0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

NP完全性理论与近似算法

算法与数据结构 来源:未知 作者:胡薇 2018-06-22 16:12 次阅读

一、图灵机

根据有限状态控制器的当前状态及每个读写头读到的带符号,图灵机的一个计算步可实现下面3个操作之一或全部。

改变有限状态控制器中的状态。

清除当前读写头下的方格中原有带符号并写上新的带符号。

独立地将任何一个或所有读写头,向左移动一个方格(L)或向右移动一个方格(R)或停在当前单元不动(S)。

k带图灵机可形式化地描述为一个7元组(Q,T,I,δ,b,q0,qf),其中:

Q是有限个状态的集合。

T是有限个带符号的集合。

I是输入符号的集合

b是唯一的空白符,b∈T-I。

q0是初始状态。

qf是终止(或接受)状态。

δ是移动函数。

它是从Q×Tk的某一子集映射到Q×(T×{L,R,S})k的函数。

图灵机M的时间复杂性T(n)是它处理所有长度为n的输入所需的最大计算步数。如果对某个长度为n的输入,图灵机不停机,T(n)对这个n值无定义。

图灵机的空间复杂性S(n)是它处理所有长度为n的输入时,在k条带上所使用过的方格数的总和。如果某个读写头无限地向右移动而不停机,S(n)也无定义。

确定型图灵机

有限状态集Q,状态q0:初始状态;qy:接受状态;状态qn:不接受状态。

字符集合{0, 1, b} ;其中b是空格符。

转换功能:

输入x = 101000b

执行顺序:

q0输入1 (q0,r)右移磁头到0

q0输入0 (q0,r)右移磁头到1

q0输入0 (q0,r)右移磁头到0

...

q0输入b (q1,l)左移磁头到0

q1输入0 (q2,b)

q2输入b (q2,l)左移磁头到0

q2输入0 (q3,b)

q3输入b (qy,l)退出

二、P类与NP类问题

一般地说,将可由多项式时间算法求解的问题看作是易处理的问题,而将需要超多项式时间才能求解的问题看作是难处理的问题。

有许多问题,从表面上看似乎并不比排序或图的搜索等问题更困难,然而至今人们还没有找到解决这些问题的多项式时间算法,也没有人能够证明这些问题需要超多项式时间下界。

在图灵机计算模型下,这类问题的计算复杂性至今未知。

为了研究这类问题的计算复杂性,人们提出了另一个能力更强的计算模型,即非确定性图灵机计算模型,简记为NDTM(Nondeterministic Turing Machine)。

在非确定性图灵机计算模型下,许多问题可以在多项式时间内求解。

非确定性图灵机

在图灵机计算模型中,移动函数δ是单值的,即对于Q´Tk中的每一个值,当它属于δ的定义域时,Q´(T´{L,R,S})k中只有唯一的值与之对应,称这种图灵机为确定性图灵机,简记为DTM(Deterministic Turing Machine)。

非确定性图灵机(NDTM):一个k带的非确定性图灵机M是一个7元组:(Q,T,I,δ,b,q0,qf)。与确定性图灵机不同的是非确定性图灵机允许移动函数δ具有不确定性,即对于Q×Tk中的每一个值(q;x1,x2,…,xk),当它属于δ的定义域时,Q×(T×{L,R,S})k中有唯一的一个子集δ(q;x1,x2,…,xk)与之对应。可以在δ(q;x1,x2,…,xk)中随意选定一个值作为它的函数值。

P类与NP类语言定义

P={L|L是一个能在多项式时间内被一台DTM所接受的语言}

NP={L|L是一个能在多项式时间内被一台NDTM所接受的语言}

由于一台确定性图灵机可看作是非确定性图灵机的特例,所以可在多项式时间内被确定性图灵机接受的语言也可在多项式时间内被非确定性图灵机接受。故P Í NP。

NP类语言举例——无向图的团问题

该问题的输入是一个有n个顶点的无向图G=(V,E)和一个整数k。要求判定图G是否包含一个k顶点的完全子图(团),即判定是否存在V’V,|V’|=k,且对于所有的u,v∈V’,有(u,v)∈E。

若用邻接矩阵表示图G,用二进制串表示整数k,则团问题的一个实例可以用长度为的二进位串表示。因此,团问题可表示为语言:

