Algorithmus von Christofides

aus Wikipedia, der freien Enzyklopädie
(Weitergeleitet von Christofides-Heuristik)
Wechseln zu: Navigation, Suche

Der Algorithmus von Christofides ist ein Algorithmus, der zur Approximation des metrischen Problem des Handlungsreisenden dient. Er war lange Zeit die beste Approximation für euklidische Graphen. (Arora und Mitchell stellten 1996 ein besseres PTAS vor.)

Formal geht man ähnlich wie bei der Minimum-Spanning-Tree-Heuristik vor:

  1. Erzeuge einen minimalen aufspannenden Baum T für den zugrunde liegenden Graphen G=\left(V,E\right) mit Kantengewichten.
  2. Suche ein (bezüglich Kantengewicht) minimales perfektes Matching M im Graphen zwischen den Knoten, die ungeraden Grad in dem gerade erzeugten Baum T besitzen.
  3. Füge diese Kanten zu T hinzu. Der entstehende Graph  T\cup M ist dann eulersch.
  4. Konstruiere eine Eulertour in T\cup M.
  5. Konstruiere einen Hamiltonkreis in T\cup M. Wähle dazu einen beliebigen Startknoten und gehe die Eulertour ab. Ersetze dabei die bereits besuchten Knoten durch direkte Verbindungen (bzw. Abkürzungen) zum nächsten noch nicht besuchten Knoten.

Gütegarantie[Bearbeiten]

Es lässt sich zeigen, dass die Christofides-Heuristik eine 1,5-Approximation ist. Das heißt, die so entstandene Rundreise ist maximal um die Hälfte länger als die optimale Tour. Der Beweis beruht dabei auf einer wiederholten Anwendung der Dreiecksungleichung.

  • Die Summe der Kantengewichte im Minimum-Spanning-Tree (MST) ist sowieso kleiner gleich der optimalen Lösung, da jede Lösung des Traveling Salesman Problem (TSP) einen Spannbaum enthält.
  • Bezüglich des Matchings gilt folgendes:
    Sei i_1, \ldots, i_n die Folge der Knoten vormals ungeraden Grades in der optimalen Lösung; dazwischen liegen irgendwelche anderen Knoten: a - i_1 - b - i_2 - c - \cdots - i_n. Betrachte die beiden Matchings \left\{ \left\{i_1, i_2\right\}, \left\{i_3, i_4\right\}, \ldots \left\{i_{n-1}, i_n\right\}\right\} sowie \left\{ \left\{i_2, i_3\right\}, \left\{i_4, i_5\right\}, \ldots \left\{i_n, i_1\right\}\right\}. Dann gilt aufgrund der Dreiecksungleichung, dass c(i_1, i_2) \leq c(i_1, b) + c(b, i_2), c(i_2, i_3) \leq c(i_2, c) + c(c, i_3), \ldots
    Also sind die Gesamtkosten der optimalen Lösung größer gleich derer zweier beliebiger Matchings, insbesondere also zwei Mal des minimalen Matchings. Dann ist ein minimales Matching auch nur maximal halb so groß wie die optimale Lösung. So lässt sich die Summe der Kantengewichte entlang der Eulertour in T \cup M (d.h. die Summe der Gewichte aller Kanten in T \cup M) nach oben hin abschätzen.
  • Schließlich lässt sich die Summe der Kanten in dem aus der Eulertour erzeugten Hamiltonkreis durch erneutes Anwenden der Dreiecksungleichung nach oben hin durch die Summe der Kanten in der Eulertour abschätzen (denn die Direktkanten können nicht länger sein als die Verbindung über einen schon früher besuchten Knoten), also transitiv durch das 1,5-Fache der optimalen Lösung.

Beispiel[Bearbeiten]

Metrischer Graph mit 5 Knoten.svg Ausgangslage: metrischer Graph G=\left(V,E\right) mit Kantengewichten
Christofides MST.svg Minimalen Spannbaum T berechnen.
V'.svg Die Menge der Knoten mit ungeradem Grad im Spannbaum bestimmen (V').
G V'.svg G auf die Knoten aus V' reduzieren (G|_{V'}).
Christofides Matching.svg Matching M mit minimalem Gewicht auf G|_{V'} bestimmen.
TuM.svg Matching und Spannbaum vereinigen (T\cup M).
Eulertour.svg Euler-Tour auf T\cup M berechnen (A-B-C-A-D-E-A).
Eulertour bereinigt.svg Wiederholt vorkommende Knoten entfernen und durch Direktverbindung ersetzen (A-B-C-D-E-A). In metrischen Graphen führt dies nicht zu einer längeren Strecke.

Diese Tour ist die Ausgabe des Algorithmus.

Weblinks[Bearbeiten]