算法分析与设计2007第d讲【荐】.docVIP

上次内容： (1)TSP问题近似性能比为2的近似算法。 (2)近似算法设计：TSP问题近似度为3/2近似算法。 (3)多任务排工近似度为2-1/m的近似算法。 (4)独立任务排工的多项式时间近似算法。 再解释绝对近似性能比： 我们设计了算法以后望能找到一个界r,使得RA(I)(r。r显然比1.8不会小。RA(I)(2.5=r。 (*)如果算法A求解每个实例I都会有RA(I)2.5， (**)显然对于算法A，必有小于2.5的r1，使得RA(I) (r1。 两件事(*)和(**)都很难做到。 但是如果可以碰到这么一种情况： 能够找到r，使得RA(I) (r=2，又能举出一个实例I，满足RA(I)=r=2。 绝对近似性能比定义的原因即在于此。 渐进近似性能比也具有同样的含义。 回到另一面去看看 定理：若P(NP，则图的着色问题不存在的多项式时间近似算法。 已知图的3着色问题是NP-hard问题，两个图相乘是什么意思： G=G1*G2的做法 反证法，若图着色问题存在的近似算法，则存在K，当OPT(G)(K时，A(G)OPT(G) 设计图3着色问题算法如下：设3着色问题的实例为G=(V,E) (1)设G’为K点的完全图，构造G*=G*G’ (2)调用算法A得到着色数A(G*)。(3x)若G可以三着色(OPT(G*)(3K，A(G*)(4/3)3K=4K (4)若G不能三着色(OPT(G*)(4K，A(G*)(OPT(G*)(4K (3) A(G*)4K，回答Yes。 (4)若A(G*)(4K定理7.13：若P(NP，则货郎旅游问题不存在近似度(的多项式时间近似算法。 TSP问题不是在metric空间，所以不满足三角不等式。 证明：实际是证明若反之，则Hamilton回路问题存在多项式时间精确算法。 (1)用反证法，设存在常数K，使(K。即存在算法A，对TSP的任意最优解值超过某个常数的实例G，有：A(G)(K*OPT(G)。 (2)设GH=(V, E)是amilton回路问题任意实例， 由GH构造TSP问题实例GTSP如下： V(GTSP)=V(GH)=V (3)分析 GH存在hamilton回路(OPT(GTSP)=|V| A(GTSP)(K*OPT(GTSP)=K|V| GH不存在Hamilton回路(OPT(GTSP)K|V| A(GTSP)(OPT(GTSP)K|V| 这样我们就能设计Hamilton回路问题的多项式时间算法。 说明： (1)找错一条边，就会出大问题，近似度超过任意常数，边太长了。 (2)这不是metric空间的TSP问题，是任意空间的TSP问题，不存在任意常数近似度的近似算法。 §7.3多项式时间近似方案 独立任务排工的进一步讨论，n个任务，m台机器，每个任务加工时间长度ti。 新算法，想办法多费点功夫，前K个任务求最优排工。也与问题有关。 (1)任务排序：T={T1, T2, …, Tn}，t1(t2(…(tn (2)确定正整数K,对前K个任务，求最优排工，后n-个任务，按照先大后小顺序排工。 上述算法叫F。举个例子： T={T1,T2,T3,T4,T5,T6} 加工时间：8，6，5，4，4，1 T1,T2,T3,T4先求最优排工。后两任务再排，得15。最优为14。 m台处理器，独立任务排工。实例I。 证明： (1)设T是前K个任务的排工时间，若F(I)=T，则F(I)=OPT(I)，以下设F(I)T。 (2)在[0，F(I)-tk+1]区间所有处理器非空闲。由(1)决定，最后完成任务为Tj，jk，所以[0F(I)-tj]区间所有机器非空闲，又tk+1(tj 最后一个完成的任务tj (**)OPT(I)((F(I)-tk+1 所以，F(I)( OPT(I)+tk+1 (4)至少有一台机器加工1+个任务。因为有至少k+1个任务，所以***)OPT(I)((1+)tk+1，最少也这么大。 ( 第一个不等号由(**)而来，第二个不等号由(***)而来。 (5)分析算法时间复杂度TA(m,n)=O(mk+nlogn)， k=m，近似性能比小于1+1/2，k=2m；近似性能比小于1+1/3； 说明：k越大时间复杂度越高，解的优化程度越好。 (1)RA(()[I]1+( (2)A(()的时间复杂度是实例I的多项式函数， 则，A(()称为求解问题(的多项式时间近似方案。 解释： 近似性能比为1+(，时间复杂度为：O()，O(n)，O(n2)O()等等，各种情况。一定是(越小，时间复杂度越大。 ，xi({0,1},I=1,…,n 设元素：a1,a2,…,an p1,p2,…,pn w1,w2,…,wn (1)简单算法描述 先挑k个元素放入背包，然后调用前面7.1节算法选择其他元素装包，直到不能