Conclusioni. Simone Martini. a.a
|
|
|
- Gioacchino Santini
- 5 anni fa
- Visualizzazioni
Transcript
1 Conclusioni Simone Martini a.a / 62
2 Ricominciamo dall inizio... 1 Presentazioni 2 Cos è l informatica 3 Matematica? 4 Il corso 2 / 62
3 Parte I Il corso 3 / 62
4 Docenti Docenti Simone Martini, responsabile Davide Bresolin, docente di un modulo Sara Zuppiroli, tutor in laboratorio Matteo Candita, Roberta Conte, Valentina Guerra a tutti GRAZIE! 4 / 62
5 Libro di testo Allen B. Downey Think Python: How to Think Like a Computer Scientist O Reilly Media, ISBN FreeBook: PDF e HTML gratuiti Una versione adattata a Python v. 3 Una traduzione italiana (di una vecchia edizione) 5 / 62
6 Altro materiale Dispense su Python: incomplete, sul sito, in divenire Tutti gli esercizi d esame, con una soluzione Documentazione di Python: Quello che abbiamo visto a lezione è sufficiente, ma è incoraggiata la documentazione personale indipendente 6 / 62
7 Il corso Programma Cos è l informatica: Calcolo e macchine astratte La macchina Python Costrutti principali; strutture dati I limiti del calcolabile In parallelo while True : esercizi Laboratorio Progetto 7 / 62
8 L esame Progetto: Problema non banale, risolto a casa e in lab Prova scritta 8 / 62
9 Cosa verificheremo Trovare un algoritmo per semplici problemi Descrivere quell algoritmo Le competenze Descrivere quell algoritmo in un linguaggio di programmazione Conoscere una porzione significativa di Python no: classi ed ereditarietà Saper usare Python su uno specifico sistema operativo Conoscere il contesto: calcolo, macchine, limitazioni Esprimersi in un linguaggio tecnicamente accurato 9 / 62
10 Parte II Cos è l informatica? 10 / 62
11 Vorremmo... Saper usare le applicazioni Tre personæ Applicazioni Tecnologia Scienza insieme Al contesto e ai fondamenti scientifici nel quale esse si collocano Per limitare l obsolescenza Per una piena cittadinanza 11 / 62
12 Concetti Informatica: Studia i procedimenti effettivi di elaborazione dell informazione. Contribuisce alle scienze con concetti propri, quali: algoritmo (che viene dalla matematica... ) effettività complessità computazionale gerarchia di astrazione informazione! Condivide con altre scienze: problem solving interazione comunicazione 12 / 62
13 Ma soprattutto... Mette a disposizione strumenti linguistici Affinché ciò sia possibile e semplice Cioè evocativo, sintetico, economico Nella pluralità feconda dei linguaggi 13 / 62
14 Parte III Perché Informatica a Matematica? 14 / 62
15 Informatica a Matematica? 1 Fondamenti: cosa significa calcolare? 2 Matematica costruttiva 3 Analisi Numerica e Ottimizzazione 4 Il calcolatore nella pratica matematica 15 / 62
16 Cosa significa calcolare? Alan M. Turing ( ) nato: 23 giugno 1912 OBE, Order of the British Empire FRS, Fellow of the Royal Society Criptoanalista Matematico Logico 16 / 62
17 Numeri (reali) calcolabili Esistono numeri che non sono calcolabili? Cioè: la cui parte decimale non è ottenibile con un procedimento meccanico deterministico? Esistono funzioni che non sono calcolate da nessun programma? 17 / 62
18 1 Introdurremo e praticheremo un linguaggio universale per la descrizione del calcolo. Di ogni calcolo. Di ogni algoritmo. La dimestichezza con il concetto di calcolabile è un requisito culturale necessario per ogni matematico moderno: ricercatore, insegnante, consulente, ecc. 18 / 62
19 Il problema della fermata non è decidibile. 19 / 62
20 Piastrelle di Wang 20 / 62
21 Piastrellatura (tiling) di Wang 21 / 62
22 Un solo tipo di piastrella Una piastrellatura semplice periodica 22 / 62
23 Piastrellature non periodiche 23 / 62
24 E le relative piastrelle Permettono solo piastrellature non periodiche. 24 / 62
25 Un problema non decidibile Piastrelle di Wang! Dato un insieme di piastrelle, decidere se possono piastrellare il piano 25 / 62
26 Ma allora? Ricerca di specifiche soluzioni. Non ci sono metodi generali 26 / 62
27 Altri problemi indecidibili Piastrellatura di Wang Problema della fermata Equivalenza dei programmi Decimo problema di Hilbert: Decidere se un equazione a coefficienti interi ha una soluzione intera Entscheidungsproblem: Decidere se una qualunque formula logica è un teorema 27 / 62
