算法设计技巧与分析（十一）：近似算法(approximation algorithms)

---

近似算法(approximation algorithms)

组合优化问题不是最小化问题就是最大化问题，它由以下三部分组成：
1、一个实例(instances)集合D；
2、对于每个实例I属于D，存在I的一个候选解的有限集S(I)；
3、D中的一个实例I的每个解a属于S(I)，存在一个值f(a)，称为a的解值。

用OPT(I)表示最优值f(a*)，且它小于等于f(a)。

最优化问题的一个近似算法A是一个多项式时间的算法，使得给出一个实例I属于D，它输出的某个解a属于S(I)，将用A(I)表示f(a)。

差界(difference bounds)

对于问题的所有实例I，由近似算法A可以得到也是最想得到的解A是使得|A(I)-OPT(I)|<=K，K是某个常数。

只有很少的NP难的最优化问题，他们的差界是已知的。

困难结果：背包问题

对于背包问题，我们将证明不存在带差界的背包问题的近似算法。

假设存在一个带差界的求解背包问题的近似算法A：

相对性能界(relative performance bounds)

对于最小化问题，定义近似比(approximation ratio)：

对于最大化问题，有：

装箱问题(the bin packing problem)

给定尺寸为s1、s2、…、sn的物品u1、u2、…、un的集合，其中sj介于0和1之间，我们需要将这些物品包装到单位容量的最小数量的箱子中。

下面介绍最先适配方法(First Fit)。

所有的箱子初始值为空，考虑把这些物品按照u1、u2、…、un的顺序装箱，为了装物品ui，我们找到最小的序号j使得箱j最多装了1-si的东西，并把物品ui加到箱j中。

设FF(I)标记在I中用FF启发式方法装物品所用箱子数目，设OPT(I)是最优箱子数目：
由于不可能存在两个半空的箱子：