ฉันจะขยายคำตอบโดย Yuval Filmusโดยการให้ความหมายขึ้นอยู่กับปัญหาการเพิ่มประสิทธิภาพหลายวัตถุประสงค์
การเพิ่มประสิทธิภาพและการประมาณวัตถุประสงค์เดี่ยว
ในวิทยาการคอมพิวเตอร์เรามักจะศึกษาปัญหาการปรับให้เหมาะสมด้วยวัตถุประสงค์เดียว (เช่นลดf ( x ) ภายใต้ข้อ จำกัด ) เมื่อพิสูจน์แล้วพูดว่า NP-ครบถ้วนเป็นเรื่องธรรมดาที่จะพิจารณาปัญหางบประมาณที่เกี่ยวข้อง ตัวอย่างเช่นในปัญหาสูงสุดของกลุ่มเป้าหมายคือการเพิ่มความสำคัญสูงสุดของกลุ่มและปัญหางบประมาณเป็นปัญหาของการตัดสินใจว่ามีขนาดของกลุ่มอย่างน้อยkซึ่งkให้เป็นส่วนหนึ่งของอินพุต ปัญหา.
เมื่อมันเป็นไปไม่ได้ที่จะคำนวณหาทางออกที่ดีที่สุดอย่างมีประสิทธิภาพเช่นในกรณีของปัญหากลุ่มที่มีค่าสูงสุดเราจะหาอัลกอริธึมการประมาณฟังก์ชั่นที่ส่งออกวิธีแก้ปัญหาภายในปัจจัยคูณของโซลูชั่นที่ดีที่สุด นอกจากนี้คุณยังสามารถพิจารณาอัลกอริทึมการประมาณสำหรับปัญหางบประมาณฟังก์ชันที่แสดงผลโซลูชันที่ตอบสนองf ( x ) ≥ ckในกรณีของปัญหาการขยายให้ใหญ่สุดโดยที่cคือตัวเลขน้อยกว่าหนึ่ง ในสถานการณ์เช่นนี้การแก้ปัญหาอาจละเมิดฮาร์ด จำกัดฉ ( 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 จำกัดฉ ( x ) ≥ kที่kจะได้รับเป็นส่วนหนึ่งของการป้อนข้อมูลเพื่อ ปัญหาการเพิ่มประสิทธิภาพวัตถุประสงค์เดียวนี้ ปัญหาข้อ จำกัด ที่สองถูกกำหนดในทำนองเดียวกัน
An ( α , β ) - อัลกอริทึมการประมาณ bicriteriaสำหรับปัญหาข้อ จำกัด แรกคือฟังก์ชั่นที่ใช้พารามิเตอร์งบประมาณkเป็นอินพุทและเอาท์พุททางออกxเช่นนั้น
- ,ฉ( x ) ≥ อัลฟ่าk
- ,ก.( x ) ≤ บีตาก.( x* * * *)
ที่คือการแก้ปัญหาที่ประสบความสำเร็จในค่าที่ดีที่สุดสำหรับกรัม อัลกอริทึมการประมาณ bicriteria สำหรับปัญหาข้อ จำกัด ที่สองเอาท์พุทโซลูชั่นเช่นนั้นx* * * *
- ,ฉ( x ) ≥ อัลฟ่าฉ( x* * * *)
- ,ก.( x ) ≤ บีตาℓ
กล่าวอีกนัยหนึ่งอัลกอริธึมการประมาณค่า bicriteria นั้นพร้อมเพรียงกันสำหรับปัญหางบประมาณในวัตถุประสงค์แรกและปัญหาการปรับให้เหมาะสมในวัตถุประสงค์ที่สอง (คำจำกัดความนี้ดัดแปลงมาจากหน้าสี่ของ "การเพิ่มประสิทธิภาพ Submodular พร้อม Submodular Cover และ Submodular Knapsack Constraints " โดย Iyer และ Bilmes, 2013)
ความไม่เท่าเทียมกันสลับทิศทางเมื่อวัตถุประสงค์เปลี่ยนจากสูงสุดเป็นต่ำสุดหรือกลับกัน