ประมาณ 1d TSP พร้อมการเปรียบเทียบเชิงเส้น


21

ปัญหาเส้นทางพนักงานขายเดินทางหนึ่งมิติคือเห็นได้ชัดเช่นเดียวกับการเรียงลำดับและสามารถแก้ไขได้อย่างแน่นอนโดยการเปรียบเทียบในเวลาแต่มันถูกกำหนดในแบบที่ประมาณและแน่นอน วิธีการแก้ปัญหาทำให้รู้สึก ในรูปแบบของการคำนวณในการที่ปัจจัยการผลิตเป็นจำนวนจริงและปัดเศษจำนวนเต็มเป็นไปได้ที่มันเป็นเรื่องง่ายที่จะประมาณภายในปัจจัยสำหรับการใด ๆ คงในเวลา : หาค่าต่ำสุดและสูงสุดปัดทุกอย่างเป็นตัวเลขภายในระยะทางของค่าเดิมจากนั้นใช้การเรียงลำดับของฐาน แต่แบบจำลองที่มีการปัดเศษมีทฤษฎีความซับซ้อนที่มีปัญหาและสิ่งนี้ทำให้ฉันสงสัยO(nlogn)1+O(nc)cO(n)(maxmin)n(c+1)

ดังนั้น TSP ที่มีมิติเดียวสามารถประมาณได้อย่างแม่นยำได้อย่างไรในโมเดลการเปรียบเทียบเชิงเส้นของการคำนวณ (แต่ละโหนดเปรียบเทียบทดสอบสัญญาณของฟังก์ชันเชิงเส้นของค่าอินพุต) โดยอัลกอริทึมที่มีความซับซ้อนของเวลาคือo(nlogn) ? วิธีการปัดเศษเดียวกันอนุญาตให้มีการประมาณสัดส่วนของรูปแบบn1o(1)ได้ (โดยใช้การค้นหาแบบไบนารีเพื่อทำการปัดเศษและการปัดเศษมากขึ้นเพื่อทำให้มันเร็วพอ) แต่เป็นไปได้ไหมที่จะได้รับอัตราส่วนการประมาณเช่นO(n1ϵ)สำหรับϵ>0 ?


ฉันไม่คุ้นเคยกับ 1D TSP คุณสามารถกำหนดมันได้หรือไม่
Tyson Williams

4
@Tyson Williams: ปัญหาเส้นทางพนักงานขายที่กำลังเดินทาง 1D เป็นกรณีพิเศษของปัญหาเส้นทางพนักงานขายที่ Euclidean ที่เมืองทั้งหมดอยู่ในแกน x หรืออย่างเป็นทางการคุณจะได้รับจำนวนจริง a_1, …, a_n และเป้าหมายของคุณคือส่งออกการเปลี่ยนแปลงπ: {1, …, n} → {1, …, n} เช่นนั้น ∑_ {i = 1} ^ {n − 1} | a_ {π (i)} - a_ {π (i + 1)} | ถูกย่อให้เล็กสุด
Tsuyoshi Ito

คำตอบ:


10

แก้ไข (ปรับปรุง): ขอบเขตล่างในคำตอบของฉันด้านล่างได้รับการพิสูจน์ (โดยหลักฐานที่แตกต่างกัน) ใน "ในความซับซ้อนของการประมาณ Euclidean ทัวร์พนักงานขายที่เดินทางและต้นไม้ที่ทอดน้อยที่สุด" โดย Das et al; อัลกอริทึม 19: 447-460 (1997)


เป็นไปได้หรือไม่ที่จะบรรลุอัตราส่วนการประมาณเช่นสำหรับในเวลาโดยใช้อัลกอริธึมการเปรียบเทียบϵ > 0 o ( n log n )O(n1ϵ)ϵ>0o(nlogn)

ไม่นี่คือขอบเขตที่ต่ำกว่า

ข้อเรียกร้อง สำหรับทุกการเปรียบเทียบ อัลกอริทึมการประมาณต้องใช้ในกรณีที่เลวร้ายที่สุดn 1 - εโอห์ม( ε n log n )ϵ>0n1ϵΩ(ϵnlogn)

โดย "อิงตามการเปรียบเทียบ" ฉันหมายถึงอัลกอริทึมใด ๆ ที่สืบค้นเฉพาะอินพุตที่มีการสืบค้นไบนารี่

