第11章 近似算法.pptVIP

学习要点: 理解近似算法的性能比的概念 理解多项式时间近似格式的概念 通过范例学习NP完全问题的近似算法 迄今为止，所有的NP完全问题都还没有多项式时间算法。对于这类问题，通常可采取以下几种解题策略： 只对问题的特殊实例求解 用动态规划法或分支限界法求解 用概率算法求解 只求近似解 用启发式方法求解 本章主要讨论解NP完全问题的近似算法。 11.1.1 近似算法设计思想 放弃求解最优解，用近似最优解代替最优解，以此换取： 算法设计上的简化 时间复杂性的降低 近似算法是可行的： 问题的输入数据是近似的； 问题的解允许有一定程度的误差； 近似算法可在很短的时间内得到问题的近似解。 11.1 概述 11.1.2 近似算法的性能 衡量近似算法性能的标准： 时间复杂性：必须是多项式阶的——基本目标 解的近似程度：——重要目标 若一个最优化问题的最优值为c*，求解该问题的一个近似算法求得的近似最优值为c，则将该近似算法的近似比定义为 ?= 在通常情况下，该性能比是问题输入规模n的一个函数ρ(n)，即 ≤ρ(n) ? ≥1；且?越大，近似解越差！ 最小化问题 c≥c* 最大化问题，c*≥c 近似算法的相对误差λ定义为： λ= λ表示一个近似最优解与最优解相差的程度。 若问题的输入规模为n，存在一个函数ε(n)，使得： ≤ε(n) ε(n)称为近似算法的相对误差界。且有： ε(n)≤ρ(n)-1 11.2.1 顶点覆盖问题 问题描述：无向图G=(V,E)的顶点覆盖是它的顶点集V的一个子集V’?V，使得若(u,v)是G的一条边，则v∈V’或u∈V’。顶点覆盖V’的大小是它所包含的顶点个数|V’|。 近似算法思想： 初始时边集E’=E，顶点集V’={}，每次从边集E’中任取一条边(u, v)，把顶点u和v加入到顶点集V’中，再把与u和v顶点相邻接的所有边从边集E’中删除，直到边集E’为空。 11.2 近似算法应用举例 算法描述： VertexSet approxVertexCover ( Graph g ) { cset= ? ； e1=e； while (e1 != ?) { 从e1中任取一条边(u,v)； cset=cset∪{u,v}； 从e1中删去与u和v相关联的所有边； } return cset; } cset用来存储顶点覆盖中的各顶点。初始为空，不断从边集e1中选取一边(u,v)，将边的端点加入cset中，并将e1中已被u和v覆盖的边删去，直至cset已覆盖所有边。即e1为空。 算法的时间复杂性：O(n+e) 求解过程： 图(a)～(e)说明了算法的运行过程及结果。(e)表示算法产生的近似最优顶点覆盖cset，它由顶点b,c,d,e,f,g所组成。(f)是图G的一个最小顶点覆盖，它只含有3个顶点：b,d和e。 算法approxVertexCover的性能比为2。 A={(b, c), (e, f), (d, g)} A={(b, c)} A={(b, c), (e, f)} 初始：E’=E={(a, b), (b, c), (c, d), (c, e), (d, e), (d, f), (d, g), (e, f)} V’={b, c} V’={b, c, e, f} V’={b, c, e, f, d, g} 11.2.2 TSP问题 问题描述：略。 分析：旅行售货员问题的一些特殊性质： 比如，代价函数c往往具有三角不等式性质，即对任意的3个顶点u,v,w∈V，有： c(u,w)≤c(u,v)+c(v,w)。 当图G中的顶点就是平面上的点，任意两顶点间的代价就是这两点间的欧氏距离时，代价函数c就具有三角不等式性质。 满足三角不等式的旅行售货员问题，近似算法： 对于给定的无向图G，首先生成图G的最小生成树T；然后，