缓和法分枝限定法.pptVIP

12．緩和法と分枝限定法 １２．１　数理計画法としての定式化 判定問題との関係 判定問題と最適化問題 線形計画法 整数計画法 数理計画法の計算量 １２－２．緩和法 線形緩和 部分列挙法 部分列挙法の問題領域 罰金法 １２－３．分枝限定法 分枝木 分枝限定法の性能 分枝限定法の方針 * 　これまでは、問題を判定問題や言語として捉えてきた。 ここでは、数理計画法として問題の定式化を行う。数理計画法は、現実の問題を解くための重要な技術である。 　　数理計画法では、通常評価関数（目標関数）　　　　　　　　　　　　　　の最大化問題かあるいは最小化問題として捉える。したがって、一般形は次のように与えられる。 最大化 条件 最大化問題 　最小化問題と最大化問題を区別せずに、最適化と呼ぶこともある。 最小化 条件 最小化問題 インスタンス：変数の集合、　　　　　の表現、 　　　　　　　　　　　　の表現、　 　　　　　　　　　　　　の表現、 　　　　　　　　定数K 　数理計画法の定式化と対応するように判定問題を作ることができる。最小化問題に対応する判定問題の記述を示す。 名称：P 最小化問題 問い：　　　　　　　　か？ 　　この判定問題が解ければ、最小値を求める多項式時間 アルゴリズムが得られる。 　　判定問題を、パラメータKを持つ問題P(K)とみなす。判定問題の入力サイズは　　　　　　　なので、　　　　　の多項式のアルゴリズムを構成することを目指す。基本的なアイディアは、Kの値を２分探索で特定することである。 　ここでは、判定問題が多項式時間で解ければ、多項式時間で最小値が求まることを示す。（同様な、手法で最大値も求まる。） MIN(){ K=1; while(P(K)==TURE){ K=2*K; } K=OPT(K/2, K); return(K); } OPT(K_l,K_r){ if(K_l=K_r)return(K_r); K_m=(K_l+K_r)/2; if(P(K_m)==TRUE){ OPT(K_m,K_r); }else{ OPT(K_l,K_m); } } 最適値の上界 を求める。 最適値そのもの を求める。 　この計算時間を解析しよう。最適値を　　　　　　　とする。アルゴリズムでは、最適値の上界を求める部分で　　　　　　　　回の繰り返し、最適値を求める部分で　　　　　　　　の再帰が行われるだけである。したがって、判定問題を　　　　　　　　回呼び出すだけで最適値を特定することができる。 　なお、ここでの　　　　　は最適化問題の出力である。（判定問題では、Kは入力であったことにも注意しよう。）このように、出力サイズに計算時間が依存するアルゴリズムを出力依存型（Output sensitive)という。（判定問題のときには、出力サイズそのものに意味がなかったことに注意しよう。） 　　ここで、判定問題を解くための計算量を　　　　時間とする。（　　は変数や、条件式で定まる入力サイズとする。）このとき、上の議論から、　　　　　　　　　　　　時間で最適化問題を解くことができる。 　　以上より、判定問題が多項式時間で解ければ、最適化問題も問題サイズ（入力サイズ＋出力サイズ）の多項式時間で解くことができる。 　　線形計画法は、特徴ベクトルを　　　　　　　　　　　　　とすると、次のように表せる。 P 最小化 条件 線形計画法 　　数理計画法の問題の中で，評価関数や条件式が全て 変数の一次式であるものを、線形計画問題という。 　　線形計画法では、特徴ベクトルの各要素は、実数でかまわなかった。それに対して，整数計画法では、特徴ベクトル（解）　　　　　　　　　　　　　　　　　　　　の各要素は整数でなければならない。したっがって、次のように表せる。 P 最小化 条件 整数計画法 P NP NP-hard NP-complete 整数計画法 線形計画法 　　なお、線形計画法がクラスPに属することがわかったのは、1979年にKhachiyanが楕円体法を発表してからである。その後、高速な計算法として、1984年にKarmarkarが内点法の一種を提案している。これらのアルゴリズムの発見以前は、単体法（シンプレックス法）が用いられていた。しかし、線形計画法を解く単体法は多項式時間アルゴリズムではなくて指数時間アルゴリズムである。（ただし、現実問題に単体法を適用すると、高速に解けることが多い。ただし、特別なインスタンスに対しては、多くの計算ステップを要する。） 　線形計画問題には実用的な解法がある。しかし、整数計画問題はNP完全なので、多項式時間アルゴリズムの構築は難しい。しかし、問題の性質上どうしても整数解が必要となると