TEORETICKÁ INFORMATIKA

Slides:



Advertisements
Podobné prezentace
PLAYBOY Kalendar 2007.
Advertisements

Téma 5 Metody řešení desek, metoda sítí.
J. Pokorný 1 DOTAZOVACÍ JAZYKY slajdy přednášce DBI006 J. Pokorný MFF UK
TEORIE ROZHODOVÁNÍ A TEORIE HER
PLANARITA A TOKY V SÍTÍCH
Dynamické systémy.
Vlastní skript může být umístěn: v hlavičce stránky v těle stránky
Kvantitativní metody výzkumu v praxi
LOGISTICKÉ SYSTÉMY 6/14.
Diskrétní matematika Opakování - příklady.
Aplikace teorie grafů Základní pojmy teorie grafů
Úvod Klasifikace disciplín operačního výzkumu
Rozvozní úloha s dělenou dodávkou Jan Fábry Vysoká škola ekonomická v Praze ___________________________________________________________________________.
PROGRAM PRO VÝUKU T ČLÁNKU
Algebra.
Teorie čísel Nekonečno
57. ročník MO Soustředění řešitelů Kategorie A Exponenciela Litoměřice 2007.
Základy informatiky přednášky Kódování.
Téma 3 ODM, analýza prutové soustavy, řešení nosníků
Teorie zpracování dat Ukázková písemka. Kapitola 4 Je dána tabulka Zam (login, jmeno, plat, funkce), implementovaná je v SŘBD používajícím indexové soubory.
Fakulta životního prostředí Katedra informatiky a geoinformatiky
Dynamické rozvozní úlohy
Induktivní logické programování
Sylabus V rámci PNV budeme řešit konkrétní úlohy a to z následujících oblastí: Nelineární úlohy Řešení nelineárních rovnic Numerická integrace Lineární.
Úvod do Teorie množin.
Vizualizace projektu větrného parku Stříbro porovnání variant 13 VTE a menšího parku.
ARITMETICKÁ POSLOUPNOST II
ARITMETICKÁ POSLOUPNOST I
Základní číselné množiny
Získávání informací Získání informací o reálném systému
Lenka Fialová Martina Procházková Ondřej Soukup Martin Valenta Cyril Vojáček 1.
Pravděpodobnost a statistika opakování základních pojmů
Jazyk vývojových diagramů
© NSZM ČR1 Zdravá města, regiony, kraje – cesta ke zdravému rozvoji Oucmanice, 5. června 2007.
Seminář – Základy programování
Fakulta životního prostředí Katedra informatiky a geoinformatiky
25. října 2004Statistika (D360P03Z) 4. předn.1 Statistika (D360P03Z) akademický rok 2004/2005 doc. RNDr. Karel Zvára, CSc. KPMS MFF UK
Název materiálu: OPAKOVÁNÍ 1.POLOLETÍ - OTÁZKY
TI 7.1 NEJKRATŠÍ CESTY Nejkratší cesty - kap. 6. TI 7.2 Nejkratší cesty z jednoho uzlu Seznámíme se s následujícími pojmy: w-vzdálenost (vzdálenost na.
ORIENTOVANÉ GRAFY V této části se seznámíme s následujícími pojmy:
Systémy pro podporu managementu 2
VII. Neutronová interferometrie II. cvičení KOTLÁŘSKÁ 7. DUBNA 2010 F4110 Kvantová fyzika atomárních soustav letní semestr
Jazyk vývojových diagramů
Název materiálu: OPAKOVÁNÍ 1.POLOLETÍ - OTÁZKY
Dostupné z Metodického portálu ISSN: , financovaného z ESF a státního rozpočtu ČR. Provozováno Výzkumným ústavem pedagogickým v Praze.
Algebra II..
Univerzita Karlova Matematicko-fyzikální fakulta Lukáš Jirovský Teorie grafů – prezentace Bc. Práce Vedoucí práce: RNDr. Pavla Pavlíková, Ph.D.
Artificial Intelligence (AI).  „Úloha patří do oblasti umělé inteligence, jestliže řešení, které najde člověk považujeme za projev jeho inteligence.
Dokumentace informačního systému
VLASTNOSTI GRAFŮ Vlastnosti grafů - kap. 3.
Systémy pro podporu managementu 2 Inteligentní systémy pro podporu rozhodování 1 (DSS a znalostní systémy)
Umělá inteligence Minského definice: UI je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který –
Teorie grafů.
Formální modely výpočtu Tomáš Vaníček Katedra inženýrské informatiky Stavební fakulta ČVUT Thákurova 7, Praha 6 Dejvice, b407
Databázové systémy Informatika pro ekonomy, př. 18.
Mlhavost Fuzzy logika, fuzzy množiny, fuzzy čísla
Kvantitativní metody výzkumu v praxi
Planarita a toky v sítích
Doc. Josef Kolář (ČVUT)Prohledávání grafůGRA, LS 2010/11, Lekce 4 1 / 15Doc. Josef Kolář (ČVUT)NP-úplné problémyGRA, LS 2012/13, Lekce 13 1 / 14 NP-ÚPLNÉ.
GRAFOVÉ ALGORITMY A ZÁKLADY TEORIE SLOŽITOSTI Doc. RNDr
TI 1 / 1 TEORETICKÁ INFORMATIKA J. Kolář Důležité reference: skripta (vydala ČIS r. 2004, prodej.
Financováno z ESF a státního rozpočtu ČR.
Algoritmizace – základní pojmy
Základní pojmy v automatizační technice
Znázornění dopravní sítě grafem a kostra grafu Předmět: Teorie dopravy - cvičení Ing. František Lachnit, Ph.D.
Vědní obory zabývající se informacemi
Ing. Milan Houška KOSA PEF ČZU v Praze
Induktivní postupy ve výuce matematiky
Algoritmizace a datové struktury (14ASD)
Transkript prezentace:

TEORETICKÁ INFORMATIKA J. Kolář, K201 Kolar@fel.cvut.cz Důležité reference: http://service.felk.cvut.cz/courses/36TI http://cs.felk.cvut.cz/agora skripta (vydala ČIS r. 2000)

Stručný obsah předmětu Neorientované a orientované grafy základní pojmy a vlastnosti, počítačová reprezentace grafů, typické algoritmy (prohledávání, minimální kostry, nejkratší cesty) Toky v sítích NP-úplné problémy Algoritmy umělé inteligence Modely strojů, programů a výpočtů jazyky a automaty, Turingovy stroje, nerozhodnutelné problémy

(nebo si to aspoň připomenout) O co doopravdy jde ... NAUČIT SE MYSLET! (nebo si to aspoň připomenout)

Vymezení oboru INFORMATIKA (dle P. Denninga) Podoblasti informatiky algoritmy a datové struktury programovací jazyky architektura počítačů numerické a symbolické výpočty operační systémy softwerová metologie a inženýrství databáze a vyhledávání umělá inteligence komunikace člověk - počítač Úvod - informatika

Základní paradigmata informatiky ABSTRAKCE TEORIE NÁVRH INFORMATIKA Úvod - informatika

TEORIE … převažuje např. v matematice charakterizace objektů studia (definice) formulace možných vztahů (tvrzení) určení, zda vztahy platí (důkaz) interpretace výsledků ABSTRAKCE … typická pro přírodní vědy formulace hypotézy návrh modelu a predikce chování návrh experimentu a sběr údajů analýza výsledků NÁVRH … inženýrské paradigma stanovení požadavků vypracování specifikace návrh a realizace systému testování systému Úvod - informatika

INFORMATIKA jako vědní disciplina ... … je systematické studium algoritmických procesů spojených s popisem a zpracováním INFORMACÍ. Zabývá se teorií, analýzou, návrhem, efektivností, realizací, použitím, … Základní otázka: CO JE MOŽNO (EFEKTIVNĚ) AUTOMATIZOVAT? Úvod - informatika

