Lecture08.pptVIP

近似算法 概念 满足三角关系的 Traveling Salesman 顶点覆盖 背包问题 最优化问题：一个最优化问题 ∏ 包含下面三个部分： 实例集合 D∏ ; 对每一个实例 I?D∏, 有一个可行解集合 S∏(I)； 一个函数 C，对每个可行解 s(I) ? S∏(I)，有一个对应的函数值 C(s(I)), 称作这个解的值 (或费用). 最优化问题要求对每个实例求出一个可行解使得某种最优化目标得以实现。 最小化问题： 一个最小化问题要求对每个实例I?D∏, 求出一个最优解s(I) ? S∏(I)，满足对其它任意的解s’(I) ? S∏(I),有C(s(I))= C(s’(I)) . 把这个最优解以及对应的函数值记作OPT(I). 最大化问题： 一个最大化问题要求对每个实例I?D∏, 求出一个最优解s(I) ? S∏(I)，满足对其它任意的解s’(I) ? S∏(I),有C(s(I))= C(s’(I)). 把这个最优解以及对应的函数值记作OPT(I). 最优化问题的近似算法： 一个最优化问题 ∏ 的一个近似算法 A是一个多项式时间算法：对任意实例 I ? D∏, A 得到一个可行解s(I) ?S∏(I)。把这个解以及对应的函数值记作A(I). 评价近似算法的好坏 Performance ratio (常用) 对于最小化问题，一个算法A的 performance ratio 被定义为一个数字 r 使得对任意的实例 I, 有 这里 OPT(I) 是实例I的最优解的值，而 A(I) 是算法 A 对实例 I给出的解的值. 注意：此时A(I)=OPT(I) 有时考虑 performance ratio的渐进形式，即上述式子只需对足够大的实例都成立 Performance ratio Performance ratio 对于最大化问题，一个算法A的 performance ratio 被定义为一个数字 r 使得对任意的实例 I, 有 这里 OPT(I) 是实例I的最优解的值，而 A(I) 是算法 A 对实例 I给出的解的值. 注意此时A(I)=OPT(I). 有时考虑 performance ratio的渐进形式，即上述式子只需对足够大的实例都成立 满足三角不等式的Traveling Salesman 三角不等式：任意三个顶点x,y,z，有d(x,y)+d(y,z)=d(y,z). 例如：欧几里的空间里的顶点。 满足三角不等式的Traveling Salesman Problem　是指那些城市之间的距离满足三角不等式关系的Traveling Salesman Problem的实例的集合。例如在平面上的城市，城市之间的距离是欧几里的距离。可行解是所有的环游，函数是环游的距离。目标是最小。 定理：满足三角不等式的TSP是NP-hard的 2-近似算法 近似算法A: 计算一个最小支撑树T(Figure a) 把T上的任意一条边复制一次，并得到重边树的一个欧拉环游（经过每条边恰好一次）. 这里有些城市可能会被经过多次(Figure b) 略过重复经过的城市而直接到下一个城市而得到所有城市间的一个环游. (Figure c) 　　（可行性　多项式） (a) 一个最小支撑树 (b) 树上每条边经过两次 的欧拉环游 (c) 一个经过每个城市 一次的环游 开始 假设任意实例I对应的最优解的值为OPT(I). 由于OPT(I)是一个经过所有城市恰好一次的环游，所以OPT(I)去掉任意一条边对应一棵支撑树，从而C(T)=OPT(I) 由于A得到的环游的距离不大于经过T上的每条边两次(有些)的欧拉环游的距离，所以A(I)=2C(T)=2OPT(I) 所以，对任意实例I, A(I)/OPT(I) =2 A的performance ratio = 2 3/2近似算法 近似算法A 计算一个最小支撑树T T中的奇度点X有偶数个，求X的最小权对集M 合并T与M中的边（重边计算两次）；求得欧拉环游； 略去欧拉环游中的重复点，直接到下一个顶点，从而求得可行环游 （可行，多项式） (a) 一个最小支撑树 (a) 一个X的最小权对集 (a) 一个可行环游 起点 A的performance ratio=3/2 C(T)=OPT(I) 对任意最优解OPT(I)，略过V-X中的点，直接到下一顶点，得到X顶点上的一个圈，显然圈的距离=OPT(I).这个圈可以分成两个X上的对集M1,M2 C(M)=C(M1); C(M)=C(M2) C(M)=OPT(I)/2 A(I)=C(T)+C(M)=3/2(OPT(I)) 黄色为X中的点 M1,M2 整数背包问题的２－近似算法 实例：物品U={u1,…,un}; 整数大