算法设计与分析_算法设计与分析（三）

矩阵乘法验证的问题。目前最好的确定性算法时间复杂度是

。

0/1向量指其中元素非0即1.

这么搞肯定有些问题，但重复执行显然能显著降低错误率。

很显然算法是偏假的。毕竟只要返回假，就肯定有错。

一个习题。

以上就是介绍的所有概率算法。接下来是近似算法。

三、近似算法

3.1 NP-完全性理论

因为至今有很多问题无法通过计算机在可行时间内找到解，因此我们不必所有问题去寻找最优解，有的只需要寻找次优解就行。我们要考虑次优解的质量，这也是近似算法要明确的问题。

问题的可计算性与其对应的数学模型无关。什么是算法？有限，无二义性等，最重要的是有穷性。

问题I的回答是yes当且仅当f（I）的回答是yes。

停机问题是个很好的栗子（感觉这东西就跟理发师问题一个亚子，“我只给不给自己理发的人理发”）。

归约最重要的是传递性（还有个反身），将现有的结果归约到你想证的结果，就可以了。第一个证明出某个问题是NPC的是真的强。

NPC问题是NP中最难的。

我们猜想它们的关系如下。

注意如何证明问题q是NP-hard或是NPC的。所以现在最关键的是找出第一个NPC问题（传递性），剩下的就可以归约就好了。

3.2 近似算法

存在伪多项式时间算法的问题称为弱NPC问题。

要保证精确度，先定义一些东西。

基于最后一行的原因，我们考虑最优解的问题，而不考虑判定问题。

注意是近似算法了。最优解和近似解这里都是指的是它们对应的值，这是需要清楚的。

目前如果能对一个实际问题将其证明是NP-hard问题，然后用近似算法解决，那么一定能发个很好的文章，绕不开的就是这个性能度量。

只有很少一部分问题能找到绝对近似算法。

图的定点着色问题是一个有绝对近似算法的。

每一个顶点有三条边与其相邻，称为三正则。下图右上角的就是一个三正则的。

下面就是否定找不到绝对近似算法的栗子。

一个构造性的证法，不过很好想到，从最后反解就好了，惯用伎俩。

将图复制m个，然后做全连接。

由上述分析，我们有必要放松对好的近似算法的要求。近似解与准确解的比值，称为相对性能比。

以多级调度为例。

List调度算法显然是一种贪心策略。

下面说明上述上界是一个紧致的上界。

好的论文需要好的近似比以及相应的严格的证明。

中间差了几张，不过不要紧，证明过程就那样子吧，知道结论就好了。

只考虑最优解值足够大的实例。

大多时候渐进性能比更好。

FFD是先把所有物品按size递减排，然后再使用FF策略。

更多时候要关注渐进性能比。

旅行商问题。

我们只对特殊版本找一个近似解，正常的TSP问题可能找不到一个近似算法。

近邻法就是去离得最近的没去过的地方，但这种策略不行，渐进性能比达到logn。

多重图，两个顶点之间可以有多条边。

欧拉路：经过每个顶点一次的。

——————————————————————————————————————

我找到屁屁踢了，这里就记到这儿叭。