Keserakahan, karena tidak ada kata yang lebih baik, adalah baik. Salah satu paradigma algoritmik pertama yang diajarkan dalam kursus pengantar algoritma adalah pendekatan serakah . Pendekatan serakah menghasilkan algoritma sederhana dan intuitif untuk banyak masalah dalam P. Lebih menarik lagi, untuk beberapa masalah NP-hard, algoritma lokal / lokal yang tamak dan alami menghasilkan (terbukti) faktor perkiraan optimal (di bawah asumsi teoretis kompleksitas yang sesuai). Contoh klasik adalah Set Cover Problem . Algoritma serakah alami memberikan faktor pendekatan O (ln n), yang optimal kecuali P = NP.
Sebutkan beberapa algoritma lokal serakah / lokal untuk masalah NP-hard yang terbukti optimal berdasarkan asumsi teoretis kompleksitas yang sesuai.
sumber
Jawaban:
Metode ekspektasi bersyarat (untuk derandomisasi algoritma "penugasan acak" untuk Max-Cut dan Max-SAT) dapat dilihat sebagai strategi serakah: untuk , Anda memilih nilai dari variabel x i seperti bahwa jumlah kendala yang diharapkan terpenuhi pada instance tereduksi yang dihasilkan melebihi jumlah kendala yang diharapkan dalam instance saat ini. (Bahkan, algoritma serakah untuk 1 / 2 -approximating Max-Cut adalah sama sebagai "metode harapan bersyarat" algoritma untuk 1 / 2 -approximating Max-Cut.)i=1,…,n xi 1/2 1/2
Karena metode ini juga bekerja untuk Max-E3-SAT dan mencapai -approximation, ini adalah contoh dari algoritma serakah yang merupakan pendekatan yang optimal kecuali P7/8 (cf. Hastad dan Moshkovitz-Raz hasil inapproximability untuk Max -E3-SAT).P=NP
sumber
Vertex Cover: Algoritma pendekatan faktor konstan terbaik melibatkan (dengan rakus) menemukan pencocokan maksimal dan memilih semua simpul yang terlibat sebagai solusi perkiraan. Ini menghasilkan solusi 2-perkiraan, dan tidak ada perkiraan faktor-konstan yang lebih baik adalah mungkin kecuali Dugaan Permainan Unik salah.
Subhash Khot dan Oded Regev, penutup Vertex mungkin sulit diperkirakan dalam 2 − ε , JCSS 74 (3), 2008.
Di luar topik: Saya pikir ini adalah algoritma perkiraan yang sangat lucu, terutama karena itu sangat sepele dengan manfaat dari belakang.
sumber
Algoritma 2-aproksimasi trivial: Pilih urutan simpul yang sewenang-wenang dan ambil tepi maju atau mundur.
Mengalahkan 2-aproksimasi dikenal sebagai Unique-game hard (meskipun mungkin tidak NP-hard).
sumber
Maksimalisasi submodular sehubungan dengan batasan kardinalitas memiliki perkiraan serakah 1-1 / e. Algoritma adalah karena Nemhauser, Wolsey, Fisher. Kekerasan NP mengikuti dari np-hardness set cover karena max-coverage adalah kasus khusus dari maksimisasi submodular.
sumber
Greedy memberikan (1-1 / e) perkiraan untuk Max-k-cover, dan ini tidak dapat diperbaiki kecuali P = NP.
sumber
Menemukan gelar minimum MST. Sangat sulit karena menemukan jalur hamilton adalah kasus khusus. Algoritme pencarian lokal memberikan dalam konstanta aditif 1.
Referensi
Mendekati pohon Steiner derajat minimum ke dalam salah satu yang optimal
sumber
Ituk Masalah -center adalah masalah pengelompokan, di mana kita diberi grafik lengkap tidak terarah G = ( V, E) dengan jarak dsaya j≥ 0 antara masing-masing pasangan simpul i , j ∈ V . Jarak mematuhi ketimpangan segitiga dan kesamaan model. Kami juga diberi bilangan bulatk .
Dalam masalah, kita harus menemukannyak kelompok yang mengelompokkan simpul yang paling mirip menjadi kelompok bersama. Kami memilih satu setS⊆ V, | S| =k dari k pusat cluster. Setiap dhuwur akan menugaskan dirinya ke pusat gugus terdekat yang mengelompokkan simpul ke dalamnyak cluster yang berbeda. Tujuannya adalah untuk meminimalkan jarak maksimum suatu titik ke pusat kelompoknya. Jadi secara geometris, kami ingin menemukan pusatk bola yang berbeda dari jari-jari yang sama r yang mencakup semua poin sehingga r sekecil mungkin.
Algoritma optimal adalah serakah, dan juga sangat sederhana dan intuitif. Kami pertama-tama memilih titiki ∈ V sewenang-wenang dan menaruhnya di set kami S pusat cluster. Kami kemudian memilih pusat klaster berikutnya sedemikian sehingga sejauh mungkin dari semua pusat klaster lainnya. Jadi sementara| S| <k , kami berulang kali menemukan simpul j ∈ V untuk mana jaraknya d( j , S) dimaksimalkan dan menambahkannya ke S . Sekali| S| =k kita sudah selesai.
Algoritma yang dijelaskan adalah a2 Algoritma-estimasi untuk k Masalah -center. Padahal, jika ada aρ Algoritma-approximation untuk masalah dengan ρ < 2 kemudian P= NP . Ini dapat ditunjukkan dengan mudah dengan pengurangan dari masalah himpunan mendominasi NP-lengkap dengan menunjukkan kita dapat menemukan kumpulan ukuran yang mendominasi paling banyakk iff sebuah instance dari k masalah -center di mana semua jarak adalah 1 atau 2 memiliki nilai optimal 1. Algoritma dan analisis diberikan oleh Gonzales, Clustering untuk meminimalkan jarak interluster maksimum, 1985 . Varian lain dari a2 -approximation diberikan oleh Hochbaum dan Shmoys, heuristik terbaik untuk masalah k-center, 1985 .
sumber
Prosedur penjadwalan daftar Graham adalah optimal untuk penjadwalan dibatasi prioritas pada mesin identikP| prec | Cm a x kecuali varian baru dari dugaan game unik oleh Bansal dan Khot salah.
Kekerasan Bersyarat dari Prasyarat Terkendala Penjadwalan pada Mesin Identik oleh Ola Svensson
sumber
Mungkin ini juga menarik bagi Anda (diadaptasi dari Metode untuk menerjemahkan kendala global ke kendala lokal )
Karena metode rakus (metode lokal yang lebih tepat ) hanya menggunakan informasi lokal untuk mencapai optimisasi global, jika ditemukan cara yang dapat mengubah kondisi global menjadi conditons yang dapat digunakan hanya dengan menggunakan informasi lokal, ini memberikan solusi optimal (global) untuk masalah. hanya menggunakan teknik lokal / serakah.
Referensi:
Ada beberapa referensi yang menangani masalah menerjemahkan fungsi evaluasi global (atau kendala) ke yang lokal (menggunakan informasi lokal) dan konsistensi mereka (yaitu konvergensi ke optimum global yang sama):
Abstrak (dari 1. di atas)
Secara khusus makalah ini membahas metode untuk menentukan apakah fungsi lokal (LEF) konsisten dengan fungsi global (GEF) dan metode untuk membangun LEF yang konsisten dari GEF yang diberikan ( teorema Konsistensi ).
Kutipan dari bagian Kesimpulan (dari 1. di atas)
sumber