CLIQUE={w#v|w,v∈{0,1}*,以w为邻接矩阵的图G有一个k顶点的团,其中v是k的二进制表示。}

接受该语言CLIQUE的非确定性算法:用非确定性选择指令选出包含k个顶点的候选顶点子集V,然后确定性地检查该子集是否是团问题的一个解。算法分为3个阶段

算法的第一阶段将输入串w#v分解,并计算出n = ,以及用v表示的整数k。若输入不具有形式w#v或|w|不是一个平方数就拒绝该输入。显而易见,第一阶段可在时间内完成。

在算法的第二阶段中,非确定性地选择V的一个k元子集V’V。

算法的第三阶段是确定性地检查V’的团性质。若V’是一个团则接受输入,否则拒绝输入。这显然可以在时间内完成。因此,整个算法的时间复杂性为 。

非确定性算法在多项式时间内接受语言CLIQUE,故CLIQUE∈NP.

NP完全问题

PNP。

直观上看,P类问题是确定性计算模型下的易解问题类,而NP类问题是非确定性计算模型下的易验证问题类。

大多数的计算机科学家认为NP类中包含了不属于P类的语言,即P≠NP。

NP完全问题有一种令人惊奇的性质,即如果一个NP完全问题能在多项式时间内得到解决,那么NP中的每一个问题都可以在多项式时间内求解,即P = NP。

目前还没有一个NP完全问题有多项式时间算法。

三、NP完全问题的近似算法

迄今为止,所有的NP完全问题都还没有多项式时间算法。

对于这类问题,通常可采取以下几种解题策略。

只对问题的特殊实例求解

用动态规划法或分支限界法求解

用概率算法求解

只求近似解

用启发式方法求解

近似算法的性能

若一个最优化问题的最优值为c*,求解该问题的一个近似算法求得的近似最优解相应的目标函数值为c,则将该近似算法的性能比定义为

在通常情况下,该性能比是问题输入规模n的一个函数ρ(n),即

该近似算法的相对误差定义为:。若对问题的输入规模n,有一函数ε(n)使得则称ε(n)为该近似算法的相对误差界。近似算法的性能比ρ(n)与相对误差界ε(n)之间显然有如下关系:

旅行售货员问题近似算法

问题描述:给定一个完全无向图G=(V,E),其每一边(u,v)∈E有一非负整数费用c(u,v)。要找出G的最小费用哈密顿回路。

旅行售货员问题的一些特殊性质:

比如,费用函数c往往具有三角不等式性质,即对任意的3个顶点u,v,w∈V,有:c(u,w)≤c(u,v)+c(v,w)。当图G中的顶点就是平面上的点,任意2顶点间的费用就是这2点间的欧氏距离时,费用函数c就具有三角不等式性质。

1 满足三角不等式的旅行售货员问题

对于给定的无向图G,可以利用找图G的最小生成树的算法设计找近似最优的旅行售货员回路的算法。

void approxTSP (Graph g)

{

选择g的任一顶点r;

用Prim算法找出带权图g的一棵以r为根的最小生成树T;

前序遍历树T得到的顶点表L;

将r加到表L的末尾,按表L中顶点次序组成回路H,作为计 算结果返回;

}

当费用函数满足三角不等式时,算法找出的旅行售货员回路的费用不会超过最优旅行售货员回路费用的2倍。

实现

/* 主题:近似算法——旅行售货员问题

* 作者:chinazhangjie

* 邮箱:chinajiezhang@gmail.com

* 开发语言:C++

* 开发环境:Virsual Studio2005

* 时间: 2010.12.06

*/

#include

#include

#include

using namespace std;

structTreeNode

{

public:

TreeNode(intnVertexIndexA = 0,intnVertexIndexB = 0,intnWeight = 0)

: m_nVertexIndexA(nVertexIndexA),

m_nVertexIndexB(nVertexIndexB),

m_nWeight(nWeight)

{}

public:

intm_nVertexIndexA;

intm_nVertexIndexB;

intm_nWeight;

};

classMST_Prim

{

public:

MST_Prim()

{}

MST_Prim(const vector >& vnGraph)

{

m_nvGraph = vnGraph;

m_nNodeCount = (int)m_nvGraph.size();

