В теории вычислительной сложности сокращение PTAS — это сокращение , сохраняющее аппроксимацию , которое часто используется для выполнения сокращений между решениями задач оптимизации . Оно сохраняет свойство, что задача имеет схему аппроксимации полиномиального времени (PTAS), и используется для определения полноты для определенных классов задач оптимизации, таких как APX . В нотации, если существует сокращение PTAS от задачи A к задаче B, мы пишем .
При обычных полиномиальных многоединичных сокращениях , если мы можем описать сокращение от задачи A до задачи B, то любое полиномиальное решение для B может быть составлено с этим сокращением для получения полиномиального решения для задачи A. Аналогично, наша цель при определении сокращений PTAS состоит в том, чтобы, имея сокращение PTAS от оптимизационной задачи A до задачи B, PTAS для B можно было составить с сокращением для получения PTAS для задачи A. [1]
Определение
Формально мы определяем PTAS-редукцию от A до B, используя три вычислимые за полиномиальное время функции f , g и α со следующими свойствами:
- f сопоставляет экземпляры проблемы A с экземплярами проблемы B.
- g берет экземпляр x задачи A, приближенное решение соответствующей задачи в B и параметр ошибки ε и выдает приближенное решение x .
- α сопоставляет параметры ошибок для решений примеров задачи A с параметрами ошибок для решений задачи B.
- Если решение y ( примера задачи B) в большинстве раз хуже оптимального решения, то соответствующее решение x ( примера задачи A) в большинстве раз хуже оптимального решения.
Характеристики
Из определения легко показать, что:
- и
- и
L-редукции подразумевают PTAS-редукции. В результате можно показать существование PTAS-редукции через L-редукцию. [1]
Сокращения PTAS используются для определения полноты в APX , классе задач оптимизации с алгоритмами аппроксимации с постоянным коэффициентом.
Смотрите также
Ссылки
- ^ ab Crescenzi, Pierluigi (1997). "Краткое руководство по аппроксимации сохраняющих сокращений". Труды Computational Complexity. Двенадцатая ежегодная конференция IEEE . Вашингтон, округ Колумбия: IEEE Computer Society. стр. 262–273. doi :10.1109/CCC.1997.612321. ISBN 0-8186-7907-7. S2CID 18911241.
- Инго Вегенер. Теория сложности: исследование пределов эффективных алгоритмов. ISBN 3-540-21045-8 . Глава 8, стр. 110–111. Предварительный просмотр Google Books