的非确定性算法.ppt

第15讲 NP完全性理论与近似算法 学习要点 理解RAM，RASP和图灵机计算模型 理解非确定性图灵机的概念 理解P类与NP类语言的概念 理解NP完全问题的概念 理解近似算法的性能比及多项式时间近似格式的概念 通过范例学习NP完全问题的近似算法 （1）顶点覆盖问题； （2）旅行售货员问题； （3）集合覆盖问题； （4）子集和问题。 15.1 计算模型 在进行问题的计算复杂性分析之前，首先必须建立求解问题所用的计算模型，包括定义该计算模型中所用的基本运算。 建立计算模型的目的是为了使问题的计算复杂性分析有一个共同的客观尺度。 3个基本计算模型： 随机存取机RAM(Random Access Machine)； 随机存取存储程序机RASP(Random Access Stored Program Machine) 图灵机(Turing Machine)。 这3个计算模型在计算能力上是等价的，但在计算速度上是不同的。 15.1.1 随机存取机RAM 15.1.1 随机存取机RAM 15.1.1 随机存取机RAM 15.1.2 随机存取存储程序机RASP 15.1.3 图灵机 15.1.3 图灵机 15.1.3 图灵机 15.2 P类与NP类问题 一般地说，将可由多项式时间算法求解的问题看作是易处理的问题，而将需要超多项式时间才能求解的问题看作是难处理的问题。 有许多问题，从表面上看似乎并不比排序或图的搜索等问题更困难，然而至今人们还没有找到解决这些问题的多项式时间算法，也没有人能够证明这些问题需要超多项式时间下界。 在图灵机计算模型下，这类问题的计算复杂性至今未知。 为了研究这类问题的计算复杂性，人们提出了另一个能力更强的计算模型，即非确定性图灵机计算模型，简记为NDTM(Nondeterministic Turing Machine)。 在非确定性图灵机计算模型下，许多问题可以在多项式时间内求解。 15.2.1 非确定性图灵机 15.2.2 P类与NP类语言 15.2.2 P类与NP类语言 15.2.2 P类与NP类语言 15.2.3 多项式时间验证 15.3 NP完全问题 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完全问题有多项式时间算法。 15.3.1 多项式时间变换 15.3.1 多项式时间变换 15. 3.2 一些典型的NP完全问题 15.4 NP完全问题的近似算法 学习要点: 理解近似算法的性能比的概念 理解多项式时间近似格式的概念 通过范例学习NP完全问题的近似算法 概述 近似算法设计思想 放弃求解最优解，用近似最优解代替最优解，以此换取： 算法设计上的简化 时间复杂性的降低 近似算法是可行的： 问题的输入数据是近似的； 问题的解允许有一定程度的误差； 近似算法可在很短的时间内得到问题的近似解。 15.4.1 近似算法的性能 衡量近似算法性能的标准： 时间复杂性：必须是多项式阶的——基本目标 解的近似程度：——重要目标 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值为c，则将该近似算法的近似比定义为 ?= 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 ≤ρ(n) 15.4.1 近似算法的性能 近似算法的相对误差λ定义为： λ= λ表示一个近似最优解与最优解相差的程度。 若问题的输入规模为n，存在一个函数ε(n)，使得： ≤ε(n) ε(n)称为近似算法的相对误差界。且有： ε(n)≤ρ(n)-1 15.4.2 顶点覆盖问题的近似算法 15.4.2 顶点覆盖问题的近似算法 求解过程： 15.4.3 旅行售货员问题近似算法 1 满足三角不等式的旅行售货员问题 1 满足三角不等式的旅行