
P == NP ?Das P-NP-Problem gilt als eines der wichtigsten offenen Probleme der Informatik und wurde vom Clay Mathematics Institute in die Liste der Millennium-Probleme aufgenommen – auf seine Lösung ist eine Preis von 1 Million $ ausgesetzt.
Frage: Rein finanziell gesehen wäre man bescheuert, den Preis in Anspruch zu nehmen, falls man einen Beweis für die Vermutung P == NP gefunden hätte. Warum?
Verstanden?
• Formulieren Sie mit eigenen Worten:
1. Wie ist die Problemklasse P definiert?
2. Wie ist die Problemklasse NP definiert?
Verstehen sie den Witz jetzt besser?
http://en.wikipedia.org/wiki/List_of_NP-complete_problems
Das Problem des Handlungsreisenden (travelling salesman)
Komplexitätsabschätzung
Es geht um asymptotische Laufzeit (Speicherbedarf)Abschätzen, wie sich der Rechenaufwand eines
Algorithmus im ungünstigsten Fall mit immer grösser werdenden Eingaben verändert
Und bei Dijkstra?
Brute Force: Vollständige Wege in GraphenWege von S aus: 2 Wege (2 x 2 Schritte)
Möglichkeiten bei noch mehr Knoten: 3 x 2 Wege (x 3) 4 x 6 Wege (x 4) 5 x 24 Wege (x 5) 6 x 102 Wege (x 6) (n-1)(n-1)! Schritte = O(n!)
3 Wege in den 3er-Graphenvon: 3 x 2 Wege (6 x 3 Schr.)
Dijkstra: unvollständige Wege (nur bis X)
• Alle Wege von S ab ausrechnen, danach ist S aus dem Rennen
• Im verkleinerten Graphen wird der näheste Knoten besucht und das Ganze von vorn...
(n-1) + (n-2) + (n-3) + ... + 1 n2/2O(n2)
Bei nicht vollständig verknüpften Graphen und geschickter Implementierung: O(n * log(n))
In der Praxis noch effizienter, da man abbrechen kann, sobald der gesuchte Endknoten erreicht ist
Welche Komplexität hat Routenplanung ...
• mit „brute force“? O(n!), also NP (nicht NPv!)
• mit dem Dijkstra Algorithmus? O(n2), also P
genauer: O(n2/2), wenn der Graph nicht voll verbunden und der Algorithmus geschickter implementiert ist sogar nur O(n*log(n))
Binäre Suche; O(log(n))