}

void SetData(const vector >& vnGraph)

{

m_nvGraph = vnGraph;

m_nNodeCount = (int)m_nvGraph.size();

}

//

const vector& GetMSTree()const

{

returnm_tnMSTree;

}

//

const vector >& GetGraph()const

{

returnm_nvGraph;

}

void DoPrim()

{

// 是否被访问标志

vector bFlag(m_nNodeCount,false);

bFlag[0] = true;

intnMaxIndexA;

intnMaxIndexB;

intj = 0;

while(j < m_nNodeCount - 1){

intnMaxWeight = numeric_limits::max();

// 找到当前最短路径

inti = 0;

while(i < m_nNodeCount){

if(!bFlag[i]){

++ i;

continue;

}

for(intj = 0;j < m_nNodeCount; ++ j){

if(!bFlag[j] && nMaxWeight > m_nvGraph[i][j]){

nMaxWeight = m_nvGraph[i][j];

nMaxIndexA = i;

nMaxIndexB = j;

}

}

++ i;

}

bFlag[nMaxIndexB] = true;

m_tnMSTree.push_back(TreeNode(nMaxIndexA,nMaxIndexB,nMaxWeight));

++ j;

}

// 输出结果

/*for(vector::const_iterator ite = m_tnMSTree.begin();

ite != m_tnMSTree.end();

++ ite){

cout << (*ite).m_nVertexIndexA << "->"

<< (*ite).m_nVertexIndexB << " : "

<< (*ite).m_nWeight << endl;

}*/

}

private:

vector > m_nvGraph;// 无向连通图

vectorm_tnMSTree;// 最小生成树

intm_nNodeCount;

};

classAA_TSP

{

public:

AA_TSP(const vector >& vnGraph)

{

m_mstPrim.SetData(vnGraph);

}

void Get_AA_Path()

{

m_mstPrim.DoPrim();

vectormstree = m_mstPrim.GetMSTree();

vector >graph = m_mstPrim.GetGraph();

intiweight = 0;

for(vector::const_iterator ite = mstree.begin();

ite != mstree.end();

++ ite){

cout << (*ite).m_nVertexIndexA << "->"

<< (*ite).m_nVertexIndexB << " : "

<< (*ite).m_nWeight << endl;

iweight += (*ite).m_nWeight;

}

cout << mstree[mstree.size()-1].m_nVertexIndexB << "->"

<< mstree[0].m_nVertexIndexA << " : "

<< graph[mstree[0].m_nVertexIndexA][mstree[mstree.size()-1].m_nVertexIndexB]

<< endl;

iweight += graph[mstree[0].m_nVertexIndexA][mstree[mstree.size()-1].m_nVertexIndexB];

cout << "Total weight: " << iweight  << endl;

}

private:

MST_Primm_mstPrim;

};

intmain()

{

const intcnNodeCount = 5;

vector > graph(cnNodeCount);

for(size_ti = 0;i < graph.size(); ++ i){

graph[i].resize(cnNodeCount,numeric_limits::max());

}

graph[0][1] = 5;

graph[0][2] = 1;

graph[0][3] = 2;

graph[0][4] = 3;

graph[1][0] = 5;

graph[1][2] = 4;

graph[1][3] = 2;

graph[1][4] = 2;

graph[2][1] = 4;

graph[2][0] = 1;

graph[2][3] = 5;

graph[2][4] = 3;

graph[3][1] = 2;

graph[3][2] = 5;

graph[3][0] = 2;

graph[3][4] = 2;

graph[4][1] = 2;

graph[4][2] = 3;

graph[4][3] = 2;

graph[4][0] = 3;

AA_TSP aa(graph);

aa.Get_AA_Path();

return0;

}

2 一般的旅行售货员问题

在费用函数不一定满足三角不等式的一般情况下,不存在具有常数性能比的解TSP问题的多项式时间近似算法,除非P=NP。换句话说,若P≠NP,则对任意常数ρ>1,不存在性能比为ρ的解旅行售货员问题的多项式时间近似算法。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 图灵机
    +关注

    关注

    1

    文章

    8

    浏览量

    2226

原文标题:NP 完全性理论与近似算法

文章出处:【微信号:TheAlgorithm,微信公众号:算法与数据结构】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    李雅普诺夫稳定性理论

