Разделы презентаций


Белорусский государственный университет информатики и радиоэлектроники

Содержание

Литература 1. А.Д. Закревский, Ю.В. Поттосин, Л.Д. Черемисинова. Логические основы проектирования дискретных устройств . – М.: Физматлит, 2007. – 589 c. 2. А.Д. Закревский, Ю.В. Поттосин, Л.Д. Черемисинова. Основы логического проектирования. В 3

Слайды и текст этой презентации

Слайд 1Белорусский государственный университет информатики и радиоэлектроники


Дискретная математика

Белорусский государственный университет информатики и радиоэлектроники Дискретная математика

Слайд 2Литература
1. А.Д. Закревский, Ю.В. Поттосин, Л.Д. Черемисинова. Логические основы

проектирования дискретных устройств . – М.: Физматлит, 2007. – 589 c.



2. А.Д. Закревский, Ю.В. Поттосин, Л.Д. Черемисинова. Основы логического проектирования. В 3 книгах. – Минск: ОИПИ НАН Беларуси, 2004, 2004, 2006. – 226 с., 240 с., 254 с.

3. Ю.В. Поттосин. Основы теории проектирования цифровых устройств. – Saarbrücken: LAP LAMBERT Academic Publishing, 2011. – 336 c.

4. Электронный учебно-методический комплекс «Дискретная математика». – БГУИР. – 2012.
Литература 1. А.Д. Закревский, Ю.В. Поттосин, Л.Д. Черемисинова. Логические основы проектирования дискретных устройств . – М.: Физматлит,

Слайд 3Основные понятия теории множеств
а является элементом множества М:

а  М.
а не принадлежит М: а  М или а М.
А является подмножеством множества В: А  В.
А = В, если А  В и В  А.
 – пустое множество.   М для любого М.
 и М – несобственные подмножества множества М.
Если А  В и А  В, то А – собственное подмножество множества М, А  В.
2М – множество всех подмножеств множества М, булеан.
Среди элементов булеана 2М находятся  и М.
Основные понятия теории множеств а является элементом множества М:

Слайд 4Основные понятия теории множеств
|М| – мощность множества М (число

элементов).
2М – мощность булеана множества М.
Мощность бесконечного множества выражается через

соответствие.
Если |А| = |В|, то между множествами А и В можно установить взаимно однозначное соответствие.
Для бесконечных множеств отношение равномощности устанавливается путем нахождения взаимно однозначного соответствия между их элементами.


Основные понятия теории множеств |М| – мощность множества М (число элементов).2М – мощность булеана множества М.Мощность бесконечного

Слайд 5Основные понятия теории множеств
Примеры бесконечных множеств:
N  {1, 2, … } – множество натуральных

чисел;
Z  { … , – 2, – 1, 0, 1, 2, … } – множество целых чисел
R – множество действительных чисел

(рациональные и иррациональные числа).
Множества, равномощные с множеством N, называются счетными.
Множество P положительных рациональных чисел счетно.
Множество всех действительных чисел отрезка [0, 1] несчетно. Это континуум.
Булеан бесконечного счетного множества также не является счетным множеством.
Основные понятия теории множеств Примеры бесконечных множеств:N  {1, 2, … } – множество натуральных чисел;Z  { … , – 2, – 1, 0, 1, 2, … } – множество целых чисел R –

Слайд 6Способы задания множеств
Перечисление элементов: А  {а1, а2, … , ап}.
Указание свойств элементов: М  {х / х  2k, k  N} –

множество натуральных степеней двоек.
Индуктивный способ: бесконечное множество М  {1, 2, 4, 8, 16, …} задается следующим

образом: 1) 1  М; 2) если т  М, то 2т  М.
Алгебраический способ.
Визуальное представление множеств (диаграммы Эйлера–Венна).
Булевы векторы. Вводится универсальное множество U (универсум). Если U  {a, b, c, d, e} и М  {a, b, d}. Тогда М задается вектором 11010.
 и U задаются векторами 00000 и 11111
Способы задания множествПеречисление элементов: А  {а1, а2, … , ап}. Указание свойств элементов: М  {х / х  2k, k  N} – множество натуральных степеней двоек.Индуктивный способ: бесконечное множество

Слайд 7Операции над множествами
Объединение множеств А и В:
А  В  {x  x  A или x  В}.


Пересечением множеств А и В:
А  В  {x  x  A и x  В}.

Разность множеств А

и В:
А \ В  {x  x  A и x  В}.

Сумма или симметрическая разность множеств А и В:
А + В  {x  (x  A и x  В) или (x  В и x  А)}.

Дополнение множества А:
А  {x  x  U и x  А}.
Операции над множествами Объединение множеств А и В:А  В  {x  x  A или x  В}. Пересечением множеств А и В: А  В  {x  x  A и

Слайд 8Операции над множествами
Диаграммы Эйлера-Венна

Операции над множествами Диаграммы Эйлера-Венна

Слайд 9Операции над множествами
Некоторые операции выражаются через другие:

А + В  (А В)  (А  В)  (А  В) \ (А  В);

А  U \ А;

A \ B  A B.

Операции 

,  и  составляют булеву алгебру множеств.

Операции над множествами Некоторые операции выражаются через другие:А + В  (А В)  (А  В)  (А  В) \ (А  В);А  U \ А;A \ B  A B.Операции   ,  и  составляют булеву алгебру

Слайд 10Основные законы булевой алгебры множеств (, , )
Коммутативность:
А  В  В  А; А В  В А.
Ассоциативность:
А  (В  С)  (А  В)  С; А (В С)  (А В) С.
Дистрибутивность:
А (В  С)  А В  А С; А  В С  (А  В) (А  С).
Идемпотентность:
А  А  А; А А  А.
Законы де Моргана:

=АВ;

=А В.
Основные законы булевой алгебры множеств (, , )Коммутативность:А  В  В  А;					А В  В А.Ассоциативность:А  (В  С)  (А  В)  С;		А (В С)  (А В) С.Дистрибутивность:А (В  С)  А В  А С;		А  В С  (А  В) (А  С).Идемпотентность:А  А  А;						А А  А.Законы де Моргана:

Слайд 11Основные законы булевой алгебры множеств (, , )

Законы операций с

константами ( и U):
А    А; А U  А;
А  U  U; А   ;
А А  U; АА  .
 
Закон двойного дополнения:

 А.
Принцип двойственности.

Основные законы булевой алгебры множеств (, , )Законы операций с константами ( и U):	А    А;				А U  А;  	А  U  U;				А   ;	А А  U;				АА  . Закон двойного

Слайд 12Основные законы булевой алгебры множеств (, , )
Вывод формулы

А  В С  (А  В) (А  С):

По закону дистрибутивности пересечения:
(А  В) (А  С) = АА  ВА 

АС  ВС.
Используем константу U и закон идемпотентности:
А А  А  А U;
АА  ВА  АС  ВС = А U  ВА  АС  ВС.
Выносим за скобки А и используем формулу А  U  U :

А U  ВА  АС  ВС = А (U  В  С)  В С = А  В С.
Основные законы булевой алгебры множеств (, , )Вывод формулы  А  В С  (А  В) (А  С):По закону дистрибутивности пересечения:	 (А  В) (А  С) = АА

Слайд 13Отношения
А  В – декартово произведение множеств А и В.
А  В =

{(a, b) / a  A, b  В}
Если А = {a, b, c} и B = {l, m}, то
А  В = {(a, l), (b, l), (c, l),

(a, m), (b, m), (c, m)}.
R  R = R2 – множество координат точек на плоскости.
Обобщение:
А1А2…Ап = {(а1, а2, …, ап) / а1A1, а2A2, …, апAп}.
Отношения:
унарное R  А;
бинарное R  А1  А2;
тернарное R  А1  А2  А3;
п-арное R  А1  А2  …  Ап.
Отношения А  В – декартово произведение множеств А и В.А  В = {(a, b) / a  A, b  В} Если А = {a, b, c} и B = {l, m},

Слайд 14Бинарные отношения (соответствия)
R  А  В.
(a, b)  R можно записывать как a R

b – а и b находятся в отношении R.

Пример:

a R

b – a есть делитель b.
Пусть А = {1, 2, 3} и B = {1, 2, 3, 4, 5, 6}. Тогда
R = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 2), (2, 4), (2, 6), (3, 3), (3, 6)}.


Бинарные отношения (соответствия) R  А  В.(a, b)  R можно записывать как a R b – а и b находятся в

Слайд 15Бинарные отношения (соответствия)
А = {1, 2, 3} и B = {1, 2, 3, 4, 5, 6}.
R = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5),

(1, 6), (2, 2), (2, 4), (2, 6), (3, 3), (3, 6)}.
Элемент а – проекция

элемента (a, b) множества А  В на А.
Проекция множества Е  А  В на А – множество всех тех элементов из А, которые являются проекциями элементов из Е на множество А.
Проекцией элемента (2, 4) на множество А является элемент 2, а проекцией множества {(1, 2), (2, 2), (2, 4)} – множество {1, 2}.
Сечение R(a) множества R  А  В по а – множество всех тех элементов у  В, для которых (a, у) R.
Сечение R(Х) множества R по Х  А – объединение сечений для всех элементов из Х.
R(2) = {2, 4, 6}, а если Х = {2, 3}, то R(Х) = {2, 3, 4, 6}.
Бинарные отношения (соответствия) А = {1, 2, 3} и B = {1, 2, 3, 4, 5, 6}. R = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, 2), (2, 4), (2, 6), (3, 3), (3, 6)}. Элемент

Слайд 16Бинарные отношения (соответствия)
Область определения отношения R  А  В – проекция множества

R на А.

Область значений отношения R  А  В – сечение множества R

по А.

Если А = {a1, a2, a3}, B = {b1, b2, b3, b4} и R = {(a1, b1), (a1, b3), (a3, b3), (a3, b4)}, то {a1, a3} – область определения, {b1, b3, b4} – область значений.

{b / b  В, х  Х, (х, b)  R} – образ множества Х  А относительно R.
{a / a  A, y  Y, (a, y)  R} – прообраз множества Y  В относительно R.

Образом множества {a1, a3} относительно R является {b1, b3, b4} , а прообразом множества {b3, b4} является {а1, а3}.
Бинарные отношения (соответствия) Область определения отношения R  А  В – проекция множества R на А.Область значений отношения R  А  В –

Слайд 17Представления бинарных отношений
Отношение R между элементами множеств A  {a1, a2, a3} и B  {b1, b2, b3, b4, b5}:
R  {(a1, b1),

(a1, b2), (a1, b3), (a1, b5), (a2, b2), (a2, b4), (a3, b3)}.
Матричное представление Графическое представление






Представления бинарных отношенийОтношение R между элементами множеств A  {a1, a2, a3} и B  {b1, b2, b3, b4, b5}:R  {(a1, b1), (a1, b2), (a1, b3), (a1, b5), (a2, b2), (a2, b4), (a3, b3)}. Матричное

Слайд 18Бинарные отношения
Обратное отношение R – 1 для отношения R  А  В:
R – 1  {(b, a) / (a, b)

 R}.



M(R) =

, M(R – 1) = MT(R) = .



Бинарные отношенияОбратное отношение R – 1 для отношения R  А  В:R – 1  {(b, a) / (a, b)  R}. M(R) =

Слайд 19Операции над бинарными отношениями
Применимы все операции над множествами.
Композиция отношений:
Заданы

А, В, С и R  А  В и S  В  С.
Это такое отношение

между элементами множеств А и С, что для всех а  А сечение множества SR по а совпадает с сечением множества S по подмножеству R(a)  B.


R = , S = , SR = .



Операции над бинарными отношениямиПрименимы все операции над множествами.Композиция отношений: Заданы А, В, С и R  А  В и S  В  С.

Слайд 20Функциональные отношения
R  А  В является функциональным отношением, если |{(a, b) / (a, b)  R, b  B}|  1 для каждого

а  А.
С ним связана функция f : A  B.
Используется запись f(x) = y для

(х, у)  R.
х – аргумент.
у – значение функции f.

f(a) = f(c) = b;
f(b) = f(e) = d;
f(d) = e.


Если R – 1 для функционального R, также функциональное, то R – взаимно однозначное отношение.
Функциональные отношенияR  А  В является функциональным отношением, если |{(a, b) / (a, b)  R, b  B}|  1 для каждого а  А.С ним связана функция f : A  B.Используется запись f(x)

Слайд 21Функциональные отношения
Для функции f : A  B
{x / (x, y)  R} – область определения функции f. Если

это множество совпадает с А, то f является всюду определенной.

