ADS11 Approximation

已于 2023-02-13 09:20:01 修改
阅读量177 收藏 1
点赞数 1
分类专栏： 数据结构 高级数据结构 文章标签： 算法
于 2021-06-30 22:02:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HGGshiwo/article/details/117434405
版权

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

HGGshiwo
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
k-center近似比为2证明
abcsmallxhj的博客
05-06 1166
k-center近似比为2证明1.*k*-center定义-对定义的解释 1.k-center定义 给定数据集PPP，从PPP中选择kkk个点，C={c1,c2,...,ck}C=\{c_{1}, c_{2}, ..., c_{k}\}C={c1​,c2​,...,ck​}，最小化目标函数 maxx∈Pd(x,C)max_{x\in P} d(x, C)maxx∈P​d(x,C)，其中d(x,C...
创新实训个人记录：metric k-center
qq_41545715的博客
06-02 691
个人记录：为BR-MTC问题设计一个近似算法
FFD for bin packing装箱问题的FFD算法
qq_43015237的博客
05-12 385
FFD for bin packing (hard)
!!!Chapter 10 Algorithm Design Techniques
b_end_an的专栏
05-31 903
10.1 Greedy Algorithms There are three greedy algorithms in chapter 9: Dijkstra's, Prim's, and Kruskal's algorithms. In greedy algorithms, in each phase, a decision is made that appears to be good,
【算法理论】bin packing 装箱问题
热门推荐
u010900754的专栏
12-27 2万+
Bin packing（装箱问题） Problem：给定n件物品和k个箱子，每一个箱子的容量为1，每一件物品的大小w为(0,1)，要求使用最少数目的箱子来装上全部的物品。 这个问题是NPC问题，只有approximation（近似）算法。 一个2-approximation的多项式算法。 算法： 先打开一个箱子，然后逐一放入物品，如果当前的物品没有一个已打开的箱子可以放入，那么就新打开一
[题解]ADS11 Approximation
HGGshiwo的博客
07-06 1929
1.Suppose ALG is an α-approximation algorithm for an optimization problem Π whose approximation ratio is tight. Then for every ϵ>0 there is no (α−ϵ)-approximation algorithm for Π unless P = NP. F, 按照我的理解，可能会有近似比更小的算法。 2.As we know there is a 2-approxima
ADS Circuit Design Cookbook
weixin_38628101的博客
09-18 1787
ADS cookbook入门书籍
Approximation Algorithms.zip
11-28
Approximation Algorithms.zip
ADS8689_cn.pdf
08-22
ADS8689是具有可编程双极输入范围的16位、高速、单电源、Successive Approximation Register (SAR) 类比数字转换器（ADC）。该器件具有高速度和高精度的特点，广泛应用于工业自动化、医疗电子、汽车电子、消费电子等...
ray.rar_Approximation_柱状粒子散射
09-20
计算柱状粒子对垂直入射的平面波的散射 ray.for calculate results using small-particle approximation
Adaptive Approximation Based Control
05-06
里面包含神经网络 支持向量机 等多种近似方法的介绍和比较 值得学习
Approximation Algorithms
05-12
Springer Berlin Heidelberg NewYork Barcelona Hong Kong London Milan Paris Singapore Tokyo Vijay V. Vazirani College of Computing Georgia Institute of Technology
数据结构5 Binary Search Tree
HGGshiwo的博客
11-22 8114
Binary Search Tree定义 1.是二叉树 2.左孩子<根<右孩子 3.左右子树都是BST 操作 1.寻找元素X 递归法： Position Find( ElementType X, SearchTree T ) { if ( T == NULL ) return NULL; /* not found in an empty tree */ if ( X < T->Element ) /* if smaller
数据结构13 Quick Sort&Bucket Sort
HGGshiwo的博客
01-10 6701
Quick Sort 3-mid算法： Qsort 输入left,right 1.对三个元素：a[left],a[right],a[(left+right)/2]进行排序，如果中间值为a[k]，则pivot = a[k] 2.Swap(&a[k],&a[right-1]) 3.i从left开始寻找大于pivot的元素，j从right-1寻找小于pivot的元素 4.若i<j,S(&a[i],&a[j])，否则退出 5.Swap(&a[i],&a
数据结构1：算法复杂度分析
HGGshiwo的博客
10-25 6312
复杂度分析 声明的赋值度： 无 每条赋值的复杂度：1 每条判断的复杂度：1 判断的分支：计算所有情况中复杂度较大者 返回return的复杂度：1 但是注意若一个函数中有多个return ，执行时只执行其中一个，只能算一次。 若返回return中仍有表达式，不算复杂度 float rsum ( float list[ ], int n ) { /* add a list of numbers */ if ( n ) //判断 1 return rsu
数据结构8 Graph
HGGshiwo的博客
11-28 5625
定义 不能有自环，无向图任意两个顶点之间不能有两条边 Complete graph:完全图，拥有最大的边数 无向图 E=C(V,2) 有向图 E=2C(V,2) connected:联通，任意两个顶点都有一条路径相连。 Strongly connected:强联通，对于有向图，任意两个顶点必须有路径使得v->w,w->v 边数最小的联通图是树，E=V-1 Simple path:路径中的点是不同的。 Connected Component:联通分量，即一个图中联通的部分。 degree:度数，一
数据结构4 Tree
HGGshiwo的博客
10-25 4990
Tree的定义 tree中没有Loop，故每一个结点都是subtree，所以访问多按照递归。 n个Tree结点，有n-1条边。 degree of node：结点孩子的个数 degree of Tree：所有结点中最大的degree of node parent：一个拥有子树的结点 chird:子节点 sibling：拥有相同的parent leaf :没有child path:从一个结点到另一个结点的路径 length of path :一个路径经过的边 depth：root到该结点的路径长度（由于根在最
数据结构11 DFS&Insert Sort
HGGshiwo的博客
01-10 4517
DFS 按照深度优先遍历一张图 无向图： input:源点根V 1.visit[V]=True 2.对于所有与V邻接的点，if ( !visited[ W ] ) DFS( W ); 复杂度为O(E+V) articulation point：删除后联通分量会增加 biconnected graph ：G是联通的，且没有衔接点 biconnected component：最大的双连通子图 寻找衔接点： 1.使用DFS生成树，但是不在树中的边需要用虚线加入到树中（back...
Stirling Approximation
最新发布
04-06
The Stirling approximation is a mathematical formula that approximates the factorial of a large number. It is named after James Stirling, who first published the formula in 1730. The formula is: n! ≈ √(2πn) (n/e)^n Where n is the number whose factorial is being approximated, e is the mathematical constant e (approximately equal to 2.71828), and π is the mathematical constant pi (approximately equal to 3.14159). The Stirling approximation is commonly used in probability theory and statistics, where factorials often appear in calculations involving combinations and permutations. For example, if we wanted to calculate the number of ways to choose 5 items from a set of 10, we could use the formula for combinations: C(10,5) = 10! / (5! * (10-5)!) Using the Stirling approximation, we can approximate 10! as: 10! ≈ √(2π*10) (10/e)^10 Plugging this into the combination formula, we get: C(10,5) ≈ (√(2π*10) (10/e)^10) / (√(2π*5) (5/e)^5 * √(2π*5)) Simplifying this expression, we get: C(10,5) ≈ 252 Which is the exact value of C(10,5).

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值