若干算法复杂性分析问题研究.pdfVIP

析研究领域所做的研究工作涉及以下兰个方面:算法的复杂性平滑分析、 在线调度算法的竞争比分析和最小击中集问题的随机近似算法的设计与分 析。主要I作陈述如下: (1)求解线性系统的最简单且容易实现的算法是高斯消元算法 (高斯 算法)。用高斯算法求解n个方程n个变量的线性系统所需要的算术运算次 数为O(n3)。如果这些方程中的系数用m位表示，则最坏情况下需要机器位 数mn位来运行算法。需要如此高的精度是因为在消元过程中可能产生异常 大的中间项。然而，在实际应用中，这样的现象是罕见的。矩阵条件数和 增长因子是高性能计算中求解大规模线性系统Ax=b时需要考虑的重要因 素。这是因为异常大的条件数和增长因子是导致矩阵A病态继而导致消元 过程中产生异常大中间项的主要根源。本文在高斯随机扰动模型下，对矩 阵条件数和运行高斯算法所需机器精度位数的平滑分析做进一步的研究， 提出并证明了两个不等式，简化了Sankar等人关于矩阵条件数平滑分析的 结果，部分解决了Sankar等人提出的有关改进矩阵条件数平滑分析结果的 猜想。在此基础上降低了Sankar等人关于运行高斯算法所需机器精度位数 的平滑复杂性，并通过实验进行比较说明。 (2)本文在a保留高斯随机扰动模型下，进一步研究了对称矩阵条 件数及运行高斯算法所需的机器精度位数的平滑分析。简化了Sankar等人 关于对称矩阵条件数的平滑分析结果。部分解决了Sankar等人提出的关于 改进矩阵条件数平滑分析结果的猜想。并分别用简化前和简化后的对称矩 阵条件数平滑分析结果，分析了运行高斯算法求解线性系统Ax二b(其 中A为对称矩阵)所需机器精度位数的平滑复杂性，并通过实验进行比较 说明。 (3)本文在离散算法的复杂性平滑分析方面进行了研究，并从实际的 应用背景出发，提茁 个随机扰动模型(在本文中简称TSSP模型)，用于 对算法的输入实例是一个元素序列而算法的复杂性主要取决于其输入实例 中的元素排列顺序这样一类离散算法的复杂性平滑分析。并证明快速排序 算法在TSSP模型下其时间平滑复杂性为O(圣nlo9(n)),其中A表示随机扰 动的幅度。 (4)由于在线算法的竞争分析通常对最坏输入实例进行的，其分析 结果与实际应用}‘，观察到的竞争比往往相差太大。因此，Becchetti等人指 出，对在线算法竞争比进行平滑分析是很有必要的。可见，在线算法分析 在算法复杂性平滑分析研究中有重要意义。为此。本文研究多处理机环境 卜的作业调度问题。在线作业调度算法的竞争比分析中，作业的流动时间 及作业的延退比是用来度量调度算法性能优劣的两个主要指标。作业的延 迟比是指作业从进入系统到完成所需要的时间与作业的执行时间之比。作 业的平均延迟比是作业的延迟比总和与作业数之比值 (等价地，作业的延 迟比总和)。作业的平均延迟比能更直观更合理地反映在线调度算法性能 的优劣。木文证明了Avrahami等人提出的在线调度算法IMD对于最小化 作业平均延迟比具有常数竞争比。 (5)本文研究随机扰动模型M(m,n旬产生的随机k一SAT实例的若 干性质及子句密度与可满足性之间的关系，证明了当子句密度足够大时， 随机k一SAT实例的不可满足性判定可以归结到最小k一HittingSets问题 的求解。 (6)Franco等人在文6【2』中给出基于平均度数的最小3-HittingSet、贪 心算法，并给出算法返回击中集规模的上界。本文将此算法推广成为求 解最小k一HittingSets的贪心算法HGREEDY1(A,C).类似地给出 该算法返回击中集规模的上界;在此基础上给出基于最大度数的贪 心算法HGREEDY2(A,C)，并证明算法HGREEDY2(A,C)在给定条 件下改进了算法HGREEDYI(A,C)返回击中集规模的上界;设计了 用于求解最小k一HittingSet，的随机算法RH(A,C)，并对它返回的击 中集规模进行平均分析:最后将这些算法进行组合得到一个求解最 小k一HittingSet、的随机近似算法并给出它的性质。 本文的研究得到国家自然料学基金项目“NP-难问题的不可近似性、 近似算法、随机算法、在线算法和计算经济学” (No的资助。 关键词:最坏情况分析，平均情况分析。算法的复杂性平滑分析，高斯随 机扰动模型.0-保留高斯随机扰动模型.TSSP模型，在线算fl:，平均延迟 比，随机k一SAT实例，最小k一HittingSets