近傍探索.pptVIP

組合せ最適化の近似解法 ? 厳密解法 ? 近似解法 ? 発見的解法 近似解法 ? 時間をかけて最適解を求めるのではなく、短時間でそれなりに良い解を見つける、という解法 ? 精度保障があるもの：　近似解法 　　（得られる解が、必ず、最適解の2倍以内、など） ? 精度保証がないもの：　発見的解法（メタ?ヒューリスティック） 　　（精度保証はないが、実験的に良い解が得られることがわかっているもの、あるいはそう思われるもの） ? 問題固有の性質を使うので、解法が細分化されている 　　　（スケジューリング用、配送計画用、など） 組合せ最適化の近似解法 ? 様々な手法がある 最もよく使われる方法： 1. 　整数条件を線形緩和する 　　xi ∈ { 0,1 } 　? 　 0 ≦ xi ≦ 1 　（解集合が広くなるので、最適解は悪くはならない） 2.　得られた問題の最適解を見つける 　（一般に小数解。整数解なら元問題の最適解） 3. 　得られた最適解を、何かしらのルールで整数に丸める 　（実行不能にならないように丸める） 巡回セールスマン問題の精度保証近似 ? 巡回セールスマン問題は、前述の通り近似するのも難しい ? ただし、頂点間の距離に三角不等式が成り立つと、精度保証のある近似アルゴリズムが作れる ? しかし、問題の構造を非常に強く利用するため、他の問題に応用することは難しい 　　 ２近似アルゴリズム ? 最小全張木を求めましょう 　　 ? 最適解よりも重みが小さい 　　（サイクルから枝を1本取ると、全張木 ≧ 最小全張木） ? 全張木をなぞって、経路を作りましょう 　　 ? （ 2×最適解）よりも重みが小さい 　　 ２近似アルゴリズム (2) ? 1度来た頂点に来たときは、短絡しましょう 　 ? （3角不等式が成り立てば）できた経路はより短くなる 　 ? （2×最小木）より同じか短くなる 　 ? （2×最適解）よりは短くなる 　　 発見的解法 ? 様々な手法がある。代表的なものだけ 貪欲算法 　　? 変数の値をひとつずつ、（決めた変数の部分について）実行可能で目的関数が最も良くなるように決定していく 近傍探索 　　? 現在の解をちょっと変更して得られる解に移動し、 　　　　解空間を探索する 遺伝アルゴリズム 　　? 解の集合に、それら解の特徴を引き継ぐような解をいくつか追加し、全体の中から目的関数の悪いものを取り除く、という作業を繰り返す 貪欲解法：最大重みクリーク 最大重みクリーク問題：与えられたグラフと頂点重みに対して、頂点重みの和が最大となるようなクリークを見つける 貪欲算法： 　　? 空集合から出発し、追加してクリークになるよう頂点の中で重みが最大のものを追加する 　　? 追加できなくなったら終了 近傍探索 ? 解をちょっと変更して得られる解に移動する ? 解 x （ n 次元01ベクトルで表現）に対して、 x にある操作をして得られる解、及びその集合を近傍と呼び、N(x) と表記する 例１： xi を選び、 xi が 0 なら1、1なら0と、反転させる 例２： xi と xj を選び、それらの値を入れ替える 例３： xi := xi+1, xi+1 := xi+2, …, xi+j:= xi と、巡回させる それぞれ、 |N(x)| = O(n), O(n2), O(n2) ? どれくらい解構造と良く関係しているか、および |N(x)|の大きさが、性能を左右する 局所探索（図解） ? 近傍の中のより良い解に移動していく方法 1. 初期解 x を見つける 2. N(x) の中に、x よりも目的関数値が良い解があれば、 　　　 x をその解に変更する 3. N(x) が x よりも良い解を含まなくなるまで繰り返す 局所探索：最大クリーク クリークの近傍： クリークに頂点を１つ加え、その頂点に隣接しないクリークの頂点をのぞいたもの 局所探索： ? 近傍の中に、自分より良い解があったら、その解に移動する ? 近傍の中に、自分より良い解が ないような解を見つけたら、 それを出力して終了 局所最適解 最終的に得られる ?　N(x) が x よりも良い解を含まない ような x を局所最適解という 大域的最適解　?　局所最適解 局所最適解　 ? ×　大域的最適解 局所最適解は、大域的最適解（本当の最適解）より、 　　一般的に悪いが、平均的にはそれほど悪くない （実験的には、誤差20-30%くらい？） 巡回セールスマン問題の局所探索 2-opt近傍： 　現在の経路から、2つの枝の行き先と出発点を入れ替えて得られる経路を近傍とする ? 全部で O（都市数2） 個 2-optの性質 ?