Độ cứng của xấp xỉ - lỗi phụ gia


24

Có một tài liệu phong phú và ít nhất một cuốn sách rất hay đưa ra độ cứng đã biết của các kết quả gần đúng đối với các vấn đề NP-hard trong bối cảnh lỗi nhân (ví dụ: xấp xỉ 2 cho bìa đỉnh là giả định tối ưu UGC). Điều này cũng bao gồm các lớp phức tạp xấp xỉ được hiểu rõ như APX, PTAS, v.v.

Điều gì được biết khi lỗi phụ gia được xem xét? Một tìm kiếm tài liệu cho thấy một vài kết quả loại giới hạn trên, đáng chú ý nhất là đóng gói bin (xem ví dụ http://www.cs.princeton.edu/cifts/archive/spr03/cs594/dpw/lecture2.ps ), nhưng có một phân loại lớp phức tạp toàn diện hơn hoặc có một lý do tại sao nó không thú vị hoặc có liên quan?

Như một nhận xét thêm, ví dụ, đối với việc đóng gói bin, theo như tôi biết không có lý do lý thuyết nào tại sao thuật toán đa thời gian luôn nằm trong khoảng cách phụ gia từ tối ưu 1 không thể tìm thấy (mặc dù tôi có thể sửa được ). Một thuật toán như vậy sẽ thu gọn bất kỳ lớp phức tạp nào hoặc có bất kỳ hiệu ứng gõ cửa lý thuyết quan trọng nào khác không?

EDIT: Cụm từ chính tôi không sử dụng là "lớp gần đúng tiệm cận" (cảm ơn Oleksandr). Có vẻ như có một số công việc trong lĩnh vực này nhưng nó chưa đến giai đoạn trưởng thành giống như lý thuyết về các lớp gần đúng cổ điển.


Tiêu đề của cuốn sách bạn đề cập là gì?
Karolina Sołtys

2
Tôi không chắc đó là đúng. Xem trang 2 của các ghi chú được liên kết trong câu hỏi, cụ thể là các định lý 3 và 4 và bài toán mở được nêu ngay dưới định lý 4. Cuốn sách cụ thể mà tôi đang đề cập là Thuật toán xấp xỉ của Vijay Vazirani, rất hay.
Raphael

Frieze và Kannan ( research.microsoft.com/en-us/um/people/kannan/Papers/... ) đã đưa ra một thuật toán liên tục thời gian ngẫu nhiên với epsilon lỗi phụ n ^ k cho bất kỳ vấn đề hạn chế sự hài lòng tối đa với các ràng buộc arity k.
Warren Schudy

Tôi nghĩ rằng việc đóng gói bin có thể xấp xỉ trong OPT + 1 là hoàn toàn phù hợp với kiến ​​thức hiện tại. Trong thực tế, LP cấu hình được phỏng đoán có khoảng cách tích phân cộng gộp 1 (tôi thấy phỏng đoán này hơi hoang dã, nhưng không có phản ứng nào được biết đến).
Sasho Nikolov

Câu trả lời:


23

Câu hỏi có phần mở, vì vậy tôi không nghĩ rằng nó có thể được trả lời hoàn toàn. Đây là một câu trả lời một phần.

Một quan sát dễ dàng là nhiều vấn đề không thú vị khi chúng ta xem xét xấp xỉ phụ gia. Ví dụ, theo truyền thống, hàm mục tiêu của bài toán Max-3SAT là số mệnh đề thỏa mãn. Trong công thức này, xấp xỉ Max-3SAT trong lỗi phụ gia O (1) tương đương với việc giải chính xác Max-3SAT, đơn giản vì hàm mục tiêu có thể được thu nhỏ bằng cách sao chép công thức nhập nhiều lần. Xấp xỉ nhân là rất cần thiết cho các vấn đề của loại này.

[Chỉnh sửa: Trong lần sửa đổi trước, tôi đã sử dụng Bộ độc lập làm ví dụ trong đoạn trước, nhưng tôi đã đổi nó thành Max-3SAT vì Bộ độc lập không phải là một ví dụ hay để minh họa sự khác biệt giữa xấp xỉ nhân và xấp xỉ cộng; xấp xỉ Tập độc lập ngay cả trong hệ số nhân O (1) cũng là NP-hard. Trên thực tế, khả năng không thể đạt được mạnh mẽ hơn cho Bộ độc lập được hiển thị bởi Håstad [Has99].]

Nhưng, như bạn đã nói, xấp xỉ phụ gia rất thú vị cho các vấn đề như đóng gói bin, nơi chúng ta không thể mở rộng hàm mục tiêu. Hơn nữa, chúng ta thường có thể cải tổ một vấn đề để phép gần đúng phụ gia trở nên thú vị.

Ví dụ: nếu hàm mục tiêu của Max-3SAT được xác định lại là tỷ lệ của số mệnh đề thỏa mãn trên tổng số mệnh đề (đôi khi được thực hiện), phép tính gần đúng phụ gia trở nên thú vị. Trong bối cảnh này, xấp xỉ phụ gia không khó khăn hơn là so với xấp xỉ nhân giống theo nghĩa là approximability trong một yếu tố chất nhân 1- ε (0 < ε <1) ngụ ý approximability trong vòng một lỗi phụ ε , vì giá trị tối ưu luôn là nhiều nhất là 1.

