算法分析解析与设计-2016第13讲.ppt

算法分析解析与设计-2016第13讲.ppt

ID:51513866

大小:1.36 MB

页数:28页

时间:2020-03-25

算法分析解析与设计-2016第13讲.ppt_第1页
算法分析解析与设计-2016第13讲.ppt_第2页
算法分析解析与设计-2016第13讲.ppt_第3页
算法分析解析与设计-2016第13讲.ppt_第4页
算法分析解析与设计-2016第13讲.ppt_第5页
资源描述:

《算法分析解析与设计-2016第13讲.ppt》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、算法分析与设计第13讲-2016山东大学计算机学院解决问题是最重要的,也是研究的源动力。从设计算法开始。。再从高出看近似算法。近似性能比r定义了绝对近似性能比渐进近似性能比也具有同样的含义。当OPT(I)>N时,满足RA(I)r,r的下确界。回到另一面去看看:近似性能比能越来越小吗?人们要考虑这样的问题。(1)是否能多花时间,提高解的质量。使绝对近似性能比越来越小?(2)是否存在一个关于解质量的界,这个界难以逾越?就像TSP问题的近似算法,能设计近似性能比更小的多项式算法吗?让计算机多运行一些时间,得到更好的解,可以吗?要在多项式时间内。要说

2、明,这个算法存在,就能拿这个算法解答Hamilton回路问题。说明:TSP问题不是在metric空间,不一定满足三角不等式。渐进近似性能比由Hamilton回路问题到是否存在TSP问题近似解的图灵归约Hamilton回路问题实例TSP问题实例Hamilton回路问题实例TSP问题实例上面的图存在Hamilton回路,下面的不存在Hamilton回路。解释怎么归约!1111111K

3、V

4、K

5、V

6、K

7、V

8、(3)分析GH存在Hamilton回路OPT(GTSP)=

9、V

10、A(GTSP)K*OPT(GTSP)=K

11、V

12、GH不存在Hamilton回路

13、OPT(GTSP)>K

14、V

15、A(GTSP)OPT(GTSP)>K

16、V

17、所以Hamilton回路问题存在多项式时间算法。说明:(1)找错一条边,就会出大问题,近似度超过任意常数,边太长了。(2)这不是metric空间的TSP问题,是任意空间的TSP问题,不存在任意常数近似度的近似算法。K

18、V

19、K

20、V

21、K

22、V

23、G=G1*G2的做法(G)=(G1)*(G2),如果G2是完全图,当然对。G1:G2:2种颜色拿这个算法去解答一个知道不行的问题。实例:无向简单图G询问:是否存在一种着色方案,使其颜色数不超过最小着色数的4/3倍。三着色问题实例图灵归

24、约NP-Hard存在算法A1.近似度想多么小,就多么小;2.常数近似;3.Logn近似;4.n近似。多项式时间近似方案TSP,排工§7.3多项式时间近似方案独立任务排工的进一步讨论,n个任务,m台机器,每个任务加工时间长度ti。新算法,想办法多费点功夫,前K个任务求最优排工。也与问题有关。(1)任务排序:T={T1,T2,…,Tn},t1t2…tn(2)确定正整数K,对前K个任务,求最优排工,O(mK)时间,后面n-k个任务,按照先大后小顺序排工。上述算法叫F。举个例子:T={T1,T2,T3,T4,T5,T6}加工时间:8,6,5,4

25、,4,1T1,T2,T3,T4先求最优排工。后两任务再排,得15。最优为14。这个不是最优的。特别好,看不出来tj(2)在[0,F(I)-tK+1]区间所有处理器非空闲。t1t2…tKtK+1…tn由(1)决定,最后完成任务为Tj,则jK+1,所以[0,F(I)-tj]区间所有机器非空闲,又tK+1tj,所以在[0,F(I)-tK+1]区间所有处理器非空闲。最后一个完成的任务Tj,tjtK+1。(3)=mF(I)-(m-1)tK+1t1…tKtK+1…tn无论哪种排工,鸽笼原理。(5)分析算法时间复杂度TA(m,n)

26、=O(mk+nlogn),K=m,近似性能比小于1+1/2,K=2m;近似性能比小于1+1/3;说明:K越大时间复杂度越高,解的优化程度越高。定义7.2:若问题的近似算法A()满足:对任意实例I,任意>0(1)RA()[I]<1+(2)A()的时间复杂度是实例I长度的多项式函数,则,A()称为求解问题的多项式时间近似方案。另外给问题增加一个输入数据,是个常数。Polynomialtimeapproximationscheme近似性能比1+,时间复杂度O(n3),这个不行Polynomialtimeapproximations

27、cheme设元素:a1,a2,…,an(p1,w1),(p2,w2),…,(pn,wn)加上数值M,就是背包问题实例。这样装法显然不一定多么好,若任意一种K个元素的组合都先放入背包尝试,选择其中最好的,则最后结果一定比直接装入好。全部尝试完后选择最好的,作为最后结果。(1)K=0时,直接从头开始装入:x1,x2,x3,x4,x5,x6,x7,x8=11111000,前5个装入背包Pmax=11+21+31+33+43=139W=1+11+21+23+33=89(2)K=1,时,先装入1个,再装入其他,得到1,2,3,4,7最好x1,x2,x3,

28、x4,x5,x6,x7,x8=1,1,1,1,0,0,1,0Pmax=11+21+31+33+45=151W=1+11+21+23+45=101(3)

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。