算法设计和分析-f-.pptVIP

Design and Analysis of Algorithm算法设计与分析 朱大铭 教授 山东大学计算机学院 dmzhu@sdu.edu.cn 第八章 近似算法设计技术 8.1 组合技术 Max-SAT问题的2近似性能比算法 Max-k-SAT问题的 1+1/k近似性能比算法 1+1/(2k-1)近似性能比算法 集合覆盖问题O(logn)近似性能比算法 8.2 线形规划技术 顶点覆盖问题的2近似性能比算法 集合覆盖问题的f近似性能比算法 8.3 原始对偶技术 8.4 局部搜索技术 Max-3-SAT问题的4/3近似度局部搜索算法 8.5 随机近似算法 Max-SAT问题的4/3近似度随机算法 第一讲 组合技术 Max-SAT问题的2近似性能比算法 Max-k-SAT问题的 1+1/k近似性能比算法 1+1/(2k-1)近似性能比算法 集合覆盖问题O(logn)近似性能比算法 设含有字母ui的项集合为C[ui]?C，含有字母 的项集合为C[ ]?C。 显然，若一个项既含有ui又含有 ，则无论ui赋T或F均能使该项满足，因此假设C[ui] ? C[ ]=?。 若|C[ui]|?|C[ ]|，则指派ui为T，可使C[ui] 中的所有项全部满足；否则，指派ui为F，可使C[ ]中的所有项满足。因此总可给出ui恰当的赋值使C[ui] ? C[ ]中至少一半的项满足。 ui赋值后，无论其它变量如何赋值，已经满足的项仍然能保证满足；不能满足的项只能依靠其它变量的赋值才能满足。 合取范式最大可满足贪心算法Max-SAT(U,C) 对任一变量 如果含有其本身的项不少于含有其反变量的项 该变量赋值为T。 将其反变量从所有项中删除。 将所有已满足的项从项集合中删除。 如果含有其本身的项少于含有其反变量的项 该变量赋值为F。 将该变量本身从所有项中删除。 将所有已满足的项从项集合中删除。 直到所有变量都被赋值 算法Max-SAT(?)的近似性能比不超过2。 证明：设 MaxSAT(U,C)表示算法求得的真值指派能满足的项数。 OPT(U,C)表示U的真值指派最多能满足的项数。 显然OPT(U,C)?n。我们对布尔变量数目n进行归纳，以证明 MaxSAT(U,C) ?n/2。 n=1时，显然成立。 假设n?k-1时结论成立。 n=k时，算法对u1的真值指派至少满足1/2*|C[u1]?C[ ]|个项。 u1赋值后的项集合C1中不含有u1及其反变量。根据归纳假设，Max-SAT(?)对u2?un的赋值使可满足的项不小于： 1/2*|C1|。所有算法满足： MaxSAT(U,C)? 1/2*|C[u1]?C[ ]| + 1/2*|C1|=n/2 从而算法的近似性能比不超过2。 二、Max-K-SAT问题 如果对Max-SAT问题的输入子句加以限制，使得每个子句都至少含有k个布尔变量字母，则得到的子问题为Max-K-SAT。 当K?1时，所有的Max-K-SAT问题都是NPC的。 下面的算法是Johnson于1974年设计的。 Johnson’s Max-k-SAT(U,C)贪心算法（一） 设SU=?，True=?，Left=C，Lit=U ? ， 如果Lit中的任一变量都不出现在Left的任意子句中，则结束。 设y为Lit中的某变量字母，满足在Left中包含y的子句最多。YT为该包含Y的子句的集合。 SU=SU?YT，Left=Left-YT， True=True?{y}， Lit=Lit-{y, }。 转第2步。 注意，上述算法中的y可以为某ui，也可为ui的反变量，并且默认反变量的反变量为变量本身。 算法Max-k-SAT(U,C)的近似度不大于1+1/k 证明： 每次将变量y添加到True集合中，肯定满足|C[y]|?|C[ ]|。 称|C[ ]|中的项为被y伤害的项。 算法结束时，如果某个项未能满足，则该项受伤害的次数为其含有的变量个数。从而，总的受伤害的次数至少为：k*|Left|。 所以有|SU|? k*|Left|。则有：|C|= |SU|+|Left|?(1+1/k)|SU|。 A tight example for k=3： S={{x1,x2,x3},{ ,x4,x5},{ ,x