    李雅普诺夫稳定性理论1892年,俄国Lyapunov在《运动稳定性的 一般问题》中提出了稳定性理论主要内容:李氏第一法(间接法):求解特征方程   特征值李氏第二法(直接法):利用经验和技巧来构造L函数
    发表于 05-26 11:50

    清华大学的线性理论

    清华大学的线性理论
    发表于 05-14 12:44

    ComputeColStats UDF中 近似算法的介绍

    的平衡。接下来的内容是关于目前在ComputeColStats中用的一些近似算法。二,收集的内容目前针对列主要会收集以下统计信息:cntRows : 列中总数据个数,包括nulll值avgColLen
    发表于 04-26 15:42

    开槽波导3次谐波回旋行波放大管非线性理论与数值模拟

    开槽波导3次谐波回旋行波放大管非线性理论与数值模拟 本文讨论了开槽圆柱波导的高频场分布,给出了注波互作用自洽非线性理论.在电子作大回旋
    发表于 10-21 22:13 1003次阅读
    开槽波导3次谐波回旋行波放大管非线<b class='flag-5'>性理论</b>与数值模拟

    电源完整性理论基础

    电源完整性理论基础,很全面的经验总结哟,电源完整性
    发表于 12-22 14:49 15次下载

    基于改进的多元自适应样条回归的全局近似算法_罗小玲

    基于改进的多元自适应样条回归的全局近似算法_罗小玲
    发表于 03-16 14:50 1次下载

    简称 PI(power integrity)电源完整性理论基础

    简称 PI(power integrity)电源完整性理论基础
    发表于 09-15 17:23 12次下载
    简称 PI(power integrity)电源完整<b class='flag-5'>性理论</b>基础

    改进凸包插值算法结合大概率优化的演化算法

    近似算法在解决超大规模旅行商问题时无法获得高精度优化解(或者次优解),智能算法虽然可以获得精度高于近似算法的解,很难在合理时间内获得。采用改良的凸包近似算法构成初始解并结合大概率优化策
    发表于 11-22 11:48 4次下载

    团图点删除问题的近似算法

    针对团图点删除问题的3一近似算法得到的近似解可能较大的问题,通过对团图点删除问题及团图特性的分析,提出了该问题的一个新的近似算法。新算法通过考察图中节点的一阶和二阶邻点来计算节点关联的
    发表于 01-04 14:58 0次下载

    如何使用Visual C++实现装箱问题的BF算法

    c 的箱子里。采用不同装箱方法所需的箱子数可能不同[1] 。要解决的问题是如何使用最少的箱子数将这 m 种货品装进去。装箱问题是 NP 问题,这是不容易得到一个最佳的解决方案,为了比较快速得到满意解,近似算法经常被使用。常见的算法
    发表于 05-13 08:00 1次下载
    如何使用Visual C++实现装箱问题的BF<b class='flag-5'>算法</b>

    基于量子软件的量子绝热近似算法求解

    经典近似算法求解最大割问题时,时间复杂度与图的复杂度呈正相关。为提高求解效率,使用量子绝热近似算法求解无向图最大割问题哈密顿量的基态,其基态对应该问题的最优解。该算法的时间复杂度不依赖于图的顶点
    发表于 05-12 14:28 8次下载

    电磁弹性理论及其应用—电磁弹性结构力学的理论模型等

    介绍了电磁弹性理论及其应用—电磁弹性结构力学的理论模型、研究方法、定量分析程序
    发表于 02-13 10:39 2次下载

    反馈放大器的稳定性理论及应用

    eetop.cn_反馈放大器的稳定性理论及应用
    发表于 06-13 14:44 9次下载

    弹塑性理论

    弹塑性理论,介绍物体在受力作用下的弹塑性变形
    发表于 06-26 09:36 0次下载

    近似算法及对某些标准问题的适用性

      背景数学表达式的评估常伴随常量、变量分析和方程的阶,可用于衡量近似的复杂度。此类评估将问题分解为 P 和 NP 难问题。P 问题和 NP 问题的策略P 问题是指可以在多项式时间内求解的问题。
    的头像 发表于 07-06 11:02 739次阅读