Это отображение А в В. В противном случае функция частичная.
{у / (x, y)  R} – область значений функции f. Если она совпадает с В, то f – отображение А на В, сюръективное отображение, или сюръекция. Необходимо А  В.
Если отношение R  А  В, определяющее f, является взаимно однозначным, то f называют инъективным отображением, или инъекцией. В этом случае существует функция f – 1, которая является обратной к f. При этом если у = f (x), то х = f – 1(у), а мощность области определения функции f не должна превышать В.
Функция f называется биективным отображением, или биекцией, если она является как сюръективным, так и инъективным отображением. Такое отображение называется еще 1-1 соответствием.
Функциональные отношенияДля функции f : A  B{x / (x, y)  R} – область определения функции f. Если это множество совпадает с А, то f

Слайд 22Функциональные отношения






Сюръекция

Инъекция





Биекция
Функциональные отношения             Сюръекция

Слайд 23Бинарные отношения на множестве
R  А  А.

Возможные свойства:

рефлексивность: если a = b, то a R b;
иррефлексивность: если a R b,

то a  b;
симметричность: если a R b, то b R a;
антисимметричность: если a R b и b R a, то a = b;
 транзитивность: если

a R b и b R с, то a R с;
 дихотомия: если a  b, то либо a R b, либо b R a.
Бинарные отношения на множествеR  А  А.Возможные свойства:рефлексивность: 			если a = b, то a R b;иррефлексивность:		если a R b, то a  b;симметричность:		если a R b, то b R a;антисимметричность:		если a R b и

Слайд 24Бинарные отношения на множестве
Типы бинарных отношений:
Отношение эквивалентности рефлексивно, симметрично и

транзитивно (равносильность формул, подобие геометрических фигур и т. п.). Классы эквивалентности.
Отношение

совместимости рефлексивно и симметрично (близость чисел, знакомство людей и т. п.).
Отношение нестрогого порядка рефлексивно, антисимметрично и транзитивно (,  , , ).
Отношение строгого порядка иррефлексивно, антисимметрично и транзитивно (, , , ).
Порядок полный (линейный), порядок частичный.
Лексикографический порядок.
Бинарные отношения на множествеТипы бинарных отношений:Отношение эквивалентности рефлексивно, симметрично и транзитивно (равносильность формул, подобие геометрических фигур и

Слайд 25Основные понятия теории графов
G = (V, E),
V – непустое множество вершин,
Е – произвольное

множество ребер – пар (vi, vj) элементов из V, т. е. vi  V,

vj  V, Е  V 2.
Неориентированный Ориентированный (орграф)

Основные понятия теории графовG = (V, E),V – непустое множество вершин,Е – произвольное множество ребер – пар (vi, vj) элементов из

Слайд 26Основные понятия теории графов





Ребро е2  v1v3 имеет концы v1 и v3.


Ориентированное ребро (дуга) a4 = (v3, v2) имеет начало v3 и конец v2

(дуга a4 исходит из v3 и заходит в v2).
В неориентированном графе v и ребро е инцидентны, если v – один из концов ребра е.
В орграфе v и дуга а инцидентны, если v – либо начало, либо конец дуги а.
Основные понятия теории графовРебро е2  v1v3 имеет концы v1 и v3. Ориентированное ребро (дуга) a4 = (v3, v2) имеет начало v3

Слайд 27Основные понятия теории графов





В неориентированном графе две вершины смежны, если

они инцидентны одному и тому же ребру.
Окрестность N(v) вершины

v – множество всех вершин, смежных v.
|N(v)| = d(v) – степень вершины v.
В орграфе: полуокрестность исхода N +(v): полуокрестность захода N ‑(v). Полустепени d+(v), d‑(v).
Основные понятия теории графовВ неориентированном графе две вершины смежны, если они инцидентны одному и тому же ребру.

Слайд 28Основные понятия теории графов
Графы конечные, графы бесконечные.

Граф G = (V, E) пустой, если

Е  .
Неориентированный граф полный, если любые две его вершины смежны.

Kn – полный п-вершинный граф.

G = (V,E) – дополнение графа G = (V, E),
E = U \ E, где U – множество ребер полного графа с множеством вершин V.

Двудольный граф G = (V, V, E) – для любого е = ху  Е:
х  V, у  V.

Дерево – связный граф без циклов.
Основные понятия теории графовГрафы конечные, графы бесконечные.Граф G = (V, E) пустой, если Е  . Неориентированный граф полный, если любые две

Слайд 29Матричные представления графа





Матрица смежности


Матричные представления графа Матрица смежности

Слайд 30Матричные представления графа





Матрица инцидентности


Матричные представления графа Матрица инцидентности

Слайд 31Части графа
Н = (W, F) – подграф графа G = (V, E), если W  V, F  E.


Н = (W, F) – остовный подграф, если W = V.
Н = (W, F) – подграф, порожденный

множеством W, если F содержит все ребра, оба конца которых принадлежат W.

v1, e1, v2, e2, …, ek, vk + 1 – маршрут, ei = vivi + 1, i = 1, 2, …, k.
Длина маршрута – количество ребер.
Цепь – маршрут, все ребра которого различны.
Простая цепь – цепь, все вершины которой различны.

Расстояние между вершинами – длина кратчайшей цепи.
Части графа Н = (W, F) – подграф графа G = (V, E), если W  V, F  E. Н = (W, F) – остовный подграф, если W = V. Н = (W, F)

Слайд 32Части графа
Маршрут v1, e1, v2, e2, … , ek, v1 – циклический.
Цикл – циклическая цепь. Простой

цикл.
Граф связный, если любые две его вершины связаны цепью.
Компонента

связности графа – связный подграф, не содержащийся ни в каком другом его связном подграфе.
В орграфе:
v1, а1, v2, а2, … , аk, vk + 1 – маршрут, если аi = (vi, vi + 1).
Путь – маршрут, где все вершины различны.
v1, а1, v2, а2, … , аk, v1 – контур.
Вершина vj достижима из vi, если имеется путь из vi в vj.
Орграф сильно связный, если любая вершина достижима из любой вершины.
Части графа Маршрут v1, e1, v2, e2, … , ek, v1 – циклический.Цикл – циклическая цепь. Простой цикл. Граф связный, если любые две его

Слайд 33Обобщения графов
Мультиграф – граф, в котором любые две вершины

могут быть связаны любым количеством ребер (допускает кратные ребра).

Взвешенный граф

– вершины и/или ребра снабжаются весами в виде действительных чисел.

Смешанный граф – наряду с элементами ориентированного графа (дугами) имеются элементы неориентированного графа (ребра).

Гиперграф. Если ребром графа является пара вершин, то ребром гиперграфа может быть любое непустое подмножество множества вершин.
От гиперграфа можно перейти к двудольному графу, долями которого являются множество вершин и множество ребер гиперграфа, а ребра показывают принадлежность вершин гиперграфа его ребрам.
Обобщения графов Мультиграф – граф, в котором любые две вершины могут быть связаны любым количеством ребер (допускает

Слайд 34Изоморфизм графов
Два графа G = (V, Е) и H = (W, F) изоморфны, если между

их множествами вершин имеется взаимно однозначное соответствие, сохраняющее отношение смежности.



 : V  W,  : E  F, и если (vi)  wk и (vj)  wl, то (vivj)  wkwl.

v1 v2 v3 w1 w2


w3 w4

v4 v5 v6 w5 w6
(v1)  w1, (v2)  w3, (v3)  w6, (v4)  w4, (v5)  w5, (v6)  w2.
(v1v4)  w1w4, (v1v5)  w1w5, (v1v6)  w1w2, (v2v4)  w3w4, (v2v5)  w3w5, (v2v6)  w2w3, (v3v4)  w4w6, (v3v5)  w5w6, (v3v6)  w2w6.
Изоморфизм графов Два графа G = (V, Е) и H = (W, F) изоморфны, если между их множествами вершин имеется взаимно однозначное соответствие,

Слайд 35Изоморфизм графов
Канонизация графа
Величина а инвариантна относительно преобразования Т, если

она не меняет свое значение при преобразовании Т.
а называется

инвариантой относительно Т. В нашем случае Т – перенумерация вершин.
Инварианты графа:
число вершин, число ребер, число компонент связности…
Инварианты вершины:
степень, полустепени, число вершин, отстоящих от данной вершины на определенном расстоянии… Канонизация графа заключается в упорядочении его вершин по значениям инвариант.
Пусть для вершин графа имеется система инвариант 1, 2, … , р. Считаем, что задано отношение частичного порядка на множестве вершин графа V = {v1, v2, … , vn}, такое, что vi vj, если k(vi)  k(vj) для некоторого k  {1, 2, … , р) и l(vi) = l(vj) для всех l  k.
Изоморфизм графов Канонизация графаВеличина а инвариантна относительно преобразования Т, если она не меняет свое значение при преобразовании

Слайд 36Изоморфизм графов
Канонизация графа
Полная канонизация графа достигается, когда порядок оказывается

полным и строгим.
Разобьем множество V вершин графа G на подмножества

S1, S2, … , Sm, число т которых равно числу различных степеней вершин и в каждом из которых присутствуют вершины с одинаковой степенью.

Инварианта вершины vi  V – вектор размерности т, компоненты которого соответствуют множествам S1, S2, … , Sm и значением j-й компоненты является число вершин из множества Sj, смежных с vi.

Если в одном и том же Sk (k = 1, 2, … , m) оказались вершины с различными векторами, то разобьем это Sk так, чтобы в каждом из получившихся множеств оставались вершины с одинаковыми векторами, соответственно увеличив размерность векторов и придав их компонентам новые значения.
Изоморфизм графов Канонизация графаПолная канонизация графа достигается, когда порядок оказывается полным и строгим.Разобьем множество V вершин графа

Слайд 37Изоморфизм графов
Канонизация графа

v1 v2

v4 v3

v5 v6
Изоморфизм графов Канонизация графа

Слайд 38Изоморфизм графов
Пример однородных неизоморфных графов






Изоморфизм графов Пример однородных неизоморфных графов

Слайд 39Циклы и разрезы
Цикломатическое число графа
Дерево – это связный

граф, число ребер которого на единицу меньше числа вершин.
Дерево –

это связный граф, не имеющий циклов.
Дерево – это граф, в котором каждая пара вершин связана одной и только одной цепью.
Лес – граф, каждая компонента связности которого является деревом.
Пусть G – неориентированный граф с п вершинами, т ребрами и р компонентами связности.
Остовное дерево – остовный подграф в виде дерева связного графа (р = 1).
Число ребер в остовном дереве п – 1.
Число ребер в остовном лесе п – р.
(G)  m – n  p – цикломатическое число
(G)  n – p – коцикломатическое число.
Циклы и разрезы  Цикломатическое число графаДерево – это связный граф, число ребер которого на единицу меньше

Слайд 40Циклы и разрезы
Базис циклов
Т – остовное дерево

связного графа G = (V, E).
Добавление одного ребра из Е к Т приводит

к появлению точно одного простого цикла.
m – n  1 – число таких циклов в графе G. Оно совпадает с (G).
Эти циклы независимы (каждый из них имеет ребро, не принадлежащее никакому другому).
Фундаментальные циклы. Они составляют базис циклов графа G.
Любой цикл, не принадлежащий базису, может быть выражен в виде линейной комбинации фундаментальных циклов.
Всякий цикл графа G представим т-мерным булевым вектором, в котором i-я компонента имеет значение 1 или 0 в зависимости от того, принадлежит или нет i-е ребро данному циклу. Любой цикл можно выразить как покомпонентную сумму по модулю 2 векторов, представляющих фундаментальные циклы.
Сумма по модулю 2: 0  0  0, 0  1  1, 1  0  1, 1  1  0.
Циклы и разрезы  Базис циклов Т – остовное дерево связного графа G = (V, E).Добавление одного ребра из Е

Слайд 41Циклы и разрезы
Базис циклов

v2 v3
е3 е5

е1 е4 е6 v4
е7
v1 е2 v5

Фундаментальные циклы:
v1, е1, v2, е3, v3, е6, v5, е2, v1; v2, v3, v5; v3, v4, v5.
е1е2е3е4е5е6е7
е1е2е3е4е5е6е7 0 0 1 1 0 1 0
0 0 1 1 0 1 0 0 0 0 0 1 1 1
0 0 0 0 1 1 1 1 1 1 0 0 1 0
0 0 1 1 1 0 1 1 1 0 1 1 1 1
Циклы и разрезы  Базис циклов

Слайд 42Циклы и разрезы
Базис разрезов

v2 v3
е3 е5

е1 е4 е6 v4
е7
v1 е2 v5
Разрез графа – множество ребер, удаление которых увеличивает число компонент связности.
Под разрезом будем понимать минимальный разрез, т.е. такой, что при удалении из него любого ребра он перестает быть разрезом. Фундаментальный разрез содержит одно и только одно ребро е, принадлежащее остовному дереву Т. Кроме е, он содержит все ребра, не принадлежащие Т, но входящие в фундаментальные циклы, содержащие е.
Циклы и разрезы  Базис разрезов

Слайд 43Циклы и разрезы
Базис разрезов

v2 v3
е3 е5

е1 е4 е6 v4
е7
v1 е2 v5

Базис разрезов – множество фундаментальных разрезов.