28 On computable numbers. Leggiamo assieme... Computing is [... ] done by writing [... ] symbols on paper We may suppose this paper is divided into squares The behaviour of the computer [... ] is determined by the symbols which he is observing, and his state of mind operations [are] split up into simple operations in a simple operation not more than one symbol is altered 28 / 62
29 On computable numbers, 2 Leggiamo assieme... The most general single operation must therefore be taken to be one of the following: 1 A possible change of symbol together with a possible change of state of mind; 2 A possible change of observed squares, together with a possible change of state of mind. The operation actually performed is determined [... ] by the state of mind of the computer and the observed symbols. In particular, they determine the state of mind of the computer after the operation is carried out. 29 / 62
30 Un commento un po acido Turing s machines : These machines are humans who calculate. [L. Wittgenstein, Remarks on the Philosophy of Psychology, Vol. 1, Blackwell, Oxford, 1980.] 30 / 62
31 La macchina di Turing Le quintuple: (q, a, q, b, D), con D {,, } 31 / 62
32 La macchina di Turing: esempio = 0 2 Una quintupla: (q, a, q, b, D): 1 q: ricordo parziale 3 2 a: vedo 2 3 q : ricordo parziale 5 4 b: lascio invariato 2 5 D = : mi sposto una casella in basso 32 / 62
33 La macchina di Turing: esempio = 0 2 Una quintupla: (q, a, q, b, D): 1 q: ricordo parziale 5 2 a: vedo casella vuota 3 q : ricordo parziale 5 4 b: scrivo 0 5 D = : mi sposto una casella in basso 33 / 62
34 Alfabeto finito Stati interni in numero finito Operazioni: elementare symbol pushing La macchina di Turing, 2 Decisioni basate su informazioni locali, dunque finite Nastro potenzialmente infinito In una singola computazione: usata una porzione finita del nastro Descrizione finita di di una macchina (e del suo programma ) delle configurazioni di una singola computazione Dunque maneggiabile essa stessa da una macchina. 34 / 62
35 Una macchina che calcola Stato interno Posizione della testina Configurazione del nastro Computazione: successione di configurazioni Se non vi sono quintuple applicabili, la macchina si ferma Computazioni finite e infinite 35 / 62
36 Configurazioni The operation [... ] is determined [... ] by the state of mind of the computer and the observed symbols. In particular, they determine the state of mind of the computer after the operation is carried out. Una configurazione: simboli sul nastro (in numero finito!) posizione della testina stato interno Una mossa: transizione da una configurazione ad un altra determinata dalla configurazione precedente e le quintuple Il calcolo è completamente meccanico: è eseguibile da un computer! 36 / 62
37 La MdT universale 37 / 62
38 La macchina universale Un unica macchina, U, simula tutte le altre Il suo programma cablato è un programma di emulazione della macchina che è il suo dato U è un calcolatore a programma memorizzato L intuizione di von Neumann 38 / 62
39 La tesi di Church Ogni funzione intuitivamente calcolabile, è calcolabile da una MdT 39 / 62
40 Conseguenze I risultati di indecidibilità sono assoluti, non dipendono dallo specifico strumento di calcolo usato. 40 / 62
41 Outline 1 Risorse limitate 41 / 62
42 Limiti nelle risorse Un problema può essere risolubile... ma richiedere: più tempo della vita dell universo più spazio di lavoro del diametro stimato dell universo più messaggi scambiati degli atomi dell universo 42 / 62
43 Complessità computazionale Classificare i problemi in base alle risorse che sono necessarie; intrinsicamente; in funzione della dimensione dei dati 43 / 62
44 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 44 / 62
45 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 45 / 62
46 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 46 / 62
47 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 47 / 62
48 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 48 / 62
49 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 49 / 62
50 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 50 / 62
51 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 51 / 62
52 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 52 / 62