นี่คือความพยายามในการพิสูจน์ หวังว่าจะไม่มีข้อผิดพลาด FWIW ขอบเขตล่างดูเหมือนว่าจะขยายไปสู่อัลกอริทึมแบบสุ่ม


แก้ไขใด ๆและใด ๆ โดยพลขนาดเล็ก แต่คง 0ϵ > 0nϵ>0

พิจารณาแค่"การเปลี่ยนแปลง" กรณีการป้อนข้อมูล ที่มีพีชคณิต[N]วิธีการแก้ปัญหาที่เหมาะสมที่สุดสำหรับอินสแตนซ์ใด ๆ ดังกล่าวมีค่าใช้จ่ายn-1( x 1 , x 2 , , x n ) [ n ] n - 1n!(x1,x2,,xn)[n]n1

กำหนดต้นทุนของการเปลี่ยนแปลง ให้เป็น. รูปแบบขั้นตอนวิธีกับการเป็นใส่เปลี่ยนแปลง , outputting เปลี่ยนแปลง , และการจ่ายเงินค่าใช้จ่ายPI)c ( π ) = i | π ( i + 1 ) - π ( i ) | π π ' d ( π , π ' ) = C ( π 'π )πc(π)=i|π(i+1)π(i)|ππd(π,π)=c(ππ)

กำหนดเป็นจำนวนขั้นต่ำของการเปรียบเทียบสำหรับอัลกอริทึมที่ใช้การเปรียบเทียบใด ๆ เพื่อให้ได้อัตราส่วนการแข่งขันในกรณีเหล่านี้ ตั้งแต่การเลือกเป็นอัลกอริทึมต้องรับประกันค่าใช้จ่ายที่มากที่สุดepsilon}n 1 - ϵ n - 1 n 2 - ϵCn1ϵn1n2ϵ

เราจะแสดงn)CΩ(ϵnlogn)

กำหนดจะเป็นไปได้สำหรับเอาท์พุทใด ๆส่วนของอินพุตที่เป็นไปได้ซึ่งเอาท์พุท จะได้ค่าใช้จ่ายที่มากที่สุด ส่วนนี้จะเป็นอิสระจากปี่'π π n 2 - ϵ π Pππn2ϵπ

π c ( π ) n 2 - ϵ π ฉันP d ( π , I ) n 2 - ϵ d ( π , I ) = c ( π )Pยังเท่ากับความน่าจะเป็นที่สำหรับการเปลี่ยนรูปแบบสุ่มค่าใช้จ่ายของอยู่ที่มากที่สุด (เพื่อดูว่าทำไมให้เป็นการเปลี่ยนรูปแบบตัวตนจากนั้นคือเศษส่วนของอินพุตที่ ที่มากที่สุดแต่ .)πc(π)n2ϵπIPd(π,I)n2ϵd(π,I)=c(π)

บทแทรก 1. PClog21/P

พิสูจน์ แก้ไขขั้นตอนวิธีการใด ๆ ที่มักจะใช้น้อยกว่าเปรียบเทียบ แผนผังการตัดสินใจสำหรับอัลกอริทึมมีความลึกน้อยกว่าดังนั้นจึงมีใบไม้น้อยกว่าและสำหรับการเปลี่ยนแปลงการส่งออกบางส่วนอัลกอริทึมจะให้เป็นเอาต์พุตสำหรับมากกว่าเศษส่วนของอินพุต ตามคำนิยามของอย่างน้อยหนึ่งในการป้อนข้อมูลเช่นการส่งออกจะช่วยให้ประหยัดค่าใช้จ่ายมากกว่าepsilon} QEDเข้าสู่ระบบ2 1 / P 1 / P π ' π ' P P π ' n 2 - εlog21/Plog21/P1/PππPPπn2ϵ

บทแทรก 2. n))Pexp(Ω(ϵnlogn))

ก่อนที่เราจะให้หลักฐานของเลมม่า 2 โปรดทราบว่าเล็มสองบทพร้อมกันอ้างสิทธิ์:

C  log21P = log2exp(Ω(ϵnlogn)) = Ω(ϵnlogn).

