Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Классификация задач по степени сложностиСодержание книги Похожие статьи вашей тематики
Поиск на нашем сайте
В предыдущей главе мы убедились, что для решения задачи об эйлеровом цикле имеется прекрасный линейный алгоритм — его сложность O(m), т.е. линейно зависит от числа ребер. В следующей главе мы рассмотрим задачу, очень похожую на задачу Эйлера. Она состоит в поиске цикла, проходящего через каждую вершину графа ровно один раз. Эту задачу изучал ГАМИЛЬТОН, и в честь него она получила название задачи Гамильтона. Рисунок 8.25 Многие математики в течение нескольких веков занимались задачей Гамильтона. До сих пор неизвестно ни одного простого необходимого и достаточного условия существования гамильтонова цикла, и до сих пор не построен алгоритм, который проверял бы существование гамильтонова цикла в произвольном графе за ПОЛИНОМИАЛЬНОЕ число шагов (число, ограниченное многочленом фиксированной степени от числа вершин графа). В следующей главе мы рассмотрим алгоритм (неполиномиальный) для нахождения гамильтонова цикла. Сейчас нас интересует то, что мы столкнулись с задачей другой степени сложности. Основное различие между МАТЕМАТИКОЙ и ИНФОРМАТИКОЙ заключается в том, что в информатике недостаточно иметь доказательство существования объекта, недостаточно найти конструктивное доказательство этого факта, т.е. АЛГОРИТМ. Мы должны учитывать противоречия пространства и времени, которые навязывает нам мир: необходимо, чтобы решение можно было вычислить, используя объем памяти и время, приемлемое для человека или машины. Идеальный случай, когда для решения задачи известна явная математическая формула. Тогда сложность задачи не зависит от входных данных и является постоянной. Если же мы не располагаем ни явной формулой, ни рекурсивным выражением приемлемой сложности, нам остается только два способа: ü построение эффективного алгоритма; ü метод перебора всех возможностей. Сложность ЗАДАЧИ — сложность НАИЛУЧШЕГО алгоритма, известного для ее решения. Сложность АЛГОРИТМА — число шагов, необходимых для решения НАИХУДШЕГО из всех возможных случаев, допускающих применение алгоритма. Это число выражается как функция от РАЗМЕРНОСТИ входных данных задачи — например, числа вершин графа. Сразу возникает вопрос — если сложность задачи зависит от нашего знания «хороших» алгоритмов, до какого предела можно улучшать данный алгоритм? Существуют ли методы перевода задачи из класса «сложных» в класс «простых»? ТРИ КЛАССА ЗАДАЧ Самыми лучшими являются линейные алгоритмы порядка O(n), где n — размерность входных данных, например алгоритм поиска эйлеровых циклов в графе. Другие «хорошие» алгоритмы имеют сложность, представляющую собой многочлен заданной степени, не зависящей от входных данных: О(n m), O(n2), O(n3) и т.д. Все до сих пор изученные нами алгоритмы относятся к КЛАССУ Р ПОЛИНОМИАЛЬНЫХ АЛГОРИТМОВ. Есть задачи, которые по своей природе имеют экспоненциальную сложность порядка An, где A — константа или полином от n. Это задачи, в которых требуется построить все подмножества данного множества, все клики (полные подграфы) данного графа и т.