近似算法设计.ppt

Approximation Algorithms 近似算法设计 TSP问题 最大割问题 P || Cmax问题 模拟退火算法介绍 预备 性能保证(performance guarantee) 一个最大/最小化问题的近似算法保证可以得到解至少/至多是最优解的α倍 α-近似算法(α-approximation algorithm) 一个多项式算法，具有α的性能保证 旅行售货商(TSP)问题 TSP问题 加权的完全无向图上寻找一条权和最小的Hamilton回路 附加约束：加权图满足三角形不等式 d(i,j) + d(j,k) = d(i,k) 1.5-近似算法 计算G=(V,E)的最小生成树T 令O是生成树T中度为奇数的点集 可以证明|O|是偶数 计算O子图的最小费用完美匹配M 将M中的边加入T中，所有点的度数是偶数 计算T的欧拉回路，并转化为H-回路： 若一个点两次经过：a ? … ? b ? a ? c 转化为：a ? … ? b ? c 性能分析 ZC：上述算法的解；ZTSP：最优解 分析思路 ZT：最小生成树的费用 ZM：匹配费用 最大割问题 无向图G=(V, E)，选择一个点集S D(S)为只有一个端点在S中的边的集合 令d(S) = |D(S)|尽量大 α=0.5的随机算法 更好的算法 0.878-近似算法 在Rn中选择n个单位长度向量：|vi| = 1 在Rn中选择一个单位向量|r| = 1 Sn：一个n维单位球 令 则 引理 证明思路 这相当于一个随机的过原点的超平面将vi和vj分开的概率 P：vi和vj所在的二维平面 P∩Sn：一个圆 随机超平面与圆交于s和t s,t在圆上对称随机的分布 Q.E.D. 0.878-近似算法 zMC：最大割 设最大割集为T，令 可以证明 问题转化为等式的右边 0.878-近似算法 设函数f:[-1,1]?[0,1], f(-1)=1, f(1)=0 考虑优化问题P：选择一些单位向量，求 zP = 令 可以证明 算法流程 解决(P)问题得到一组向量{vi*} 随机选择一个Rn中的单位向量r 令 为求得的割 性能分析 定理 设 则 证明 (P)问题 [关键]选择一个适当的满足要求的f，使得(P)问题可解，同时ɑ较大 回顾 设函数f:[-1,1]?[0,1], f(-1)=1, f(1)=0 令 则 计算ɑ (P)问题 选择一组单位向量 求 令 ，其中 任意向量x： 知Y半正定 半定规划问题 P问题转化为 其中Y半正定，且yii = 1 半定规划问题，多项式时间内可解 “内点法” P || Cmax问题 n个工作，处理时间为p1, p2, …, pn 分配在m台机器上I1, I2, …, Im 要求 最小 Bin Packing问题 n个工作，处理时间为p1, p2, …, pn 分配在m台机器上I1, I2, …, Im 每台机器的完成时间不超过T 要求m最小 pas和fpas pas (polynomial approximation scheme) 一组算法Aeps：eps0 Aeps是一个(1+eps)-近似算法 Aeps关于确定的eps是一个多项式算法 fpas (fully polynomial approximation scheme) 一组算法Aeps是pas Aeps关于输入和1/eps是一个多项式算法 讨论 Bin Packing问题有pas吗？ 普通背包问题的近似算法？ 介绍一个P || Cmax问题的pas (1+eps)-判定算法 关于输入数据, eps和一个最终期限T 算法返回： NO: 不存在一个任务分配方案，每一台机器都在T时间以内完成自己的任务 YES:存在一个任务分配方案，每一台机器都在(1+eps)T时间以内完成自己的任务 此时算法同时返回分配方案 注意在某些情况下两种返回情况都可能存在 由此算法二分最终期限T 二分算法 令 则有 L = Cmax = 2L, Cmax为最优解 [证明] 易证 Cmax = L 设pk是最后一个 完成的工作 确定了二分范围 [L, 2L] 二分算法 设二分上下界为T1, T2 二分过程 调用判定算法判断中点 关于(1+eps/2)是否有解 停止条件 ,即 停止 二分次数O(log2(1/eps)) (1+eps)-判定算法：细节 删去所有的pj = eps*T 判断余下的任务是否可以在(1+eps)T时间内完成