е1е2е3е4е5е6е7
0 1 1 1 0 0 0
0 1 0 1 0 1 1
0 0 1 0 0 1 1
Циклы и разрезы  Базис разрезов

Слайд 44Циклы и разрезы
Матрицы циклов и разрезов

v2 v3
е3 е5

е1 е4 е6 v4
е7
v1 е2 v5
Матрица фундаментальных циклов Матрица фундаментальных разрезов


Циклы и разрезы  Матрицы циклов и разрезов

Слайд 45Циклы и разрезы
Матрицы циклов и разрезов
Матрица фундаментальных

циклов Матрица фундаментальных

разрезов


Циклы и разрезы  Матрицы циклов и разрезов Матрица фундаментальных циклов

Слайд 46Доминирующие множества графа
S – доминирующее множество (S  V), если S  N(S)  V,

где N(S)  .

Если

S – доминирующее множество некоторого графа G, то всякое S  S также является доминирующим.
Минимальное доминирующее множество – ни одно его собственное подмножество не является доминирующим.
Наименьшее доминирующее множество – имеет наименьшую мощность (G).
(G) – число доминирования графа G.
Задача о ферзях.
Доминирующие множества графа S – доминирующее множество (S  V), если S  N(S)  V, где N(S) 

Слайд 47Доминирующие множества графа
v2

v3

v1

v4
v7

v6 v5
Строка vi матрицы представляет множество {vi}  N(vi).
Минимальные доминирующие множества: {v1, v3, v5}, {v1, v3, v6}, {v1, v4, v5}, {v1, v4, v6}, {v2,  v3, v5}, {v2,  v3, v6}, {v2, v4, v5}, {v2, v4, v6}, {v3, v7}, {v5, v7} и {v6, v7}.
Доминирующие множества графа    v2          v3

Слайд 48Независимые множества графа
S – независимое множество (S  V), если S  N(S)  .

Если

S – независимое множество некоторого графа G, то всякое S  S

также является независимым.

Максимальное независимое множество – не является собственным подмножеством ни одного независимого множества.

Наибольшее независимое множество – имеет наибольшую мощность (G).
(G) – число независимости графа G.
Задача о ферзях.
Независимые множества графа S – независимое множество (S  V), если S  N(S)  .Если S – независимое множество некоторого графа G,

Слайд 49Независимые множества графа
v2

v3

v1

v4
v7

v6 v5


Максимальные независимые множества:
{v1, v3, v6}, {v1, v4, v5}, {v1, v4, v6}, {v2, v4, v5}, {v2, v4, v6}, {v5, v7}
Независимые множества графа     v2

Слайд 50Независимые множества графа
Нахождение всех максимальных независимых множеств
V  {v1, v2, … , vn} – множество

вершин
графа G = (V, Е).
G1, G2, … , Gn – последовательность
порожденных подграфов: Gi = (Vi, Еi),
где Vi = {v1, v2, … , vi} (i = 1, 2, … , n).
S i = {S1i, S2i, … ,

} – совокупность всех максимальных независимых множеств графа Gi.
К каждому Sji (j = 1, 2, … , ki) применяется формула
S  (Sji \ N(vi  1))  {vi  1}.
Независимые множества графа Нахождение всех максимальных независимых множествV  {v1, v2, … , vn} – множество вершинграфа G = (V, Е).G1, G2, … , Gn – последовательностьпорожденных подграфов: Gi = (Vi,

Слайд 51Независимые множества графа
Сколько всего может быть максимальных независимых множеств

в графе с п вершинами?

2 · 3k – 1, если п = 3k – 1;
3 · 3k – 1, если п = 3k;
4 · 3k – 1, если п = 3k + 1.



Независимые множества графа Сколько всего может быть максимальных независимых множеств в графе с п вершинами?

Слайд 52Независимые множества графа
Нахождение наибольшего независимого множества.
Вершинное покрытие графа G = (V, E)

– множество В  V такое, что каждое ребро из Е инцидентно

хотя бы одной вершине из В.
Если В – наименьшее вершинное покрытие, то V \ B – наибольшее независимое множество.
v2 е3 v3
е1 е4 е7 е5
v1 е2 е8 v4
е10 v7 е6

v6 е9 v5

В = {v1, v3, v5, v7}, V \ B = {v2, v4, v6}.
Независимые множества графа Нахождение наибольшего независимого множества.Вершинное покрытие графа G = (V, E) – множество В  V такое, что каждое ребро

Слайд 53Независимые множества графа
Нахождение наибольшего независимого множества. «Жадный» алгоритм.

v3 v3
v2
v1 v4 v4
 
v5 v5
v6 v7 v7 v7
v8 v8 v8
 
v9 v9 v9
 
{v1} {v1, v3} {v1, v3, v7}
 
Независимые множества графа Нахождение наибольшего независимого множества. «Жадный» алгоритм.

Слайд 54Независимые множества графа
Нахождение наибольшего независимого множества. «Жадный» алгоритм.

v3
v2
v1 v4 v1 v2
 
v5
v6 v7 v6 v7 v6 v7
v8 v8 v8 v8
 
v9 v9 v9 v9
 
{v4} {v2, v4} {v2, v4, v6} {v2, v4, v6, v8}
  
Независимые множества графа Нахождение наибольшего независимого множества. «Жадный» алгоритм.

Слайд 55Раскраска графа
Раскраска графа G = (V, Е) – такое разбиение множества V

на непересекающиеся подмножества V1, V2, … , Vk, что никакие две вершины из любого

Vi (i = 1, 2, …, k) не смежны.
Задача: раскрасить вершины графа G в минимальное число цветов.
(G) – хроматическое число графа G (минимум k).

Любое Vi (i = 1, 2, …, k) – независимое множество.

Раскраска V1, V2, … , Vk – совокупность независимых множеств.
Раскраска графа Раскраска графа G = (V, Е) – такое разбиение множества V на непересекающиеся подмножества V1, V2, … , Vk, что никакие две

Слайд 56Раскраска графа
Неточность «жадного» алгоритма видна на последовательности:


, , , …


Граф G является k-хроматическим, если (G) = k.

Т е о р е м а К ё н и г а. Непустой граф является бихроматическим тогда и только тогда, когда он не содержит циклов нечетной длины.
Раскраска графа Неточность «жадного» алгоритма видна на последовательности:

Слайд 57Раскраска графа
Метод раскраски графа
k – число задействованных цветов;
А –

множество еще не раскрашенных вершин;
В1, В2, … , Вk – совокупность подмножеств множества вершин

V, такая, что Bi (i = 1, 2, … , k) содержит те и только те вершины из множества А, которые нельзя раскрасить в i-й цвет.
1. Имеется вершина v  A, такая, что v  Bi для всех i = 1, 2, … , k.
v красится в (k + 1)-й цвет, удаляется из множества А и из всех Bi. Формируется Вk + 1 и k := k + 1. Если таких вершин несколько, из них выбирается та, для которой Вk + 1 имеет максимальную мощность.
2. Имеется вершина v  A и цвет i, такие, что v  Bi и N(v)  A  Bi.
v красится в i-й цвет, удаляется из А и из всех Bj.
В остальных случаях выбираются цвет i и вершина v из А такие, что v  Bi и приращение Bi минимально среди всех пар v, Bi (v  A, i = 1, 2, … , k). Вершина v красится в i-й цвет и удаляется из А из всех Bj.
Раскраска графа Метод раскраски графаk – число задействованных цветов;А – множество еще не раскрашенных вершин;В1, В2, … , Вk – совокупность

Слайд 58Раскраска графа
Метод раскраски графа

Цвет Вершины

Bi
1 1 {2,6,8,10}
1 1 {6,8,10}
2 2 {4,5}
1 1 {6,10}
2 2,8 {4,5}
1 1,7 {3,6,10}
2 2,8 {4,5}
1 1,7 {3,10}
2 2,6,8 {4,5,9}
1 1,7 {10}
2 2,3,6,8 {4,5,9}
1 1,7 {10},
1. Имеется вершина v  A, такая, 2 2,3,6,8 {4,5,9}
что v  Bi для всех i = 1, 2, … , k. 1 1,7 
2. Имеется вершина v  A и цвет i 2 2,3,6,8,10 {4,5,9}
такие, что v  Bi и N(v)  A  Bi 1 1,4,7 {5,9}
2 2,3,6,8,10 {5,9}
Результат: {1,4,7}, {2,3,6,8,10}, {5}, {9}. Точный алгоритм дает {1,3,4}, {2,8,9}, {5,6,7,10}.
Раскраска графа Метод раскраски графа      Цвет    Вершины

Слайд 59Обходы графа
Эйлеровы цепи и циклы
Задача о кёнигсбергских мостах

(1736 г.)





Эйлеров цикл содержит все ребра графа.
Эйлерова

цепь.
Т е о р е м а Э й л е р а. Связный неориентированный граф имеет эйлеров цикл тогда и только тогда, когда степени всех его вершин четны. В связном неориентированном графе существует эйлерова цепь тогда и только тогда, когда он имеет не более двух вершин с нечетной степенью.
Обходы графа  Эйлеровы цепи и циклыЗадача о кёнигсбергских мостах (1736 г.)  Эйлеров цикл содержит все

Слайд 60Обходы графа
Эйлеровы цепи и циклы
Эйлеров граф – граф,

имеющий эйлеров цикл.
Алгоритм Флёри:
1. Идем из некоторой вершины

по ребру и удаляем каждое пройденное ребро, помещая его в получаемую последовательность. Начальная вершина выбирается произвольно.
2. Отправляясь из очередной вершины, никогда не идем по ребру, удаление которого делает граф несвязным.

Задача китайского почтальона:
Каждому ребру ei графа G приписывается положительный вес с(ei) (расстояние). Требуется найти маршрут, проходящий через каждое ребро графа G по крайней мере один раз и такой, что сумма величин nic(ei) минимальна, где ni – число прохождений ребра еi.
Обходы графа  Эйлеровы цепи и циклыЭйлеров граф – граф, имеющий эйлеров цикл. Алгоритм Флёри: 1. Идем

Слайд 61Обходы графа
Гамильтоновы цепи и циклы
Цикл называется гамильтоновым,

если он проходит каждую вершину графа ровно один раз.
Гамильтонова цепь

– цепь, проходящая каждую вершину графа ровно один раз. Граф, содержащий гамильтонов цикл, называется гамильтоновым графом.
v3 v1: v2, v4, v5, v6; (v1, v2, v3, v4, v6)
v2: v1, v3, v4, v5; (v1, v2, v3, v4)
v5 v4 v3: v2, v4, v5; (v1, v2, v3)
v2 v4: v1, v2, v3, v6; (v1, v2, v3, v5)
 v5: v1, v2, v3; (v1, v2, v4)
v6: v1, v4. (v1, v2, v4, v3, v5)
  v1 v6 (v1, v2, v4, v6)
(v1, v2, v5, v3, v4, v6, v1)
Обходы графа  Гамильтоновы цепи и циклы Цикл называется гамильтоновым, если он проходит каждую вершину графа ровно

Слайд 62Обходы графа
Кратчайшие пути в графе
Ребра графа G = (V, E)

взвешены действительными положительными числами. Вес ребра e = vivj будем считать его

длиной l(e) = l(vivj).
Найти цепь С минимальной длины, соединяющую вершины v1 и vn в графе G, т. е. такую цепь, для которой величина минимальна.
Алгоритм Форда
Каждой вершине vi  V припишем индекс (vi). При этом положим (v1)  0 и (vi)  +  для i  1.
На каждом шаге находим такое ребро vivj, что (vi) – (vj)  l(vivj), и индекс (vi) заменяем на (vi) = (vj) + l(vivj).
Шаги повторяются, пока находятся ребра, для которых выполняется неравенство (vi) – (vj)  l(vivj).
Путь строим, начиная с vп и двигаясь обратно к v1. После вершины vi выбираем вершину vj чтобы выполнялось (vi) – (vj) = l(vivj).
Обходы графа  Кратчайшие пути в графе Ребра графа G = (V, E) взвешены действительными положительными числами. Вес ребра e = vivj