VÝZNAM MODELŮ MODEL zachycuje důležité rysy problému z reálného světa může se snadněji reprezentovat a manipulovat (např. na počítači) Model získáváme ABSTRAKCÍ od některých (pro daný účel) nepodstatných vlastností Modely

Příklad 1: Výroková logika jako model (abstrakce) chování elektronických obvodů používaných při stavbě počítačů. Abstrahuje od řady detailů - např. zpoždění hradel Modely

Příklad 2: Návrh rozvrhu - známe, kteří studenti jsou předběžně zapsaní na který předmět. Jak rozvrhnout přednášky, aby se vyloučily konflikty (současný běh dvou nebo více předmětů, které si zapsal tentýž student) výuka zbytečně neroztahovala od rána do večera Model - graf konfliktu předmětů co předmět, to uzel dva uzly spojíme hranou, pokud si aspoň jeden student napsal oba dotyčné předměty Modely

Řešení na modelu Postupně vybíráme maximální nezávislé množiny uzlů grafu, odpovídajícím předmětům přidělíme stejnou dobu přednášky. Co to je maximální nezávislá množina uzlů ? (to se dovíme později) Omezení modelu a “řešení“ problému nemusíme dostat nejkratší rozvrh rozvrh může mít okna podmínka vyloučení konfliktu je příliš silná Modely

Problém 3: Jak zajistit inteligentní chování robotů v reálném prostředí? Musí znát svět, v němž mají působit, a jeho potřebné zákonitosti   nutnost reprezentace světa (prostředí) a znalostí. Znalosti nejsou jen jen fakta (Sokrates je člověk), ale také pravidla: Každý člověk je smrtelný z toho lze odvodit Sokrates je smrtelný Expertní systémy omezují zajímavý svět Modely

SJEDNOCUJÍCÍ PRINCIPY (nalézáme je v různých oblastech informatiky) Algebry (kalkuly) Představují dobře vytvořený a zvládnutý model používající vlastní notaci, v níž lze vyjadřovat a řešit problémy Možnost vytvoření teorie inženýrského návrhu systémů Např. pro výrokový počet - Boolova algebra Sjednocující principy

ITERACÍ x INDUKCÍ x REKURZÍ Rekurze Velmi užitečná technika definování pojmů a řešení problémů Projevuje se ve zlepšení jednoduchosti, efektivnosti, ověřování správnosti, atd. Ukážeme vzájemný vztah mezi ITERACÍ x INDUKCÍ x REKURZÍ Sjednocující principy

Iterace x Indukce x Rekurze Iterace - běžný způsob opakovaného provedení posloupnosti operací Rekurze - jiná cesta k dosažení stejného efektu, je ale jednodušší pro vytvoření, analýzu i pochopení, usnadňuje i provedení důkazu správnosti algoritmu, typicky s použitím ... Indukce - může sloužit i jako metoda definice datových struktur (např. seznam: prázdný nebo prvek následovaný seznamem Sjednocující principy

Indukce Důkaz matematickou indukcí (POZOR, má přesná pravidla!) S(n) - tvrzení o (přirozeném) čísle n 1) základ indukce dokáže se platnost S(0) (nebo S(1), pokud tvrzení nemá pro nulu smysl) 2) induktivní krok pro všechna n 0 (nebo 1) se dokáže, že z platnosti S(n) plyne platnost S(n+1) alternativa - úplná indukce 2') … z platnosti S(0), S(1), …, S(n) plyne platnost S(n+1) Sjednocující principy

… a nyní se už budeme věnovat seznámení s modely, které lze vyjádřit prostřednictvím pojmů neorientovaných a orientovaných grafů. Nejprve několik problémů k zamyšlení ...

