FormalLanguageConstrainedPathQuerying · gsvgit · Apr 20, 2024 · Apr 19, 2024 · Apr 19, 2024 · Apr 20, 2024
diff --git a/tasks/task10.md b/tasks/task10.md
@@ -1,16 +1,40 @@
-# Задача 11. Тензорный алгоритм решения задачи достижимости с КС ограничениями
+# Задача 10. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
 
-* **Мягкий дедлайн**: 27.11.2022, 23:59
-* **Жёсткий дедлайн**: 30.11.2022, 23:59
-* Полный балл: 5
+* **Жёсткий дедлайн**: 08.05.2024, 23:59
+* Полный балл: 19
 
 ## Задача
 
-- [ ] Реализовать **функцию**, основанную на тензорном алгоритме, решающую задачу достижимости между всеми парами вершин для заданного графа и заданной КС грамматики.
-  - Результат работы функции --- множество троек вида (вершина, нетерминал, вершина).
-  - Предусмотрите возможность получать граф из различных источников в различных форматах.
-  - Предусмотрите возможность получать грамматику из различных источников (из файла, как результат работы других функций).
-  - Для преобразования грамматики в РКА использовать результаты предыдущих работ.
-  - Для реализации матричных операций использовать [sciPy](https://docs.scipy.org/doc/scipy/reference/sparse.html).
-- [ ] На основе предыдущей функции реализовать функцию, позволяющую решать задачу достижимости для заданного набора стартовых и финальных вершин, и заданного нетерминала.
-- [ ] Добавить необходимые тесты.
+Задача посвящена анализу производительности различных алгоритмов решения задачи достижимости между всеми парами вершин с контекстно-свободными ограничениями: алгоритма Хеллингса, матричного алгоритма, тензорного алгоритма, алгоритма на основе GLL. В ходе анализа необходимо ответить на следующие вопросы.
+- Какой из трёх указанных алгоритмов обладает лучшей производительностью?
+- Имеет ли смысл для решения задачи достижимости с регулярными ограничениями использовать алгоритмы для КС ограничений (ведь регулярные --- частный случай КС) или всё же лучше использовать специализированные алгоритмы для регулярных ограничений?
+- Как влияет грамматика на производительность тензорного алгоритма и алгоритма на основе GLL? Если зафиксировать язык, то как свойства грамматики (размер, (не)однозначность) влияют на производительность.
+
+Решение данной задачи оформляется как Python notebook. Для того, чтобы обеспечить возможность проверки, необходимо сделать notebook самодостаточным: в него должны быть включены все действия, необходимые для воспроизведения эксперимента. Также в notebook размещается отчет и анализ результатов ваших экспериментов в текстовом виде. Отчет сопровождается диаграммами, таблицами, картинками, если это необходимо для объяснения результатов.
+
+Решением является не просто код, но отчёт об экспериментальном исследовании, который должен являться связанным текстом и содержать (как минимум) следующие разделы:
+- Постановка задачи
+- Описание исследуемых решений
+- Описание набора данных для экспериментов
+  - Графы
+  - Запросы
+- Описание эксперимента
+  - Оборудование
+  - Что и как замерялось, как эти измерения должны помочь ответить на поставленные вопросы
+- Результаты экспериментов
+  - Графики, таблицы
+- Анализ результатов экспериментов
+  - Ответы на поставленные вопросы, аргументация ответов
+
+- [ ] Создать Python notebook, подключить необходимые зависимости.
+- [ ] Подключить необходимые решения из предыдущих работ.
+- [ ] Сформировать набор данных.
+  - [ ] Выбрать некоторые графы из [набора](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/index.html). Не забудьте обосновать, почему выбрали именно эти графы. Обратите внимание, что в наборе есть графы и грамматики для различных прикладных задач (анализ RDF, анализ указателей в С, анализ Java-программ). Рекомендуется выбирать графы, относящиеся к различным областям.
+  - [ ] В качестве запросов предлагается использовать грамматики из раздела "Canonical grammars" в описании соответствующего графа ([пример](https://formallanguageconstrainedpathquerying.github.io/CFPQ_Data/graphs/data/taxonomy_hierarchy.html#canonical-grammars)). При необходимости (например, при ответе на третий вопрос), можно "оптимизировать" грамматику, вручную создав оптимальную RSM. Или же наоборот, преобразовать её в ОНФХ, или сделать её (не)однозначной.
+- [ ] Сформулировать этапы эксперимента. Что нужно сделать, чтобы ответить на поставленные вопросы? Почему?
+- [ ] Провести необходимые эксперименты, замеры
+- [ ] Оформить результаты экспериментов
+- [ ] Провести анализ результатов
+  - [ ] Ответить на поставленные вопросы
+  - [ ] Аргументировать ответы (пользуясь полученными результатами экспериментов)
+- [ ] Не забыть опубликовать notebook в репозитории
diff --git a/tasks/task11_bonus.md → tasks/task10_bonus.md b/tasks/task11_bonus.md → tasks/task10_bonus.md
@@ -1,14 +1,15 @@
-# Задача 12. Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
+# Задача 10 (бонусная). Экспериментальное исследование алгоритмов решения задачи достижимости с КС ограничениями
 
-* **Мягкий дедлайн**: 11.12.2022, 23:59
-* **Жёсткий дедлайн**: 14.12.2022, 23:59
-* Полный балл: 20
+* **Жёсткий дедлайн**: 08.05.2024, 23:59
+* Полный балл: 25
 
 ## Задача
 
-Задача посвящена анализу производительности различных алгоритмов решения задачи достижимости между всеми парами вершин с контекстно-свободными ограничениями: алгоритма Хеллингса, матричного алгоритма, тензорного алгоритма. В ходе анализа необходимо ответить на следующие вопросы.
+Задача посвящена анализу производительности различных алгоритмов решения задачи достижимости между всеми парами вершин с контекстно-свободными ограничениями: алгоритма Хеллингса, матричного алгоритма, тензорного алгоритма, алгоритма, основанного на GLL. В ходе анализа необходимо ответить на следующие вопросы.
 - Какой из трёх указанных алгоритмов обладает лучшей производительностью?
 - Имеет ли смысл для решения задачи достижимости с регулярными ограничениями использовать алгоритмы для КС ограничений (ведь регулярные --- частный случай КС) или всё же лучше использовать специализированные алгоритмы для регулярных ограничений?
+- Как влияет грамматика на производительность тензорного алгоритма и алгоритма на основе GLL? Если зафиксировать язык, то как свойства грамматики (размер, (не)однозначность) влияют на производительность.
+
 
 Решение данной задачи оформляется как Python notebook. Для того, чтобы обеспечить возможность проверки, необходимо сделать notebook самодостаточным: в него должны быть включены все действия, необходимые для воспроизведения эксперимента. Также в notebook размещается отчет и анализ результатов ваших экспериментов в текстовом виде. Отчет сопровождается диаграммами, таблицами, картинками, если это необходимо для объяснения результатов.