д. Число ответов в этих задачах уже само по себе экспоненциально, поэтому только их перечисление потребует экспоненциальное число шагов. КЛАСС Е: ЭКСПОНЕНЦИАЛЬНЫЕ ЗАДАЧИ. Остаются задачи, не попавшие ни в класс Р, ни в класс Е. В их условиях не содержатся экспоненциальные множества, для них не разработан полиномиальный алгоритм, но и не доказано, что такого алгоритма не существует. Вот неполный список таких задач. (В приложении 1 содержатся точные математические постановки 25 различных задач.) ü Решение систем уравнений в целых числах. ü Определение гамильтонова цикла. ü Составление расписаний и раскрасок. ü Существование множества значений логических переменных, которые позволяют сделать значение произвольного заданного логического выражения истинным. ü Оптимизация пути коммивояжера через сеть городов. ü Отбор файлов при запросе в информационный банк данных для получения информации с наименьшей стоимостью. ü Размещение обслуживающих центров для максимального числа клиентов при минимальном числе центров. ü Оптимальная загрузка емкости, оптимальный раскрой. ü Диагностика (болезни, поломки). Этот список далеко не полон, т.к. большая часть современных задач относится к этому классу. Кроме того, названные задачи являются МОДЕЛЬНЫМИ. Каждой из них соответствует несколько реальных формулировок: ü упорядочение операций; ü размещение персонала; ü оптимизация перевозок; ü управление производством; ü проектирование в области электроники. Более того, для большинства этих задач (так называемых NP-полных задач) была доказана ЭКВИВАЛЕНТНОСТЬ — если для одной из них удастся найти полиномиальный алгоритм, автоматически будут решены все остальные. Назовем его КЛАСС NP: недетерминированные полиномиальные задачи. К сожалению, детальное обсуждение этих задач выходит за рамки данной главы, но при практическом изучении подобных задач нужно помнить следующее: 1. Для небольших n экспоненциальный алгоритм часто более эффективен, чем полиномиальный. 2. Для реальных задач с уточненными данными всегда можно построить полиномиальный алгоритм. Единственное, что утверждает теория — не существует единого полиномиального алгоритма для общего случая. Если все же постановка задачи остается из класса NP, можно поискать для нее приближенный полиномиальный алгоритм. Алгоритмы с возвратом Вернемся к задаче существования ГАМИЛЬТОНОВА ПУТИ — пути, проходящего через каждую вершину графа ровно один раз. В предыдущей главе было упомянуто, что для такой задачи не построен полиномиальный алгоритм. Попробуем произвести полный перебор всех возможных путей. n вершин графа можно расположить в n! различных цепочек. Чтобы проверить для каждой цепочки, реализована ли она как гамильтонов путь на графе, необходимо еще n шагов, итого сложность полного перебора nn! шагов. Такая величина растет гораздо быстрее, поэтому полный перебор является неприменимым методом. Однако число шагов в алгоритмах переборного типа можно значительно уменьшить. ОБЩАЯ СХЕМА АЛГОРИТМА С ВОЗВРАТОМ. Пусть решение, которое мы ищем, имеет вид последовательности <X(1), …, X(n)>. Будем строить его, начиная с пустой последовательности длины 0. Пусть на каком-то этапе уже построено ЧАСТИЧНОЕ (неполное) решение длины i: < X(1), …, X(i) >. Попытаемся продолжить это решение еще на один шаг. Для этого нужно отыскать допустимое X(i+1). X(i+1) считается допустимым, если или < X(1), …, X(i+1) > уже является решением, или относительно < X(1), …, X(i+1) > НЕЛЬЗЯ СРАЗУ сказать, что его невозможно расширить до полного решения. Дальше существует две возможности: если X(i+1) допустимо, то следующее допустимое X ищется для частичного решения <X(1), …, X(i+1)> (заметим, что допустимость X(i+1) вовсе не означает, что <X(1), …, X(i+1)> можно расширить до полного решения); если допустимого X(i+1) не существует, то возвращаемся на шаг назад — к частичному решению < X(1), …, X(i-1) > и для него отыскиваем другое X'[i], не совпадающее с предыдущим X(i). Более точно, пусть для каждого i>0 существует множество A(i), из которого будут выбираться X(i) — претенденты