Слайд 63Обходы графа
Кратчайшие пути в графе

v2 10 v5

  1 10 1 2 5
v3 v6
v1 10 4 2 v8
6 4 1 5 8
 
v4 3 v7

v1 v2 v3 v4 v5 v6 v7 v8
______________________________
0       
1 10 6 11 14 9 16
13 15
Обходы графа  Кратчайшие пути в графе

Слайд 64Планарные графы
Граф укладывается на некоторой поверхности, если его

можно так нарисовать на этой поверхности, что никакие два ребра

не будут иметь общей точки, кроме, возможно, общей вершины.
Граф планарный, если его можно уложить на плоскости.
Плоский граф – граф, уложенный на плоскости.
Грань плоского графа – область плоскости, ограниченная ребрами, любые две точки которой могут быть соединены линией, не пересекающей ребра графа.
Грани внешняя и внутренние.
Т е о р е м а Э й л е р а. Для всякого
связного плоского графа, имеющего
f1 f2 f3 п вершин, т ребер и f граней, имеет
место соотношение п – т  f  2.
 (Формула Эйлера)
Планарные графы  Граф укладывается на некоторой поверхности, если его можно так нарисовать на этой поверхности, что

Слайд 65Планарные графы
Максимальный планарный граф и простейшие непланарные графы






Т е о р е м а П о н т р я г и н а – К у р а т о в с к о г о. Необходимым и достаточным условием непланарности графа является любое

из следующих условий: 1) в графе можно выделить пять вершин, каждая из которых связана цепью с любой другой из них, причем все эти цепи не пересекаются по ребрам; 2) в графе можно выделить два множества, состоящие из трех вершин каждое, так, что каждая вершина одного множества связана цепью со всеми вершинами другого множества, причем все эти цепи не пересекаются по ребрам.
Планарные графы  Максимальный планарный граф и простейшие непланарные графы Т е о р е м а П о н т р я г и н а – К у р а т о в с к о г о. Необходимым и достаточным условием непланарности

Слайд 66Планарные графы
Раскраска планарных графов (раскраска карт)
Плоский граф

и его двойственный граф







Раскраска граней плоского графа, при которой

соседние грани раскрашиваются в различные цвета, эквивалентна раскраске вершин его двойственного графа.
Гипотеза четырех красок доказана с помощью ЭВМ в 1976 г.
1 482 конфигурации. 2 000 ч машинного времени.
Планарные графы  Раскраска планарных графов (раскраска карт) Плоский граф и его двойственный граф Раскраска граней плоского

Слайд 67Комбинаторные задачи и методы комбинаторного поиска
Три типа комбинаторных задач:

Задачи

подсчета – сколько конфигураций определенного вида?

Перечислительные задачи – получение всех

конструкций определенного вида.

Оптимизационные комбинаторные задачи – получение конструкции, обладающей оптимальным значением некоторого параметра среди всех конструкций данного вида.
Комбинаторные задачи и методы комбинаторного поиска Три типа комбинаторных задач:Задачи подсчета – сколько конфигураций определенного вида?Перечислительные задачи

Слайд 68Комбинаторные задачи и методы комбинаторного поиска
Задачи подсчета:

Число размещений (разместить

п предметов по т ящикам)
U(m, n) = тп.

Число перестановок
Р(n) = п · (п – 1) · … · 2 · 1 = п!.

Число размещений без повторений

А(m, n) = т · (т – 1) · … · (т – п + 1) =

Число сочетаний
Комбинаторные задачи и методы комбинаторного поиска Задачи подсчета:Число размещений (разместить п предметов по т ящикам)U(m, n) = тп.Число перестановокР(n) = п · (п – 1) · … · 2 · 1 = п!.Число размещений

Слайд 69Комбинаторные задачи и методы комбинаторного поиска
Особенности оптимизационных комбинаторных задач



Решение комбинаторной задачи сводится зачастую к полному перебору различных вариантов.



Велика зависимость трудоемкости задачи от размера области возможных решений.

Множество, среди элементов которого отыскивается решение, всегда конечно. Реализовав полный перебор, либо найдем решение, либо убедимся в том, что решения нет.
Комбинаторные задачи и методы комбинаторного поиска Особенности оптимизационных комбинаторных задач Решение комбинаторной задачи сводится зачастую к полному

Слайд 70Комбинаторные задачи и методы комбинаторного поиска
Вычислительная сложность оптимизационных задач



Трудоемкость алгоритма оценивается функцией f(n), где п – натуральное число,

выражающее объем исходных данных.

f(n) = O(g(n)), если найдется такая константа с, что f(n)  сg(n) для любого n  0, где g(n)  некоторая конкретная функция от n.

О(1)  трудоемкость не зависит от объема исходных данных.
О(п)  алгоритм линейный.
О(пb)  алгоритм полиномиальный.
g(n) = 2п  алгоритм обладает неполиномиальной, или экспоненциальной, сложностью.
Комбинаторные задачи и методы комбинаторного поиска Вычислительная сложность оптимизационных задач Трудоемкость алгоритма оценивается функцией f(n), где п

Слайд 71Комбинаторные задачи и методы комбинаторного поиска
Связь трудоемкости алгоритма с

максимальным размером задачи, решаемой за единицу времени

Комбинаторные задачи и методы комбинаторного поиска Связь трудоемкости алгоритма с максимальным размером задачи, решаемой за единицу времени

Слайд 72Комбинаторные задачи и методы комбинаторного поиска
Связь размера задачи, решаемой

за заданное время, с быстродействием вычислительной машины

Комбинаторные задачи и методы комбинаторного поиска Связь размера задачи, решаемой за заданное время, с быстродействием вычислительной машины

Слайд 73Комбинаторные задачи и методы комбинаторного поиска
Комбинаторный поиск представляется как

обход дерева поиска.

Вершины соответствуют ситуациям, возникающим в процессе поиска, ребра

– отдельным шагам процесса.

Корень дерева – вершина, соответствующая начальной ситуации.

Выделение корня придает дереву ориентацию, при которой все пути ведут из корня в остальные вершины.

Некоторые ситуации соответствуют решениям.
Комбинаторные задачи и методы комбинаторного поиска Комбинаторный поиск представляется как обход дерева поиска.Вершины соответствуют ситуациям, возникающим в

Слайд 74Задача о кратчайшем покрытии
Дано:
А = {a1, a2, …, an}; В1, В2, …, Вт; Bi  A, i = 1, 2, …, m, причем В1  В2  …  Вт = А.



Требуется выделить

так, чтобы выполнялось


при минимальном k.

Матричная формулировка: требуется найти наименьшее множество строк заданной булевой матрицы, чтобы каждый ее столбец имел единицу хотя бы в одной строке из этого множества.
Задача о кратчайшем покрытии Дано:А = {a1, a2, …, an}; В1, В2, …, Вт; Bi  A, i = 1, 2, …, m, причем В1  В2  …  Вт = А. Требуется выделить

Слайд 75Задача о кратчайшем покрытии
Для матрицы










{B4, B6, B7} – кратчайшее покрытие.

Задача о кратчайшем покрытии Для матрицы {B4, B6, B7} – кратчайшее покрытие.

Слайд 76Задача о кратчайшем покрытии
Алгоритмы решения
«Жадный» алгоритм повторяет операцию: выбор

строки с максимальным числом единиц, включение ее в решение и

удаление ее и покрываемых ею столбцов из матрицы. Для матрицы




находит покрытие {B1, B2, B3}, хотя кратчайшее – {B2, B3}.

Минимаксный алгоритм повторяет операцию: выбор столбца с минимальным числом единиц, выбор покрывающей его строки с максимальным числом единиц, включение ее в решение и удаление ее и покрываемых ею столбцов из матрицы.

Точный алгоритм совершает обход дерева поиска.
Задача о кратчайшем покрытии Алгоритмы решения«Жадный» алгоритм повторяет операцию: выбор строки с максимальным числом единиц, включение ее

Слайд 77Задача о кратчайшем покрытии
Обход дерева поиска



a1
B2 B5
 
a3

B1 B3 B5
a4 a4
 [1] B4
B4
Одно из покрытий (не обязательно кратчайшее) – B1, B2, B4.
Задача о кратчайшем покрытии Обход дерева поиска

Слайд 78Задача о кратчайшем покрытии
Обход дерева поиска. Правила редукции
1. Если

столбец k имеет единицы везде, где имеет единицы столбец l,

то столбец k можно удалить.





2. Если строка i имеет единицы везде, где имеет единицы строка j, то строку j можно удалить.





Задача о кратчайшем покрытии Обход дерева поиска. Правила редукции1. Если столбец k имеет единицы везде, где имеет

Слайд 79Булевы функции
х1, х2, ... , хn – булевы переменные, принимают значения из {0, 1}.

х

= (х1, х2, ... , хn) – n‑компонентный булев вектор.

п – длина вектора,

или размерность.

2п – число всех различных векторов, состоящих из констант 0 и 1 и образующих булево пространство .

f : {0, 1}n  {0, 1} – булева функция.

М = {0, 1}n – область определения, {0, 1} – область значений.

Mf1 – область, где функция f принимает значение 1.
Mf0 – область, где функция f принимает значение 0.
Mf1 – характеристическое множество функции f.
Булевы функции х1, х2, ... , хn – булевы переменные, принимают значения из {0, 1}.х = (х1, х2, ... , хn) – n‑компонентный булев вектор. п

Слайд 80Булевы функции
Способы задания
Таблица истинности:










Булевы функции Способы задания Таблица истинности:

Слайд 81Булевы функции
Способы задания
Матричный способ – перечисление элементов Mf1:









Более компактное задание:



Булевы функции Способы задания Матричный способ – перечисление элементов Mf1:  Более компактное задание:

Слайд 82Булевы функции
Способы задания
Матричный способ (интервальный) – троичная матрица:





Булевы векторы а = (а1, а2, … , ап) и b = (b1, b2, … , bп) находятся в отношении 

(а  b, а меньше b), если аi  bi  для любого i = 1, 2, … , п, в противном случае они несравнимы. При этом считается, что 0  1.

Интервал булева пространства – множество векторов, среди которых есть минимальный и максимальный векторы, а также все векторы, меньшие максимального и большие минимального.

Интервал представляется троичным вектором.
Булевы функции Способы задания Матричный способ (интервальный) – троичная матрица: Булевы векторы а = (а1, а2, … , ап) и b = (b1, b2, … , bп) находятся в

Слайд 83Булевы функции
Способы задания
Векторное задание – булев вектор, компоненты

которого соответствуют наборам значений аргументов.
Функция









задается вектором (0 1 1 1 0 1 0 1).

Булевы функции Способы задания Векторное задание – булев вектор, компоненты которого соответствуют наборам значений аргументов. Функция задается

Слайд 84Булевы функции
Алгебраический способ задания булевых функций.
Карты Карно.

Функции

полностью определенные.
Функции не полностью определенные, или частичные.
Частичная булева функция делит

булево пространство на три части: Mf1, Mf0 и Mf –.
Обычно задаются Mf1 и Mf0.
Булевы функции Алгебраический способ задания булевых функций. Карты Карно. Функции полностью определенные.Функции не полностью определенные, или частичные.Частичная

Слайд 85Булевы функции

Векторная форма задания булевой функции позволяет легко определить

число булевых функций от п переменных – это число всех

2n-компонентных булевых векторов.

– число булевых функций от п переменных.

Функция f(х1, х2, ... , хn) существенно зависит от аргумента хi, если

f(х1, х2, ... , хi – 1, 0, хi + 1, … , хn)  f(х1, х2, ... , хi – 1, 1, хi + 1, … , хn).

хi – существенный аргумент.
В противном случае хi – несущественный, или фиктивный аргумент.
Булевы функции Векторная форма задания булевой функции позволяет легко определить число булевых функций от п переменных –

Слайд 86Булевы функции
Элементарные булевы функции и алгебраические формы
Элементарные булевы

функции – функции от одной и двух переменных.
Булевы функции

от одной переменной





Из таблицы видно, что 0 = 1 и1 = 0.
Булевы функции Элементарные булевы функции и алгебраические формы Элементарные булевы функции – функции от одной и двух

Слайд 87Булевы функции
Булевы функции от двух переменных





Булевы функции Булевы функции от двух переменных

Слайд 88Булевы функции
Булевы функции от двух переменных











Все представленные операции составляют

алгебру логики.

Булевы функции Булевы функции от двух переменныхВсе представленные операции составляют алгебру логики.