53 Esempi sort: Ordinare n numeri, sfruttando confronti tra loro richiede n log n confronti shortest path: Determinare il percorso minimo tra due città, assumendo distanze non negative richiede almeno un tempo polinomiale nel numero delle città (eg, n 2, algoritmo di Dijkstra) primes: Determinare se un numero n è primo richiede tempo polinomiale nel numero di cifre di n weak monadic second order theory of successor: richiede tempo esponenziale nella lunghezza della formula travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta richiede?? 53 / 62
54 Crescita delle funzioni 54 / 62
55 Problemi (in)trattabili Trattabile = polinomiale L escalation esponenziale vanifica l escalation tecnologica 55 / 62
56 Problemi (in)trattabili Trattabile = polinomiale L escalation esponenziale vanifica l escalation tecnologica 56 / 62
57 Problemi NP-completi Di alcuni problemi non conosciamo una limitazione intrinseca L unico metodo che conosciamo è di forza bruta: esponenziale Ma non abbiamo dimostrazioni che non esistono algoritmi polinomiali Sappiamo riconoscere in modo efficiente se una soluzione candidata è davvero una soluzione travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta 57 / 62
58 Problemi NP-completi Di alcuni problemi non conosciamo una limitazione intrinseca L unico metodo che conosciamo è di forza bruta: esponenziale Ma non abbiamo dimostrazioni che non esistono algoritmi polinomiali Sappiamo riconoscere in modo efficiente se una soluzione candidata è davvero una soluzione travelling salesman: Date n città determinare un percorso (ciclico) che le tocca tutte una ed una sola volta 58 / 62
59 Un problema NP-completo Piastrelle di Wang! Dato un insieme di piastrelle, decidere se possono piastrellare una porzione n m di piano 59 / 62
60 Problemi di difficile classificazione Isomorfismo di grafi Fattorizzazione di un numero Non conosciamo algoritmi polinomiali, ma non sappiamo neppure classificarli come NP-completi 60 / 62
61 Ma quant è difficile NP? NP = Polytime? 61 / 62
62 S I P A R I O 62 / 62
Quello che i calcolatori possono e non possono fare
Quello che i calcolatori possono e non possono fare Ricordando Alan Turing a cent anni dalla nascita Simone Martini Dipartimento di Scienze dell Informazione Alma Mater Studiorum Università di Bologna
Alan Turing pioniere dell era digitale. Il calcolo e le sue limitazioni
Alan Turing pioniere dell era digitale Il calcolo e le sue limitazioni Simone Martini Dipartimento di Informatica: Scienza e Ingegneria Alma mater studiorum Università di Bologna scienzagiovane 27 ottobre
Macchine di Turing. Valerio Perticone, Settimo Termini
Macchine di Turing Valerio Perticone, Settimo Termini Calcolabilità Avevamo già introdotto il concetto di calcolabilità quando si parlava di complessità degli algoritmi Non tutte le funzioni matematiche
Macchine a responsabilità limitata
Macchine a responsabilità limitata Breve Introduzione alla Teoria della Calcolabilità: Tesi di Turing-Church e Problemi (in-)decidibili Roberto Maieli Università degli Studi Roma Tre maieli@uniroma3.it
Il calcolatore universale, origini e nuovi paradigmi
Il calcolatore universale, origini e nuovi paradigmi Lucia Pomello Università degli studi di Milano Bicocca Dipartimento di Informatica, Sistemistica e Comunicazione 24 febbraio 2017 L evoluzione dell
Informatica. Simone Martini. Corso di Laurea in Matematica, primo anno. Dipartimento di Informatica Scienza e Ingegneria 1/52
Informatica Corso di Laurea in Matematica, primo anno Simone Martini Dipartimento di Informatica Scienza e Ingegneria 1/52 Indice 1 Presentazioni 2 Cos è l informatica 3 Informatica @ Matematica? 4 Il
Calcolabilità e Complessità. Scuola Aila 2009
Calcolabilità e Complessità Scuola Aila 2009 Simone Martini Dipartimento di Scienze dell Informazione Alma mater studiorum Università di Bologna martini@cs.unibo.it Gargnano 24 29 agosto, 2009 1 / 51 Quanti
Teoria della Calcolabilità!
Teoria della Calcolabilità Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo. L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
Logica Algoritmi Cognizione
Logica Algoritmi Cognizione Le nozioni di DECIDIBILITÀ e COMPUTABILITÀ e i loro limiti Formulazione della logica in termini di teorie formalizzate e di dimostrazioni (all interno di teorie formalizzate)
ELEMENTI DI PROGRAMMAZIONE a.a. 2012/13 MACCHINE, ALGORITMI, PROGRAMMI
ELEMENTI DI PROGRAMMAZIONE a.a. 22/3 MACCHINE, ALGORITMI, PROGRAMMI Andrea Prevete, UNINA2 23 UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a stati finiti)... macchine di
Teoria della Calcolabilità!
