Algoritmos e complexidade Notas de aula - Arquivo Escolar
Algoritmos e complexidade Notas de aula - Arquivo Escolar Algoritmos e complexidade Notas de aula - Arquivo Escolar
9. Algoritmos em grafos Bi-partido O(n Cardinalidade Ponderado q mn log n ) [5] O(nm + n 2 log n) [44, 54] O(m √ n log(n2 /m) ) [24] log n Geral O(m √ n log(n2 /m) ) [31, 26] O(n log n 3 ) [21] O(mn + n 2 log n) [29] Tabela 9.2.: Resumo emparelhamentos 9.2.4. Exercícios Exercício 9.1 É possível somar uma constante c ∈ R para todos custos de uma instância do EPM ou EPPM, mantendo a otimalidade da solução? 228
10. Algoritmos de aproximação (As notas seguem Vazirani [67].) Um algoritmo de aproximação calcula uma solução aproximada para um problema de otimização. Diferente de uma heurística, o algoritmo garante a qualidade da aproximação no pior caso. Dado um problema e um algoritmo de aproximação A, escrevemos A(x) = y para a solução aproximada da instância x, ϕ(x, y) para o valor dessa solução, y ∗ para a solução ótimo e OPT(x) = ϕ(x, y ∗ ) para o valor da solução ótima. Lembramos que uma aproximação absoluta garante que D(x, y) = |OPT(x) − ϕ(x, y)| ≤ D para uma constante D e todo x, enquanto uma aproximação relativa garante que o erro relativo E(x, y) = D(x, y)/ max{OPT(x), ϕ(x, y)} ≤ E para uma constante E e todos x. Definição 10.1 Uma redução preservando a aproximação entre dois problemas de minimização Π1 e Π2 consiste em um par de funções f e g (computáveis em tempo polinomial) tal que para instância x1 de Π1, x2 := f(x1) é instância de Π2 com OPTΠ2 (x2) ≤ OPTΠ1 (x1) (10.1) e para uma solução y2 de Π2 temos uma solução y1 := g(x1, y2) de Π1 com ϕΠ1(x1, y1) ≤ ϕΠ2(x2, y2) (10.2) Uma redução preservando a aproximação fornece uma α-aproximação para Π1 dada uma α-aproximação para Π2, porque ϕΠ1 (x1, y1) ≤ ϕΠ2 (x2, y2) ≤ αOPTΠ2 (x2) ≤ αOPTΠ1 (x1). Observe que essa definição é somente para problemas de minimização. A definição no caso de maximização é semelhante. 10.1. Aproximação para o problema da árvore de Steiner mínima Seja G = (V, A) um grafo completo, não-direcionado com custos ca ≥ 0 nos arcos. O problema da árvore Steiner mínima (ASM) consiste em achar o 229
- Page 180 and 181: 8. Algoritmos de aproximação Clas
- Page 182 and 183: 8. Algoritmos de aproximação Exem
- Page 184 and 185: 8. Algoritmos de aproximação - Te
- Page 186 and 187: 8. Algoritmos de aproximação O qu
- Page 188 and 189: 8. Algoritmos de aproximação Como
- Page 190 and 191: 8. Algoritmos de aproximação decr
- Page 192 and 193: 8. Algoritmos de aproximação •
- Page 194 and 195: 8. Algoritmos de aproximação Apro
- Page 196 and 197: 8. Algoritmos de aproximação 12(l
- Page 199 and 200: 9. Algoritmos em grafos 197
- Page 201 and 202: 9.1. Fluxos em redes A circulação
- Page 203 and 204: + + − + Figura 9.3.: Manter a con
- Page 205 and 206: Prova. Seja f um fluxo s-t. Temos 9
- Page 207 and 208: 9.1. Fluxos em redes aumentou nessa
- Page 209 and 210: 9.1. Fluxos em redes Figura 9.5.: R
- Page 211 and 212: V ′ = V ∪ {s ∗ , t ∗ } 9.1.
