算法课笔记系列（九）——近似算法（Part1）

这一周的内容是近似算法(Approximation Algorithm)。

对于许多的问题的算法，我们通常目标在于设计一个可以在多项式时间内运行的算法。然而，上一节的NP问题告诉我们这样的算法不一定存在。近似算法其实是针对NP难问题的一种退让，对于许多P不等于NP的最优化问题，无法在多项式时间内找到最优解。因此，如果可以只求一个我们可以接受的解，而不是非要最优解，那么可能存在一个多项式时间的算法。

因此，这里的“近似”其实就是针对最优化问题而言的。其主要应用也是用来解决最优化的问题，并且要求其时间花销为多项式级别的时间。

首先，提出一个NP的优化问题，即NPO问题。

        

不同的NOP问题的相似程度可能有非常大的差别。

一个NP优化问题P可以用一个四元组（I， Sol， m， goal）来表示，也就是：

I : I是P的实体的集合，可以在多项式时间内被识别；

Sol: 给定一个x∈  I， Sol(x)表示x的可能的解的集合；对于任意的y∈  Sol(x), |y|是|x|的多项式；给定任何|x|的多项式x和y，如果有y∈  Sol(x)，那么这个问题可以在多项式时间内决定。

m: 给定一个实例x∈  I，y∈  Sol(x)， y是x的一个可行解，m(x,y)表示y的值，并且，可以在多项式时间内被解决的函数

Goal ∈ {max, min}。表示这是一个最大化问题还是最小化问题。

下面定义一个NPO类：

类NPO是所有NP优化问题的集合。NPO问题的目标是，对于一个实体x，找到一个最优解，也就是一个可行解y使