Слайд 89Булевы функции
Алгебраическое задание
Любая булева функция от любого числа

аргументов может быть представлена формулой алгебры логики.
Формулу, содержащую более

чем одну операцию, можно рассматривать как суперпозицию элементарных функций, т.е. использование одних функций в качестве аргументов других функций.
Определение формулы:
1) каждый символ переменной есть формула;
2) если А и В – формулы, то формулами являются А и (А  В), где  – любая операция алгебры логики;
3) других формул нет.
Приоритеты: 1)  ; 2) ; 3)  и ; 4) ~ и .
Булевы функции Алгебраическое задание Любая булева функция от любого числа аргументов может быть представлена формулой алгебры логики.

Слайд 90Булевы функции
Вычисление по формуле

f(x1, x2, x3) = 










А

= В – равносильность формул А и В.
Булевы функции Вычисление по формуле

Слайд 91Булева алгебра
Булева алгебра содержит только три операции: , 

и .
Основные законы булевой алгебры:

Коммутативность:
х  у  у  х; х у  у х.
 
Ассоциативность:
х  (у  z)  (x  y)  z; x (y z)  (x y) z.

Дистрибутивность:
x (y  z)  x y  x z; x  y z  (x  y) (x  z).
 
Идемпотентность:
x  x  x; x x  x.

Булева алгебра Булева алгебра содержит только три операции: ,  и .Основные законы булевой алгебры:Коммутативность:х  у  у  х;				х у  у х. Ассоциативность:х  (у  z)  (x  y)  z;		x (y z)  (x y) z.Дистрибутивность:x (y  z)  x y  x z;			x  y z  (x  y) (x  z). Идемпотентность:x  x  x;				x x  x.

Слайд 92Булева алгебра

Основные законы булевой алгебры:

Законы де Моргана:

;

=x y.
 
Законы операций с константами:
x  0  x; x 1  x;
x 0  0; x  1  1;
х х  1; хх  0.
 
Закон двойного отрицания:
.

Принцип двойственности.
Булева алгебра Основные законы булевой алгебры:Законы де Моргана:

Слайд 93Булева алгебра
Вывод формул х  х у  х и х (х  у)  х:

х  х у  х 1  х у  х (1  у)  х1 = х;
х (х  у)  х х  х у  х  х у  х.

Все операции алгебры логики

можно выразить через булевы операции:
х  у = xy x y;
х ~ у =xy  x y;
х  у =x  y.

Преобразование формулы алгебры логики в булеву

формулу:

((х  у)  (х  z))y =
= (x  y  xz x z)y = (x  y z)y =xy yz.
Булева алгебраВывод формул х  х у  х и х (х  у)  х:х  х у  х 1  х у  х (1  у)  х1 = х;х (х  у)  х х  х у  х  х у  х.Все операции алгебры логики можно выразить через булевы операции:х  у = xy x y;х ~ у =xy  x y;х  у =x  y.Преобразование формулы алгебры

Слайд 94Интерпретации алгебры логики
Булева алгебра множеств:
Константам 1 и 0 соответствуют множества

U и .
Операциям  ,  и  соответствуют 

,  и 

Алгебра событий, используемая в теории вероятностей:
Операции отрицания (), объединения () и пересечения ().
А  В или АВ – произведение независимых событий,
А  В – сумма несовместимых событий.

Исчисление высказываний:
a – «не а». a  b – «a либо b».
a  b – «a и b». a ~ b – «a равносильно b».
a  b – «a или b». a  b – «если a, то b».
Интерпретации алгебры логикиБулева алгебра множеств:Константам 1 и 0 соответствуют множества U и .Операциям  ,  и

Слайд 95Интерпретации алгебры логики
Алгебра переключательных схем:

а   b
а b  с 
a b b а  b 
a  b a + b а b + bc +ab

a a a ab a a  b
 b b

a a
a b
b a b  аb = a  b
  
аb
b
Интерпретации алгебры логикиАлгебра переключательных схем:

Слайд 96Булевы функции. Операции над характеристическими множествами

Если f = f1  f2, то

;

если f = f1  f2, то ;

если f = f1  f2, то ;

если f = f1  f2, то ;

если f = f1  f2, то ;

если f1 =f2 , то .

Булевы функции. Операции над характеристическими множествамиЕсли f = f1  f2, то

Слайд 97Нормальные формы
Дизъюнктивные нормальные формы
xi иxj – литералы.

Обозначим а,

где а =  

.

Ki = – элементарная конъюнкция, r – ее ранг.

  – полная элементарная конъюнкция.

Ki – дизъюнктивная нормальная форма (ДНФ).

Пример: х1х2  х2 х3 х4 х1 х3.

Нормальные формы Дизъюнктивные нормальные формы xi иxj – литералы.Обозначим а, где а =

Слайд 98Нормальные формы
Дизъюнктивное разложение Шеннона
Т е о р е м а Ш е н н о н а. Любая булева функция

f(x1, x2, …, xn) при любом т (1  m  n)

может быть представлена в следующем виде:

f(x1, x2, …, xn) = f(1, 2, … , m, xm+1, … , xn),

где дизъюнкция берется по всевозможным 2m наборам значений переменных x1, x2, … , xm.
f(1, 2, … , m, xm+1, …, xn) – коэффициент разложения.
При т = 1 для любого i = 1, 2, … , n:
f(x1, x2, … , xn) = xi f(x1, x2, … , xi-1, 1, xi+1, … , xn) 
xi f(x1, x2, … , xi-1, 0, xi+1, … , xn).
При т = п: f(x1, x2, … , xn) = f(1, 2, … , n).
Нормальные формы Дизъюнктивное разложение Шеннона Т е о р е м а Ш е н н о н а. Любая булева функция f(x1, x2, …, xn) при любом т (1 

Слайд 99Нормальные формы
Совершенная дизъюнктивная нормальная форма (СДНФ):

f(x1, x2, … , xn) =

f(1, 2, … , n).

Получение СДНФ по таблице истинности:
Выделить наборы (1, 2, … , n), на которых функция принимает значение 1, и для каждого из них ввести в СДНФ полную элементарную конъюнкцию, где любая переменная xi присутствует с отрицанием, если i = 0, и без отрицания, если i = 1.
f(x, y, z)  = x  yz    xyz  xy z.

СДНФ – каноническая форма. – конституент единицы.
Нормальные формы Совершенная дизъюнктивная нормальная форма (СДНФ):f(x1, x2, … , xn) =

Слайд 100Нормальные формы
Конъюнктивные нормальные формы

Di =

  – элементарная дизъюнкция, r – ее ранг.

– полная элементарная дизъюнкция.

Di – конъюнктивная нормальная форма (КНФ).
Пример: (х2 х3  х4)(х1 х2).
Конъюнктивное разложение: f (x1, x2, … , xn) =
= f(1, 2, … , m, xm+1, … , xn)).

Совершенная конъюнктивная нормальная форма (СКНФ):
f(x1, x2, …, xn) = f(1, 2, … , n)).
Нормальные формы Конъюнктивные нормальные формы Di =

Слайд 101Нормальные формы
Конъюнктивные нормальные формы
Получение СКНФ по таблице истинности:

Выделить

наборы (1, 2, … , n), на которых функция принимает значение 0, и для

каждого из них ввести в СКНФ полную элементарную дизъюнкцию, где любая переменная xi присутствует с отрицанием, если i = 1, и без отрицания, если i = 0.

f(x, y, z)  =(х  y  z)(х  y z)(х y z)(х y  z)(х y z).

СКНФ – каноническая форма.
– конституент нуля.

Нормальные формы Конъюнктивные нормальные формы Получение СКНФ по таблице истинности:			Выделить наборы (1, 2, … , n), на которых 			функция принимает значение

Слайд 102Функциональная полнота
{f1, f2, … , fт} – функционально полная, или просто полная система,

если любая булева функция может быть представлена в виде суперпозиции

функций из этого множества. Другое название –базис.
Минимальный базис.

{ , , } – полная система по теореме Шеннона.

{ , } и { , } – минимальные базисы.



Система {, } не является полной.

Функциональная полнота {f1, f2, … , fт} – функционально полная, или просто полная система, если любая булева функция может быть представлена

Слайд 103Функциональная полнота
{|} и {} – полные системы.





{1, , }

– полная система.
a  а  1;


a  b  аb  b  а  1  1 =

аb  b  а.
Функциональная полнота {|} и {} – полные системы.{1, , } – полная система.a  а  1; a  b  аb  b  а  1

Слайд 104Реализация булевых функций комбинационными схемами
Диодные схемы









у = х1 

х2  … хп

у = х1 х2 … хп у =а b c  ac
Реализация булевых функций комбинационными схемамиДиодные схемы у = х1  х2  … хп

Слайд 105Реализация булевых функций комбинационными схемами
Транзисторные схемы

+ +

  R R
a

a r


а = 0, R  r
а = 1, R  r
Реализация булевых функций комбинационными схемамиТранзисторные схемы

Слайд 106Реализация булевых функций комбинационными схемами
Транзисторные схемы

+

+ +
 
у у у

а a a
с
b b b


у = у = у =
Реализация булевых функций комбинационными схемамиТранзисторные схемы          +

Слайд 107Булевы функции. Графическое представление
Два вектора являются соседними, если они

отличаются друг от друга значением только одной компоненты.
Пример: (1 0 0 1) и

(1 1 0 1).
Отношение соседства представляется графом.
Полный булев граф, или п-мерный гиперкуб имеет 2п вершин и п2п – 1 ребер. 0000 1000
000 100
00 10 0010 1010
0100 1100
0 1 001 101 0001 1001
010 110 0110 1110
01 11 0011 1011
011 111 0101
1101
0111 1111
Интервал – порожденный подграф в виде (n – k)-мерного гиперкуба (гипергрань).
Булевы функции. Графическое представление Два вектора являются соседними, если они отличаются друг от друга значением только одной

Слайд 108Булевы функции. Графическое представление
Характеристическое множество Mf1 функции f, выражаемой

одной элементарной конъюнкцией, есть интервал.
Пример: х1х3 х4 представляется троичным вектором

(1 – 0 1).

Представление булевой функции на гиперкубе:
000 100
 
001 101
 
010 110
 
011 111

СДНФ: х1х2 х3 х1 х2х3 х1 х2 х3  х1х2 х3  х1 х2 х3
Можно задать интервалами (– – 1) и (0 1 –) или х3 х1 х2.
Булевы функции. Графическое представление Характеристическое множество Mf1 функции f, выражаемой одной элементарной конъюнкцией, есть интервал. Пример: х1х3 х4

Слайд 109Булевы функции. Графическое представление
Демонстрация справедливости формул.

000 100 000 100
 
001 101 001 101
 
010 110 010 110
 
011 111 011 111
х3 х1 х2х3 = х3 х1 х2 х1 х2  х1 х2 = х2
000 100
 
001 101
 
010 110
 
011 111
х1х2  х2х3 =х1х2  х2х3 х1х3
Булевы функции. Графическое представление Демонстрация справедливости формул.

Слайд 110Булевы функции. Карта Карно
Развертка гиперкуба на плоскости:

000 100 000 100 101 001
 
001 101
 
010 110

011 111 010 110 111 011
f (х1, х2, х3) = х1 х2 х1х2 х3

x1x3 x1x3
0 0 0 1 
0 1 1 0  
x2 x2
Булевы функции. Карта Карно Развертка гиперкуба на плоскости:

Слайд 111Булевы функции. Карта Карно
Строки и столбцы карты Карно кодируются

кодом Грея.
Длина кода п для кодирования N объектов должна быть

такой, чтобы выполнялось N  2п, или п = log2N, где а – ближайшее к а сверху целое число.
0 0 … 0 – код первого объекта.
Для получения следующего кода берется последний код и в нем меняется значение той самой правой компоненты, изменение значения которой приводит к новому коду.
000 101 Другой способ: 0 0 00 00 000
001 100 1 1 01 01 001
011 1 11 11 011
010 0 10 10 010
110 10 110
111 11 111
Булевы функции. Карта Карно Строки и столбцы карты Карно кодируются кодом Грея.Длина кода п для кодирования N

Слайд 112Булевы функции. Карта Карно
Отношение соседства элементов булева пространства представляется

отношением симметрии в карте Карно.









Каждая ось имеет свою зону

симметрии, ширина которой определяется рангом оси.
Булевы функции. Карта Карно Отношение соседства элементов булева пространства представляется отношением симметрии в карте Карно. Каждая ось

Слайд 113Булевы функции. Карта Карно
Упрощение ДНФ. Поиск максимальных интервалов.
Поиск определяющих

элементов и обязательных интервалов.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5  х2 х3х4 х5  х2 х3 х5 х6 х1 х3х4 х6 
 х1 х2х3 х5х6 .
Булевы функции. Карта Карно Упрощение ДНФ. Поиск максимальных интервалов.Поиск определяющих элементов и обязательных интервалов.