Teoria della Calcolabilità!! Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo.!! L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
Informatica e Laboratorio di Programmazione Automi Alberto Ferrari. Alberto Ferrari Informatica e Laboratorio di Programmazione
Informatica e Laboratorio di Programmazione Automi Alberto Ferrari Alberto Ferrari Informatica e Laboratorio di Programmazione automa o automa: macchina astratta o realizza un certo algoritmo, secondo
Teoria della Calcolabilità
Teoria della Calcolabilità! Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo.! L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
Algoritmi e Complessità
Algoritmi e Complessità Università di Camerino Corso di Laurea in Informatica (tecnologie informatiche) III periodo didattico Docente: Emanuela Merelli Email:emanuela.merelli@unicam.it a.a. 2002-03 e.merelli
Turing cercò di fornire una risposta matematica al problema CHE COSA SIGNIFICA CALCOLARE?
STORIA DELLE CONOSCENZE SCIENTIFICHE SULL UOMO E SULLA NATURA a.a. 2016 2017 Prof. Roberto Giuntini, PhD. Introduzione alla storia dell intelligenza artificiale e della robotica Modulo II: Le macchine
Capitolo 11. Teoria della computazione Pearson Addison-Wesley. All rights reserved
Capitolo 11 Teoria della computazione 2007 Pearson Addison-Wesley. All rights reserved Capitolo 11: Teoria della computazione 11.1 Funzioni e loro calcolo 11.2 Macchine di Turing 11.3 Linguaggi gg di programmazione
Sommario Codifica dei dati Macchina Astratta Definizioni Esempi
Sommario Codifica dei dati Macchina Astratta Definizioni Esempi 1 2 Codifica dei dati È possibile introdurre la teoria della computabilità facendo riferimento ad algoritmi che elaborano numeri naturali
Limiti della calcolabilità
Limiti della calcolabilità Argomenti della lezione Macchina di Turing universale Il problema della terminazione Altri problemi indecidibili Macchine di Turing in forma ridotta Per ogni MT M esiste una
Elementi di Informatica A. A. 2016/2017
Elementi di Informatica A. A. 2016/2017 Ing. Nicola Amatucci Università degli studi di Napoli Federico II Scuola Politecnica e Delle Scienze di Base nicola.amatucci@unina.it Algoritmi e Programmi Elementi
Capitolo III. Algoritmi e Programmi
Capitolo III Algoritmi e Programmi Trattamento delle Informazioni Informatica Studio sistematico dei processi che servono al trattamento delle informazioni Studio della definizione della soluzione di problemi
Macchina di Turing. Dipartimento di Elettronica e Informazione Politecnico di Milano. 17 marzo 2017
Macchina di Turing Dipartimento di Elettronica e Informazione Politecnico di Milano 17 marzo 2017 Un modello di calcolo universale Macchina di Turing Gli AP sono più potenti degli FSA (= maggiori capacità
Parte I.5 Cenni alla computazione
Parte I.5 Cenni alla computazione Elisabetta Ronchieri Università di Ferrara Dipartimento di Economia e Management Insegnamento di Informatica Dicembre 14, 2015 Elisabetta Elisabetta Ronchieri I Concetti
Teoria della Calcolabilità!
