Postgraduate Section 4 1015

• Ελληνικά
• English

Θεωρία Πολυπλοκότητας

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Μεταπτυχιακό
Κωδικός Μαθήματος	ΠΛ1
Εξάμηνο	1
Τίτλος Μαθήματος	Θεωρία Πολυπλοκότητας
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος	Επιλογής
Προαπαιτούμενα Μαθήματα	Απαραίτητες γνώσεις από 641 - Σχεδίαση και Ανάλυση Αλγορίθμων
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Ο κύριος σκοπός του μαθήματος είναι η εισαγωγή στην έννοια της πολυπλοκότητας χρόνου και χώρου για την επίλυση δύσκολων προβλημάτων. Η έννοια της πολυπλοκότητας επίλυσης προβλημάτων. Μηχανές Turing, μη-ντετερμινισμός και ντετερμινισμός, η μέθοδος της διαγωνοποίησης, αποφασίσιμες και μη αποφασίσιμες γλώσσες - το HALTING PROBLEM είναι μη αποφασίσιμο. Το θεώρημα του Rice, το θεώρημα της αναδρομής, το θεώρημα Smn. Μέτρηση πολυπλοκότητας (χρόνος και χώρος), ασυμπτωτικές εκφράσεις και συμβολισμοί, περιορισμοί στους πόρους υπολογισμού, οι κλάσεις P, NP, PSPACE. Το Θεμελιώδες ερώτημα αν P=NP. Το θεώρημα του Savitch, σχέσεις μεταξύ κλάσεων πολυπλοκότητας, η ιεραρχία κλάσεων DSPACE και DTIME. Πολυωνυμικές αναγωγές, το θεώρημα του Cook: το Πρόβλημα της Ικανοποιησιμότητας Λογικών Εκφράσεων (SAT) είναι NP-πλήρες. Μέθοδοι απόδειξης NP-πληρότητας προβλημάτων. Η πολυωνυμική ιεραρχία χρόνου, PSPACE-πλήρη προβλήματα και το πρόβλημα QBF, αποδεδειγμένα δύσκολα υπολογιστικά προβλήματα. Αλγόριθμοι Monte Carlo και Las Vegas. Στο μάθημα περιλαμβάνονται ατομικές ασκήσεις, περιληπτική συγγραφή και παρουσίαση σχετικών ερευνητικών εργασιών. Στόχος του μαθήματος είναι οι φοιτητές να είναι σε θέση: να κατανοήσουν τις κλάσεις πολυπλοκότητας, να επεκτείνουν τις μεθόδους επίλυσης δύσκολων προβλημάτων, και να αντιλαμβάνονται δύσκολα επιλύσιμα προβλήματα με αναγωγές.

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Αυτόνομη εργασία Εργασία σε διεπιστημονικό περιβάλλον

Περιεχόμενο Μαθήματος

ΝΡ και υπολογιστική δυσεπιλυσιμότητα Η κλάση PSPACE Επέκταση των ορίων επιλυσιμότητας Προσεγγιστικοί Αλγόριθμοι Τοπική Αναζήτηση Τυχαιοποιημένοι Αλγόριθμοι

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης	Στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις 39 Αυτοτελής Μελέτη 78 Επίλυση Ασκήσεων - Εργασίες 70.5 Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών	Ατομικές Εργασίες (50%) Συγγραφή Περιληπτικών Εργασιών (20%) Παρουσιάσεις (30%)

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Complexity Theory

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Graduate
Course Code	ΠΛ1
Semester	1
Course Title	Complexity Theory
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type	Elective
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Is the Course Offered to Erasmus Students	Yes (in English)
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes	This course aims at introducing to students the concepts of time and space complexities for solving difficult problems. After successfully passing this course the students will be able to: Understand complexity classes. Push further techniques for solving difficult problems. Understand difficult problems by using reductions.
General Competences	Search for, analysis and synthesis of data and information, with the use of the necessary technology Working independently Team work Project planning and management

Syllabus

ΝΡ and Computational Intractability The class of PSPACE Extending the limits of tractability Approximation Algorithms Local search Randomized algorithms

Teaching and Learning Methods - Evaluation

Delivery	Lectures
Use of Information and Communications Technology	Use of projector and interactive board during lectures.
Teaching Methods	Activity Semester Workload Lectures 39 Working independently 78 Exercises - Homework 70.5 Course total 187.5
Student Performance Evaluation	Written work (50%). Essay / report (20%). Public presentation (30%).

Attached Bibliography

See the official Eudoxus site.