В теории графов , то метрика к -центру или метрическое расположение объекта задача является комбинаторной оптимизацией проблема изучается в теоретической информатике . Учитывая n городов с указанными расстояниями, нужно построить k складов в разных городах и минимизировать максимальное расстояние от города до склада. В теории графов это означает нахождение набора из k вершин, для которого наибольшее расстояние от любой точки до ближайшей вершины в k -множестве минимально. Вершины должны находиться в метрическом пространстве, обеспечивая полный граф , удовлетворяющийнеравенство треугольника .
Формальное определение [ править ]
Позвольте быть метрическим пространством, где является набором и является метрикой
. Набор предоставляется вместе с параметром . Цель состоит в том, чтобы найти подмножество с таким, чтобы максимальное расстояние от точки до ближайшей точки было минимальным. Формально проблему можно определить следующим образом:
для метрического пространства ( , d),
- Вход: набор и параметр .
- Выход: набор из точек.
- Цель: минимизировать затраты d (v, )
То есть каждая точка в кластере находится на максимальном расстоянии от своего центра. [1]
Задача кластеризации k-центров также может быть определена на полном неориентированном графе G = ( V , E ) следующим образом:
дан полный неориентированный граф G = ( V , E ) с расстояниями d ( v i , v j ) ∈ N, удовлетворяющими неравенства треугольника, найти подмножество C ⊆ V с | C | = k при минимизации:
Вычислительная сложность [ править ]
В полном неориентированном графе G = ( V , E ), если отсортировать ребра в порядке неубывания расстояний: d ( e 1 ) ≤ d ( e 2 ) ≤… ≤ d ( e m ) и пусть G i = ( V, E i ), где E i = { e 1 , e 2 ,…, e i }. Задача k -центра эквивалентна нахождению наименьшего индекса i такого, что G iимеет доминирующий набор размера не более k .[2]
Хотя доминирующее множество является NP-полным , проблема k- центра остается NP-сложной . Это ясно, поскольку оптимальность данного допустимого решения для задачи k -центра может быть определена посредством сокращения доминирующего множества, только если мы знаем в первую очередь размер оптимального решения (т. Е. Наименьший индекс i такой, что G i имеет доминирующее множество размера в большинстве к ), что именно трудно ядро из NP-трудной проблемы.
Приближения [ править ]
Простой жадный алгоритм [ править ]
Простой жадный алгоритм аппроксимации, который достигает коэффициента аппроксимации 2, строится с использованием обхода дальше всего за k итераций. Этот алгоритм просто выбирает точку, наиболее удаленную от текущего набора центров на каждой итерации, в качестве нового центра. Его можно описать следующим образом:
- Выберите произвольную точку в
- Для каждой точки вычислить из
- Выберите точку с наибольшим расстоянием от .
- Добавьте его к набору центров и обозначьте этот расширенный набор центров как . Продолжайте до тех пор, пока не будут найдены k центров
Продолжительность [ править ]
- На i- ю итерацию выбора i- го центра требуется время.
- Всего k таких итераций.
- Таким образом, в целом алгоритм требует времени. [3]
Доказательство коэффициента приближения [ править ]
Решение, полученное с помощью простого жадного алгоритма, является 2-приближением к оптимальному решению. Этот раздел посвящен доказательству этого коэффициента приближения.
Принимая во внимание множество п точек , принадлежащее к метрическому пространству ( , д), жадный K -CENTER алгоритма вычисляет множества K из K центров, таким образом, что K представляет собой 2-приближение к оптимальной к -Center кластеризации V .
т.е. [1]
Эта теорема может быть доказана с использованием следующих двух случаев:
Случай 1. Каждый кластер содержит ровно одну точку
- Рассмотрим точку
- Позвольте быть центром, которому он принадлежит в
- Позвольте быть центром того, что находится в
- Так же,
- По неравенству треугольника:
Случай 2: Есть два центра и в том , что оба в , для некоторых (по принципу отверстия голубиного, это единственный другая возможность)
- Предположим, без ограничения общности, что было добавлено позже к центру, установленному жадным алгоритмом, скажем, на i- й итерации.
- Но поскольку жадный алгоритм всегда выбирает точку, наиболее удаленную от текущего набора центров, у нас есть это и,
Другой алгоритм двухфакторной аппроксимации [ править ]
Другой алгоритм с тем же коэффициентом приближения имеет преимущество в том , что к -центра задачи эквивалентно нахождению наименьшего индекса я такая , что G я имеет доминирующее множество размера в большинстве к и вычисляет максимальное независимое множество в G я , глядя для наименьшего индекса i , имеющего максимальное независимое множество размером не менее k . [4] Невозможно найти алгоритм аппроксимации с коэффициентом аппроксимации 2 - ε для любого ε> 0, если только P = NP. [5]Кроме того, расстояния всех ребер в G должны удовлетворять неравенству треугольника, если задача k- центра должна быть аппроксимирована в пределах любого постоянного множителя, если P = NP.[6]
См. Также [ править ]
- Проблема коммивояжера
- Минимальный k-разрез
- Доминирующий набор
- Независимое множество (теория графов)
- Проблема с расположением объекта
Ссылки [ править ]
- ^ a b c Харпелед, Сариэль (2011). Алгоритмы геометрической аппроксимации . Бостон, Массачусетс, США: Американское математическое общество. ISBN 0821849115.
- ^ Вазирани, Виджай В. (2003), Приближение Алгоритмы , Berlin: Springer, С. 47-48,. ISBN 3-540-65367-8
- ^ Гонсалес, Теофило Ф. (1985), «Кластеризация для минимизации максимального межкластерного расстояния», Теоретическая информатика , 38 , Elsevier Science BV, стр. 293–306, DOI : 10.1016 / 0304-3975 (85) 90224-5
- ^ Хохбаум, Дорит С .; Шмойс, Дэвид Б. (1986), "Единый подход к алгоритмам аппроксимации для проблем узких мест", Журнал ACM , 33 , стр. 533–550, ISSN 0004-5411
- ^ Хохбаум, Дорит С. (1997), Алгоритмы приближения для NP-сложных задач , Бостон: PWS Publishing Company, стр. 346–398, ISBN 0-534-94968-1
- ^ Крещенци, Пьерлуиджи; Канн, Вигго; Халлдорссон, Магнус; Карпинский, Марек ; Woeginger, Gerhard (2000), «Минимальный k-центр», Сборник задач оптимизации NP
Дальнейшее чтение [ править ]
- Хохбаум, Дорит С .; Шмойс, Дэвид Б. (1985), "Лучшая возможная эвристика для проблемы k-центра", Математика исследования операций , 10 , стр. 180–184