Слайд 114Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 .
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций

Слайд 115Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5.
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций.

Слайд 116Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5  х2 х3х4 х5.
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций.

Слайд 117Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5  х2 х3х4 х5  х2 х3 х5 х6.
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций.

Слайд 118Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5  х2 х3х4 х5  х2 х3 х5 х6 х1 х3х4 х6.
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций.

Слайд 119Булевы функции. Карта Карно
Упрощение ДНФ.
Формирование элементарных конъюнкций.

х6
х4 х5

   
   
  
 
  


х1 х2 х3

х2х3 х4х6 х1 х3х4 х5  х2 х3х4 х5  х2 х3 х5 х6 х1 х3х4 х6 
 х1 х2х3 х5х6 .
Булевы функции. Карта Карно Упрощение ДНФ.Формирование элементарных конъюнкций.

Слайд 120Булевы функции. Карта Карно
Упрощение ДНФ.
«Жадный» способ не устраняет избыточность:

х3 х4
 
 
 
 
х1 х2

f(x1, x2, x3, x4) = х3 х4 х1х2 х4 х1 х2  х3  х1 х2 х4  х1х2 х3.
х3 х4 – избыточная конъюнкция.
Булевы функции. Карта Карно Упрощение ДНФ.«Жадный» способ не устраняет избыточность:

Слайд 121Троичные векторы и матрицы
Вектор (0 – 1 0 – 1) задает {(0 0 1 0 0 1), (0 0 1 0 1 1), (0 1 1 0 0 1),

(0 1 1 0 1 1)} – интервал булева пространства.

Интервал – характеристическое множество элементарной

конъюнкции. Например, вектор (0 – 1 0 – 1) представляет конъюнкцию х1 х3х4 х6.

Тогда всякую троичную матрицу (строками которой являются троичные векторы) можно считать представлением ДНФ некоторой булевой функции.
Троичные векторы и матрицы Вектор (0 – 1 0 – 1) задает {(0 0 1 0 0 1), (0 0 1 0 1 1), (0 1 1 0 0 1), (0 1 1 0 1 1)} – интервал булева пространства. Интервал –

Слайд 122Троичные векторы и матрицы
Отношения на множестве троичных векторов

Ортогональность.

Векторы и и v ортогональны по i-й компоненте, если и

только если i-я компонента имеет 0 в одном из них и 1 – в другом. Троичные векторы ортогональны, если они ортогональны хотя бы по одной компоненте. Пример: (0 – 1 0 – 1) и (0 1 0 – 1 0).
Симметрично, иррефлексивно.

Пересечение. Если векторы и и v неортогональны, то они находятся в отношении пересечения. Пример: (0 – 1 0 – 1) и (0 0 1 – 1– ).
Рефлексивно, симметрично.

Смежность. Векторы и и v, ортогональные только по одной компоненте, являются смежными. Им соответствуют смежные элементарные конъюнкции. Пример: (0 – 1 0 – 1) и (0 1 0 – 1 –).
Симметрично, иррефлексивно.
Троичные векторы и матрицы Отношения на множестве троичных векторов Ортогональность. Векторы и и v ортогональны по i-й

Слайд 123Троичные векторы и матрицы
Отношения на множестве троичных векторов

Соседство.

Векторы и и v являются соседними, если по некоторой i-й

компоненте они ортогональны, а значения остальных одноименных компонент совпадают.
Пример: (0 – 1 0 – 1) и (0 – 1 0 – 0).
Симметрично, иррефлексивно.

Поглощение. Вектор и поглощает вектор v, если и только если все компоненты вектора и, значения которых отличны от «–», совпадают с одноименными компонентами вектора v. Интервал, представляемый вектором v, является подмножеством интервала, представляемого вектором и.
Пример: (0 – 1 0 – –) поглощает (0 – 1 0 – 0).
Рефлексивно, транзитивно.
Троичные векторы и матрицы Отношения на множестве троичных векторов Соседство. Векторы и и v являются соседними, если

Слайд 124Троичные векторы и матрицы
Эквивалентность матриц

Троичная матрица U эквивалентна

булевой матрице W, если каждая из строк матрицы W поглощается

хотя бы одной строкой матрицы U, а любой вектор, не совпадающий ни с одной из строк матрицы W, не поглощается ни одной строкой матрицы U.

Троичные матрицы U и V эквивалентны, если существует булева матрица, эквивалентная обеим матрицам U и V. Бинарное отношение эквивалентности матриц рефлексивно, симметрично и транзитивно.
Троичные векторы и матрицы Эквивалентность матриц Троичная матрица U эквивалентна булевой матрице W, если каждая из строк

Слайд 125Троичные векторы и матрицы
Операции над троичными векторами

Склеивание соседних

строк:


Поглощение:


Обобщенное склеивание смежных строк:



Разложение строки по i-й компоненте.

Троичные векторы и матрицы Операции над троичными векторами Склеивание соседних строк:Поглощение: Обобщенное склеивание смежных строк:Разложение строки по

Слайд 126Анализ троичной матрицы на вырожденность
Троичная матрица U является вырожденной,

если не существует троичного вектора, ортогонального каждой строке матрицы U.



Совокупность интервалов, представляемая вырожденной матрицей, покрывает все булево пространство.

Функция, ДНФ которой представляется вырожденной матрицей, является константой 1.

Для заданной троичной матрицы U требуется найти троичный вектор v, ортогональный каждой ее строке, или убедиться в том, что такого вектора не существует.

Вектор v в этом случае представляет набор значений аргументов, обращающий в нуль функцию, задаваемую матрицей U.
Анализ троичной матрицы на вырожденность Троичная матрица U является вырожденной, если не существует троичного вектора, ортогонального каждой

Слайд 127Анализ троичной матрицы на вырожденность
Троичный вектор, имеющий k компонент

со значением «–», представляет множество 2k булевых векторов. Любой из

этих булевых векторов покрывается данным троичным вектором.




Вектор (0, 0, –) ортогонален обеим строкам троичной матрицы. Следовательно, матрица не вырожденная.
Ни один из покрываемых вектором (0, 0, –) двух булевых векторов (0, 0, 0) и (0, 0, 1) не является строкой булевой матрицы.
Решить задачу о вырожденности троичной матрицы можно простым перебором всех 2п различных булевых векторов.
Следует использовать более эффективный редукционный метод, опирающийся на комбинаторный поиск .
Анализ троичной матрицы на вырожденность Троичный вектор, имеющий k компонент со значением «–», представляет множество 2k булевых

Слайд 128Анализ троичной матрицы на вырожденность
Комбинаторный поиск

a
а = 1
0 1
Т =
e d

1 0
  d = 1
с
 а = 0 w = (1 – – 1 –)
0


е = 1 с = 0 w = (0 – 0 – 1)
Анализ троичной матрицы на вырожденность Комбинаторный поиск

Слайд 129Анализ троичной матрицы на вырожденность
Правила редукции
Правило 1. Из матрицы

Т удаляются столбцы, содержащие только «–».
Правило 2. Из матрицы Т

удаляются строки, ортогональные вектору w, а затем столбцы, которым соответствуют компоненты вектора w со значением 0 или 1.
Правило 3. Если в матрице Т имеется строка, где лишь одна компонента обладает значением, отличным от «–», то соответствующей компоненте вектора w приписывается инверсное значение.
Правило 4. Если в матрице Т существует столбец, не содержащий значения 0 (или 1), то это значение приписывается соответствующей компоненте вектора w.

Правило расщепления предписывает перебор значений 0 и 1 некоторой компоненты вектора w.
Правило нахождения решения. Если непосредственно после удаления строки по правилу 2 матрица становится пустой, w – искомый вектор.
Правило возврата. Если матрица Т становится пустой после удаления столбца или она содержит строку без значений 0 и 1, то следует возвратиться к последней точке ветвления.
Правило прекращения поиска. Если при полном обходе дерева поиска вектор v найти не удалось, то это свидетельствует о вырожденности матрицы U.
Анализ троичной матрицы на вырожденность Правила редукции Правило 1. Из матрицы Т удаляются столбцы, содержащие только «–». Правило 2.

Слайд 130Локальные упрощения ДНФ
Дизъюнктивная нормальная форма безызбыточна, если из нее

нельзя удалить ни одной элементарной конъюнкции и ни одного литерала

из какой-либо конъюнкции.
Простейшие случаи подобного сокращения:

А х  А = А; Ах  х = А  х; А х  Вх  АВ = А х  Вх.

Более сложный случай:

х1х2 х3  х1х2 х4  х1 х2 х3 х1 х2 х4  х3 х4,

где конъюнкция х3 х4 является избыточной.

Два вида избыточности:
 
D = k  D = D , D = хk  D = k  D.
 
Локальные упрощения ДНФ Дизъюнктивная нормальная форма безызбыточна, если из нее нельзя удалить ни одной элементарной конъюнкции и

Слайд 131Локальные упрощения ДНФ
Удаление избыточных элементарных конъюнкций

D = k  D = D

k

и D находятся в отношении формальной импликации, т. е. k  D. Функция

g имплицирует функцию f, если f имеет значение 1 везде, где имеет значение 1 функция g.
Матрица V представляет ДНФ D, а вектор v – конъюнкцию k. Результат подстановки в D значений переменных, обращающих k в единицу – минор матрицы V, образованный строками, не ортогональными v и столбцами, соответствующими компонентам v, имеющими значение «–». Если этот минор – вырожденная матрица, то k – избыточная конъюнкция.
Вектор, ортогональный всем строкам полученного минора, представляет набор значений переменных, обращающий D в нуль.
Локальные упрощения ДНФ Удаление избыточных элементарных конъюнкций D = k  D = Dk и D находятся в отношении формальной импликации,

Слайд 132Локальные упрощения ДНФ
Удаление избыточных элементарных конъюнкций



=



Результат подстановки значений х1 = 0, х2 = 1, х4 = 0, х5 = 1:


– вырожденная матрица.
Локальные упрощения ДНФ Удаление избыточных элементарных конъюнкций

Слайд 133Локальные упрощения ДНФ
Удаление избыточных литералов

D = хk  D = k  D.
k  D = k(х х)  D = хk  D

хk = D хk.

Литерал х в выражении хk  D является избыточным, если

конъюнкция хk является избыточной в выражении D хk. Следовательно, задача определения избыточности литерала в ДНФ сводится к предыдущей задаче – задаче определения избыточности элементарной конъюнкции.
Надо построить минор, образованный столбцами, где i-я строка имеет значения «–», и строками, не ортогональными вектору, полученному из i-й строки заменой нуля (или единицы) в j-м столбце на противоположное значение. Если полученный минор оказался вырожденной матрицей, то замена нуля (или единицы) на «–» возможна.
Локальные упрощения ДНФ Удаление избыточных литералов D = хk  D = k  D. k  D = k(х х)  D = хk  D хk = D хk. Литерал х в выражении хk  D

Слайд 134Локальные упрощения ДНФ
Удаление избыточных литералов




=




Результат подстановки значений х1 = 1, х2 = 1, х3 = 1, х4 = 0, х6 = 0:

– вырожденная матрица.

Локальные упрощения ДНФ Удаление избыточных литералов

Слайд 135Минимизация ДНФ
Метод Квайна-МакКласки
Кратчайшая ДНФ имеет минимум элементарных конъюнкций.
Минимальная

ДНФ имеет минимум литералов.
Функция g имплицирует функцию f, т. е. g  f,

если f имеет значение 1 везде, где это значение имеет g.
g – импликанта функции f. Всякая элементарная конъюнкция, входящая в ДНФ функции f, является импликантой функции f.
Простая импликанта – это импликанта в виде элементарной конъюнкции, которая перестает быть импликантой при удалении любого литерала.
Максимальный интервал – характеристическое множество простой импликанты.
Сокращенная ДНФ функции f – дизъюнкция всех простых импликант функции f.
Минимизация ДНФ Метод Квайна-МакКласки Кратчайшая ДНФ имеет минимум элементарных конъюнкций.Минимальная ДНФ имеет минимум литералов.Функция g имплицирует функцию

Слайд 136Минимизация ДНФ
Метод Квайна-МакКласки требует представление заданной булевой функции в

виде совершенной ДНФ.

Процесс минимизации состоит из двух этапов:
1) нахождение сокращенной

ДНФ;
2) выделение из множества простых импликант минимального подмножества, составляющего ДНФ заданной функции.

