数据结构与算法uestc08暑假集训3.数学approximation algorithms.pptx

Approximation Algorithms;近似算法设计;预备;旅行售货商(TSP)问题;1.5-近似算法;性能分析;最大割问题;0.878-近似算法;引理;0.878-近似算法;0.878-近似算法;算法流程;性能分析;(P)问题;计算ɑ;(P)问题;半定规划问题;P || Cmax问题;Bin Packing问题;pas和fpas;讨论;(1+eps)-判定算法;二分算法;二分算法;(1+eps)-判定算法：细节;(1+eps)-判定算法：细节;(*)任务：细节;(*)任务：细节;(*)任务：细节;小结;模拟退火算法;固体退火过程;;;Metropolis准则 ;在给定的温度T下，当进行足够多次的状态转换后，系统将达到热平衡。此时系统处于某个状态i的概率由波尔兹曼（Boltzmann）分布给出： （6） 其中 为归一化因子，S是所有可能状态的集合。 ;考察一下式（6）随温度T的变化情况： 同一温度下，两个能量不同的状态 高温下的情况 低温下的情况 当温度下降时的情况;??给定的温度T下，设有i、j两个状态，E(i)＜E(j) ： 即在任何温度T下，系统处于能量低的状态的概率大于处于能量高的状态的概率。 ;当温度趋于无穷时： 其中|S|表示系统所有可能的状态数。 当温度很高时，系统处于各个状态的概率基本相等，接近于平均值，与所处状态的能量几乎无关。 ;当温度趋于0时 ： 设Sm表示系统最小能量状态的集合，Em是系统的最小能量。上式分子、分母同乘以 ;;;;;;;达到最小能量状态的三个条件 ;组合优化问题与退火过程的类比;1，随机选择一个解i，k=0，t0=Tmax（初始温度），计算指标函数f(i)。 2，如果满足结束条件，则转（15）。 3，Begin 4， 如果在该温度内达到了平衡条件，则转（13）。 5， Begin 6， 从i的邻域N(i)中随机选择一个解j。 7， 计算指标函数f(j)。 8， 如果f(j)f(i)，则i=j，f(i)=f(j)，转（4）。 9， 计算 10， 如果Pt(i=j)Random(0, 1)，则i=j，f(i)=f(j)。 11， 转（4） 12， End 13， tk+1=Drop(tk)，k=k+1。 14，End 15，输出结果。 16，结束。;算法中的问题;在模拟退火过程中，给定温度下状态（解）的转移可以看作是一个马尔可夫链。对于任意两个状态i和j，我们用Pt(i, j)表示温度t下，从状态i转???到状态j的一步转移概率，则有： 其中：Gt(i,j) 是产生概率，表示从状态i产生状态j的概率。At(i,j) 是接受概率，表示在状态i产生状态j后，接受状态j的概率。 ;;满足条件的Gt(i,j)、At(i,j) 举例：;定理2： 在定理1的条件下，如果对于任意两个状态 有： 则有： ;定理3（放宽了定理1的条件） Gt(i,j)、At(i,j)满足定理1中除条件（2）以外的所有其他条件，并且： 1，对于任意两个状态i、j，它们相互为邻居或者相互都不为邻居； 2，对于任意i，Gt(i,j)满足： 3，状态空间S对于邻域是连通的； 则与模拟退火算法相伴的时齐马尔可夫链存在平稳分布，其分布概率为： ;算法的实现;起始温度的选取（1）;如果我们给定一个比较大的接受概率P0，则： ;其中， 可以有以下估计方式：;起始温度的选取（2）;所以平均接受率为： 求解有：;起始温度的选取（3）;温度的下降方法（1） ;温度的下降方法（2）;温度的下降方法（3）;一个充分条件是：;两边取对数，并整理得： 用 代替 可得温度的衰减函数： ;每一温度下的停止准则（1） ;每一温度下的停止准则（2）;算法的终止原则 （1）;算法的终止原则 （2）;算法的终止原则 （3）;算法的终止原则 （4）;???法的终止原则 （5）;如果该概率值小于平均值1/N时，即： 可以认为从局部最优解跳出的可能性已经很小了，因此可以终止算法。此时的终止温度tf为： ;算法的终止原则 （6）;由于： 所以可用下式估计当前解与最优解之间的误差 ：;或者使用相对于 的相对误差：;实际计算时： 其中：;应用举例——旅行商问题 ;新解的产生 采用第一节介绍的两个城市间的逆序交换方式得到问题的一个新解。 设当前解是 ，被选中要逆序交换的城