最小集合覆盖.doc

最小集合覆盖的启发式算法 摘 要 本文给出了一种求解集合覆盖问题的新的启发式算法，对该算法的合理性、时间复杂性以及解的精度进行了分析。主要创新点是用完备策略建立启发式算法。该方法具有一定的普遍性、可行性，可以应用到其他的NP困难问题。 关键词：最小集合覆盖；启发式算法；完备策略；NP困难问题 集合覆盖问题是NP困难问题中具有代表性的问题之一，它在模式识别、机器学习等领域中具有重要的应用。目前已有许多比较有效的启发式算法，但由于问题本身固有的难度，这些启发式算法具有各种的缺陷，本文提出的启发式算法由多个启发式策略组成，同时考虑到计算复杂度，具有一定的效果。 相关概念和完备策略 最小集合覆盖问题：S是一个集合，S1，S2，…，Sm是S的子集，且构成S的覆盖，即∪Si=S，求最小覆盖。 设S={0，1，2，3，4，5，6，7，8，9}；S1={0，1，2，3，4}； S2={0，1， 5，6，7}；S3={3，4，5，6，7}；S4={5，6，7，9}；S5={2，8，9}；S6={1，3，5，7}；S7={0，4，6，8}； S8={0，3，6}；S9={1，4，7} 定义1 设 NPH(NP-hard)是一个给定的 NP困难问题（例如，集合覆盖问题，TSP等），ST是一个求解NPH的策略，如果ST的前提条件的验证以及策略的操作者都可以在多项式时间内完成，则称ST为多项式时间策略。 一般的启发式策略都是多项式时间策略，例如，集合覆盖问题，选取最大基数的集合作为覆盖中的一员；对TSP来说，选择最邻近的点构成回路等都是多项式策略。 定义2 NPH是一个NP困难问题，ST是求解NPH的一个多项式时间策略，NPHO是NPH 经过ST操作后得到的一个新的问题，如果问题NPHO的规模比问题NPH小，并且NPHO的最优解都是NPH的最优化解，则称ST为完备策略。 通俗地讲，一个完备策略是，当问题满足策略条件时，把原闸题化简成更易解的问题，并且新问题的最优化解都是原问题的最优化解，即保留一些最优化解的策略。 在求解NP困难问题时，用完备策略既能降低问题的求解难度，又能保留最优解，所以它是求解NP困难问题的最重要的策略(如果有的话)。因此用启发式算法求解NP困难问题时，我们首先应该考虐寻找完备策略。 集合覆盖问题的完备策略： 完备策略1 如果S1，S2，…，Sm中一个集合Si=S，则选择Si作为最优覆盖中的唯一一个集合Si。 完备策略2 如果存在x∈S,x只属于S1，S2，…，Sm中的一个集合Si,则选择Si作为最优化中的一个集合Si。 Φ}，COVER0={S1，S2，…，Sm}； 第一步：如果S1，S2，…，Sm中的一个集合Si=S，则COVER=COVER+{Si}，停止。 第二步：如果存在x∈S,x只属于S1，S2，…，Sm中的一个集合Si，则COVER=COVER+{Si}，COVER0=COVER0-{Si}，S=S-{Si}。 第三步：如果存在两个集合Si?Sj，则COVER0=COVER0-{Si}。 第四步：如果存在两个元素x，y∈S，满足Sn(x) ?Sn(y)，则S=S-{y}。 第五步：如果上述四个条件都不满足，则选择一个基数最大的集合Si，COVER=COVER+{Si}，COVER0=COVER0-{Si}，S=S-{Si}，返回第一步。 下面以例1的数据为例来详细说明本算法的求解过程。 第一步：不满足完备策略1、2、3，现在看是否满足策略4，现列出包含每个元素的集合序列： Sn(0)=S1 S2 S7 S8 Sn(1)=S1 S2 S6 Sn(2)=S1 S5 Sn(3)=S1 S3 S6 S8 Sn(4)=S1 S3 S7 S9 Sn(5)=S2 S3 S4 S6 Sn(6)= S2 S3 S4 S6 S7 S8 Sn(7)=S2 S3 S4 S6 S9 Sn(8)=S5 S7 Sn(9)=S4 S5 由上可知存在两个元素5、7∈S，满足Sn(5) ?Sn(7)，故S=S-{7}= {0、1、2、3、4、5、6、8、9}。 删除元素7后的集合序列变为： S1={0，1，2，3，4}； S2={0，1， 5，6}；S3={3，4，5，6}； S4={5，6，9}；S5={2，8，9}；S6={1，3，5}；S7={0，4，6，8}； S8={0，3，6}；S9={1，4} 第二步：不满足完备策略1、2，但满足完备策略3，即存在两个集合 S9?S1，故COVER0=COVER0-{S9}，即COVER0={S1 S2 S3 S4 S5 S6S 7S8}。 第三步：四个完备策略都不