算法设计与分析 NP完全性理论与近似算法讲义.pptVIP

第9章 NP完全性理论;是不是什么问题都是单计算机可解的？;例:;是不是什么问题都是并行计算机可解的？;易解/难解/不可解问题;图灵停机问题(The Halting Problem);图灵停机问题(The Halting Problem);图灵停机问题(The Halting Problem);P类与NP类问题;对NP类问题的理解之一 ? P=？NP;对NP类问题的理解之二;对NP类问题的理解之三?证明Q ∈ NP;NP类问题证明举例;NP类问题证明举例;NP类问题8-17;P?NP。 直观上看，P类问题是确定性计算模型下的易解问题类，而NP类问题是非确定性计算模型下的易验证问题类。 大多数的计算机科学家认为NP类中包含了不属于P类的语言，即P≠NP。 NP完全问题有一种令人惊奇的性质，即如果一个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，即P=NP。 目前还没有一个NP完全问题找到了多项式时间的算法。;设　　　　　，　　　是2个语言。所谓语言　能在多项式时间内变换为语言　(简记为　∝p　 )是指存在映射f:　　　 ，且f满足： (1)有一个计算f的多项式时间确定性图灵机； (2)对于所有实例x∈　，当且仅当f(x)∈　。 ;定理9-2：设L是NP完全的，则 (1)L∈P当且仅当P＝NP； (2)若L∝p　　，且　∈NP，则　是NP完全的。 ;Cook定理;一些典型的NP完全问题;合取范式的可满足性问题CNF-SAT;合取范式的可满足性问题CNF-3SAT;团问题CLIQUE ;顶点覆盖问题 ; ;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解相应的目标函数值为c，则将该近似算法的性能比定义为 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 该近似算法的相对误差定义为 若对问题的输入规模n，有一函数ε(n)使得 则称ε(n)为该近似算法的相对误差界。近似算法的性能比ρ(n)与相对误差界ε(n)之间显然有如下关系：ε(n)≤ρ(n)-1。;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’|。 算法描述： VertexSet approxVertexCover ( Graph g ) { cset= ? ； e1=g.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; };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。;算法选取出的边的集合用A表示，则A中任何两条边没有公共端点。 故有：|cset|=2|A| 另外，图G的最小顶点覆盖|cset*|=|A|，因为A中的边没有公共端点。 |cset|/| cset*|=2 算法approxVertexCover的性能比为2。;问题描述：给定一个完全无向图G=(V,E)，其每一边(u,v)∈E有一非负整数费用c(u,v)。要找出G的最小费用哈密顿回路。 旅行售货员问题的一些特殊性质： 比如，费用函数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2顶点间的费用就是这2点间的欧氏距离时，费用函数c就具有三角不等式性质。;1.满足三角不等式的旅行售货员问题;Prim算法回顾;(b)表示找到的最小生成树T； (c)表示对T作前序遍历的次序； (d)表示L产生的哈密顿回路H； (e)是G的一个最小费用旅行售货员回路。;算法approxTSP 性能分析;2.一般的旅行售货员问题;问题描述：集合覆盖问题是一个最优化问题，其原型是多资源选择问题。集合覆盖问题可以看作是图的顶点覆盖问题的推广，它也是一个NP难问题。 集合覆盖问题的一个实例〈X,F〉由一个有限集X及X的一个子集族F组成。子集族F覆盖了有限集X。也就是说X中每一元素至少属于F中的一个子集，即X= 对于F中的一个子集C?F，若C中的X的子集覆盖了X，即X= 则称C覆盖了X。集合覆盖问题就是要找出F中覆盖X的最小子集C*，使得|C*|=min{|C||C?F且C覆盖X};用12个黑点表示集合X。F={S1,S2,S3,S4,S5,S6}，如图所示。容易看出，对于这个例子，最小集合覆盖为：C={S3,S4,S5,}。 ;算法的循环体最多执行min{|X|，|F|