Teoria della Calcolabilità! Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo.! L'origine risale alla prima metà del ventesimo secolo, quando i logici matematici
Fondamenti Informatica A.A. 2010/'11. (I parte)
Problemi e algoritmi Macchina di Turing Fondamenti di informatica Proff. De Nitto e D Ambrogio A.A. 2010/2011 (I parte) Architettura e visione funzionale Rappresentazione dei numeri Modello computazionale
Problemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
Teoria della Calcolabilità
Teoria della Calcolabilità n Si occupa delle questioni fondamentali circa la potenza e le limitazioni dei sistemi di calcolo n L origine risale alla prima metà del ventesimo secolo, quando i logici matematici
Algoritmi e Complessità
Algoritmi e Complessità Università di Camerino Corso di Laurea in Informatica (tecnologie informatiche) III periodo didattico Docente: Emanuela Merelli Email:emanuela.merelli@unicam.it Lezione 1 Teoria
Le parole dell informatica: algoritmo e decidibilità
Le parole dell informatica: algoritmo e decidibilità Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Ciclo di seminari su un Vocabolario Filosofico dell Informatica
Sommario Tesi di Church, di Turing, e di Church Turing G delizzazione. Limiti della Calcolabilità
Sommario Tesi di Church, di Turing, e di Church Turing G delizzazione Macchina di Turing Universale Problema della fermata Altri problemi indecidibili 1 2 Tesi di Church Nel 1936 Church propone la seguente
Problemi decidibili, semidecidibili, indecidibili
Problemi decidibili, semidecidibili, indecidibili (Paragrafo 3.5 delle dispense) Il problema di determinare se una formula A della logica proposizionale sia valida o no può essere risolto mediante un procedimento
(ETC) A.A. 2016/17 MATRICOLE DISPARI
Elementi di Teoria della Computazione (ETC) A.A. 2016/17 MATRICOLE DISPARI Docente: Prof. Luisa Gargano BENVENUTI! Finalità: Fornire gli elementi di base delle teorie che sono di fondamento all'informatica
T1: Logica, discorso e conoscenza. Logica classica
T1: Logica, discorso e conoscenza Primo modulo: Logica classica ovvero Deduzione formale vs verità: un introduzione ai teoremi limitativi Simone Martini Dipartimento di Scienze dell Informazione Alma mater
Teoria della computazione
Fondamenti di Informatica per la Sicurezza a.a. 2006/07 Teoria della computazione Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
Il concetto di calcolatore e di algoritmo
Il concetto di calcolatore e di algoritmo Elementi di Informatica e Programmazione Percorso di Preparazione agli Studi di Ingegneria Università degli Studi di Brescia Docente: Massimiliano Giacomin Informatica
L AUTOMA ESECUTORE L AUTOMA ESECUTORE L AUTOMA ESECUTORE L AUTOMA ESECUTORE GERARCHIA DI MACCHINE PERCHE I MODELLI MATEMATICI
Un automa capace di ricevere dall esterno una descrizione dello algoritmo richiesto cioè capace di interpretare un linguaggio (linguaggio macchina) Vincolo di realizzabilità: se l automa è fatto di parti,
L AUTOMA ESECUTORE L AUTOMA ESECUTORE
L AUTOMA ESECUTORE DATI Esecutore Metodo Risolutivo (algoritmo) RISULTATI Un automa capace di ricevere dall esterno una descrizione dello algoritmo richiesto cioè capace di interpretare un linguaggio (linguaggio
Capitolo 5: Macchine di Turing e calcolabilitá secondo Turing
Capitolo 5: Macchine di Turing e calcolabilitá secondo Turing 1 Macchina di Turing (MDT ) Un dispositivo che accede a un nastro (potenzialmente) illimitato diviso in celle contenenti ciascuna un simbolo
Automi e Macchine. Computabilità. Progetto Nazionale Lauree Scientifiche Licei Fracastoro e Messedaglia Verona, novembre/dicembre 2012.
Automi e Macchine Computabilità Progetto Nazionale Lauree Scientifiche Licei Fracastoro e Messedaglia Verona, novembre/dicembre 2012 Computabilità AA 2012/13 Ugo Solitro Sommario Introduzione Automi a
Macchine di Turing e Calcolabilità
e Calcolabilità Moreno Marzolla Dipartimento di Informatica Scienza e Ingegneria (DISI) Università di Bologna http://www.moreno.marzolla.name/ 2 Ringraziamenti Parte del materiale presente in queste slide
Teoria della complessità
Teoria della complessità Materiale consigliato: testo del corso capitolo 34 Introduzione agli algoritmi e strutture dati T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein McGraw Hill, 2005 Denise Salvi
Macchine di Turing. Francesco Paoli. Istituzioni di logica, Francesco Paoli (Istituzioni di logica, ) Macchine di Turing 1 / 29
Macchine di Turing Francesco Paoli Istituzioni di logica, 2016-17 Francesco Paoli (Istituzioni di logica, 2016-17) Macchine di Turing 1 / 29 Alan M. Turing (1912-1954) Francesco Paoli (Istituzioni di logica,
Informatica teorica Lez. n 7 Macchine di Turing. Macchine di Turing. Prof. Giorgio Ausiello Università di Roma La Sapienza
Macchine di Turing Argomenti della lezione Definizione della macchina di Turing Riconoscimento e accettazione di linguaggi Macchine a più nastri La macchina di Turing èun è automa che può leggere e scrivere
Macchine di Turing e Calcolabilità
e Calcolabilità (Capitolo 6 dispensa) Moreno Marzolla Dipartimento di Informatica Scienza e Ingegneria (DISI) Università di Bologna https://www.moreno.marzolla.name/ Copyright 2013, 20162019 Moreno Marzolla,
Sommario. martedì 23 ottobre 2012
Sommario Macchina di Turing universale il problema dell accettazione per TM e sua indecidibilità il problema della fermata e sua indecidibilità Proprietà dei problemi Turing riconoscibili Linguaggi non
L AUTOMA ESECUTORE L AUTOMA ESECUTORE
L AUTOMA ESECUTORE Metodo Risolutivo (algoritmo) Un automa capace di ricevere dall esterno una descrizione dello algoritmo richiesto DATI Esecutore RISULTATI cioè capace di interpretare un linguaggio (linguaggio
Capitolo 8: Teoria della complessitá
Capitolo 8: Teoria della complessitá 1 La Teoria della calcolabilitá considera aspetti qualitativi della soluzione di problemi. Distingue il calcolabile dal non calcolabile. La Teoria della complessitá
Teoria della complessità
Fondamenti di Informatica per la Sicurezza a.a. 2006/07 Teoria della complessità Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
Sommario. Macchina di Turing universale Proprietà dei problemi Turing riconoscibili Linguaggi non Turing riconoscibili.