На этапе 1формируется последовательность С0, С1, … , Ck, где Сi – множество конъюнкций ранга п – i, полученных путем простого склеивания конъюнкций из множества Ci – 1. Если удалить все поглощаемые конъюнкции, то останутся только все простые импликанты.
На этапе 2 решается задача о покрытии: элементы множества М1 покрываются максимальными интервалами.
Минимизация ДНФ Метод Квайна-МакКласки требует представление заданной булевой функции в виде совершенной ДНФ.Процесс минимизации состоит из двух

Слайд 137Минимизация ДНФ
Метод Квайна-МакКласки

Этап 1: получение сокращенной ДНФ





С0 =

, С1 = , С2 = .




Минимизация ДНФ Метод Квайна-МакКласкиЭтап 1: получение сокращенной ДНФС0 =

Слайд 138Минимизация ДНФ
Метод Квайна-МакКласки
Этап 2: решение задачи о покрытии.
Заданы множество

А = М1 и совокупность подмножеств В1, В2, … , Вт множества А в виде матриц





и .




Требуется выделить минимум подмножеств Bi, покрывающих все множество А.
Минимизация ДНФ Метод Квайна-МакКласкиЭтап 2: решение задачи о покрытии.Заданы множество А = М1 и совокупность подмножеств В1, В2, … , Вт множества А

Слайд 139Минимизация ДНФ
Метод Квайна-МакКласки
Этап 2
Задача в матричной форме: в следующей

матрице выбрать минимальное количество строк так, чтобы каждый столбец имел

единицу хотя бы в одной из них.







В1, В4 и В6 – решение.
Минимизация ДНФ Метод Квайна-МакКласкиЭтап 2Задача в матричной форме: в следующей матрице выбрать минимальное количество строк так, чтобы

Слайд 140Минимизация ДНФ
Метод Квайна-МакКласки

Решением примера является матрица



.



В алгебраической форме: х1х2х4  х1х2х3  х3 х4.
Минимизация ДНФ Метод Квайна-МакКласкиРешением примера является матрица

Слайд 141Минимизация ДНФ
Метод Квайна-МакКласки
Поиск определяющих элементов и обязательных интервалов.
Для элемента

mi достаточно найти в М1 все соседние с ним элементы,

а затем построить содержащий их минимальный поглощающий интервал U, представляемый вектором u.
Для элементов m1, m2, … , mk вектор uполучается следующим образом: если i-я компонента во всех векторах m1, m2, … , mk имеет значение 0, то и имеет в этой компоненте 0, если 1, то 1. Если i-я компонента имеет различные значения в этих векторах, то i-я компонента вектора и имеет значение «–».
Если все элементы полученного таким образом интервала U принадлежат М1, то он является максимальным в М1 и притом обязательным, а mi является определяющим элементом. В противном случае U не содержится целиком в М1, а mi не является определяющим ни для какого интервала.
Минимизация ДНФ Метод Квайна-МакКласкиПоиск определяющих элементов и обязательных интервалов.Для элемента mi достаточно найти в М1 все соседние

Слайд 142Минимизация ДНФ
Метод Квайна-МакКласки

Поиск определяющих элементов и обязательных интервалов.

Чтобы определить,

содержится ли интервал U во множестве М1, достаточно для матрицы,

представляющей множество М1, построить минор, определяемый столбцами, где вектор и имеет значение «–», и строками, не ортогональными вектору и. Число строк в этом миноре не превышает 2р, где р – число компонент вектора и, имеющих значение «–». Очевидно, интервал U целиком содержится в М1 тогда и только тогда, когда число строк в этом миноре равно 2р.
Минимизация ДНФ Метод Квайна-МакКласкиПоиск определяющих элементов и обязательных интервалов.Чтобы определить, содержится ли интервал U во множестве М1,

Слайд 143Минимизация ДНФ
Метод Квайна-МакКласки. Поиск обязательных интервалов.
0 1 0 0 0* 0 1 0 0 0
0 0 1 1 0 0 1 0 1 0
1 0 0 0 1 1 1 0 0 0
0 1 0 1 0* –––––––
1 1 0 0 0* – 1 0 –

0
0 1 1 1 0
1 1 0 1 0*
1 1 0 0 1
1 0 1 0 1
1 0 1 1 0
1 1 0 1 1
1 1 1 1 0
1 1 1 0 1

Минимизация ДНФ Метод Квайна-МакКласки. Поиск обязательных интервалов.0 1 0 0 0*	0 1 0 0 00 0 1 1 0	0 1 0 1 01 0 0 0 1	1 1 0 0 00 1 0 1 0*	–––––––1 1 0 0 0*	– 1 0 – 00 1 1 1 01 1 0 1 0*1 1 0 0 11 0 1 0 11 0 1 1 01 1 0 1 1	1 1 1 1 01 1 1 0 1

Слайд 144Минимизация ДНФ
Метод Квайна-МакКласки. Поиск обязательных интервалов.
0 1 0 0 0* 0 1 0 0 0 0 0 1 1 0
0 0 1 1 0* 0 1 0 1 0 0 1 1 1 0
1 0 0 0 1 1 1 0 0 0 1 0 1 1 0
0 1 0 1 0* ––––––– –––––––
1 1 0 0 0* –

1 0 – 0 – – 1 1 0
0 1 1 1 0*
1 1 0 1 0*
1 1 0 0 1
1 0 1 0 1
1 0 1 1 0*
1 1 0 1 1
1 1 1 1 0*
1 1 1 0 1

Минимизация ДНФ Метод Квайна-МакКласки. Поиск обязательных интервалов.0 1 0 0 0*	0 1 0 0 0 	0 0 1 1 00 0 1 1 0*	0 1 0 1 0 	0 1 1 1 01 0 0 0 1	1 1 0 0 0 	1 0 1 1 00 1 0 1 0*	–––––––	–––––––1 1 0 0 0*	– 1 0 – 0	– – 1 1

Слайд 145Минимизация ДНФ
Метод Квайна-МакКласки. Поиск обязательных интервалов.
0 1 0 0 0* 0 1 0 0 0 0 0 1 1 0 1 0 0 0 1
0 0 1 1 0* 0 1 0 1 0 0 1 1 1 0 1 1 0 0 1
1 0 0 0 1* 1 1 0 0 0 1 0 1 1 0 1 0 1 0 1
0 1 0 1 0* ––––––– ––––––– –––––––
1 1 0 0 0* –

1 0 – 0 – – 1 1 0 1 –

– 0 1
0 1 1 1 0*
1 1 0 1 0*
1 1 0 0 1*
1 0 1 0 1*
1 0 1 1 0*
1 1 0 1 1
1 1 1 1 0*
1 1 1 0 1*
Минимизация ДНФ Метод Квайна-МакКласки. Поиск обязательных интервалов.0 1 0 0 0*	0 1 0 0 0 	0 0 1 1 0	1 0 0 0 10 0 1 1 0*	0 1 0 1 0 	0 1 1 1 0	1 1 0 0 11 0 0 0 1*	1 1 0 0 0 	1 0 1 1 0	1 0 1 0 10 1 0 1 0*	–––––––	–––––––	–––––––1 1 0 0 0*	– 1 0 – 0	– – 1 1

Слайд 146Минимизация ДНФ
Метод Квайна-МакКласки. Поиск обязательных интервалов.
0 1 0 0 0* 0 1 0 0 0 0 0 1 1 0 1 0 0 0 1 1 1 0 1 1
0 0 1 1 0* 0 1 0 1 0 0 1 1 1 0 1 1 0 0 1 1 1 0 1 0
1 0 0 0 1* 1 1 0 0 0 1 0 1 1 0 1 0 1 0 1 1 1 0 0 1
0 1 0 1 0* ––––––– –––––––

––––––– –––––––
1 1 0 0 0* – 1 0 – 0 – – 1 1 0 1

– – 0 1 1 1 0 – –
0 1 1 1 0* Обязательные интервалы покрывают всё М1.
1 1 0 1 0* Решение: – 1 0 – 0
1 1 0 0 1* – – 1 1 0
1 0 1 0 1* 1 – – 0 1
1 0 1 1 0* 1 1 0 – –
1 1 0 1 1*
1 1 1 1 0* x2x3x5  x3 x4x5  x1x4 x5  x1 x2x3
1 1 1 0 1*
Минимизация ДНФ Метод Квайна-МакКласки. Поиск обязательных интервалов.0 1 0 0 0*	0 1 0 0 0 	0 0 1 1 0	1 0 0 0 1	1 1 0 1 10 0 1 1 0*	0 1 0 1 0 	0 1 1 1 0	1 1 0 0 1	1 1 0 1 01 0 0 0 1*	1 1 0 0 0 	1 0 1 1 0	1 0 1 0 1	1 1 0 0 10 1 0 1 0*	–––––––	–––––––	 –––––––	–––––––1 1 0 0 0*	– 1 0 – 0	– – 1

Слайд 147Минимизация ДНФ
Метод Квайна-МакКласки
В предыдущем примере только один обязательный интервал.
0 0 0 0 0 0 0 0

0 0 1 0 1 0 0 0 0 0 1 1
0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 1 0
1 0 0 0 1 0 0 0 0 0 1 1 1 0 0 1 0 1 1 1
0 0 1 1 – 0 – 0 0

0 – – – 0 0 – 1 0 1 1
1 0 0 1 – – 1 –
0 1 1 1 1 0 0 1 0 1 1 1
1 0 1 1 1 0 0 0 0 0 1 1
1 1 1 1 1 0 1 1 1 1 1 1
1 0 – – – – 1 1
Минимизация ДНФ Метод Квайна-МакКласкиВ предыдущем примере только один обязательный интервал.0 0 0 0		0 0 0 0 	0 0 1 0		1 0 0 0		0 0 1 10 0 1 0		0 0 1 0 	0 0 0 0		0 0 0 0		0 0 1 01 0 0 0		1 0 0 0		0 0 1 1 	1 0 0 1 	0 1 1 10 0 1 1		–

Слайд 148Минимизация ДНФ
Метод Квайна-МакКласки
В предыдущем примере только один обязательный интервал.
0 0 0 0

1 2 3 4
0 0 1 0 1 0 0 0 0* 0 0 –

0 + 1 1
1 0 0 0 2 0 0 1 0* – 0 0 0 1 1
0 0 1 1 3 1 0 0 0* 0 0 1 – 1
1 0 0 1 4 1 0 0 1* 1 0 0 – + 1 1
0 1 1 1 – – 1 1 1 0 – 1 1
1 0 1 1 – – 1 1
1 1 1 1
Решение: 0 0 – 0
1 0 0 –
– – 1 1
Минимизация ДНФ Метод Квайна-МакКласкиВ предыдущем примере только один обязательный интервал.0 0 0 0					   1 2 3 40 0 1 0 	1

Слайд 149Минимизация ДНФ
Метод Блейка-Порецкого
Функция задается в произвольной ДНФ. Если

преобразовать х1 х2 х3 х5  х2 х3 х4 х5 х1 в СДНФ, то получим 18 конъюнкций.
Применение обобщенного склеивания:

х1 х2 х3 х5  х2 х3 х4 х5 х1 =
= х1 х2 х3 х5  х2 х3 х4 х5 х1  х2 х3 х5 =х1  х2 х3 х5.

Процесс минимизации состоит из двух этапов:
1) нахождение сокращенной ДНФ;
2) выделение из множества простых импликант минимального подмножества, составляющего ДНФ заданной функции.

На этапе 1 выполняются операции обобщенного склеивания и простого поглощения:
 
А х  Вх = А х  Вх  А В и А  А В = А.
Минимизация ДНФ Метод Блейка-Порецкого Функция задается в произвольной ДНФ. Если преобразовать х1 х2 х3 х5  х2 х3 х4 х5 х1 в СДНФ, то получим 18

Слайд 150Минимизация ДНФ
Метод Блейка-Порецкого

Этап 1: получение сокращенной ДНФ:






Минимизация ДНФ Метод Блейка-Порецкого Этап 1: получение сокращенной ДНФ:

Слайд 151Минимизация ДНФ
Метод Блейка-Порецкого

Этап 1: получение сокращенной ДНФ:






Минимизация ДНФ Метод Блейка-Порецкого Этап 1: получение сокращенной ДНФ:

Слайд 152Минимизация ДНФ
Метод Блейка-Порецкого
Этап 2: решение задачи о покрытии.
Поиск

ядра и антиядра. Задача поиска ядра сводится к нахождению избыточных

элементарных конъюнкций в ДНФ.
Конъюнкция k избыточна в D = k  D , если k  D = D.
Если, подставив в D любой набор значений переменных, обращающий k в единицу, получим D = 1, то k избыточна.

