当前课程知识点:算法设计与分析 > 10 Local Search > 10.2 Maximum Cut > Maximum Cut
下面 我们以最大割问题为例
介绍局部搜索算法
在近似算法设计与分析中的应用
最大割问题为
给定一个无向图G=(V,E)
边e有个正整数权重w_e
求一个点的划分(A,B)
使得端点分别位于A和B的
边上的权重之和最大
即最大化w(A,B)
w(A,B)定义为
所有的边(u,v)使得u属于A
v属于B
w_uv之和
比如有这样的应用
有n个活动 m个人
每个人想参加两个活动
如何把活动安排在上下午
使得最多的人能参加2项活动
最大割问题在电路布局 统计物理中
也有着重要的应用
下图中给出了一个实例
把图中的点划分成两部分
分别标上了红蓝两色
那么在所形成的割中
有12条边
基于局部搜索的思想
我们可以设计最大割问题的单移动算法
给定一个划分(A,B)
如果从A向B
或从B向A移动一个节点
会使得目标值更大的话
那么就做相应的移动
算法伪代码如下
令(A,B)是一个随机的划分
当存在点v
对它移动可以增加目标值
若v不属于A
那么把它从B中删除 加入A
否则 把它从A中删除 加入B
最后返回割(A,B)
令(A,B)为算法返回的局部最优解
(A^*,B^*)为最优解
那么我们得到的目标值w(A,B)≥1/2倍
所有边上权重之和
也就≥1/2倍的最优值w(A^*,B^*)
证明
对于A中的任意节点u
把它移动到集合B
增加的目标值为对A中的任意点v
w_uv之和
减少的目标值为
对B中的任意点v
w_uv之和
(A,B)为一个局部最优解
因此对A中的任意点v
w_uv之和≤对B中的任意点v
w_uv之和
把这些关于u的不等式加到一起
我们有
两个端点都属于A的边上权重之和的两倍
小于等于两个端点分属A,B的边上权重之和
即w(A,B)
类似地
我们有两个端点都属于
B的边上权重之和的两倍
小于等于两个端点分属AB的边上的权重之和
即w(A,B)
现在 考虑所有边上的权重之和
它等于两个端点都属于A的边上的权重之和
加上两个端点分属A,B的边上的权重之和
加上两个端点都属于B的边上的权重之和
由上面得到的不等式 可知
所有边上的权重之和≤2倍的w(A,B)
命题得证
以上的局部搜索算法
保证得到的目标值最少是最优值的1/2
但却不是一个多项式时间算法
我们需要对它加以改进
每次我们选择移动点的时候
不仅要求目标值提升
而且要求至少提升2ε/n w(A,B)
我们可以证明
这个改进的算法得到的目标值满足
(2+ε)w(A, B)≥w(A^*,B^*)
这只要在原始的证明中
不等式增加2ε/nw(A,B)
就可以得到
我们关注算法的运行时间
改进算法的运行时间为O(n/εlogW)
其中W为所有边上权重之和
每次移动可以提升目标值至少(1+ε/n)倍
那么n/ε次移动后目标值至少翻倍
这是因为对任意x≥1
由简单的微积分计算可知 (1+1/x)^x≥2
初始的时候目标值至少为1
最大割值至多为W
因此算法翻倍的次数至多logW次
这就得到了所需的结果
对于最大割问题
Sahni和Gonzales 早在1976年
就得到了1/2近似算法
Goemans-Williamson 在1995年
通过SDP松弛和随机取舍的方法
得到了0.878的近似算法
这也是在算法领域里一个里程碑式的工作
Hastad在1997年 基于PCP理论证明了
除非P=NP
最大割问题没有好于16/17近似的算法
-1.1 Introduction
-1.2 A First Problem: Stable Matching
--A First Problem: Stable Matching
-1.3 Gale-Shapley Algorithm
-1.4 Understanding Gale-Shapley Algorithm
--Understanding Gale-Shapley Algorithm
-Homework1
-Lecture note 1
--Lecture note 1 Introduction of Algorithm
-2.1 Computational Tractability
-2.2 Asymptotic Order of Growth
-2.3 A Survey of Common Running Times
--A Survey of Common Running Times
-Homework2
-Lecture note 2
--Lecture note 2 Basics of Algorithm Analysis
-3.1 Basic Definitions and Applications
--Basic Definitions and Applications
-3.2 Graph Traversal
-3.3 Testing Bipartiteness
-3.4 Connectivity in Directed Graphs
--Connectivity in Directed Graphs
-3.5 DAG and Topological Ordering
--DAG and Topological Ordering
-Homework3
-Lecture note 3
-4.1 Coin Changing
-4.2 Interval Scheduling
-4.3 Interval Partitioning
-4.4 Scheduling to Minimize Lateness
--Scheduling to Minimize Lateness
-4.5 Optimal Caching
-4.6 Shortest Paths in a Graph
-4.7 Minimum Spanning Tree
-4.8 Correctness of Algorithms
-4.9 Clustering
-Homework4
-Lecture note 4
--Lecture note 4 Greedy Algorithms
-5.1 Mergesort
-5.2 Counting Inversions
-5.3 Closest Pair of Points
-5.4 Integer Multiplication
-5.5 Matrix Multiplication
--Video
-5.6 Convolution and FFT
-5.7 FFT
--FFT
-5.8 Inverse DFT
-Homework5
-Lecture note 5
--Lecture note 5 Divide and Conquer
-6.1 Weighted Interval Scheduling
--Weighted Interval Scheduling
-6.2 Segmented Least Squares
-6.3 Knapsack Problem
-6.4 RNA Secondary Structure
-6.5 Sequence Alignment
-6.6 Shortest Paths
-Homework6
-Lecture note 6
--Lecture note 6 Dynamic Programming
-7.1 Flows and Cuts
-7.2 Minimum Cut and Maximum Flow
--Minimum Cut and Maximum Flow
-7.3 Ford-Fulkerson Algorithm
-7.4 Choosing Good Augmenting Paths
--Choosing Good Augmenting Paths
-7.5 Bipartite Matching
-Homework7
-Lecture note 7
-8.1 Polynomial-Time Reductions
-8.2 Basic Reduction Strategies I
--Basic Reduction Strategies I
-8.3 Basic Reduction Strategies II
--Basic Reduction Strategies II
-8.4 Definition of NP
-8.5 Problems in NP
-8.6 NP-Completeness
-8.7 Sequencing Problems
-8.8 Numerical Problems
-8.9 co-NP and the Asymmetry of NP
--co-NP and the Asymmetry of NP
-Homework8
-Lecture note 8
--Lecture note 8 NP and Computational Intractability
-9.1 Load Balancing
-9.2 Center Selection
-9.3 The Pricing Method: Vertex Cover
--The Pricing Method: Vertex Cover
-9.4 LP Rounding: Vertex Cover
-9.5 Knapsack Problem
-Homework9
-Lecture note 9
--Lecture note 9 Approximation Algorithms
-10.1 Landscape of an Optimization Problem
--Landscape of an Optimization Problem
-10.2 Maximum Cut
-10.3 Nash Equilibria
-10.4 Price of Stability
-Homework10
-Lecture note 10
--Lecture note 10 Local Search
-11.1 Contention Resolution
-11.2 Linearity of Expectation
-11.3 MAX 3-SAT
-11.4 Chernoff Bounds
-Homework11
-Lecture note 11
--Lecture note 11 Randomized Algorithms
-Exam