Sommario Macchina di Turing universale Proprietà dei problemi Turing riconoscibili Linguaggi non Turing riconoscibili. 1 UTM: la TM universale Una TM T che accetta un linguaggio è analoga a un programma
ELEMENTI DI PROGRAMMAZIONE a.a. 2013/14 UNA GERARCHIA DI MACCHINE
ELEMENTI DI PROGRAMMAZIONE a.a. 23/4 UNA GERARCHIA DI MACCHINE Andrea Prevete, UNINA2 24 UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a numero finito di stati)... macchine
Principio di composizione delle MT
Principio di composizione delle MT La definizioni date fanno riferimento a situazioni in cui la macchina sia capace di risolvere problemi singoli. E possibile far sì che macchine progettate per problemi
Corso di Linguaggi di Programmazione
Corso di Linguaggi di Programmazione Lezione 2 Alberto Ceselli alberto.ceselli@unimi.it Dipartimento di Tecnologie dell Informazione Università degli Studi di Milano 09 Marzo 2010 Controlli automatici
Calcolo e simboli: la scienza digitale A.M. Turing a cent anni dalla nascita
Calcolo e simboli: la scienza digitale A.M. Turing a cent anni dalla nascita Simone Martini Dipartimento di Informatica Scienza e Ingegneria Alma mater studiorum Università di Bologna and EPI Focus INRIA
PROGRAMMAZIONE I A.A. 2018/2019
PROGRAMMAZIONE I A.A. 2018/2019 COMPUTATIONAL THINKING Formalizzato da una psicologa Americana Jeanette Wing in un articolo sulla rivista ACM nel 2008 ühttps://www.ncbi.nlm.nih.gov/pmc/articles/pmc2696102/
Proposte di approfondimenti
Linguaggi formali Proposte di approfondimenti 1. Forme normali di Greibach, trasformazione di una grammatica in forma normale di Greibach Automi a stati finiti 2. Automi di Büchi: particolari automi a
La matematica negli algoritmi. Maat: dea egizia dell ordine. Liber Abaci 1202
La matematica negli algoritmi Maat: dea egizia dell ordine Liber Abaci 1202 Tre concetti di base La decidibilità il concetto di algoritmo non esistono dimostrazioni gratis La crescita esponenziale rappresentazione
Fondamenti di Informatica per la Sicurezza a.a. 2008/09. Automi. Stefano Ferrari. Unautomaastatifinitièunmodellomatematico caratterizzato da:
Fondamenti di Informatica per la Sicurezza a.a. 2008/09 Automi Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università degli Studi di Milano
ALFABETO. Informatica Prof. Nicola BRUNO
ALFABETO In generale, ogni tipo di linguaggio (naturale o artificiale) è costruito su un alfabeto. Un alfabeto è definito come un insieme finito e non vuoto di simboli elementari. Una stringa è costituita
Fondamenti d Informatica. Barbara Re, Phd
Fondamenti d Informatica Barbara Re, Phd Informazioni e Contatti Ricercatrice a tempo determinato INF/01 (Tipo B) Membro della Sezione d Informatica - SST Secondo Piano (Polo Lodovici) barbara.re@unicam.it
Aniello Murano Classe dei problemi NP. Nella lezione precedente abbiamo visto alcuni problemi che ammettono soluzione polinomiale
Aniello Murano Classe dei problemi NP 13 Lezione n. Parole chiave: Classe NP Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Introduzione alla lezione Nella lezione
Appunti del corso di Informatica 1 (IN110 Fondamenti) 3 Modelli di calcolo
Università Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN110 Fondamenti) 3 Modelli di calcolo Marco Liverani (liverani@mat.uniroma3.it)
Modelli e complessità di calcolo
Modelli e complessità di calcolo Prof. Giorgio Ausiello Orario delle lezioni: Martedi, Mercoledi, Giovedi ore 8.30 10.00 Orario di ricevimento: Lunedi ore 17.00 19.00 Via Ariosto 25 II piano - Ufficio
