第二章 集合カバー - c.csce.kyushu-u.ac.jp_16288.ppt

第二章　集合カバー（その２） 作：　牧山幸史 これまでのあらすじ 現実で遭遇する最適化問題の多くは「ＮＰ困難」 厳密解を求めるのに、膨大な計算時間が必要 近似解ならば、求めることができるかも。 個々の問題に対する近似アルゴリズムを調査する（第Ⅰ部）： 第1章： 個数版点カバー問題 （近似率2） 第2章： 集合カバー問題 第二章　集合カバー（目次） 集合カバー問題（グリーディアルゴリズム） 重み付き点カバー問題（層別化） 最短拡大ストリング問題 重み付き点カバー問題 ここでは、重み付き点カバー問題に対して、層別化を用いた２近似アルゴリズムを与える。 重み付き点カバー問題（ｐ1）： 無向グラフ G=(V,E)，各点へのコスト関数 w:V→Q+ が入力として与えられて、最小コストの点カバーを求める問題。点カバーとは、 G=(V,E) のどの辺に対しても少なくとも一方の端点を含むような点集合 V’?V のことをいう。 重み付き点カバー問題 層別化によるアルゴリズム設計 アイデア：与えられたグラフの点集合の重み関数を、次数重み付き関数に分割する。 次数重み付き関数： w:V→Q+ を点集合上の重み関数とするとき、各点 v ∈ V の重み w(v) が、ある定数 c を用いて w(v) = c?deg(v) と表されるとき、 w を次数重み付き関数という。 次数重み付き関数 次数重み付き関数は、次のようなよい性質を持つ。 w:V→Q+ が次数重み付き関数ならば、 w(V) ≦ 2?OPT が成り立つ。 証明： c を w(v) = c?deg(v) を満たす定数とし、U を G の最適点カバーとする。 U はすべての辺をカバーするので、∑v∈U deg(v) ≧ |E| が成り立ち、したがって、 OPT = w(U) ≧ c|E| となる。一方、 ∑v∈V deg(v) = 2|E| であり、 w(V)=2c|E| であるので、証明された。 次数重み付き点カバー問題 層別化アルゴリズム c = min{w(v)/deg(v)} t(v) = c?deg(v) （最大次数重み付き関数） w’(v) = w(v) – t(v) （残余重み付き関数） i=0, G0=G, w0=w Di = { v∈Gi| deg(v)=0 } とおく。 Gi – Di, w0 に対して c, t, w’ を計算する。 Wi = { v∈Gi – Di | w’(v)=0 } Gi+1 = Gi – (Wi∪Di), wi+1=w’, i=i+1 Gi の点がすべて次数 0 になったら終了。出力は C=W0∪???∪Wi-1,　そうでなければ 2. に戻る。 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズム 層別化アルゴリズムの解析 層別化アルゴリズムは重み付き点カバー問題に対して、近似保証 2 を達成する。 証明： 出力 C は G の点カバーである w(C) ≦ 2?OPT の順で説明する。 層別化アルゴリズムの解析 出力 C は G の点カバーである もし、C が G の点カバーでないとすると、ある i, j に対して u∈Di かつ v∈Dj となる (u, v) が存在することになる。仮に i≦j とすると、(u, v) は Gi に存在することになり、 u が次数０の点であることに反する。 j≦i のときも同様。したがって、C は G の点カバーである。 層別化アルゴリズムの解析 2. w(C) ≦ 2?OPT　の証明（前半） C* を最適な点カバーとし、 w(C) ≦ 2?w(C*) となることを証明する。 アルゴリズムの各繰り返しで得られる t を順番に t0, t1, ..., tk-1 と表すことにする。 点 v∈C に対して、v∈Wj とすると、w(v)=∑i≦jti(v) が成り立つ。 点 v∈G–C に対して、v∈Dj とすると、w(v)∑ijti(v) が成り立つ。 層別化アルゴリズムの解析 2. w(C) ≦ 2?OPT　の証明（後半） ところで、各 i に対して、C∩Gi =Wi∪???∪Wk-1 および C*∩Gi は点カバーである。 よって、t が次数重み付き関数であることから、ti(C∩Gi) ≦ ti(Gi) ≦ 2?OPT ≦ 2?ti(C*∩Gi ) が成り立つ。 したがって、 w(C) = ∑i=0k-1ti(C∩Gi) ≦ 2?∑i=0k-1ti(C*∩Gi) ≦ 2?w(C*) 重み付き点カバー