算法分析——8.ppt

算法设计与分析 ——近似算法 NP完全问题 NP完全问题 Nondeterministic Polynomial Complete 一个问题的计算复杂性可以通过解决该问题所需要的计算量来描述。 通常将可在多项式时间内解决的问题看作是“易”问题；将需要指数函数时间解决的问题看作是“难”问题； NP类问题的计算复杂性状况至今未知，但许多现象表明这类问题可能是“难”解的。 在NP类问题中，NP完全问题类构成了NP类问题的核心 其困难性体现在任何一个NP类问题可以在多项式时间内转换为一个NP完全问题。 如果有一个NP完全问题能在多项式时间内得到解决，那么NP中的每一个问题都可以在多项式时间内求解。但目前还没有一个NP完全问题有多项式时间算法。 如何求解NP完全问题？ 策略一 策略一 只对问题的特殊实例求解 当遇到一个NP完全问题时（如调度问题），不仅要了解该问题的一般性，更要审视该特殊实例所具有的特性（比如解空间规模、可接受解的质量、工作流要求等）； 往往在某种特殊情形进行问题求解时，常常会有高效的求解算法（比如Johnson法则、MS算法等） 策略二 策略二 用动态规划法或分支限界法求解 动态规划法 利用子问题的重叠性质，减少计算量 分支限界法 利用限界函数和剪枝函数，缩小解空间范围 策略三 策略三 用概率算法求解 有时通过概率分析法证明某个ＮＰ完全问题的“难”实例是比较稀少的，因此可以采用概率算法求解这类ＮＰ完全问题，设计出在平均情况下的高效算法。 考虑解精确性的可接受程度 策略四 策略四 只求近似解 在实际中遇到的ＮＰ完全问题不一定需要非常精确的解答（考虑实际输入数据的精度以及实际问题的要求） 可以采用近似算法来求解ＮＰ完全问题，在较短的时间内得到一个可接受的近似解——在实践中非常有效 策略五 策略五 用启发式方法求解 根据具体问题，设计启发式搜索策略 实践中——有效 理论上——？ 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 近似算法的性能评估指标 许多ＮＰ完全问题实质上是最优化问题 要求获得的解使某个目标函数达到极大（或极小） ＊对于确定的问题，不失一般性，我们假设其每一个可行解所对应的目标函数值都不小于一个确定的正数。 近似算法的性能评估指标 性能比 相对误差 近似算法的性能比 性能比近似解的质量 相对误差 相对误差界 性能比相对误差界 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 顶点覆盖问题 近似算法实现 实例说明 实例说明 实例说明 实例说明 实例说明 算法性能分析 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 TSP问题 近似算法设计 近似算法设计 用找图G的最小生成树的算法设计找近似最优的TSP算法。 当费用函数满足三角不等式（即两边的费用和不小于第三边）时，算法找出的TSP回路的费用不会超过最优TSP回路费用的2倍。 算法实现 实例说明 实例说明 实例说明 实例说明 实例说明 性能分析 性能分析 当费用函数满足三角不等式时，算法的性能比为2 证明参看教材page331 当费用函数不满足三角不等式时（即对于一般情况），不存在具有常数性能比的解TSP问题的多项式时间近似算法（除非P=NP）。 参看教材332 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 集合覆盖问题 实例 算法设计 结果 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 子集合问题 求解方案 求解方案 精确方法求解 近似方法求解 精确求解方案 精确求解方案 考虑子集合S1中所有可能的不超过T的子集合 指数时间算法 算法流程 近似求解方案 近似求解方案 完全多项式时间近似格式 引入修整参数δ,0δ1 思想：从L[i]中删除尽可能多的元素，使得每一个从L[i]中删除的元素y，都有一个修整后的表L[i]中的元素z满足(1- δ)y≤z ≤y. 将z看作事被删除元素y在修整后的新表中的代表。 注意δ的设置对结果误差的影响 参看教材340 提纲 近似算法的性能 顶点覆盖问题的近似算法 TSP问题的近似算法 集合覆盖问题的近似算法 子集和问题的近似算法 本章小节 本章小节 本章小节 NP完全问题的求解策略 近似算法的性能 实例说明 b a c e g d