05.11.2012 Aufrufe

Kombinatorische Optimierung Approximation und Randomisierung ...

Kombinatorische Optimierung Approximation und Randomisierung ...

Kombinatorische Optimierung Approximation und Randomisierung ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Handouts zur VL vom 10.06.2009 Stand dieser Sammlung: 17. Juli 2009<br />

[...]<br />

Zu (2): Mit X ′ := � m i=1 X R i gilt<br />

Mit β = ε<br />

2−ε<br />

gilt also<br />

E[X ′ ] = �<br />

1 − ε � �m<br />

x<br />

2<br />

∗ i = �<br />

1 − ε �<br />

OPT<br />

2<br />

∗ .<br />

(1 − β)E[X ′ ] =<br />

2 − 2ε<br />

2 − ε<br />

i=1<br />

· 2 − ε<br />

2<br />

· OPT ∗ = (1 − ε)OPT ∗ .<br />

Wir erhalten mit der Angluin-Valiant-Ungleichung (Kor. 4.0.11):<br />

P �<br />

X ′ ≤ (1 − ε)OPT ∗�<br />

= P �<br />

X ′ ≤ (1 − β)E[X ′ ] �<br />

≤<br />

�<br />

exp − β2E[X ′ ⎛<br />

�<br />

� �2� ε<br />

] ⎜ 1 − 2−ε<br />

= exp ⎝−<br />

2<br />

ε<br />

�<br />

OPT 2<br />

∗<br />

⎞<br />

⎟<br />

⎠<br />

2<br />

= exp<br />

�<br />

− ε2OPT ∗<br />

�<br />

4(2 − ε)<br />

� �� �<br />

falls hier „≤ − ln(4)“, dann fertig!<br />

.<br />

Weil H mindestens k Kanten hat, ist<br />

Also gilt<br />

OPT ∗ ≥ k ≥<br />

6(2 − ε) ln(4n)<br />

ε 2<br />

ε2OPT ∗<br />

4(2 − ε) ≥ ε26(2 − ε) ln(4)<br />

4(2 − ε)ε2 ≥<br />

6(2 − ε) ln(4)<br />

ε2 .<br />

= 3<br />

ln(4) ≥ ln(4).<br />

2<br />

B. Langfeld, A. Srivstav: <strong>Kombinatorische</strong> <strong>Optimierung</strong> (CAU, SoSe 2009) 24

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!