第九章 Appoximation Algorithm.pptVIP

9.1 Introduction 9.2 The Vetex-cover Problem 9.3 The Set-covering Problem 9.4 The Traveling-salesman Problem 9.5 Randomization and Linear Programming 9.6 The Subset-sum Problem 9.1 Introdution 近似算法的基本概念 近似算法的性能分析 近似算法的基本思想 很多实际应用中问题都是NP-完全问题 NP-完全问题的多项式算法是难以得到的 求解NP-完全问题的方法: 如果问题的输入很小, 可以使用指数级算法圆满地解决该问题 否则使用多项式算法求解问题的近似优化解 什么是近似算法 能够给出一个优化问题的近似优化解的算法 近似算法主要解决优化问题 近似算法的时间复杂性 分析目标和方法与传统算法相同 近似算法解的近似度 本节讨论的问题是优化问题 问题的每一个可能的解都具有一个正的代价 问题的优化解可能具有最大或最小代价 我们希望寻找问题的一个近似优化解 我们需要分析近似解代价与优化解代价的差距 Ratio Bound 相对误差 (1+?)-近似 Ratio Bound 定义1(Ratio Bound) 设A是一个优化问题的近似 算法, A具有ratio bound p(n), 如果 结论1. ?(n) ? p(n)-1. 证. 对于最小化问题 ?(n)=|C-C*|/C*=(C-C*)/C*=C/C* -1=p(n)-1. 对于最大化问题 ?(n)=|C-C*|/C*=(C*-C)/C*= (C*/C -1)/(C*/C) = (p(n)-1)/p(n) ? p(n)-1. 对于某些问题, ?(n)和p(n)独立于n, 用p和?表示之. 某些NP-完全问题的近似算法满足: 当运行时间增 加时，Ratio Bound和相对误差将减少. 结论1表示, 只要求出了Ratio Bound就求出了?(n) 问题的定义 时间复杂性 T(G)=O(|E|) Ratio Bound 定理. Approx-Vertex-Cover的Ratio Bound为2. 证. 令A={(u, v) | (u, v)是算法第4步选中的边}. 若(u,v)?A, 则与(u, v)邻接的边皆从E’中删除. 于是, A中无相邻接边. 第5步的每次运行增加两个结点到C, ?C?=2?A?. 设C*是优化解, C*必须覆盖A. 由于A中无邻接边, C*至少包含A中每条边的一 个结点. 于是, ?A???C*?, ?C?=2|A|?2?C*?, 即|C|/|C*|?2. 输入: 有限集X, X的所有子集族F, X=∪S?F S 输出: C?F，满足 (1). X=∪S?C S , (2). C是满足条件(1)的最小集族, 即|C|最小. *最小集合覆盖问题是很多实际问题的抽象. *最小集合覆盖问题是NP-完全问题. 近似算法的设计 基本思想 贪心选择:选择能覆盖最多未被覆盖元素的子集 算法 Greedy-Set-Cover(X, F) 1. U?X; /* U是X中尚未被覆盖的元素集 */ 2. C??; 3. While U?? Do Select S?F 使得?S∩U?最大; /* Greedy选择—选择能覆盖最多U元素的子集S */ 5. U? U-S; 6. C? C∪?S?; /* 构造X的覆盖 */ 7. Return C. 基本概念 定义1. 设C是随机近似算法RAS产生的问题P的近似 解的代价, C*是问题P的准确解的代价, n是P 的大小. 若max(C/C*, C*/C)?p(n), 则称RSA 具有近似比p(n). 我们也称RAS是一个随机 p(n)-近似算法. Max-3-CNF问题的定义 输入: 合取范式CNF, 每个析取式具有三个变量, 没有任何变量和它的非在