Approximationsalgorithmus

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Ein Approximationsalgorithmus ist in der Informatik ein Algorithmus, der ein Optimierungsproblem näherungsweise löst.

Viele Optimierungsprobleme lassen sich mit exakten Algorithmen vermutlich nicht effizient lösen. Für solche Probleme kann es sinnvoll sein, wenigstens eine Lösung zu finden, die einer optimalen Lösung möglichst nahe kommt.

Güte von Approximationsalgorithmen[Bearbeiten | Quelltext bearbeiten]

Es sei die zu einer Eingabe gehörige Menge zulässiger Lösungen. Zu jeder möglichen Lösung sei der Wert der Zielfunktion für . Der Zielfunktionswert einer optimalen Lösung für Eingabe sei . Ein Approximationsalgorithmus (oder Approximationsverfahren) gibt bei Eingabe eine Lösung aus, so dass relativ nah an liegt.

Ist die von einem Approximationsverfahren für die Eingabe berechnete Lösung, so ist die Güte des Approximationsverfahrens bei der Eingabe

bei Maximierungsaufgaben als und bei Minimierungsaufgaben als definiert.

Es ist also immer . Gilt , liefert der Algorithmus eine optimale Lösung für .

Hat ein Approximationsverfahren für alle möglichen Eingaben eine Güte von höchstens , so spricht man von einer -Approximation.

Klassen von Approximationsalgorithmen[Bearbeiten | Quelltext bearbeiten]

Optimierungsprobleme werden in der Theoretischen Informatik in verschiedene Approximationsklassen unterschieden, je nachdem welcher Grad an Approximation möglich ist:

APX[Bearbeiten | Quelltext bearbeiten]

Die Abkürzung APX steht für approximable und deutet an, dass das Optimierungsproblem, zumindest bis zu einem gewissen Grad, effizient approximierbar ist. Ein Problem liegt in der Klasse APX, wenn eine Zahl und ein polynomieller Algorithmus, der bei jeder zulässigen Eingabe eine Lösung mit einer Güte liefert, existieren.

PTAS/PAS[Bearbeiten | Quelltext bearbeiten]

PTAS oder PAS steht für polynomial time approximation scheme. Anders als bei der Klasse APX wird hier für jedes gefordert, dass ein polynomialer Algorithmus existiert, der bei jeder zulässigen Eingabe eine Lösung mit einer Güte liefert. Der Algorithmus muss also nicht nur für eine bestimmte Güte, sondern für jede Approximationsgüte effizient sein.

FPTAS[Bearbeiten | Quelltext bearbeiten]

FPTAS steht für fully polynomial time approximation scheme. Hier wird gefordert, dass sich der Algorithmus nicht nur polynomiell zur Eingabe, sondern auch zur Güte der Approximation verhält; Dass er also zu jeder Eingabe und jedem eine Lösung mit der Güte ausgibt und seine Laufzeit polynomiell in und ist.

Es gilt:

Unter der Annahme sind die obigen Inklusionsabbildungen echte Inklusionen. Das heißt, es gibt zum Beispiel mindestens ein Optimierungsproblem, das in der Klasse PTAS liegt, aber nicht in der Klasse FPTAS. Unter dieser Annahme existiert auch mindestens ein Optimierungsproblem, das nicht in APX liegt. Dies lässt sich unter der Annahme zum Beispiel für das Cliquenproblem zeigen.

Sei ein Optimierungsproblem, dessen Zielfunktion für alle Instanzen ganzzahlig ist. Falls es ein Polynom mit für jede Instanz gibt, dann folgt aus der Existenz eines FPTAS für die Existenz eines pseudopolynomiellen Algorithmus für . Hierbei ist die optimale Lösung für die Instanz und der maximale Wert einer Variable von .

Da stark NP-vollständige Probleme keinen pseudopolynomiellen Algorithmus haben (falls ), besitzen diese daher kein FPTAS.

Siehe auch[Bearbeiten | Quelltext bearbeiten]

Literatur[Bearbeiten | Quelltext bearbeiten]

  • Rolf Wanka: Approximationsalgorithmen - Eine Einführung, Teubner, Wiesbaden, 2006, ISBN 3-519-00444-5
  • Klaus Jansen, Marian Margraf: Approximative Algorithmen und Nichtapproximierbarkeit, de Gruyter, Berlin, New York, 2008, ISBN 978-3-11-020316-5