データ構造とアルゴリズム

第十三回 (2010年1月 15日)

近似アルゴリズム

http://www.sw.it.aoyama.ac.jp/2009/DA/lecture13.html

Martin J. Dürst

duerst@it.aoyama.ac.jp

© 2009-10 Martin J. Dürst 青山学院大学

目次

• 前回の残り
• NP 問題への対策
• 近似アルゴリズム
• これからの予定

NP 問題への対応

• NP 完全問題や NP 困難の問題は多い
• 実用的な問題が多い
• 効率的なアルゴリズムは知られてない
• 実用的な対策が必要

NP 問題への対策

• 問題の変更・限定
• 実用的なデータへの対応
• 近似アルゴリズムの設計・使用

一般的な方法もあるが、ある問題に特化したものが多い

NP 問題の変更

具体例: 巡回セールスマン問題

• コストが平面上の直線の距離
• コストが三角不等式を満たす
  など

実用的なデータへの対応

具体例: 3SAT

• 変数の数に比べて式が長い
  → 解が存在しないことを見せるのは簡単
• 変数の数に比べて式が短い
  → 解を見つけることが簡単
• 変数の数に比べて式が中間の長さ
  → 本当に難しい

近似アルゴリズム

• 完璧な解がなくてもそれに近いものが欲しい
• 多くの近似アルゴリズムでは
  「最適解より何倍以内離れている」
  ということが保証できる
• 問題に特化した近似アルゴリズム
• 一般的な近似方法
  • シミュレーテッドアニーリング
  • 遺伝的アルゴリズム
  • 等

問題に特化した近似アルゴリズム

具体例: ロード・バランシング
複数の t_i の時間がかかる仕事をm 個の機械でできるだけ早く終わらせる

• アルゴリズム 1:
  • 仕事を順番に一番まだ仕事が少ない機械に配置
  • 合計時間は最適解の二倍以内
• アルゴリズム 2:
  • 仕事を大きい順に一番まだ仕事が少ない機械に配置
  • 合計時間は最適解の 1.5倍以内

シミュレーテッドアニーリング

(simulated annealing, 焼き鈍し法)

• 名前の由来: 温度を少しずつ下げながら結晶を創出
• ある解から出発
• 乱数を使って解を変更し、新しい解の候補を作成
• 変更を少しずつ小さくする (温度を下げる)
• 現在より最適な解を保持
• 一部悪化した解も保持

遺伝的アルゴリズム

(genetic algorithm)

• 解を遺伝的情報に例える
• 最初は複数の乱数で作った解から出発
• 各世代において交叉 (組み替え) と突然変異で新しい解を作成
• いい方の解を乱数を交えて生き残す

期末試験

日付:

2009年 1月22日 (金曜日)

時間:

09:30-10:55 (85分間)

試験範囲:

授業・プリント・プログラムの全ての内容

プログラムそのものは書く必要がないが、理解する必要はある

問題の種類:

情報数学 I や計算機実習 I と類似

2008年の問題:

閲覧には Opera を推奨
図と解答例の一部は欠落
解答例は「表示」→「スタイル」→「solutions」で表示可能

注意点:

問題をよく読む (計算、証明、説明などの区別)

概念の定義を自分の言葉でおさえる

綺麗な字で書く