算法分析与设计2009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。 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。则r是我们所能找到的最小的r，满足RA(I) (r。这样的r被称为算法A的绝对近似性能比。 渐进近似性能比也具有同样的含义。当OPTN时近似性能比得下确界，存在N为常数。 独立任务排工： 实例：任务集合：T={T1, T2, …, Tn}, 加工长度分别为：L(Ti)=ti(Z+，处理机P1, P2, …, Pm。 询问：求任务划分T=T[P1](T[P2](…(T[Pm]， 使。 前面的多任务排工问题中，任务和任务之间没有半序关系。就是独立任务排工。任务：T1,T2,…,Tn，相应的加工长度：t1,t2,…,tn。 下面算法思想是先排时间长的，后排时间短的。 算法LPT Step1：将任务排序使：形成主次表：L={T1,T2,…,Tn}，t1(t2(…(tn。 Step2：对主次从1到n扫描，若有空闲机器，则将任务安排到空闲机器上加工。直到完成。 例子： L={T1,T2,T3,T4,T5,T6} (t1,t2,t3,t4,t5,t6)=(8,7,6,5,4,3) 三台处理机。排工结果为： 这个算法的时间复杂度为O(nlogn)，多项式算法。 定理7.10：独立任务排工问题的任意实例I，采用近似算法LPT求解，有： 证明： (1)当m=1时，定理结论为真，结论显然是对的，就1台机器。 (2)下面假设m1。 观察性质： (1)首先可以假设最后完成的任务是tn，为什么，因为若最后一个任务为tk，则只考虑前k个任务即可。n-k的任务不管。若前k个任务满足结论，则前n个任务还是用与前k个任务同样长的时间，当然也满足结论。 假设最后结束的任务是Tk, kn 考虑T1,T2,…,Tk，则最后结束的任务是Tk, OPT(T1,T2,…,Tk)=OPT(T1,T2,…,Tn) LPT(T1,T2,…,Tk)(LPT(T1,T2,…,Tn) ((, (2)所以在[0, LPT(I)-tn]内所有任务都非空闲。 LPT(I)-tn( LPT(I)(+tn OPT(I)( 所以： 因OPT(I)(3tn，若不然则每个机器上最多可以安排2个任务，n2m。这样的排工是最优的。当然满足。 若n2m，则排工结果是最优的。 所以：。 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，则当存在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*)。 (3)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 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|……………..(I) GH不存在Hamilton回路(OPT(GTSP)K|V| A(GTSP)(OPT(GTSP)K|V|………………..(II) 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