AOR
文章平均质量分 69
HGGshiwo
这个作者很懒,什么都没留下…
展开
-
AOR14算法机制设计
Cake cutting:公平切法:算法1:对于2个人, A切为2块,B选择。对于3个人,A切成2块;B先选,A后选;A、B分别将自己得到的蛋糕切成3块;C从A、B两组中各取他认为价值最大的一块。对于n个人,假设n-1个人已经分得蛋糕,每个人切1/n份,第n个人从n-1组中各挑选一个。算法2:第一个人切1刀,对于后面的人,如果有人认为该蛋糕大于1/n,则修剪到他认为的1/n。最后一个修剪的人拿到这块蛋糕并退出。直到最后一个人退出为止。算法3:蛋糕均匀移动,刀悬挂在蛋糕上方,当第一次有人原创 2021-12-28 15:31:03 · 121 阅读 · 0 评论 -
AOR11Bin Pack
装箱问题(Bin Pack):有n个物体,size∈(0,1]\text{size}\in(0,1]size∈(0,1], 问需要几位能够将所有物体装入,每位大小为1.注意:近似比一定大于3/2,否则对于是否可以装入2个背包的问题,则一定有最优解算法,而这是NPC问题,因此近似比大于等于3/2背包问题解法分为两类:Next Fit:同一时刻只有一个背包是开放的,可以放入。如果该背包无法放入当前的物体,则开放下一个背包,并关闭该背包。Any Fit:同一时刻所有背包是开放的,可以放入。直到所有开原创 2021-12-28 11:15:37 · 250 阅读 · 0 评论 -
AOR12在线算法
K-server问题:给定一张图G, 某些点发出请求,此时需要一个server从一个点移动到请求点。(如果请求点本身就有server在,则不需要移动)greedy:令最近的那个server移动,但是效果并不好。考虑A,B,C三点,如果AB比较远,一个server在A, 另一个在C,如果请求都是B,C,则总是右边的server不断移动,而最优解是一个在B, 一个在C,不需要移动。1维DC算法:1.如果请求点在所有server同一侧,则令离其最近的server移动2.如果请求点在两个server之间原创 2021-12-28 11:15:04 · 157 阅读 · 0 评论 -
AOR13博弈论
1.纳什均衡:每个人的策略都是针对别人反应的最佳策略,纳什可能不止一种。2.占优策略:无论对方采取什么策略,占优策略都是最优策略,可见占优策略均衡是一种特殊的纳什均衡3.占优均衡策略:每个人的策略都是各自的占优均衡策略,4.社会最优解OPT: 每个人的选择价值函数之和最大5.POA=最差的纳什均衡/OPT6.POS=最好的纳什均衡/OPTPigou’s example:费用是交通量和价值函数之积求和。上方是1,下方是x时,由于走下面是x2x^2x2,走上面是xxx,因此一定会选择走下面。但原创 2021-12-19 23:14:56 · 238 阅读 · 0 评论 -
AOR10 TSP Path/Steiner-PST
1 Steiner Tree问题描述:给定G=(V,E),w→R+,S∈VG=(V,E), w\rightarrow R^+, S\in VG=(V,E),w→R+,S∈V,求联通子图G′=(S′,E′),S⊆S′G'=(S',E'),S\subseteq S'G′=(S′,E′),S⊆S′,满足∑e∈E‘w(e)\sum\limits_{e\in E‘}w(e)e∈E‘∑w(e)最小解释:给定一个图G, 然后将其扩充为G’,可以添加边也可以添加点,使得G’所有的边权值之和最小。一个例子是费马点:原创 2021-11-27 17:08:43 · 178 阅读 · 0 评论 -
AOR9 拟阵
拟阵的定义:定义一:独立系统(E,f)(E, f)(E,f)满足:M1: ϕ∈f\phi\in fϕ∈fM2: 若Y⊆Z∈fY\subseteq Z\in fY⊆Z∈f, 则Y∈fY\in fY∈fM3: 若X,Y∈fX, Y\in fX,Y∈f, 且∣X∣>∣Y∣|X|>|Y|∣X∣>∣Y∣, 则存在eee, 满足e∈X\Ye\in X\backslash Ye∈X\Y,使得Y∪{e}∈fY\cup\{e\}\in fY∪{e}∈f前两条是独立系统的定义,1表示独立系统中含原创 2021-11-28 20:30:07 · 166 阅读 · 0 评论 -
AOR08 贪心算法
假如解是在某个限制条件下最大的元素集合。那么独立集就是这些元素的集合,极大独立集就是解。如果是独立集,不一定可行。如果是极大独立集,一定可行。下秩:所含元素个数最少的极大独立集的元素个数,就是含元素最少的那个可行解的元素个数。上秩:所含元素个数最少的极大独立集的元素个数,就是所含函数最多的那个可行解的元素个数。Worst-out:对于极小化问题的最大值使用。一开始将所有点加入点集,然后观察权值最小的点去掉后是否仍然满足可行解,如果满足则去掉。Best-in:对于极大问题的最小值使用,一开始原创 2021-11-27 14:15:03 · 124 阅读 · 0 评论 -
AOR4 原始对偶方法
原始对偶算法原始对偶算法利用了及其巧妙的方法减少参数,优化解,最后找到最优解。互补松弛定理:最优解的等价命题为: 对于所有的j, 有(AjTy−cj)xj=0(A_j^Ty-c_j)x_j=0(AjTy−cj)xj=0我们知道每一行约束的权值为yi,对于一个x,确定了y的一个线性组合的约束。如果该x不是0, 则要求y的约束取等号。否则该约束取小于等于号。假如已知一个集合J, 里面是xj满足xj不是0,由于在J之外的x全部是0, 因此在原问题中只剩下那些xj的项,转化为对偶问题后,只有J中的元素原创 2021-11-27 14:15:20 · 400 阅读 · 0 评论 -
AOR3 对偶理论
对偶理论对于标准问题:maxz=cTx\max z=c^Txmaxz=cTxs.t.Ax=bAx=bAx=bx≥0x\ge 0x≥0对偶问题为:minw=yTb\min w=y^Tbminw=yTbs.t.ATy=cA^Ty=cATy=cy≥0y\ge 0y≥0注意: 原问题问题一定是max 目标函数,对偶问题一定是min目标函数。这是为了之后定理记忆的方便。如果把min 目标函数作为原问题,一定要转为Max 目标函数的。弱对偶性原问题目标函数值一定小于对偶问题目标函数值。原创 2021-10-04 10:36:17 · 1079 阅读 · 0 评论 -
AOR2 单纯形法原理推导
1 线性规划标准形式maxz=cTxs.t.Ax=b,x>0\text{max} \quad z=c^Tx\\\text{s.t.}\quad Ax=b, x>0maxz=cTxs.t.Ax=b,x>0注意点:所有变量都大于0对于不等号情况,需要增加变量。比如x1+x2>2x_1+x_2>2x1+x2>2 => x1+x2−x3=2x_1+x_2-x_3=2x1+x2−x3=22 单纯性法对于目标函数: z=c0+c1x1+..cnxnz=原创 2021-09-23 22:17:46 · 639 阅读 · 0 评论