Problém s 1 středem

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 8. března 2017; ověření vyžaduje 1 úpravu .

Problém 1-centra nebo problém umístění objektu s minimaxem  je klasický problém kombinatorické optimalizace , problém v oboru operačního výzkumu , je speciálním případem problému umístění objektu . V nejobecnějším případě je formulován takto:

Je uveden soubor spotřebitelských míst, prostor možných umístění objektů (výroba nebo služba) a funkce nákladů na dopravu z libovolného místa možného místa do místa spotřeby. Je nutné najít optimální umístění objektů, minimalizující maximální náklady na doručení od objektu ke spotřebiteli.

Jednoduchý speciální případ, kdy jsou ubytovací a spotřební místa v rovině a náklady na doručení jsou euklidovská vzdálenost ( problém s euklidovským umístěním v rovinném minimaxu, problém euklidovské 1-středové roviny ) je také známý jako problém nejmenšího kruhu . Jeho zobecnění na vyšší dimenzionální euklidovské prostory je známé jako problém nejméně ohraničující koule . V dalším zobecnění ( vážený euklidovský problém umístění ) jsou bodům spotřeby přiřazeny váhy a náklady na dopravu jsou součtem vzdáleností vynásobených odpovídajícími váhami. Dalším speciálním případem je problém nejbližšího řádku , kdy vstupem problému je řetězec a vzdálenost je měřena jako Hammingova vzdálenost .

Zvláštních případů problému je celá řada, v závislosti jak na volbě umístění odběrných míst a výrobních (nebo servisních) objektů, tak na volbě funkce, která vzdálenost vypočítá.

Problém 1 centra z hlediska teorie grafů

Formulace takové varianty úlohy spočívá v tom, že je dán graf , i nákladová funkce a je potřeba najít takovou množinu , aby byla minimální, tzn. množina taková, že maximální cena cesty z vrcholu nejblíže k jakémukoli vrcholu zůstává minimální. Problém lze také doplnit funkcí vertex cost, a pak pro něj bude poloměr definován jako .

Myšlenkou přibližného řešení problému je hledání pevného poloměru pomocí chamtivého algoritmu . Dokud existují vertexy, které nejsou pokryty , je třeba chtivě vybrat vertex a zvážit všechny ostatní dostupné vertexy . Algoritmus se opakuje pro různé hodnoty . Níže je uveden popis metody ve formální podobě:

  1. Nainstalujte a .
  2. ahoj :
    1. .
    2. .
    3. .
  3. Vynést .

Nechť je optimálním řešením pro . V případě kdy , chamtivý algoritmus vrátí množinu takovou, že . Na základě toho definujeme a poznamenáváme, že funkce není monotónní . Dále označíme poloměr , s jehož pomocí může pouze jeden vrchol v pokrýt všechny vrcholy grafu, tzn. , _

Lemma. Pro jakýkoli graf s optimální sadou a poloměrem platí nerovnost pro všechny .

Důkaz. Nechť a je vybraný vrchol v cyklu algoritmu . Pak je skutečná nerovnost:

Všechny vrcholy z budou na konci iterace odstraněny, což znamená, že smyčka skončí maximálně v iteracích, a proto .

Z lemmatu vyplývá, že chamtivý algoritmus lze spouštět, dokud nebude výsledná množina menší než požadovaná , pomocí matice vzdáleností k výpočtu poloměrů . Celková časová složitost algoritmu je tedy , a aproximační faktor je .

Řešitelnost

Za podmínky, že třídy P a NP nejsou stejné, neexistuje pro žádnou polynomiální algoritmus s aproximačním faktorem . Důkaz tohoto tvrzení se redukuje na redukci na problém dominující množiny : Nechť je dán jako vstup do algoritmu řešícího problém dominující množiny. Nechte také pro všechny okraje . Pak obsahuje dominující množinu velikosti , pokud množina obsahuje vrcholy a poloměr ( ) je roven . Pokud by existoval -aproximační algoritmus s , pak by našel dominantní množinu s přesně stejným aproximačním faktorem, což je nemožné.

Viz také

Poznámky

Literatura