算法分析与设计b讲.docVIP

第B讲 第 PAGE 13页 上次内容： (1)什么是拟多项式算法PESEUDO polynomial，在考虑问题实例描述的两个参数，Max[I]，Length[I]。 (2)什么是拟多项式变换，什么是数问题。 (3)什么是强NPC问题，限制数不很大时也很难解。数值参量受限时亦为NPC的。 (4)什么是NP-hard问题。Turing规约。神喻图灵机。 (5)NPC问题对应的优化形式都是NP-hard问题。 很多问题具有与NPC问题同样的复杂度，但不是NP问题，用图灵规约，可以把这些问题统一起来。 图灵归约：?1??2，要说明若?2有多项式时间求解算法，则?1也有多项式时间求解算法。设求解?2的算法为A2。有一个将?1实例转换为?2实例的变换f：I?f(I)。 设计求解?1的算法A1(I)，其中调用A2(f(I))， (1)若A2(*)能求得满足条件的解，则A1(*)求得的解也满足条件。 (2)若A2(*)时间复杂度为O(1)，则A1(*)时间复杂度是多项式时间复杂度。 实际可以假设A2(f(I))的计算不需要时间。 这样就叫?1图灵归约到?2，图灵规约是多项式变换的推广。 若?1能图灵规约到?2，则?2就不必?1容易。 仔细解释， 难：不存在多项式算法 易：存在多项式算法 若?1 ?T ?2 则?1 难?2也难，?2易?1也易，?1 易?2难易均可能。 NP-Hard的定义： 一个问题是NPC的，则该问题推广称为NP-hard问题， 若?1是NP-hard问题，?1可以图灵归约到?2，则?2也是NP-hard问题。 TSP优化问题： 实例：城市集合C={C1,…,Cm}，城市之间距离d(Ci,Cj)， 询问：求城市排列：,,…,，使=min{|C?1C?2…C?m为城市排列} 定理：TSP优化问题是NP-hard。 证明：TSP判定问题图灵归约到TSP优化问题。TSP判定问题是NPC，所以是NP-Hard。 设存在TSP优化问题求解算法A，设计tsp判定问题的算法如下： 1对于给定TSP判定问题的给定实例：G,d,K，调用A(G, d)，求得城市排列：， 2若?K，则回答yes，否则回答No。 若A是多项式算法，则上述算法能够在多项式时间解答。 所以TSP优化问题是NP-hard问题。 货郎延伸问题 实例： (1)城市集合C={C1,C2,…,Cm}， (2)任意两个城市之间的距离d(Ci, Cj)?Z+， (3)正整数界值B?Z+， (4)C中K个城市的部分旅游?=C?(1), C?(2), …, C?(k) 询问：能否将?延伸为一个长度不超过B的全程旅游回路??? ? C?(1), C?(2), …, C?(k), C?(k+1), …, C?(m), C?(1)? 定理：货郎延伸问题是NP-hard。 证明：将货郎优化问题图灵归约到货郎延伸问题。 设计货郎判定算法如下：折半法。假设货郎延伸问题算法为： S[C, d, C1, Bmid] 1 Bmin=m; Bmax=m*max{d(ci,cj)}|ci,cj?C}//最大就这么大。 2若Bmax-Bmin=0，则B*=Bmin，暂停。 3 Bmid=?(Bmin+Bmax)/2?; 4调用子程序：S[C, d, C1, Bmid]， 若回答yes，则Bmax=Bmid转2，否则Bmin=Bmid，转2。 //最优解值为B*，最优解怎么求？ S[C, d, C1, C2, B*]， S[C, d, C1, C3, B*]， … … …， S[C, d, C1, Cm, B*] 由此确定C?(2) S[C, d, C1, C?(2),C2, B*]， S[C, d, C1, C?(2), C3, B*]， … … …， S[C, d, C1, C?(2), Cm, B*] 由此确定C?(3) 5 C?(1)=C1, 6 for i=2 to m do for j=1 to m do 若Cj?{C1,C?(2),…,C?(i-1)}且S[C,d,C1,C?(2),…,C?(i-1),Cj,B*]回答yes，则C?(i)=Cj。 没有判定货郎延伸是否NP，但是已经将货郎判定问题图灵归约到货郎延伸。这样最后求得C1, C?(2), …, C?(i-1),…, C?(m)，为最优解。 还有第k个最大子集问题是NP-Hard，证明自己看。 第7章：近似算法和概率算法 只讲近似算法，不讲概率算法。搜索问题，就是求解，求满足条件的解，不再是判定问题了。 含义：虽然不能得到最优解，但能离最优解不远。达不到最好，力争更好。 §7.1：近似算法及其性能评估 符号：?，D?，I?D?，求解的目标是最大化或最小化的优化问题。 询问时要求解，按照解的格式，并满足解的条件。 S?(I)：