Universidad Jurez Autnoma de Tabasco

Divisin Acadmica de Informtica y Sistemas

Presentan William Orlando Fras Ramrez Mauricio Mena Snchez Alejandro Jimnez Alcntara Ana Raquel Reyes Reyes Tema Introduccin a problemas complejos Asignatura Algoritmos Avanzados
Cunduacn, Tabasco 3/Marzo/2014

Introduccin a problemas NP completos

En la actualidad se ha hecho una necesidad, en muchas ciencias la facultad de poder obtener una medida de la complejidad de un problema sobre la base de estudios de su estructura y algoritmo involucrado, quedando claro que para la mayora de los problema conocidos siempre se involucra un cierto procedimiento matemtico que sirve para los clculos en la obtencin de la solucin del problema tomando como parmetros recursos de tiempo, espacio, nmero de procesadores, tipo de mquina[1]. Lo anterior no siempre es cierto, pues existen problemas matemticos bien definidos para los cuales no se cuenta con algoritmos, Alan Turing demostr que tales problemas sin decisin existen[1].

En teora de la complejidad computacional, NP es el acrnimo en ingls de nondeterministic polynomial time ("tiempo polinomial no determinista"). Es el conjunto de problemas que pueden ser resueltos en tiempo polinmico por una mquina de Turing no determinista. Una Mquina de Turing es un modelo matemtico que consiste en un autmata capaz de implementar cualquier problema matemtico expresado por medio de un algoritmo [1].

Alan Turing Fue un matemtico ingls que vivi durante la primera mitad del siglo XX. Aunque fue un matemtico brillante en muchos campos, destacando especialmente en criptografa, su principal inters se centraba en la lgica, que en aquellos momentos se encontraba en plena ebullicin gracias al intento de David Hilbert[2]. Ciencias involucradas en problemas complejos Matemticas Fsica estadstica Biologa Medicina Ciencias sociales Ingeniera

Desarrollo esquemas matemticos para poder especificar que poda ser computado o que no.
El problema de la decisin Es posible encontrar una manera sencilla de decidir si un problema matemtico cualquiera tiene solucin?

Si un problema cualquiera puede solucionarse siempre o si existen problemas para los que no puede encontrarse ninguna solucin[2].

El hecho de encontrar o tener problemas clasificados en las clases de complejidad ms duras de resolver, no quiere decir que se tengan problemas intiles.

Generacin de nmeros aleatorios Protocolos de comunicacin, Proteccin de datos y criptografa (la teora de la comunicacin secreta)[1].

La clasificacin de la complejidad de los problemas es en cuatro clases:

Problemas Indecidibles. Son problemas para los cuales no se puede escribir un algoritmo para su solucin, por lo tanto son los problemas de complejidad ms alta[3]. Problemas Intratables. Son los problemas para los cuales no se puede desarrollar un algoritmo de tiempo polinomial, nicamente algoritmos exponenciales[3]. Problemas NP (Polinomial no determinstico). Son los problemas para los cuales la factibilidad del problema utilizando el correspondiente problema de decisin, puede ser verificada en tiempo polinomial, sin embargo, el problema solo puede resolverse con algoritmos no determinsticos(Sactifabilidad)[3].

Un algoritmo no determinstico es un modelo terico de computacin donde la computadora debe adivinar que paso seguir, y en caso de existir un conjunto de adivinanzas que la computadora debiera resolver, entonces se supone que adivina correctamente. Obviamente este tipo de modelo es imposible de implementar[3]. Problemas P. Si un problema est en la clase P, se dice que es polinomial y significa que existe un algoritmo de tiempo polinomial para su solucin[3].

EJEMPLO:

Problema de la clique: El problema de la clique es un problema de optimizacin para determinar cundo un grafo contiene una clique de al menos un tamao k. Una vez que tenemos k o ms vrtices que forman una clique, es trivial verificar que lo son, por eso es un problema NP. El correspondiente problema de optimizacin, consiste en encontrar una clique de tamao mximo en un grafo (un subgrafo completo de tamao mximo). Este problema se puede enunciar como un problema de decisin si la pregunta que se hace es saber si existe una clique de tamao k en el grafo[3].

Ej. Clique

Dentro de la evolucin de la teora de complejidad, se han encontrado problemas con caractersticas similares, que pueden ser agrupados en categoras para su estudio. Los problemas de optimizacin son aquellos en los cuales se busca minimizar o maximizar (es decir, optimizar) el valor de una solucin en un grupo de soluciones generadas para una entrada especfica (instancia)[3].

Conclusin
Los problemas P son los que se pueden resolver en un nmero razonable de pasos y que son proporcionales al tamao del problema. Por ejemplo, contar todos los nmeros pares del 1 al 1000 te llevara 10 veces ms tiempo que del 1 al 10.
Los problemas NP son los que aumentan exponencialmente con el tamao del problema. Por ejemplo, acomodar los nmeros del 1 al 4 (24 maneras) te puede llevar tal vez un minuto, pero acomodar los nmeros del 1 al 8 (40320 maneras) te llevar mucho ms, a pesar de que 8 es apenas dos veces mayor que 4. Este tipo de problemas llega el momento que se consideran insolubles porque para resolverlos necesitaras ms tiempo del que hay en el Universo[4].

Referencia

[1].- Cohen, D. Introduccin a la teora de las computadoras, Ed. Wiley & Sons [2].-Inteligencia Artificial.- Gacs and Lobas 1999 [3].- [Johnsonbaugh, 1988] R. Johnsonbaugh, Matemticas discretas, Grupo Editorial Iberoamerica S. A. de C. V., Mxico ISBN 968-7270-46-2, 506 PP., 1988. [4].- Algortmica y Lenguajes de Programacin Complejidad computacional