【算法学习笔记十四】近似算法

有许多困难的组合优化问题，使用回溯或随机化不能有效地解决。

组合优化问题:在有限的可能性中找出最优解。一个近似算法将给出一个合理的解，逼近一个最优解。(大多数)近似算法的标记特征是它们是快速的(多项式时间算法)。然而，人们不应该乐观地寻找一个有效的近似算法，因为有一些困难的问题，即使存在一个合理的近似算法是不可能的，除非NP=P。

组合优化问题

输入:COP的实例I。

可行集:FEAS(1) =实例I的所有可行(或有效)解的集合，通常用一组约束表示。

目标成本函数:实例I包括对目标成本函数的描述。Cost[l]映射每个解决方案S(可行或不可行)一个实数或±。

目标:优化(即最小化或最大化)目标成本函数。

优化设置:OPT(I) ={Sol ∈ FEAS(I) | Cost[I] (Sol) ≤ Cost[i] (Sol')， VSol' ∈FEAS(1)}，成本最小值的集合≤实例I可行的解决方案；

组合:指问题结构意味着只有有限数量的解决方案需要被检查以找到最优。

输出:一个解决方案Sol ∈ OPT(I)，或报告FEAS(I) =