本文探讨了近似算法的背景及其衡量标准，特别是在解决K-center问题中的应用。K-center问题旨在找到能覆盖所有点的K个中心，使最大覆盖半径最小。由于问题的复杂性，需要使用近似算法来寻找解决方案。文章提到了一个不可行的贪婪算法，并简要讨论了一个可能的2-approximation算法Greedy-2r。
注：本文作者也没太搞懂K-center算法
什么是近似算法？
因为存在NP-Hard问题，没有算法能在多项式时间找出最优解。
在设计算法的时候要考虑三个问题：1.最优解 2.快速 3.全部情况
如果三个都考虑，可能没法在多项式时间内完成，所以就考虑2和3，在多项式的时间内找到一个解，这个解可能不是最优解，但也不会太坏。
这就是近似算法
常见例子有：装箱问题（Bin Packing）、背包问题（The Knapsack Problem）、纹理拼接问题（texture packing）
衡量近似算法
近似算法的得到的解不能太坏，不然我们就不用这个算法了。所以要能衡量这个算法的好坏，标准就是所得解与最优情况的比值，哪个放分母无所谓，但结果一定要大于1。
比值可能有小数位，变成大于它的最小整数(1.3->2)，叫这个整数ρ (n)。
这个算法就叫做ρ(n)-approximation algorithm，显然ρ(n)越小越好。
什么是K-center问题
有一堆点（N），你要找到K个中心的位置，每个中心形成一个半径为r的圆，这些圆能覆盖所有的点。
K-center问题分析
定义dist（x，y）和 dist（x,C）x, y是点, C是点的集合。
d
最低0.47元/天 解锁文章
扫一扫
263
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
