← 全部问题近似算法的正式定义是什么？
近似算法是一种多项式时间算法，旨在为 NP 难优化问题寻找次优解。它用绝对完美换取数学保证，确保可证明的效率。
理解与推导
- 识别问题为 NP 难优化问题。
- 设计一个在多项式时间内运行的算法。
- 确保算法找到次优解。
- 提供关于解质量的数学保证。
例子
视频指出：“从形式上讲，近似算法是用于为 NP 难优化问题寻找次优解的多项式时间算法。”
容易误解的地方
- 认为近似算法只是没有保证的随机猜测。
- 假设它们总是能在多项式时间内找到精确的最优解。
相关问题
掌握方法↗ 对于最小化问题，保证是 C≤ρ(n)⋅C∗。对于最大化问题，它是 C≥ρ(n)C∗。
适用条件：C 是算法产生的成本。；C* 是真实的最佳成本。；rho(n) 是近似界限。
认识概念↗ 这四种技术是贪心策略、线性规划松弛和舍入、原始-对偶方案以及局部搜索。
适用条件：适用于为 NP 难问题设计近似算法。
理解原因↗ 为 NP 难优化问题寻找精确解需要指数时间，如 O(2n) 或 O(n!)，这对于大型输入在计算上是不可行的。
适用条件：问题是 NP 难优化问题；寻求精确解
认识概念↗ FPTAS 和 PTAS 允许任意接近的近似。APX 允许恒定因子近似。
适用条件：比较优化问题的标准近似类。
近似界限是一个保证的乘法限制，规定了在最坏情况下算法的结果比真实最优解差多少。
适用条件：用于最小化或最大化问题。；表示相对于最优解的最坏情况保证。
答案依据视频资料生成并经过独立核验。若有疑问，请核对原视频或联系原作者。