Approximation method(近似算法)

定义

近似算法是一种用来处理NP-完全优化问题的一种方法。

特点

• NP-难问题
• 在大多数情况下是多项式算法
• 近似比

近似比

$\rho (n)\ge max(\frac{C}{C^{\ast }},\frac{C^{\ast }}{C})$
第一项为求极小值时，第二项为求极大值时。
近似比越大，算法性能越差。

近似策略/近似结构

优化问题的近似策略是一种近似算法，它的输入不仅是问题的一个实例，而且是一个值$ϵ$，因此对于任何确定的$ϵ$，该策略是一个$(1+ϵ)$-近似算法。

PTAS

多项式时间近似策略
对任意确定的$ϵ>0$，运行时间与输入算例的大小$n$呈多项式关系。

FPTAS

完全多项式时间近似策略
对任意确定的$ϵ>0$，运行时间与输入算例的大小$n$和$1/ϵ$都呈多项式关系。

例1.顶点覆盖问题

目标

对给定无向图，寻找一个最小的顶点集合使之满足“顶点覆盖”。

算法

证明

• (1)多项式性
  已证明其在多项式时间内运行。
• (2)正确性
  算法返回的集合C中的顶点是“顶点覆盖”，因为该算法的循环直到所有的边的某一顶点都存在集合C中才结束。
• (3)近似度
  $C^{\ast }$:精确解集合
  $A$: 算法第四行被挑选的边的集合
  $C$:近似算法解
  由于$A$中的边都是不连通的，即$A$中不存在两条边被$C^{\ast }$中的同一个顶点覆盖
  $$|C^{\ast }|\ge |A|$$
  $$|C|=2|A|$$
  由以上两式推出
  $$|C|=2|A|\le 2|C^{\ast }|$$

例2.满足三角不等式的旅行商问题

TSP是NP-完全问题

目标

假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。

算法

证明

(1)多项式性
(2)正确性
(3)近似度
$H^{\ast }$:精确解
$T$:最小生成树
$W$:T的"full work"
$H$:近似解
$$c(T)\le c(H^{\ast })$$
$$c(W)=2c(T)$$
以上两式推出
$$c(W)\le 2c(H^{\ast })$$
$$c(H)\le c(W)$$
可以推出
$$c(H)\le 2c(H^{\ast })$$

哈密顿环

NP-完全问题

近似难

近似难有解就证明了$P=NP$
如果$P!=NP$，则对于任意常数$\rho >1$，对于一般的旅行商问题，不存在近似比为$\rho$的多项式时间近似算法。
证明过程
(1)先建立全图
E ‘ = { ( u , v ) : u , v ∈ V a n d   u ≠ v } E^`=\{{(u,v):u,v \in {V} and \space u \ne{v}}\} E‘={(u,v):u,v∈Vand u=v}
(2)对所有的边加上权值，原来的边权值为1
$$c(u,v)=\{\begin{array}{l}n,if(u,v)\in E\\ \rho |V|+1,otherwise\end{array}$$
(3)如果原图中有哈密顿环，把H环作为正确解$|V|$，否则$>\rho |V|$。

例3. 子集和问题

目标

在$S$中寻找合适的子集，子集中元素的和为$t$。

算法