บทพิสูจน์ของเลมม่า 2 ปล่อยให้เป็นการเปลี่ยนแบบสุ่ม จำได้ว่าเท่ากับน่าจะเป็นที่ค่าใช้จ่ายของที่มากที่สุดepsilon} บอกว่าคู่ใด ๆเป็นขอบที่ มีราคาดังนั้นคือผลรวมของต้นทุนขอบP c ( π ) n 2 - ϵ ( i , i + 1 ) | π ( i + 1 ) - π ( i ) | c ( π )πPc(π)n2ϵ(i,i+1)|π(i+1)π(i)|c(π)

สมมติว่าepsilon}c(π)n2ϵ

จากนั้นสำหรับที่มากที่สุดของขอบมีค่าใช้จ่ายหรือมากกว่า บอกว่าขอบของค่าใช้จ่ายที่น้อยกว่ามีราคาถูกn 2 - ϵ / q q qq>0n2ϵ/qqq

แก้ไข2} การทดแทนและทำให้ง่ายขึ้นอย่างมากที่สุดของขอบไม่ถูก n 1 - ϵ / 2q=n1ϵ/2n1ϵ/2

ดังนั้นอย่างน้อย ของขอบมีราคาถูก ดังนั้นจึงมีชุดที่มีขอบราคาถูกS n / 2nn1ϵ/2n/2Sn/2

ข้อเรียกร้อง สำหรับการใด ๆ ได้รับชุดของขอบน่าจะเป็นที่ขอบทั้งหมดในมีราคาถูกเป็นที่มากที่สุดn))n / 2 S ประสบการณ์( - Ω ( ε n log n ) )Sn/2Sexp(Ω(ϵnlogn))

ก่อนที่เราจะพิสูจน์การอ้างสิทธิ์โปรดทราบว่ามันมีนัยสำคัญดังต่อไปนี้ โดยการเรียกร้องและสหภาพไร้เดียงสาที่ถูกผูกไว้น่าจะเป็นที่ใด ๆ ที่มีอยู่เช่นชุด ที่มากที่สุด ( nSประสบการณ์(O(n)-Ω(εnlogn))ประสบการณ์(-Ω(εnบันทึกn))

(nn/2)exp(Ω(ϵnlogn))  2nexp(Ω(ϵnlogn))
  exp(O(n)Ω(ϵnlogn))  exp(Ω(ϵnlogn)).

หลักฐานการเรียกร้อง เลือกตามกระบวนการต่อไปนี้ เลือกสม่ำเสมอจากจากนั้นเลือกสม่ำเสมอจากจากนั้นเลือกสม่ำเสมอจากฯลฯπ ( 1 ) [ n ] π ( 2 ) [ n ] - { π ( 1 ) } π ( 3 ) [ n ] - { π ( 1 ) , π ( 2 ) }ππ(1)[n]π(2)[n]{π(1)}π(3)[n]{π(1),π(2)}

พิจารณาขอบใด ๆในSพิจารณาเวลาที่เลือกเมื่อใกล้จะถูกเลือก โดยไม่คำนึงถึงตัวเลือกแรก(สำหรับสำหรับ ) มีอย่างน้อยตัวเลือกสำหรับและอย่างน้อยของสิ่งเหล่านั้น ตัวเลือกจะให้ขอบ ราคาน้อยกว่า (ทำให้ถูก)(i,i+1)Sπ(i)π(i+1)iπ(j)jiniπ(i+1)2n1ϵ/2(i,i+1)n1ϵ/2

ดังนั้นปรับอากาศในครั้งแรกเลือกที่น่าจะเป็นที่ขอบที่มีราคาถูกที่สุดที่2}}} ดังนั้นความน่าจะเป็นที่ ขอบทั้งหมดในมีราคาถูกที่สุด ตั้งแต่มีอย่างน้อยขอบใน กับ 4 ดังนั้นผลิตภัณฑ์นี้มากที่สุด i2n1ϵ/2nin/2S

(i,i+1)S2n1ϵ/2ni.
|S|n/2n/4Snin/4
(2n1ϵ/2n/4)n/4  (8nϵ/2)n/4 = exp(O(n)Ω(ϵnlogn)) = exp(Ω(ϵnlogn)).

QED


6
PS ผมได้รับการร้องขอเพื่อให้ citable นี้ดังนั้นฉันวางมันลงบน arvix.org ที่นี่
Neal Young
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.