на i–тую координату частичного решения. Очевидно, множества A(i) должны содержать все X(i), занимающие i-ю координату любого решения. Кроме того, A(i) всегда будут содержать какие-то лишние элементы, не содержащие в i–й координате ни одного решения. Теперь общая схема алгоритма с возвратом имеет следующий вид: 1 begin 2 k:=1; 3 while k>0 do 4 if существует еще неиспользованый y Î A(k), 5 begin 6 X(k):=y; {y испсльзован} 7 if <X(1), …, X(k)> является решением then 8 k:=k+1 9 end 10 else {возврат на предыдущее частичное решение, 11 k:=k-1 12 end. Если предположить, что все решения имеют длину, меньшую n+1, и все множества A(k) состоят из конечного числа элементов, то этот алгоритм находит ВСЕ решения. Тот же самый алгоритм можно очень просто записать с помощью рекурсии. {рекурсивный вариант алгоритма с возвратом} 1 procedure BC(k); {генерируем все решения, являющиеся продолжением 2 begin 3 for y Î A(k) do 4 if y допустим then 5 begin 6 X(k):=y; 7 if <X(1), …, X(k)> — решение then 8 write (<X(1), …, X(k)>); 9 BC(k+1); {генерируем все решения, являющиеся 10 y становится неиспользованным; {возврат на 11 end {цикл 3 выберет для продолжения < X(1), …, 12 end; Генерировать все решения можно вызовом ВС(1). Описание алгоритма возврата мы начали с несколько более сложного нерекурсивного варианта, т.к. в рекурсивном варианте «возврат» является частью механизма рекурсии и не появляется в явном виде. ЗАДАЧА ГАМИЛЬТОНА Применим теперь алгоритм с возвратом для поиска всех гамильтоновых циклов в графе G=<V,E>. Каждый такой цикл — последовательность различных вершин графа < X(1), …, X(n+1) > и только X(1)=X(n+1)=k, где k — произвольная фиксированная вершина, соседние вершины X(i), X(i+1) соединены ребром. Тогда A(i) = V (множество всех вершин) для любого i <= n+1; y — допустима для продолжения <X(1), …, X(i-1)>, если y Î ЗАПИСЬ[ X(i-1) ] (y соединен ребром с X(i-1)) и y не использована (y не принадлежит <X(1), …, X(i-1)>) АЛГОРИТМ. {Нахождение всех гамильтоновых циклов в графе} Данные: Граф G=<V,E>, представленный списками ЗАПИСЬ[v], v Î V. Результаты: Печать всех гамильтоновых циклов графа G. Переменные ЗАПИСЬ, X, DOP — глобальные. 1 procedure GAMI(i); {генерирование всех гамильтовых циклов, являющихся 2 begin 3 for y Є ЗАПИСЬ[X[i-1]] do 4 if (i = n+1) AND (y = k) then 5 write(X[1], …, X[n], k) 6 else if DOP[y] then 7 begin 7 X[i]:=y; DOP[y]:=ложь; 8 GAMI(i+1); 9 DOP[y]:=истина; {все решения, продолжающие < X[1], …, X[i-1], y > уже сгенерированы, выбираем другое y', а y вновь становится неиспользованным} 10 end 11 end;{GAMI} 1 begin {основная программа} 2 for v Є V do DOP[V]:=истина; 3 X[1]:=k; {k — произвольная} 4 DOP[k]:=ложь; 5 GAMI(2); 6 end. Рисунок 8.26 Сложность этого алгоритма в наихудшем случае растет по экспоненте с ростом n. Это справедливо и для случая, когда ищется ровно одно решение (если задача не имеет решения, то эта модификация не влияет на ход выполнения алгоритма). ?Вопрос1. Докажите, представив соответствующий «плохой» граф, что число шагов в алгоритме «GAMI» растет экспоненциально с ростом n. Ответы Ответ 1. Граф типа «погремушка». Такой граф не содержит ни одного гамильтонова цикла, в то же время все вершины, кроме V0, соединены и представляют собой клику, т.е. граф, у которого все вершины соединены попарно. Всего различных путей будет n!, а для проверки каждой uj из них потребуется n шагов, итого n*n!, что растет быстрее экспоненты. Рисунок 8.27
|
||||
Последнее изменение этой страницы: 2016-04-23; просмотров: 690; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.144.249.63 (0.009 с.) |