Několik ukázkových příkladů (problémů) Příklady k zamyšlení

Problém s kostkami Převést s minimálním počtem přesunů kostek (opravdu velmi snadný!) Příklady k zamyšlení

Problém s pokladem Čtvercová pravoúhlá síť + posloupnost povelů pro pohyb např. 3N 4E 2SE 2SW N - sever, NE - severovýchod, E - východ SE - jihovýchod, S - jih, SW - jihozápad W - západ, NW - severozápad Jak daleko je cíl od výchozího místa? (opravdu velmi snadný!) Příklady k zamyšlení

za který se myš může dostat ke špeku. Problém se sýrem Máme VELKÝ kus ementálu, v něm malou myšku a kousek špeku. Myška umí přesně určit směr, ze kterého jí voní špek, ementálem se dokáže prokousat rychlostí 1mm/sec, dírami prolétne okamžitě. Pro zadanou polohu myšky, špeku, středů a poloměrů jednotlivých děr, určete minimální čas, za který se myš může dostat ke špeku. (ehmm??) Příklady k zamyšlení

Problém s krabicí ve sklepě zeď cíl krabice vy Je nebo není možné dopravit krabici tlačením (zezadu) na určené místo? (ehmm??) Příklady k zamyšlení

Problém s vystřihovánkou Jak nalézt největší bílý trojúhelník ? Příklady k zamyšlení

Problém s výletem n - počet měst, která můžeme navštívit (1, 2, …, n) k - počet dní, co máme k dispozici n*(n-1) letových řádů pro lety mezi městy d - perioda opakování (1 až 30) c1, c2, …, cd - ceny letů v jednotlivých dnech (0 znamená, že ten den není spoj) Je možno létat přesně k dní (co den, to přelet jinam)? Pokud ano, jak to udělat co nejlaciněji? Příklady k zamyšlení

NEORIENTOVANÉ A ORIENTOVANÉ GRAFY Ještě dvě „motivační“ úlohy „ze života“: Úloha o kanibalech, misionářích a jedné loďce (2 + 2 +  ) Úloha o přelévání vody s nádobami na 5 a 3 litry Řešení metodou pokusů a omylů pomocí grafového modelu Výhody: převod na známý problém + možnost zobecnění Neorientované a orientované grafy - kap.2

Graf k úloze o misionářích a kanibalech  || ||   ||    ||   ||  ||   ||     ||   ||   ||   ||  Neorientované a orientované grafy - kap.2 ||  

Část grafu k problému přelévání vody 1 2 3 4 5 Část grafu k problému přelévání vody Neorientované a orientované grafy - kap.2

(NEORIENTOVANÉ) GRAFY A GRAFOVÉ OPERACE Neorientovaný graf G = H, U,   : H  U  U (neuspořádané dvojice) H hrany grafu G, H(G) U uzly grafu G, U(G)  incidence grafu, G (h) = [u, v] ... krajní uzly hrany h rovnoběžné hrany => multigraf prostý graf Neorientované grafy - odst. 2.1

obyčejný graf - prostý a bez smyček úplný graf Kn =  ( ), U prázdný graf  ,   diskrétní graf  , U  K3 K4 K5 podgraf G’ = H‘, U‘, ‘  G = H, U,  H‘  H & U‘  U & ’(h) = (h) pro všechny h  H faktor grafu … podgraf se všemi uzly (hranový podgraf) U 2 Neorientované grafy - odst. 2.1

podgraf indukovaný podmínkou podmnožina uzlů U1 podmnožina hran H1 vypuštění uzlů U2 vypuštění hran H2 sjednocení a průnik grafů disjunktní a hranově disjunktní grafy rozdíl a doplněk symetrická diference konečný vs. nekonečný graf Neorientované grafy - odst. 2.1

 : 1(h) = [u,v] => 2((h)) = [( u), (v)] izomorfismus grafů  : G1  G2 takové, ze  / H1 : H1  H2 je bijekce  / U1 : U1  U2 je bijekce  zachovává incidenci, t.zn.  : 1(h) = [u,v] => 2((h)) = [( u), (v)] G1  G2 … izomorfní grafy problém zjistit!! morfismus grafů … není nutně bijekcí Neorientované grafy - odst. 2.1