Skript in PDF - Theoretische Informatik - Technische Universität ...
Skript in PDF - Theoretische Informatik - Technische Universität ...
Skript in PDF - Theoretische Informatik - Technische Universität ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
174 KAPITEL 6. KOMPLEXITÄT VON ALGORITHMEN<br />
6.10 Komplexität von Optimierungsproblemen<br />
Viele Probleme s<strong>in</strong>d weder als Entscheidungsprobleme, noch als Berechnungsprobleme<br />
zu verstehen, sondern als Probleme, die für e<strong>in</strong>en maximalen (oder m<strong>in</strong>imalen)<br />
Wert e<strong>in</strong>es Parameters e<strong>in</strong>e Konstruktion verlangen. Solche Maximierungs- oder<br />
M<strong>in</strong>imierungsprobleme heißen Optimierungsprobleme.<br />
Beispiel 1 (MINIMALE FÄRBUNG). E<strong>in</strong>gabe: Ungerichteter Graph G<br />
Ausgabe: E<strong>in</strong>e Färbung von G mit m<strong>in</strong>imaler Zahl von Farben.<br />
Gibt es e<strong>in</strong>e effiziente Lösung dieses Problems? Bestimmt nicht (falls P = N P),<br />
denn jeder Algorithmus für MINIMALE FÄRBUNG kann natürlich 3-FÄRBUNG<br />
lösen. Für jedes M<strong>in</strong>imierungsproblem M haben wir das zugrunde liegende Entscheidungsproblem,<br />
dessen E<strong>in</strong>gabe e<strong>in</strong> Paar (x, y) ist, wobei x die E<strong>in</strong>gabe von<br />
M und y e<strong>in</strong>e Zahl ist. Die Entscheidung lautet: hat P e<strong>in</strong>e Lösung der E<strong>in</strong>gabe<br />
x mit e<strong>in</strong>em Parameter ≤ y? Es ist klar, dass e<strong>in</strong> M<strong>in</strong>imierungsproblem, das e<strong>in</strong>e<br />
effiziente Lösung hat, die Eigenschaft hat, dass das zugrunde liegende Entscheidungsproblem<br />
zu P gehört.<br />
Analoges gilt für Maximierungsprobleme.<br />
Beispiel 2 (MAXIMALES MATCHING). E<strong>in</strong>gabe: Ungerichteter Graph G Ausgabe:<br />
E<strong>in</strong>e maximale Menge von Kanten, die vone<strong>in</strong>ander disjunkt s<strong>in</strong>d.<br />
Dies ist e<strong>in</strong> Optimierungsproblem mit vielen praktischen Anwendungen. Der Name<br />
stammt von der Anwendung, wobei e<strong>in</strong>e Gruppe von Männern und Frauen die<br />
Knotenmenge von G formen und e<strong>in</strong>e Kante e<strong>in</strong>en Mann x mit e<strong>in</strong>er Frau y genau<br />
dann verb<strong>in</strong>det, wenn sie e<strong>in</strong> potentielles Paar formen. Die Aufgabe ist dann, die<br />
größte Menge von aktuellen Paaren zu bilden, für die ke<strong>in</strong>(e) Teilnehmer(<strong>in</strong>) mehrmals<br />
auftritt. Dieser Graph ist offensichtlich 2-färbbar; oft wird das MAXIMALE<br />
MATCHING Problem nur für 2-färbbare Graphen untersucht.<br />
Es gibt e<strong>in</strong>en effizienten Algorithmus, der MAXIMALES MATCHING löst. Die<br />
Grundidee ist, dass jedes Match<strong>in</strong>g M durch e<strong>in</strong>en erweiternden Weg verbessert<br />
werden kann. Für das gegebene Match<strong>in</strong>g M heißt e<strong>in</strong>e Kante des Graphen G frei,<br />
falls sie nicht <strong>in</strong> M liegt, und e<strong>in</strong> Knoten heißt frei, falls er ke<strong>in</strong> Endknoten e<strong>in</strong>er<br />
Kante <strong>in</strong> M ist.<br />
Def<strong>in</strong>ition. Für e<strong>in</strong> Match<strong>in</strong>g M im Graphen G heißt e<strong>in</strong> Weg <strong>in</strong> G erweiternd,<br />
falls se<strong>in</strong>e Endknoten frei s<strong>in</strong>d und se<strong>in</strong>e Kanten abwechselnd frei und unfrei s<strong>in</strong>d.<br />
Beispiel 3. Im Graphen G<br />
hat das Match<strong>in</strong>g M:<br />
x1<br />
x2<br />
x3<br />
x4<br />
x5<br />
•<br />
• y1<br />
•<br />
•<br />
•<br />
<br />
<br />
• y2<br />
<br />
<br />
<br />
<br />
• y3<br />
<br />
• y4<br />
•<br />
<br />
• y5