Local Search
-
最大割问题
- 输入:无向图 G = ( V , E ) G=(V, E) G=(V,E)
- 输出:一个割 ( A , B ) (A, B) (A,B),将 V V V划分为两个非空集,其割边数目为所有割最多
- NP-完全问题
-
可计算特例:二分图,存在一个所有边都是割边的割
- BFS:按扩散层数归类,奇数层为一个集合,偶数层为一个集合
-
启发式方法:局部搜索算法
- 始终维护一个候选割集,每一次迭代只进行细微的局部调整
- 令 ( A , B ) (A, B) (A,B)为一个任意的割集
- 主循环:如果存在一个点 v v v,存在 d v ( A , B ) > c v ( A , B ) d_v(A, B) \gt c_v(A, B) dv(A,B)>cv(A,B),那么将其从当前点集移动到另外一个点集——让割边总量显式增加
- 返回最终的割集 ( A , B ) (A, B) (A,B)
- 总迭代数 ( n 2 ) \binom{n}{2} (2n)——多项式时间完成
- 近似性能保证:至少50%的最佳结果
-
对于最大加权(非负)割
- 局部搜索算法仍然可用
- 仍然能够保证50%的最优解
- 但是不能保证多项式时间内收敛
-
局部搜索的原则
- 记 X X X为某一个问题的候选解(图的割方案、TSP的遍历、CSP问题的变量取值方案)
- 邻居:对于每一个
x
∈
X
x \in X
x∈X,明确
y
∈
X
y \in X
y∈X为
x
x
x的邻居
- 割方案的邻居:通过切换一个顶点实现
- 赋值方案的邻居:通过切换一个变量的取值实现
- 遍历方案的邻居:通过切换其中两条边实现
- 通用化局部搜索算法
- 置 x x x为某一初始解
- 当 x x x存在一个更优的邻居解 y y y,置 x ← y x \gets y x←y
- 不断迭代返回最后局部最优的候选解 x x x
- 如何选择初始解?
- 使用启发式方法(贪心算法等)后的结果,局部搜索充当后处理优化方法
- 没法使用启发式方法:随机地运行多次局部搜索方法,初始解随机选择,选择众多运行中最优的一个
- 存在多个更优解时,如何选择?
- 随机选择一个
- 选择一个单步最大提升解
- 更复杂的启发式方法
- 如何定义“邻居”?
- 更大的邻居集合带来更大的计算压力,但是也可以带来更高的近似精度
- 寻找一个平衡点!
- 局部搜索能够保证收敛吗?
- 如果 X X X有限且每一步都有提升,那么一定会收敛
- 局部搜索能够在比较快的时间内收敛吗?
- 一般不能,但是实际应用中大多是可以的
- 局部搜索解们是对于全局解足够好的近似解吗?
- 并不,一部分远远达不到全局最优
- 只能希望经过多次随机初始化之后,最优解足够好
-
2-SAT问题
- 输入
- n n n个二值变量
- m m m组二元或式
- 输出:如果存在一个满足所有二元式的变量赋值方案,那么输出yes,否则输出no
- 计算可行性:2-SAT问题可以在多项式时间内解决
- 规约为一个强连通分量的计算
- 多项时间内的可回溯搜索
- 随机化局部搜索
- Papadimitriou’s算法
- 循环
log
2
n
\log_2 n
log2n次
- 选择一个随机初始赋值方案
- 子循环
2
n
2
2 n^2
2n2次
- 如果当前复制方案满足要求,终止算法并返回
- 否则,选择任意一个为满足的二元式,随机选择其中一个变量,翻转之以满足该二元式
- 显然的事实
- 多项式时间内运行
- 对于无法满足的实例,必然正确
- 循环
log
2
n
\log_2 n
log2n次
- 输入
-
随机游走(线性)
- 在除了0位置的每一个位置,都可以等概率随机选择向左或向右移动
- 从0位置到达 n n n位置的步数期望为 θ ( n 2 ) \theta(n^2) θ(n2),事实上 E [ T n ] = n 2 E[T_n] = n^2 E[Tn]=n2
- 引论: P ( T n > 2 n 2 ) ≤ 1 2 P(T_n \gt 2n^2) \le \frac 12 P(Tn>2n2)≤21
- E [ T n ] = n 2 = ∑ k = 0 2 n 2 k ⋅ p ( T n = k ) + ∑ k = 2 n 2 + ∞ k ⋅ p ( T n = k ) ≥ 2 n 2 p ( T n ≥ 2 n 2 ) = 2 n 2 p E[T_n] = n^2 = \sum_{k = 0}^{2n^2} k \cdot p(T_n = k) + \sum_{k = 2n^2}^{+\infty} k \cdot p(T_n = k) \ge 2n^2 p(T_n \ge 2n^2) = 2n^2 p E[Tn]=n2=∑k=02n2k⋅p(Tn=k)+∑k=2n2+∞k⋅p(Tn=k)≥2n2p(Tn≥2n2)=2n2p
-
Papadimitriou’s算法
- 对于一个可满足的2-SAT实例,该算法找到可行复制方案的概率为 ≥ 1 − 1 n \ge 1 - \frac 1n ≥1−n1
- 由随机游走算法,一次外循环失败的概率为 1 2 \frac 12 21
- 总体失败概率 ( 1 2 ) log 2 n = 1 n (\frac 12)^{\log_2 n} = \frac 1n (21)log2n=n1