- Page 213 and 214: s 30 19 12 i 10 10 j 10 10 10 1010
- Page 215 and 216: Solução Um fluxo s-t f com valor
- Page 217 and 218: Objetivo Minimiza o valor c(M) de M
- Page 219 and 220: 9.2. Emparelhamentos Teorema 9.4 (B
- Page 221 and 222: 9.2. Emparelhamentos V1 e V2 com fl
- Page 223 and 224: 9.2. Emparelhamentos não sabemos c
- Page 225 and 226: 9.2. Emparelhamentos Sobre a implem
- Page 227 and 228: 9.2. Emparelhamentos reduzir o prob
- Page 229: v10 v9 v1 v8 v2 v3 v7 v6 v4 v5 v10
- Page 233 and 234: 2 2 10.2. Aproximações para o PCV
- Page 235 and 236: 10.3. Algoritmos de aproximação p
- Page 237 and 238: 10.3. Algoritmos de aproximação p
- Page 239: Parte IV. Teoria de complexidade 23
- Page 242 and 243: 11. Do algoritmo ao problema Modelo
- Page 244 and 245: 11. Do algoritmo ao problema - entr
- Page 246 and 247: 11. Do algoritmo ao problema Lingua
- Page 248 and 249: 11. Do algoritmo ao problema Observ
- Page 250 and 251: 11. Do algoritmo ao problema Decibi
- Page 253 and 254: 12. Classes de complexidade 12.1. D
- Page 255 and 256: 12.2. Hierarquias básicas Prova. (
- Page 257 and 258: 12.2. Hierarquias básicas 1. Temos
- Page 259: 12.3. Exercícios 12.3. Exercícios
- Page 262 and 263: 13. Teoria de NP-completude • Int
- Page 264 and 265: 13. Teoria de NP-completude C-≤-d
- Page 266 and 267: 13. Teoria de NP-completude Ladrilh
- Page 268 and 269: 13. Teoria de NP-completude (q, a)
- Page 270 and 271: 13. Teoria de NP-completude Sejam c
- Page 272 and 273: 13. Teoria de NP-completude Decisã
- Page 275 and 276: 14. Fora do NP Classes fora do P-NP
- Page 277 and 278: A classe co-NP 14.1. De P até PSPA
- Page 279 and 280: 14.1. De P até PSPACE Para provar
10. <strong>Algoritmos</strong> <strong>de</strong> aproximação<br />
(As notas seguem Vazirani [67].)<br />
Um algoritmo <strong>de</strong> aproximação calcula uma solução aproximada para um problema<br />
<strong>de</strong> otimização. Diferente <strong>de</strong> uma heurística, o algoritmo garante a<br />
qualida<strong>de</strong> da aproximação no pior caso. Dado um problema e um algoritmo<br />
<strong>de</strong> aproximação A, escrevemos A(x) = y para a solução aproximada<br />
da instância x, ϕ(x, y) para o valor <strong>de</strong>ssa solução, y ∗ para a solução ótimo e<br />
OPT(x) = ϕ(x, y ∗ ) para o valor da solução ótima. Lembramos que uma aproximação<br />
absoluta garante que D(x, y) = |OPT(x) − ϕ(x, y)| ≤ D para uma<br />
constante D e todo x, enquanto uma aproximação relativa garante que o erro<br />
relativo E(x, y) = D(x, y)/ max{OPT(x), ϕ(x, y)} ≤ E para uma constante E<br />
e todos x.<br />
Definição 10.1<br />
Uma redução preservando a aproximação entre dois problemas <strong>de</strong> minimização<br />
Π1 e Π2 consiste em um par <strong>de</strong> funções f e g (computáveis em tempo polinomial)<br />
tal que para instância x1 <strong>de</strong> Π1, x2 := f(x1) é instância <strong>de</strong> Π2 com<br />
OPTΠ2 (x2) ≤ OPTΠ1 (x1) (10.1)<br />
e para uma solução y2 <strong>de</strong> Π2 temos uma solução y1 := g(x1, y2) <strong>de</strong> Π1 com<br />
ϕΠ1(x1, y1) ≤ ϕΠ2(x2, y2) (10.2)<br />
Uma redução preservando a aproximação fornece uma α-aproximação para Π1<br />
dada uma α-aproximação para Π2, porque<br />
ϕΠ1 (x1, y1) ≤ ϕΠ2 (x2, y2) ≤ αOPTΠ2 (x2) ≤ αOPTΠ1 (x1).<br />
Observe que essa <strong>de</strong>finição é somente para problemas <strong>de</strong> minimização. A<br />
<strong>de</strong>finição no caso <strong>de</strong> maximização é semelhante.<br />
10.1. Aproximação para o problema da árvore <strong>de</strong> Steiner<br />
mínima<br />
Seja G = (V, A) um grafo completo, não-direcionado com custos ca ≥ 0 nos<br />
arcos. O problema da árvore Steiner mínima (ASM) consiste em achar o<br />
229