引言——近似算法的必备知识（待补充）

知识点：多项式时间、P和NP、OPT、近似比、紧实例、顶点覆盖问题、上界、下界

（1）多项式时间：类似于O(1),O(log(n)),O(n^a)这些的规模n出现在底数的位置

（2）非多项式时间：类似于O(a^n)和O(n!)这些是非多项式级的，其复杂度计算机往往不能承受

（3）P和NP

1.P类问题：能在多项式时间内可解的问题。

2.NP类问题：在多项式时间内“可验证”的问题。也就是说，不能判定这个问题到底有没有解，而是猜出一个解来在多项式时间内证明这个解是否正确。P类问题属于NP问题，但NP类问题不一定属于P类问题。

3.NPC问题：①是一个NP问题②所有的NP问题都可以约化成它。换句话说，只要解决了这个问题，那么所有的NP问题都解决了。 4.NP-hard问题：满足NPC问题的第2条

上述四类问题的关系大致可用下图表示

（4）OPTπ(I)：表示实例I的最优解的目标函数值，当不存在歧义时把它简写为OPT

（5）近似比：

以最小顶点覆盖问题为例：

                             

如右上图中的红点为MVC所选的点，举个例子：

                            

上图为MVC所得的顶点集，但显然并不是最优集，最优集应为下图

算法分析：在MVC中，若选取k条互不关联的边，那么V’=2k

                  在OPT中，若选取k条互不关联的边，那么V'至少为k

所以，近似比=MVC/OPT≤2（注意此处为上界）

再来考虑近似比的下界：

显然，MVC=2k，OPT=k

该情况为最坏情况，而最坏情况下的近似比=MVC/OPT=2（此处为下界）

综上所述，MVC的近似比不会小于2，所以我们称MVC是2-近似算法

我来谈一点我对近似比这个概念的理解：我认为近似解不是最接近OPT的那个解，只是因为这个问题找不到算法来求最优解，那么只好找出一个算法近似地找最优解，这也就是近似解

近似解的估计上界：最优值与近似解的值之间的关系，又被称为紧实例；

近似解的估计下界：构造使算法产生最坏的解的实例。

若这个解的值与最优值的比（最小化）达到或可以任意接近近似比的上界（紧实例），那么我们称该近似比已经是最好的了