货郎问题和计算复杂度

货郎问题

问题描述

有n个城市，已知任意两个城市之间的距离，求恰好经过各城市1次的回路，使得总距离最短。

• 输入：
  有穷个城市的集合$C=C_1,C_2,...,C_n$，距离$$d(c_i,c_j)=d(c_j,c_i)\in Z^{+},1\le <i<j\le n$$
• 解：
  $1,2,...,n$的排列$k_1,k_2,...,k_n$使得：
  $$min\sum _{i=1}^{n-1}d(c_{k_i},c_{k_i+1})+d(c_{k_n},c_{k_1})$$
• 现状：
  至今没有找到有效的算法。

0-1背包

问题描述

有n个物品要装入背包，第i件物品的重量$w_i$价值$v_i$,$i=1,2,...,n$。背包最多允许装入的重量为$B$，问如何选择装入背包的物品，使得总价值达到最大?

0-1背包问题建模

问题的解：0-1向量$<x_1,x_2,...,x_n>$
$x_i=1$表示→物品i装入背包，因此有
目标函数：$max{\sum }_{i=1}^n{v}_i{x}_i$
约束条件：${\sum }_{ii1}^n{w}_i{x}_i\le B$
$x_i=0,1,i=1,2,...,n$

NP-hard问题

• 这样的问题有数千个，大量存在于各个应用领域；
• 至今没有找到有效算法：现有算法的运行时间是输入规模的指数或更高阶函数；
• 至今没有人能够证明对于这类问题不存在多项式时间的算法；
• 从是否存在多项式时间算法的角度看，这些问题彼此是等价的。这些问题的难度处于可有效计算的边界。

Algorithm + Data Structure = Programming

好的算法：

• 提高求解问题的效率；
• 节省存储空间；
  算法的研究目标：

• 问题→建模并寻找算法；——算法设计技术
• 算法→算法的评价；——算法分析方法
• 算法类→问题复杂度估计；——问题复杂度分析
• 问题类→能够求解的边界。——计算复杂性理论