อัลกอริทึมการประมาณ bicriteria คืออะไร?


11

อัลกอริทึมการประมาณ bicriteria คืออะไร? สิ่งนี้จะเกิดขึ้นในกรณีของการจัดกลุ่มสตรีมข้อมูล สิ่งนี้เกี่ยวข้องกับการเพิ่มประสิทธิภาพหลายวัตถุประสงค์หรือไม่

นี่คือที่ฉันเจอ: cis.upenn.edu/~sudipto/mypapers/datastream.pdf บทความนี้เกี่ยวกับอัลกอริทึม k-mean รุ่นสตรีมมิ่ง มีการอ้างอิงในกระดาษ แต่ไม่มีใครอธิบายได้ว่าอัลกอริทึมการประมาณแบบ bicriteria คืออะไร ฉันไม่สามารถหาอะไรใน Google ที่จะให้คำจำกัดความที่แม่นยำกับฉัน


1
ฉันไม่รู้ คุณเห็นมันถูกอ้างถึงที่ไหน? คุณสามารถให้ลิงค์และการอ้างอิงที่แม่นยำกับแหล่งข้อมูลอย่างน้อยหนึ่งแห่งที่ใช้คำศัพท์นี้ได้หรือไม่? จากชื่อมันฟังดูเหมือนการปรับให้เหมาะสมกับหลายวัตถุประสงค์ (ด้วยฟังก์ชั่นวัตถุประสงค์สองอย่าง) แต่อาจเป็นการยากที่จะบอกโดยไม่มีบริบทเพิ่มเติม คุณทำวิจัยอะไร คุณค้นหาด้วย Google หรือไม่
DW

ฉันขอแนะนำให้คุณแก้ไขคำถาม คำถามที่คาดว่าจะยืนด้วยตัวเอง; ผู้คนควรเข้าใจทุกสิ่งที่พวกเขาจำเป็นต้องรู้จากการอ่านคำถามตัวเองไม่ใช่ความคิดเห็น ความคิดเห็นมีไว้เพื่อช่วยคุณปรับปรุงคำถามเท่านั้น คุณสามารถคลิกปุ่ม "แก้ไข" ใต้คำถามของคุณเพื่อปรับปรุง ป.ล. ฉันขอแนะนำให้คุณตอบคำถามอื่นด้วย คุณทำวิจัยอะไร (ในเว็บไซต์นี้เราคาดว่าคุณจะทำการวิจัยด้วยตัวเองก่อนที่จะถามที่นี่)
DW

คำตอบ:


11

ฉันจะขยายคำตอบโดย Yuval Filmusโดยการให้ความหมายขึ้นอยู่กับปัญหาการเพิ่มประสิทธิภาพหลายวัตถุประสงค์

การเพิ่มประสิทธิภาพและการประมาณวัตถุประสงค์เดี่ยว

ในวิทยาการคอมพิวเตอร์เรามักจะศึกษาปัญหาการปรับให้เหมาะสมด้วยวัตถุประสงค์เดียว (เช่นลดf ( x ) ภายใต้ข้อ จำกัด ) เมื่อพิสูจน์แล้วพูดว่า NP-ครบถ้วนเป็นเรื่องธรรมดาที่จะพิจารณาปัญหางบประมาณที่เกี่ยวข้อง ตัวอย่างเช่นในปัญหาสูงสุดของกลุ่มเป้าหมายคือการเพิ่มความสำคัญสูงสุดของกลุ่มและปัญหางบประมาณเป็นปัญหาของการตัดสินใจว่ามีขนาดของกลุ่มอย่างน้อยkซึ่งkให้เป็นส่วนหนึ่งของอินพุต ปัญหา.

เมื่อมันเป็นไปไม่ได้ที่จะคำนวณหาทางออกที่ดีที่สุดอย่างมีประสิทธิภาพเช่นในกรณีของปัญหากลุ่มที่มีค่าสูงสุดเราจะหาอัลกอริธึมการประมาณฟังก์ชั่นที่ส่งออกวิธีแก้ปัญหาภายในปัจจัยคูณของโซลูชั่นที่ดีที่สุด นอกจากนี้คุณยังสามารถพิจารณาอัลกอริทึมการประมาณสำหรับปัญหางบประมาณฟังก์ชันที่แสดงผลโซลูชันที่ตอบสนองf ( x ) ≥ ckในกรณีของปัญหาการขยายให้ใหญ่สุดโดยที่cคือตัวเลขน้อยกว่าหนึ่ง ในสถานการณ์เช่นนี้การแก้ปัญหาอาจละเมิดฮาร์ด จำกัด ( x ) ≥ kแต่ "ความรุนแรง" ของการละเมิดจะถูกล้อมรอบด้วยค