Informatica. Simone Martini. Corso di Laurea in Matematica, primo anno. a.a. 2014-2015. Dipartimento di Informatica Scienza e Ingegneria
Informatica Corso di Laurea in Matematica, primo anno Simone Martini Dipartimento di Informatica Scienza e Ingegneria a.a. 2014-2015 1 / 53 Indice 1 Presentazioni 2 Cos è l informatica 3 Informatica @
Corso di Linguaggi di Programmazione
Corso di Linguaggi di Programmazione Lezione 2 Alberto Ceselli alberto.ceselli@unimi.it Università degli Studi di Milano 01 Marzo 2013 1 2 3 Obiettivo chiave dei LdP: fornire costrutti che riducano la
La nozione di algoritmo
La nozione di algoritmo Agostino Dovier Dip. di Matematica e Informatica, Univ. Udine UDINE, Aprile 2015 Agostino Dovier (DIMI) La nozione di algoritmo UDINE 1 / 17 Un algoritmo viene descritto in un certo
Concetti di base sugli automi e sui linguaggi formali
Concetti di base sugli automi e sui linguaggi formali Andrea Burattin 18 marzo 2005 Sommario Piccolo insieme di concetti sul funzionamento degli automi (a stati finiti, a pila,...), delle grammatiche libere
Capitolo 9: Trattabilitá e intrattabilitá dei problemi
Capitolo 9: Trattabilitá e intrattabilitá dei problemi 1 La classe P : é considerata tradizionalmente come una caratterizzazione formale dei problemi trattabili. n = 2 n = 5 n = 10 n = 100 n = 1000 n 2
Aniello Murano Problemi non decidibili e riducibilità
Aniello Murano Problemi non decidibili e riducibilità 8 Lezione n. Parole chiave: Riduzione Corso di Laurea: Informatica Codice: Email Docente: murano@ na.infn.it A.A. 2008-2009 Overview Nelle lezioni
La Teoria della Complessità Computazionale fa un passo avanti:
Introduzione La Teoria della Calcolabilità fornisce criteri per analizzare i problemi computazionali dal punto di vista della loro risolvibilità per via algoritmica. La domanda centrale riguarda l'esistenza
Programmazione ( Cenni storici sulle origini dell informatica )
Programmazione ( Cenni storici sulle origini dell informatica ) E. Omodeo Università degli Studi di Trieste, a.a. 2011/12. 27.09.2011 Pionieri Lullo Raimondo : ruote logiche ( Palma di Maiorca, 1235 1316
Fondamenti di Informatica. Ipotesi fondamentale. Irrisolubilità. Prof. V.L. Plantamura Informatica e Comunicazione Digitale a.a.
Fondamenti di Informatica Prof. V.L. Plantamura Informatica e Comunicazione Digitale a.a. 2006-2007 Ipotesi fondamentale Tesi di Church Qualunque algoritmo può essere espresso sotto forma di matrice funzionale
Sommario. Complessità di tempo e spazio di una TM che si ferma sempre.
Sommario Complessità di tempo e spazio di una TM che si ferma sempre. Relazioni tra le due misure Analisi complessità delle TM costruite per dimostrare che più nastri o il non determinismo non aumentano
sulta tutt altro che amichevole nei confronti dei non addetti ai lavori 1 tralasciare i dettagli tecnici non strettamente necessari alla comprensione
Prefazione La teoria della computabilità è un settore della ricerca logico-matematica che studia la nozione di calcolo algoritmico, ossia di calcolo eseguibile in modo meccanico. Essa è nata nel corso
I Limiti della computazione
I Limiti della computazione Fondamenti di Informatica 2011 Cio che un computer non puo fare Prof, perche pensare in negativo?!? Un ovvia motivazione: Comprendere i limiti della tecnologia 1 Il pensare
Ma il programma in Fig. 8.2 del libro? Stampa hello, world, dato un input n se e solo se l equazione
Problemi che i calcolatori non possono risolvere E importante sapere se un programma e corretto, cioe fa uello che ci aspettiamo. E facile vedere che il programma Ma il programma in Fig. 8.2 del libro?
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
Macchine di Turing e Calcolabilità
e Calcolabilità Ivan Lanese Dipartimento di Informatica Scienza e Ingegneria Università di Bologna Ivan.lanese@gmail.com http://www.cs.unibo.it/~lanese/ 2 Ringraziamenti Parte del materiale presente in
Macchine di Turing e Calcolabilità
e Calcolabilità (Capitolo 6 dispensa) Moreno Marzolla Dipartimento di Informatica Scienza e Ingegneria (DISI) Università di Bologna https://www.moreno.marzolla.name/ 2 Ringraziamenti Parte del materiale
Informatica Teorica. Macchine a registri
Informatica Teorica Macchine a registri 1 Macchine a registri RAM (Random Access Machine) astrazione ragionevole di un calcolatore nastro di ingresso nastro di uscita unità centrale in grado di eseguire
Complessità Computazionale
Complessità Computazionale La teoria della Computabilità cattura la nozione di algoritmo nel senso che per ogni problema sia esso decisionale o di calcolo di funzione stabilisce dei criteri per determinare
Algoritmo. Calcolabilità
Algoritmo In altri termini, l algoritmo può essere definito come la descrizione di un procedimento che ha le seguenti proprietà: deve essere esplicita e non ambigua per l interlocutore cui è destinata
Fondamenti di Informatica. Definizione di Algoritmo. Algoritmo Euclideo. Prof.V.L.Plantamura Informatica e Comunicazione Digitale a.a.
Fondamenti di Informatica Prof.V.L.Plantamura Informatica e Comunicazione Digitale a.a. 006-007 Definizione di Algoritmo Def.: Per Algoritmo si intende un elenco di istruzioni che specificano una serie
Algoritmo: procedimento non ambiguo che in un numero finito di passi risolve un problema (o una classe di problemi)
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 2 LA MACCHINA DI VON NEUMANN Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
Logica e Informatica: cosa i calcolatori possono e non possono fare. Simone Martini
Logica e Informatica: cosa i calcolatori possono e non possono fare Simone Martini Dipartimento di Scienze dell Informazione Alma Mater Studiorum Università di Bologna 1 io Simone Martini Professore di
UNA GERARCHIA DI MACCHINE
ELEMENTI DI PROGRAMMAZIONE a.a. 2015/16 UNA GERARCHIA DI MACCHINE UNA GERARCHIA DI MACCHINE macchine combinatorie macchine sequenziali (automi a numero finito di stati)... macchine di Turing Macchine di
Automi, Complessità e Calcolabilità Prof. E. Fachini
Automi, Complessità e Calcolabilità Prof. E. Fachini 1. introduzione al corso 1. il programma in sintesi 2. aspetti organizzativi 1. il libro di testo 2. i momenti di verifica E. Fachini, Calcolabilità
Complessità Strutturale e NP-Completezza
Complessità Strutturale e NP-Completezza Una breve introduzione Francesco De Rose Alberto Giorgi Università degli Studi di Brescia Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica
Fondamenti di Informatica
Fondamenti di Informatica Prof. Vincenzo Grassi Orario lezioni lunedì 14:00 15:45 mercoledì 11:30 13:15 giovedì 14:00 15:45 Informazioni sul corso Docente: Prof. Vincenzo Grassi ufficio: edificio Ingegneria
Analisi Numerica: Introduzione
Analisi Numerica: Introduzione S. Maset Dipartimento di Matematica e Geoscienze, Università di Trieste Analisi numerica e calcolo numerico Analisi numerica e calcolo numerico La matematica del continuo
La tesi di Church-Turing e
La tesi di Church-Turing e l indecidibilità Automi e algoritmi i La domanda d fondamentale dll della teoria dll della calcolabilità è: Quali risultati possiamo e non possiamo ottenere mediante algoritmi?
Teoria della Complessità Concetti fondamentali
Teoria della Complessità Concetti fondamentali L oggetto della teoria della complessità è stabilire se un problema sia facile o difficile La difficoltà di un problema è una caratteristica generale e non
Fondamenti di Informatica
Fondamenti di Informatica Università di Camerino Corso di Laurea in Informatica Teoria della computabilità La teoria della computabilità tratta della definizione formale del concetto di calcolo meccanico.