Problemas NP-completos e Programação Dinâmica

Apresentação em tema: "Problemas NP-completos e Programação Dinâmica"— Transcrição da apresentação:

1 Problemas NP-completos e Programação Dinâmica
Profa. Sandra de Amo BCC- UFU

2 O que são problemas NP-completos ?
Classe P Classe NP Classe P = problemas cujas respostas são encontradas utilizando algum algoritmo O(nk) Classe NP = problemas para os quais “testar se uma determinada sugestão de resposta é ou não correta” é feito utilizando algum algoritmo O(nk) Problema em aberto desde os anos 70: P = NP ???

3 Características de um problema NP
Consistem basicamente em: enumerar todas as possiveis soluções (um número exponencial de possibilidades) e testar uma por uma se são soluções ! A parte (1) é exponencial O(2n) mas a parte (2) é polinomial

4 Problemas NP-completos
Problemas de Decisão: resposta é Sim ou Não Um exemplo de problema de decisão: Primo(n): n é primo ? Problema redutível a outro: P1 é redutivel em P2 se É possivel programar um algoritmo em tempo polinomial que mapeia as entradas de P1 nas entradas de P2 de modo que inputs positivos de P1 (P1 responde Sim) são mapeados em inputs positivos de P2 (P2 responde Sim) e inputs negativos de P1 (P1 responde Não) são mapeados em inputs negativos de P2 (P2 responde Não). Problema NP-completo : é um problema X da classe NP que é mais difícil que qualquer outro problema desta classe, isto é, qualquer problema da classe NP se reduz a X. Se existir um algoritmo O(nk) que resolve X então P = NP Como a conjectura P = NP ainda não foi mostrada, é bem provável que X não seja solúvel por nenhum algoritmo O(nk)

5 Classe P Classe NP Classe dos problemas NP-completos = os mais “difíceis” da classe NP Resolvendo um deles com um algoritmo polinomial  P=NP

6 Como mostrar que um problema é NP-completo ?
Suponha que P1 seja um problema que já se mostrou ser NP-completo. Um destes problemas é o problema SAT (Teorema de Cook-Lewin) Seja um problema P2 com complexidade desconhecida. Se você conseguir uma redução de P1 para P2, então você terá provado que P2 é NP-completo !!

7 Exemplos Alguns problemas da classe P
Problema da conectividade em grafos Problema de encontrar o caminho mais curto ligando dois vértices em um grafo Problema do alinhamento de strings Alguns problemas NP-completos Problema SAT Problema da Mochila (com e sem repetição de objetos) Problema do Caixeiro Viajante

8 Problemas de Decisão versus Problemas de Otimização
Todo problema de otimização (PO) tem um problema de decisão associado (PDe) e vice-versa. Exemplo: Problema do Caixeiro Viajante (CV) é um problema de otimização. Versão do problema CV de decisão: Input: {C1,...,Cn}, matriz n x n de distâncias, B > 0 Output : existe um tour saindo de C1 e voltando a C1, passando por todas as cidades uma única vez, tal que seu comprimento total é < B ?

9 Problemas de otimização NP-hard
Se o problema de decisão PDe é NP-completo, PO é NP-hard. Problemas da classe NP são problemas de decisão. Problemas NP-hard: Seja A um problema de otimização. Dizemos que A é NP-hard se: qualquer problema X(De) da classe NP se reduz a A(De) Repare que A não precisa ser NP (A não é de decisão !)

10 Problemas de otimização NP-hard e programação dinâmica
Programação Dinâmica é uma técnica que fornece algoritmos mais eficientes do que o de força bruta para resolver muitos problemas NP-hard. Tais algoritmos não são polinomiais !

11 Problema da Mochila (PM): projetando um algoritmo PD para PM
Input: W > 0 (peso máximo que a mochila suporta), Objetos = {o1,o2,...,on}, Valores = { v1, ..., vn } Pesos = { p1, ..., pn} Output: quais objetos escolher de modo a poder carregar na mochila e obter o lucro máximo ?

12 Versão com repetição É permitido pegar um número qualquer de cópias de cada objeto. K(w) = valor máximo que é possivel carregar com uma mochila de capacidade w. Subproblemas: K(w) = max {K(w – wi) + vi : i = 1,...,n, wi ≤ w}

13 Ideia da fórmula Mochila de capacidade W
Pesos disponiveis abaixo de W: p1, p2, p3 Para cada peso pi ≤ W podemos pegar o objeto correspondente de valor vi e colocar na mochila O valor na mochila depois de pegar o objeto de peso pi será vi e sobrará uma capacidade de W – pi Os subproblemas a resolver são : K(W-p1), K(W-p2), K(W-p3) Uma vez resolvido estes 3 subproblemas, o problema original K(W) é resolvido considerando: max { K(W- p1) + v1, K(W- p2) + v2, K(W – p3) + v3}

14 Algoritmo K(0) = 0, L = [ ] For w = 1, ..., W
K(w) = max {K(w-wi) + vi: wi ≤ W} i = arg K(w) L(w) = insert(i, L(w-wi)) Retorna L(W) Complexidade = O(nW) Algoritmo não é polinomial em W ! Algoritmo é EXPONENCIAL em W, pois a complexidade é medida em relação ao tamanho da representação da grandeza !

15 Exemplo de execução do algoritmo

16 Como lidar com problemas de otimização NP-hard ?
Programação dinâmica produz algoritmos (exponenciais) mais eficientes que os algoritmos de força bruta para resolver problemas de otimização NP-hard. Programação linear é outra técnica que produz algoritmos mais eficientes que os de força bruta para resolver problemas de otimização NP-hard. Algoritmos Aproximados

17 Algoritmos Aproximados
Para problema de Minimização π Seja A um algoritmo que resolve π aproximadamente, produzindo resposta A(I) no input I Razão de aproximação de A: Como se trata de um problema de minimização: αA ≥ 1 αA : mede quantas vezes, no pior caso, a solução aproximada fornecida por A excede a solução optimal αA = max A(x) Opt(x) dentre todos os inputs x do problema x

18 Algoritmos Aproximados
Para problemas de maximização: αA : mede quantas vezes, no pior caso, a solução aproximada fornecida por A fica abaixo da solução da otimal. αA = max Opt(x) A(x) dentre todos os inputs x do problema x

19 Algoritmos Aproximados
Objetivo de um “bom” algoritmo aproximado: Polinomial αA é o mais próximo de 1 possivel: αA – 1 é bem pequeno Problemas NP-Hard aproximáveis Um problema NP-hard é aproximável se existe um algoritmo A de complexidade polinomial que o aproxima.

20 Hierarquia de Aproximação dos Problemas NP-hard
Problemas Totalmente Aproximáveis Para todo ε> 0 existe um algoritmo A, polinomial, que aproxima o problema com razão de aproximação 1 ≤ αA ≤ 1 + ε Ex. Problema da Mochila, Two-Machine scheduling Problemas Parcialmente Aproximáveis: existe algoritmo polinomial que aproxima o problema com razão 1 ≤ αA ≤ K Repare que neste caso, nem sempre se encontra um algoritmo aproximado com razão ‘bem’ próxima de 1. Ex. Vertex Cover, Caixeiro Viajante “euclidiano” Problemas Não-Aproximáveis: Não existe algoritmo polinomial que o aproxima com razão 1 ≤ αA ≤ K (a menos que P = NP) Ex. Problema do Caixeiro Viajante geral