การเพิ่มประสิทธิภาพหลายวัตถุประสงค์และการประมาณสองเกณฑ์

ในบางกรณีคุณอาจต้องการเพิ่มประสิทธิภาพสองวัตถุประสงค์พร้อมกัน สำหรับตัวอย่างคร่าวๆฉันอาจต้องการเพิ่ม "รายได้" ของฉันให้มากที่สุดในขณะที่ลด "ต้นทุน" ให้น้อยที่สุด ในสถานการณ์ดังกล่าวไม่มีค่าที่ดีที่สุดเพียงอย่างเดียวเนื่องจากมีการแลกเปลี่ยนระหว่างวัตถุประสงค์ทั้งสอง สำหรับข้อมูลเพิ่มเติมโปรดดูบทความวิกิพีเดียมีประสิทธิภาพ Pareto

วิธีหนึ่งในการเปลี่ยนปัญหาการปรับให้เหมาะสมแบบสองวัตถุประสงค์ให้เป็นปัญหาการปรับให้เหมาะสมแบบเป้าหมายเดียว (ซึ่งเราสามารถให้เหตุผลเกี่ยวกับคุณค่าที่เหมาะสมที่สุดของฟังก์ชันวัตถุประสงค์) คือการพิจารณาปัญหาข้อ จำกัดสองข้อหนึ่งสำหรับแต่ละวัตถุประสงค์ หากปัญหาไปพร้อม ๆ กันเพิ่มF ( x ) ในขณะที่ลดกรัม ( x ) ปัญหาข้อ จำกัด แรกคือการลดกรัม ( x ) ภายใต้ข้อ จำกัด ( x ) ≥ kที่kจะได้รับเป็นส่วนหนึ่งของการป้อนข้อมูลเพื่อ ปัญหาการเพิ่มประสิทธิภาพวัตถุประสงค์เดียวนี้ ปัญหาข้อ จำกัด ที่สองถูกกำหนดในทำนองเดียวกัน

An ( α , β ) - อัลกอริทึมการประมาณ bicriteriaสำหรับปัญหาข้อ จำกัด แรกคือฟังก์ชั่นที่ใช้พารามิเตอร์งบประมาณkเป็นอินพุทและเอาท์พุททางออกxเช่นนั้น

  • ,(x)αk
  • ,ก.(x)βก.(x* * * *)

ที่คือการแก้ปัญหาที่ประสบความสำเร็จในค่าที่ดีที่สุดสำหรับกรัม อัลกอริทึมการประมาณ bicriteria สำหรับปัญหาข้อ จำกัด ที่สองเอาท์พุทโซลูชั่นเช่นนั้นx* * * *

  • ,(x)α(x* * * *)
  • ,ก.(x)β

กล่าวอีกนัยหนึ่งอัลกอริธึมการประมาณค่า bicriteria นั้นพร้อมเพรียงกันสำหรับปัญหางบประมาณในวัตถุประสงค์แรกและปัญหาการปรับให้เหมาะสมในวัตถุประสงค์ที่สอง (คำจำกัดความนี้ดัดแปลงมาจากหน้าสี่ของ "การเพิ่มประสิทธิภาพ Submodular พร้อม Submodular Cover และ Submodular Knapsack Constraints " โดย Iyer และ Bilmes, 2013)

ความไม่เท่าเทียมกันสลับทิศทางเมื่อวัตถุประสงค์เปลี่ยนจากสูงสุดเป็นต่ำสุดหรือกลับกัน


6

kρkV1,,VkρE(V1,,Vk)ρ

f(n),g(n)1f(n),g(n)V1,,Vkf(n)ρg(n)OPTOPTρ

กล่าวอีกนัยหนึ่งอัลกอริทึมการประมาณ bicriteria บรรลุอัตราส่วนที่แน่นอนในขณะที่การละเมิดข้อ จำกัด บางอย่างโดยจำนวนที่ จำกัด สำหรับตัวอย่างของอัลกอริทึมการประมาณค่า bicriteria สำหรับปัญหาที่เพิ่งอธิบายให้ดูบทความนี้โดยพี่น้อง Makarychev

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.