Một sự thật thú vị (dường như rất tiếc thường bị bỏ qua) là nhiều kết quả không thể gần đúng chứng minh tính đầy đủ của NP trong một số vấn đề về khoảng cách nhất địnhkhông tuân theo độ cứng NP đơn thuần của phép tính gần đúng nhân (xem thêm Petrank [Pet94] và Goldreich [Gol05, Phần 3]). Tiếp tục ví dụ về Max-3SAT, một kết quả nổi tiếng của Håstad [Has01] là NP-hard để ước tính Max-3SAT trong một hệ số nhân không đổi tốt hơn 7/8. Chỉ riêng kết quả này dường như không ngụ ý rằng NP-hard gần đúng phiên bản tỷ lệ của Max-3SAT trong một lỗi phụ gia không đổi vượt quá một số ngưỡng. Tuy nhiên, những gì Håstad [Has01] chứng minh là mạnh hơn khả năng không thể nhân đôi đơn thuần: ông chứng minh rằng vấn đề hứa hẹn sau đây là NP hoàn thành cho mọi hằng số 7/8 < s <1:

Trường hợp của Gap-3SAT : Công thức CNF φ trong đó mỗi mệnh đề liên quan đến chính xác ba biến khác nhau. Có - lời hứa : là thỏa đáng. Không hứa hẹn : Không có sự phân công sự thật thỏa mãn hơn một phần các mệnh đề của φ.


Từ đó, chúng ta có thể kết luận rằng NP-hard gần đúng phiên bản tỷ lệ của Max-3SAT trong một lỗi phụ gia tốt hơn 1/8. Mặt khác, phép gán ngẫu nhiên đơn giản, thông thường cho phép tính gần đúng trong một lỗi cộng gộp 1/8. Do đó, kết quả của Håstad [Has01] không chỉ mang lại khả năng gần đúng nhân tối ưu cho vấn đề này mà còn là tính không tương thích phụ gia tối ưu. Tôi đoán rằng có nhiều kết quả không tương thích phụ gia như thế này không xuất hiện rõ ràng trong tài liệu.

Tài liệu tham khảo

[Gol05] Goldreich. Về các vấn đề hứa hẹn (một cuộc khảo sát trong bộ nhớ của Shimon Thậm chí [1935-2004]). Colloquium điện tử về độ phức tạp tính toán , Báo cáo TR05-018, tháng 2 năm 2005. http://eccc.hpi-web.de/report/2005/018/

[Has99] Johan Håstad. Bè lũ rất khó để ước tính trong vòng n 1- ε . Acta Mathematica , 182 (1): 105 trừ142, tháng 3 năm 1999. http://www.springerlink.com/content/m68h3576646ll648/

[Has01] Johan Håstad. Một số kết quả không thể tối ưu hóa tối ưu. Tạp chí ACM , 48 (4): 798 Từ859, tháng 7 năm 2001. http://doi.acm.org/10.1145/502090.502098

[Pet94] Erez Petrank. Độ cứng của xấp xỉ: Vị trí khoảng cách. Độ phức tạp tính toán , 4 (2): 133 Từ 157, tháng 4 năm 1994. http://dx.doi.org/10.1007/BF01202286


3
Một ví dụ khác, tôi nghĩ sẽ khá tự nhiên khi xây dựng bài toán cắt tối đa để chúng ta tối đa hóa tỷ lệ các cạnh trong phần cắt. Một lần nữa, chúng tôi có cả kết quả tích cực và tiêu cực cho xấp xỉ phụ gia.
Jukka Suomela

1
@Jukka, bạn có thể vui lòng cung cấp tài liệu tham khảo cho công thức Max-cut này không?
Mohammad Al-Turkistany

1
Cảm ơn rất nhiều. Có vẻ như đây là một khu vực cần ít nhất một cuộc khảo sát. Sở thú phức tạp thậm chí không đề cập đến các lớp xấp xỉ lỗi phụ gia theo như tôi có thể thấy (mặc dù nó quá lớn nên tôi có thể đã bỏ lỡ điều gì đó).
Raphael

@Raphael: Tôi sẽ tìm thấy một khảo sát (hoặc một con trỏ đến một) khá hữu ích. Theo như tôi có thể nói, các lớp thuật toán gần đúng đã được khảo sát lần cuối cách đây khoảng mười năm và tôi thấy bài thuyết trình không rõ ràng.
András Salamon

6

Đây là một câu trả lời một phần

A B SABS là lớp các vấn đề tối ưu hóa NP có thể giải quyết được trong thời gian đa thức trong một lỗi phụ gia tuyệt đối từ giải pháp tối ưu. Hai vấn đề sau đây là trong .ABS

-Một vấn đề nổi tiếng có xấp xỉ lỗi phụ gia: 3 màu của đồ thị phẳng là -complete trong khi mọi đồ thị phẳng có 4 màu trong thời gian đa thức (theo định lý bốn màu).NP

-Mỗi đồ họa hình khối là cạnh 4 màu trong thời gian đa thức nhưng cạnh 3 màu là NP-hard.

Vấn đề thiết lập độc lập tối đa không nằm trong trừ khiP = N PABSP=NP


Cảm ơn. Tôi nhận thấy rằng ABS không được liệt kê trong sở thú phức tạp qwiki.stanford.edu/index.php/Complexity_Zoo:A . Bạn có một tài liệu tham khảo cho nó?
Raphael

Kiểm tra tài liệu tham khảo này, citeseerx.ist.psu.edu/viewdoc/
Mohammad Al-Turkistany

Tôi có đúng không khi nghĩ rằng tên ABS cho lớp phức tạp là tên bạn vừa đặt ra hoặc có một tài liệu tham khảo cho nó không? Liên kết bạn đã đăng dường như không đề cập đến nó.
Raphael

@Raphael, Không, tôi đã không đặt tên cho ABS, tôi đã đọc nó ở đâu đó từ lâu.
Mohammad Al-Turkistany

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.