Grundlagen der Informatik

Präsentation zum Thema: "Grundlagen der Informatik"—  Präsentation transkript:

1 Grundlagen der Informatik
Prof. Wolfgang SLANY Grundlagen der Informatik - Prof. Slany

2 Grundlagen der Informatik - Prof. Slany
Turing Maschinen Alan Turing 1936 Speicherplatz: 2D, Anfangsecke, nach rechts und nach oben beliebig viel Platz, „Anfangsbeschriftung“ Symbole: „leerer Platz“, „0“, „1“, „2“, … Zustände: Anfangszustand „Schwarz“, weitere „Grün“, „Rot“, „halte an“, … Menge von Übergangsregeln Marvin-10 + Labyrinth Grundlagen der Informatik - Prof. Slany

3 Grundlagen der Informatik - Prof. Slany
Turing Maschinen Normalerweise ist Speicher nicht 2D, sondern ein-dimensional = Original TM mit nur einem 1D Speicherband (1 tape turing machine), einfachstes Modell Realistisches 1D Speichermodell Zustand = „Akkumulator“, „Register“ Schreibe/Lesekopf = Marvin-10 = Cursor = Pointer Übergangsregeln: realistisches Modell für CPU (central processing unit) und Maschinensprache Programme: Assembler-Code Grundlagen der Informatik - Prof. Slany

4 Grundlagen der Informatik - Prof. Slany
Turing Maschinen Simulation einer 2D TM (zB Marvin-10) auf einer 1D TM: Zeilen „hintereinander“ auf einem Band, durch spezielle Symbole getrennt Zeilenwechsel = vorherige Zeile oder nächste Zeile; Platz: Verschieben eines Cursor-Symbols in ursprünglicher Zeile, parallel dazu in neuer Zeile: viel hin und her „Gerenne“ Gut machbar? Effektiv? Effizient? Grundlagen der Informatik - Prof. Slany

5 Grundlagen der Informatik - Prof. Slany
Turing Maschinen Zusätzlicher zeitlicher Aufwand: 1 horizontaler Schritt = gleich, außer wenn neues Feld: ca. 1 vertikaler Schritt, maximale Zeilenlänge n (zB n = 10): Pro Zellenentfernung m (zB m = 4) zum Beginn circa 2 x m x n Im schlechtesten Fall ist m = n, d.h. Aufwand = 2 x n2 Zeitlicher Zusatzaufwand bei der Simulation: circa 2 x n2 Zusätzlicher Speicherverbrauch: vernachlässigbar Grundlagen der Informatik - Prof. Slany

6 Grundlagen der Informatik - Prof. Slany
k-tape TM Nicht nur ein Speicherband, sondern k k „Roboter“, 1 „Schritt“ bewegt alle Roboter gleichzeitig in unabhängige Richtungen Simulation auf 1D TM: zeitlicher und Speicher-aufwand ähnlich wie bei 2D, nur dass jetzt immer k-Bänder bearbeitet werden müssen Suche nach dem gleichem Platz fällt wegen speziellen Cursor Symbol in jedem „Band“ weg Bei jedem Schritt müssen aber alle „Bänder“ 2x durchlaufen werden, um die k Symbole zu lesen, und dann je nach Regel darauf zu reagieren (schreiben, …) Detto 3D und andere Varianten (insert etc) Grundlagen der Informatik - Prof. Slany

7 TM vs heutiger Computer
Von Neumann Architektur 1946 Maschinensprache: Register, READ, WRITE, ADD, SUB, JUMP-IF-ZERO, … Darauf aufbauend höhere Programmiersprachen (C, C++, Java …) Zusammenhang mit Turing Maschinen?!? Grundlagen der Informatik - Prof. Slany

8 TM vs heutiger Computer
 Random Access Machine (RAM) Achtung: RAM = Random Access Memory vs Random Access Machine Ähnlich wie Maschinensprache: READ, WRITE, ADD, SUB, JUMP-IF-ZERO, … Wenn ein Problem in Zeit f(n) auf einer beliebigen TM gelöst werden kann, dann gibt es ein RAM-Programm, das dieses Problem in O(f(n)) Schritten löst Grundlagen der Informatik - Prof. Slany

9 Grundlagen der Informatik - Prof. Slany
O() Notation f1(n) ist in O(f2(n)), oder auch f1(n) = O(f2(n)) (Achtung: „=“ ist nur eine Schreibkonvention!)  f1 wächst asymptotisch (n  unendlich) nicht schneller als k x f2 (für ein bestimmtes k) Beispiel: 4n5+3n2-7 ist in O(n5) (oder anders geschrieben: 4n5+3n2-7 = O(n5)) Konstanter Faktor k ist wegen jederzeit möglichem linearen speedup (8bit vs 64 bit CPU etc) unerheblich Mehr: Grundlagen der Informatik - Prof. Slany

10 TM vs heutiger Computer
RAM Programm, das ein Problem in f(n) Schritten löst, kann auf einer 7-bändigen Turing Maschine in O(f(n)3) Schritten simuliert werden (Grund für 7 Bänder: Zwischenergebnisse, Pointer, und einfach „schlampig“ programmiert) D.h. auf der ursprünglichen ein-Band Turing Maschine in O((f(n)3)2) = O(f(n)6) Super!!!: Hardware verbessert sich so schnell (exponentiell!), dass polynomielle Unterschiede kaum ins Gewicht fallen Hexi!  Grundlagen der Informatik - Prof. Slany

11 Grundl. d. Informatik - Prof. Slany
Moore‘s law (x 2 kleiner = schneller, alle 18~24 Monate, theoretisch noch 600 Jahre möglich …) Grundl. d. Informatik - Prof. Slany

12 Exponentielles Wachstum
Posting / Java … The Java is Faster than C++ and C++ Sucks Unbiased Benchmark  Rechnen Grundl. d. Informatik - Prof. Slany

13 Grundl. d. Informatik - Prof. Slany
„Tipping point“ RAM Programm: f(n) Schritte Ein-Band Turing Maschine: O(f(n)6) Schritte Nach 20 Jahren: Ein-Band Turing Maschine ist 16x so schnell wie heutiger Computer Marvin-10: nur O(f(n)3)  Nach 100 Jahren: mehr als 1,7 x 1013 x so schnell wie heutiger Computer … Grundl. d. Informatik - Prof. Slany

14 Polynome vs exponentielles Wachstum
Grundlagen der Informatik - Prof. Slany

15 Story: First Half of the Chessboard
Chinese/Indian/Arab advisor did a great deed for his emperor who wants to reward him: One grain of rice on the first square of the chess board, double that number of grains of rice on the second square, and so on Grundl. d. Informatik - Prof. Slany

16 Tipping point: Rice on Chessboard
First half of the chessboard is for a total of exactly 232 − 1 grains of rice, or about one field of rice.  Economically insignificant to the emperor, no problem. Second half of the chessboard is , for a total of grains of rice. 8000 years at current world production rate. Grundl. d. Informatik - Prof. Slany

17 Grundl. d. Informatik - Prof. Slany
Wichtige Beispiele 43503 (konstant) = O(1) 27 log(n) (logarithmisch) = O(log n) 10 log(2n) – 7 (logarithmisch) = O(log n) 13n + 8 log(3n) (linear) = O(n) 24 n log (n) – 7n = O(n log n) 17n n log (1000n) (quadrat.) = O(n2) 1000 n50 + n51 (polynomiell) = O(n51) 2n +n5000 (exponentiell) = O(2n) Grundl. d. Informatik - Prof. Slany

18 O() Notation Prüfungsbeispiel
Grundlagen der Informatik - Prof. Slany