Professional Documents
Culture Documents
= OPT
-subjekt :
x
1
+ x
2
1
x
1
+ x
3
+ x
4
1
x
2
+ x
3
+ x
5
1
x
4
+ x
6
+ x
7
1
x
5
+ x
6
+ x
7
1
x
4
+ x
5
+ x
6
1
Mogue rjeenje x
1
= x
2
= x
3
=
, x
4
= x
5
= x
7
= 0, x
6
= 1
= 2.5
To e biti mogue rjeenje, meutim, trebamo x
j
{0, 1} to nije vaee ogranienje za
linearno programiranje. Umjesto toga, mi emo koristiti jo vie rjeenja gdje je dio ili
vei od 1, koji e nam dati sva tona rjeenja.
Danim prvim linearnim programom, moemo napraviti dvostruki linearni programi.
Ponovno emo razmotriti linearni program
minimizacija
subjekta
Uvodimo varijable y
i
za i-tu nejednakost, dobivamo dvostruki program:
Maksimizacija
Subjekta
Linearno dvostruko programiranje Teorem
Prvi program ima konani optimum ako njegov dvostruki program ima konani optimum.
Osim toga, ako su x* = (x*
1
, , x*
n
) i y* = (y*
1
, , y*
m
) optimalna rjeenja za prvi i drugi
program, tada .
Rjeavanjem dvostrukog problema, za bilo koje mogue rjeenje, moete jamiti da je
optimalni rezultat rjeenje veeg.
Tjemeni pokriva
Svaki problem tjemenog pokrivaa moe biti promijenjen u problem pokrivaa skupa.
Primjer
G = (V, E), gdje je V = {u
1
, u
2
, u
3
, u
4
, u
5
} i E = {e
1
, e
2
, , e
8
}.
U = { e
1
, e
2
, e
3
, e
4
, e
5
, e
6
, e
7
, e
8
}
S = { (e
1
, e
2
, e
3
), (e
1
, e
4
, e
5
), (e
3
, e
4
, e
6
, e
7
), (e
2
, e
6
, e
8
), (e
5
, e
7
, e
8
) }
c(S
i
) = 1 , S
i
S
Slika 3. Primjer tjemenog pokrivaa
Od izgradnje, kada se koristi LP zaokruujui pokriva skupa za rjeavanje problema
tjemenog pokrivaa, maksimalna frekvencija je broj vrhova koji pripadaju odreenom
rubu, to je 2. Stoga je f = 2 i koristei LP zaokruujui pokriva skupa, moemo dobiti
aproksimacijski algoritam s aproksimacijskom stopom 2 za problem tjemenog
pokrivaa. LP oznaava linearno programiranje.
Zakljuak
Minimalni pokriva skupa ima zadatak donijeti optimalno rjeenje kod donoenja odluka.
Zadatak je pokriti to vei broj elemenata, napraviti to manje skupova i usput
zadovoljiti uvjet. Na poetku seminara navela sam primjer sa kolama, slian primjer
moe se navesti i kod odabira koji stroj e to raditi u tvornicu, pritom je bitno da rade
paralelno. Takoer jedna od bitnih stavki je da se to izvede u najkraem roku i uz
najmanji troak. Kao primjer rjeenja problema naveli smo pohlepni algoritam kojemu je
u cilju da to vie elemenata privede u skup te da onda ima to manje skupova od
tuda i sam naziv pohlepni, tono ono to je i cilj minimalnog pokrivaa skupa.
Literatura
[1] T. H. Comen, C. E. Leiserson, E. L. Rivest, C. Stein: Introduction to Algorithms,
second edition, The MIT Press, Cambridge, Massachusetts, London, England, str.
1035.
[2] Cheng Chen, Lingxiao Huang: Advanced Algorithms - Approximation algorithms for
Set Cover; 2011.g.
[3] Vezirani, Vijay : Approximation Algorithms
[4]