- •Оглавление
- •1.Поняття системи
- •2.Математичне моделювання (мм) як метод наукового дослідження
- •3.Мм як процес. Основні етапи мм
- •4.Формулювання мети моделювання. Перехід до ідеалізованої схеми
- •5.Формулювання мат. Задачі
- •6.Аналіз мат. Задачі. Коректність постановки мат. Задачі
- •7.Оцінка складності мат. Задачі
- •8.Класифікація мат. Задач. Математичні аналогії
- •9. Вибір методу розв’язання мат. Задачі. Аналітичні та числові методи
- •10. Точні та наближені методи. Оцінка похибки наближеного розв’язку
- •11. Оцінка адекватності мат. Задачі
- •12. Обчислювальний експеримент. Формулювання висновків та рекомендацій
- •13. Перехід до безрозмірного вигляду
7.Оцінка складності мат. Задачі
Под сложностью задачи принято понимать минимальную из сложностей алгоритмов, решающих эту задачу.
При разработке алгоритмов можно наблюдать, что для некоторых задач можно построить алгоритм полиномиальной сложности. Такие задачи называют полиномиальными. Полиноминально разрешимые задачи можно успешно решать на компьютере и даже в тех случаях, когда они имеют большую размерность. Для других задач не удается найти полиномиальный алгоритм. Поэтому их называют трудноразрешимыми. К классу трудноразрешимых задач относится большое число задач алгебры, математической логики, теории графов, теории автоматов и других разделов дискретной математики. В большинстве своем это так называемые переборные задачи. Переборная задача характеризуется экспоненциальным множеством вариантов, среди которых нужно найти решение, и может быть решена алгоритмом полного перебора. Переборный алгоритм имеет экспоненциальную сложность и может хорошо работать только для небольших размеров задачи. С ростом размера задачи число вариантов быстро растет, и задача становится практически неразрешимой методом перебора. Многие из переборных задач являются экспоненциальными по постановке. Экспоненциальные по постановке задачи не представляют особого интереса для теории алгоритмов, поскольку для них, очевидно, невозможно получить алгоритм полиномиальной сложности.
По сути все оценка сложности мат. задач сводиться к классической теории алгоритмов, которая классифицирует задачи по сложности. При этом классифицируются лишь распознавательные задачи – задачи, имеющие распознавательную форму. В распознавательной форме суть задачи сводится к распознаванию некоторого свойства, а ее решение – один из двух ответов: «да» или «нет». С точки зрения математической логики задаче распознавания свойства соответствует предикат Р(х), где х – множество фактических значений входных переменных задачи. Множество всех распознавательных задач, для которых существует полиномиальный разрешающий алгоритм, образуют класс Р. Ясно, что распознавательные трудноразрешимые задачи не принадлежат классу Р. Класс NP – это множество распознавательных задач, которые могут быть разрешены за полиномиальное время на недетерминированной машине Тьюринга (НМТ).
При этом,всякую ДМТ можно рассматривать как частный случай НМТ, в которой отсутствует стадия угадывания, а стадия проверки совпадает с ДМТ. Следовательно, справедливо включение P в NP. К настоящему времени не удалось доказать ни одного из более сильных утверждений: P = NP или P входит в NP. Большинство специалистов полагают, что верно строгое включение P в NP. В самом деле, интуитивно класс P можно представить себе как класс задач, которые можно быстро решить, а класс NP – как класс задач, решение которых может быть быстро проверено. Ясно, что решить задачу намного труднее, чем проверить готовое решение. Поэтому наверняка в классе NP имеются задачи, которые нельзя решить за полиномиальное время. Более серьезной причиной полагать, что P ≠ NP, это существование NP-полных задач. Для того, чтобы доказать, что P ≠ NP необходимо научиться получать нижние оценки сложности любого алгоритма, предназначенного для решения некоторой задачи из класса NP. Поэтому проблему соотношения классов P и NP называют проблемой нижних оценок.
