NSPACE
En théorie de la complexité, NSPACE désigne une famille de classes de complexité caractérisées par leur complexité en espace sur une machine de Turing non déterministe.
Plus précisément, est la classe des problèmes de décision qui, pour une entrée de taille , peuvent être décidés par une machine de Turing non déterministe fonctionnant en espace .
Définitions
modifierLes classes de complexité NL, NPSPACE et NEXPSPACE sont définies à partir de la famille NSPACE :
Les langages rationnels peuvent être définis comme . En fait, on a même : le plus petit espace requis pour reconnaître un langage non rationnel est , et toute machine de Turing (déterministe ou non) en espace reconnaît un langage rationnel[1].
La classe des langages contextuels peut être définie comme .
Propriétés
modifierHiérarchie en espace
modifierInformellement, le théorème de hiérarchie en espace indique que disposer de plus d'espace permet de décider davantage de problèmes. Plus précisément, pour toutes fonctions et telles que et est constructible en espace, l'inclusion stricte suivante est vérifiée :
Théorème d'Immerman-Szelepcsényi
modifierLe théorème d'Immerman-Szelepcsényi affirme que les classes NSPACE sont closes par complémentaire : pour toute fonction constructible en espace telle que :
En particulier, .
Liens avec d'autres classes
modifierLe théorème de Savitch relie NSPACE aux classes de complexité en mémoire déterministe DSPACE par les inclusions suivantes, pour toute fonction constructible en espace telle que :
Une conséquence en est que PSPACE = NPSPACE.
Par ailleurs, NSPACE est relié aux classes de complexité en temps DTIME et NTIME par les inclusions suivantes, pour toute fonction constructible en espace :
Notes et références
modifierRéférences
modifier- (en) Andrzej Szepietowski, Turing Machines with Sublogarithmic Space, Springer Science+Business Media, , 114 p. (ISBN 978-3-540-58355-4, lire en ligne), p. 28
Bibliographie
modifier- (en) Sanjeev Arora et Boaz Barak, Computational Complexity: A Modern Approach, Cambridge University Press, , 579 p. (ISBN 978-0-521-42426-4, lire en ligne).
- Sylvain Perifel, Complexité algorithmique, Éditions Ellipses, , 432 p. (ISBN 978-2-729-88692-9, lire en ligne).