Конъюнкция х2 х3 (строка 5) не избыточна,
т.к. результат подстановки х2 = х3 = 1,


представляемый матрицей ,

не является тождественной единицей
(матрица не вырожденная).
Минимизация ДНФ Метод Блейка-Порецкого Этап 2: решение задачи о покрытии.Поиск ядра и антиядра. Задача поиска ядра сводится

Слайд 153Минимизация ДНФ
Метод Блейка-Порецкого
Этап 2: решение задачи о покрытии.
Поиск

ядра и антиядра. Для каждой строки строим минор, образованный столбцами,

где она имеет «–», и не ортогональными ей строками. Если минор – невырожденная матрица, то строка принадлежит ядру.
1) 2) 3) 4)
я

5) 6) 7)



я 8)
Минимизация ДНФ Метод Блейка-Порецкого Этап 2: решение задачи о покрытии.Поиск ядра и антиядра. Для каждой строки строим

Слайд 154Минимизация ДНФ
Метод Блейка-Порецкого
Этап 2: решение задачи о покрытии.


– ядро

Антиядра нет
Элементы, не покрытые ядром:
Минимизация ДНФ Метод Блейка-Порецкого Этап 2: решение задачи о покрытии.

Слайд 155Минимизация ДНФ
Метод Блейка-Порецкого
Этап 2: решение задачи о покрытии.


надо покрыть интервалами





Решение:


Минимизация ДНФ Метод Блейка-Порецкого Этап 2: решение задачи о покрытии.

Слайд 156Минимизация ДНФ
Метод Блейка-Порецкого
Этап 2: решение задачи о покрытии.

Для

получения окончательного решения к ядру



добавляем




Результат: В алгебраической форме:

x1 x2x4  x2 x3  x1x2 x4 

x1x2x3 x1x2x4

Минимизация ДНФ Метод Блейка-Порецкого Этап 2: решение задачи о покрытии.Для получения окончательного решения к ядру

Слайд 157Минимизация ДНФ
Метод Блейка-Порецкого
Р(U) – совокупность непустых подмножеств множества

номеров строк матрицы U такая, что для каждого элемента множества

М1 имеется подмножество в Р(U), из номеров всех строк матрицы U, представляющих интервалы, содержащие данный элемент.
x4
x3
3,7 4,7 3,6
4,5 5
1 1,5 5,8
2,8 2,6
x1 x2

Р(U) = {(1), (5), (1,5), (2,6), (2,8), (3,6),
(3,7), (4,5), (4,7), (5,8)}
Задача: Выбрать минимум строк из U так, чтобы каждый элемент из Р(U) содержал номер хотя бы одной из этих строк.
Минимизация ДНФ Метод Блейка-Порецкого Р(U) – совокупность непустых подмножеств множества номеров строк матрицы U такая, что для

Слайд 158Минимизация ДНФ
Метод Блейка-Порецкого
У т в е р ж д е н и е. Если из матриц U1 и

U2 построить матрицу U, приписав столбцы матрицы U2 к столбцам

U1, то множество Р(U) можно получить, взяв за его элементы всевозможные непустые пересечения элементов Р(U1) с элементами Р(U2).

Р(U1) = {(1,2,5,6,8), (3,4,5,6,7)};

Р(U2) = {(1,5,8), (4,5), (2,6,8), (3,4,6,7)};

Р(U3) = {(1), (2,6), (3,6,7), (1,5,8), (4,5), (2,8),
(4,7)};

Р(U4) = Р(U) = {(1), (5), (1,5), (2,6), (2,8),
(3,6), (3,7), (4,5), (4,7), (5,8)}

Задача: Выбрать минимум строк из U так, чтобы каждый элемент из Р(U) содержал номер хотя бы одной из этих строк.
Минимизация ДНФ Метод Блейка-Порецкого У т в е р ж д е н и е. Если из матриц U1 и U2 построить матрицу U, приписав столбцы матрицы

Слайд 159Минимизация ДНФ
Метод Блейка-Порецкого
Правила редукции:
1. Если А  Р(U), В  Р(U) и

А  В, то В удаляется из Р(U).
2. Если номер i присутствует

только в тех элементах множества Р(U), где присутствует номер k, то i удаляется отовсюду.

Р(U) = {(1), (5), (1,5), (2,6), (2,8),
(3,6), (3,7), (4,5), (4,7), (5,8)}.
Строки 1 и 5 составляют ядро.
Результат применения правила 1:
{(2,6), (2,8), (3,6), (3,7), (4,7)}.
Результат применения правила 2:
{(2,6), (2), (3,6), (3,7), (7)}.
Для получения окончательного решения
надо к обязательным строкам 1, 2, 5 и 7
добавить строку 3 либо строку 6.

Минимизация ДНФ Метод Блейка-Порецкого Правила редукции:1. Если А  Р(U), В  Р(U) и А  В, то В удаляется из Р(U).2. Если

Слайд 160Минимизация ДНФ
Метод Блейка-Порецкого


Решения


Минимизация ДНФ Метод Блейка-Порецкого

Слайд 161Минимизация не полностью определенных булевых функций
М1, М0 и М–

– области, где соответственно функция имеет значения 1, 0 и

не определена.
Достаточно задать два подмножества, например, М1 и М0.

х3 x4 х3 x4



x1 x2 x1 x2

Результат минимизации: х1х4 х3
Минимизация не полностью определенных булевых функций М1, М0 и М– – области, где соответственно функция имеет значения

Слайд 162Минимизация не полностью определенных булевых функций
Отношение реализации: функция g

реализует функцию f (g   f), если M1f  M1g и M0f  M0g.

Постановка

задачи:
Для функции f найти минимальную (или кратчайшую) ДНФ среди всех ДНФ всех функций g, удовлетворяющих условию f  g.

Число вариантов доопределения: .

Выделим два из них – fmin и fmax:


, ;

, .
Минимизация не полностью определенных булевых функций Отношение реализации: функция g реализует функцию f (g   f), если M1f  M1g

Слайд 163Минимизация не полностью определенных булевых функций
Распространение метода Квайна-МакКласки
Этапы:
1) нахождение

множества всех максимальных интервалов для fmax;
2) покрытие ими элементов

из .
х3 x4 х3 x4 х3 x4




x1 x2 x1 x2 x1 x2
f f min f max



Элементы надо покрыть интервалами .
Минимизация не полностью определенных булевых функций Распространение метода Квайна-МакКласкиЭтапы:1) нахождение множества всех максимальных интервалов для fmax; 2)

Слайд 164Минимизация не полностью определенных булевых функций
Распространение метода Квайна-МакКласки



Элементы

надо покрыть интервалами .



Матрица покрытия: Результат:




f =х1х4 х3,
Минимизация не полностью определенных булевых функций Распространение метода Квайна-МакКласкиЭлементы

Слайд 165Минимизация слабо определенной функции
Если |М1| + |М0| 

метода потребует формирования большого количества бесполезных интервалов.
Интервально поглощаемое множество –

множество элементов из М1, для которых существует интервал, содержащий все эти элементы и не пересекающийся с множеством М0.
Максимальное интервально поглощаемое множество – не содержится в качестве собственного подмножества в другом интервально поглощаемом множестве.
Этапы:
получение всех максимальных интервально поглощаемых множеств;
получение кратчайшего покрытия ими элементов множества М1;
максимальное расширение выбранных интервалов.
Минимизация слабо определенной функции  Если |М1| + |М0| 

Слайд 166Минимизация слабо определенной функции
Этап 1: получение всех максимальных

интервально поглощаемых множеств.
Используется лексикографический перебор.
Для проверки, является ли M1i

 М1 интервально поглощаемым множеством, надо построить минимальный покрывающий интервал для M1i, т. е. наименьший по мощности интервал, содержащий все элементы множества M1i, и затем проверить, не пересекается ли он с множеством М0.
Нахождение минимального покрывающего интервала для M1i: если значения одноименных компонент булевых векторов, принадлежащих M1i, совпадают, то это значение присваивается соответствующей компоненте получаемого троичного вектора, а если нет, то данная компонента принимает значение «–».
Для (1 0 1 1 1 0 0), (0 0 1 0 1 1 0) и (1 0 1 1 0 1 0) получим
(– 0 1 – – – 0),
Минимизация слабо определенной функции  Этап 1: получение всех максимальных интервально поглощаемых множеств.Используется лексикографический перебор. Для проверки,

Слайд 167Минимизация слабо определенной функции
Этап 1: получение всех максимальных

интервально поглощаемых множеств.


, .



Элементы – 1, 2; интервал – (– 0 1 – – 0). Не пересекается с M0, следовательно, {1, 2} – интервально поглощаемое множество.
Элементы – 1, 2, 3; интервал – (– – – – – 0). Пересекается с M0.
Максимальные множества: {1, 2, 4} Интервалы: (– 0 1 – – –)
{1, 3} (– – – 1 1 0)
{1, 5} (– 0 – – 1 –)
{2, 4, 5} (– 0 – 0 – –)
{3, 5} (0 – 0 – 1 –)
Минимизация слабо определенной функции  Этап 1: получение всех максимальных интервально поглощаемых множеств.

Слайд 168Минимизация слабо определенной функции
Этап 2: получение кратчайшего покрытия

элементов множества М1 максимальными интервально поглощаемыми множествами.

Максимальные множества: {1,

2, 4} Интервалы: (– 0 1 – – –)
{1, 3} (– – – 1 1 0)
{1, 5} (– 0 – – 1 –)
{2, 4, 5} (– 0 – 0 – –)
{3, 5} (0 – 0 – 1 –)
Кратчайшее покрытие: {1, 2, 4}, {3, 5}.

Кратчайшая ДНФ: .

Этап 3: максимальное расширение выбранных интервалов.

x2 x3 x3 x5
Минимизация слабо определенной функции  Этап 2: получение кратчайшего покрытия элементов множества М1 максимальными интервально поглощаемыми множествами.

Слайд 169Минимизация слабо определенной функции
Метод конкурирующих интервалов
Задана

слабо определенная булева функция с помощью характеристических множеств М0 и

М1. Требуется найти по возможности минимальную (или близкую к ней) совокупность интервалов из множества М0  М1, покрывающую М1.

Процесс решения – последовательность шагов.
Характеристика текущей ситуации (после i-го шага итерации):
Vi – совокупность интервалов множества M1  M;
Mi* – множество элементов из M1, которые не принадлежат ни одному из интервалов множества Vi.
На очередном, (i + 1)-м шаге множество Vi преобразуется в новое частичное решение Vi + 1, причем так, чтобы непокрытый остаток Mi* сократился, по крайней мере, на один элемент.
Очередной шаг выбирается на основе информации о совместимости элементов из Mi* с интервалами из Vi.

Минимизация слабо определенной функции  Метод конкурирующих интервалов Задана слабо определенная булева функция с помощью характеристических множеств

Слайд 170Минимизация слабо определенной функции
Метод конкурирующих интервалов



М1 =

, М0 = .



Матрица расстояний
Матрица совместимости по Хэммингу
Минимизация слабо определенной функции  Метод конкурирующих интервалов       М1 =

Слайд 171Минимизация слабо определенной функции
Метод конкурирующих интервалов
Если

в матрице Сi существует строка без единиц, то соответствующий ей

элемент m из Mi* не совместим ни с одним из интервалов, принадлежащих множеству Vi. В этом случае множество Vi дополняется новым интервалом, содержащим лишь m. Данная строка удаляется из Сi.
Если в Ci существует столбец без единиц, то что соответствующий интервал из Vi не может быть расширен так, чтобы покрыть какой-либо из элементов множества Mi*. Он расширяется, если это возможно, и вносится в решение. Данный столбец удаляется из Сi.
Если в Ci существует столбец, содержащий единственную единицу, то соответствующий интервал u может быть использован для покрытия только одного элемента из Mi*. Интервал u расширяется на тот элемент и включается в решение. Соответствующие строка и столбец удаляются из матрицы Сi.

Минимизация слабо определенной функции  Метод конкурирующих интервалов Если в матрице Сi существует строка без единиц, то

Слайд 172Минимизация слабо определенной функции
Метод конкурирующих интервалов



М1 =

, М0 = .




Матрицы совместимости
{3} вносится в решение. Матрица расстояний
Минимизация слабо определенной функции  Метод конкурирующих интервалов       М1 =

Слайд 173Минимизация слабо определенной функции
Метод конкурирующих интервалов



М1 =

, М0 = .




Матрица совместимости Решение
{3}, {1, 5, 7}, {2, 4, 6}
Минимизация слабо определенной функции  Метод конкурирующих интервалов       М1 =

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика