Approximation Ratio
近似比就是多项式解和最优解之比。一定大于1.
认为近似比大于1的部分为 ϵ \epsilon ϵ
多项式规约后,两个问题的近似比不同。
Approximate Bin Packing
将Si大小在0-1之间,bin的大小为1,问最小可以使用几个bin放入S。
Next Fit
只允许将Si放入当前位。如果放不下,则放入下一个。不允许往之前的位中放入。
First Fit
从头开始遍历所有的位,发现第一个可以放入的,将Si放入
Best Fit
和First Fit 不同的是,Best Fit找到所有可以放的位中,放入后空间最小的那个放入
NF, FF, BF算法的近似比都小于2
On-line Algorithms
放入后不能改变主意。至少使用5/3M个bin
Off-line Algorithms
将size降序,然后用fit decreasing,最差情况是11M/9+6/9
The Knapsack Problem
物品有重量和权值。背包只能装入一定重量的物体,应该装什么可以使得权值最大。
物体如果不可分割,那么是0-1背包问题,是NP-hard问题。
K center问题
任意选择一个点,用2r的半径圈。然后在没有被圈入的点选一个,继续做。
如果最后选择的点个数小于K,说明算法成功,否则说明r太小。r是最优解的半径。
可以通过2分查找法,比如设定一个比较大的r,然后一步一步减小,得到r。
注意近似比最小为2, 因为这个问题和Vertex Cover问题差不多,每一个被cover的点就是落入了圈中。因为Vertex Cover是NPC所以Kcenter如果近似比小于2,即为1,说明Vertex Cover有解。
最优解
bin packing: 所有的东西加起来上取整,可能是最优解。item大小超过1/2的个数,也可能是最优解。它们两者取大作为最优解。
TSP: 最小生成树
Vertex Cover: 两两之间不相交的线个数
背包问题:按照密度从小到大排序,将最后一个物品装不下的地方切掉。
job集合分成两个部分,两个部分work load之差绝对值最小,最优解是 work load之和除以2,或者最大的work load