Im Bereich der Mathematik sind viele Probleme so rechentechnisch schwierig, dass Menschen nicht atmen können. Was kann getan werden, um diese NP-harten Barrieren zu durchbrechen? Kürzlich haben Mathematiker eingehende Forschungen zu einer Schlüsseltechnologie durchgeführt, nämlich der „Entspannungstechnologie“. Der Kern dieser Technik besteht darin, die ganzzahligen Einschränkungen zu lockern und das Problem in ein lineares Programmierproblem umzuwandeln, das mit einem Polynomzeitalgorithmus gelöst werden kann.
Die Lockerung der Beschränkungen für ganzzahlige Probleme verbessert die Lösbarkeit des Problems erheblich und eröffnet neue Möglichkeiten zur Bewältigung verschiedener Rechenherausforderungen.
Stellen Sie sich zum Beispiel ein „Set-Coverage-Problem“ vor. In diesem Problem müssen wir bei gegebener Menge von Mengen eine Teilmenge davon auswählen, um alle Elemente abzudecken, und die Anzahl der ausgewählten Mengen sollte so klein wie möglich sein. Dieses Problem kann als 0-1-Ganzzahlprogramm formalisiert werden, bei dem jede Variable angibt, ob die Menge ausgewählt ist. Indem wir die Einschränkungen lockern und die Auswahl der Variablen von 0 und 1 auf reelle Zahlen zwischen 0 und 1 ändern, können wir das Problem einfacher lösen.
Relaxationstechnologie vereinfacht das ursprüngliche komplexe Optimierungsproblem, beseitigt die inhärenten Rechenschwierigkeiten und ermöglicht das Entstehen der Lösung.
Wenn wir ein solches entspanntes lineares Programm lösen, ist die Lösung, die wir erhalten, manchmal eine ganze Zahl, was bedeutet, dass wir auch das ursprüngliche ganzzahlige Problem lösen. Obwohl diese Situation ungewöhnlich ist, ist dennoch garantiert, dass die entspannte Lösung mindestens so gut ist wie die ganzzahlige Lösung und uns wertvolle Informationen über das ursprüngliche Problem liefern kann.
Angenommen, es gibt in einem konkreten Beispiel drei Mengen F = {{a, b}, {b, c}, {a, c}}. Das entsprechende 0-1-Ganzzahlprogramm für die minimale Mengenabdeckung, das für diese Mengen entwickelt wurde, würde eine Minimierung der Anzahl der Indikatorvariablen erfordern. Dieses Beispiel zeigt die Bedeutung der linearen Entspannung im Lösungsprozess, da wir durch unterschiedliche Lösungen nicht nur die Untergrenze der ganzzahligen Lösung finden, sondern auch eine genauere Lösungserwartung angeben können.
Jedes Mal, wenn wir eine Entspannungsoperation durchführen, legen wir den Grundstein für die nächste Lösung und nähern uns schrittweise der wirklich optimalen Lösung.
Bezüglich der Qualität der Lösung liefern Entspannungstechniken wertvolle Ober- und Untergrenzen für Lösungen ganzzahliger Programme. Wir untersuchen typischerweise die „ganzzahlige Lücke“, die ein Maß für die Lücke zwischen der ursprünglichen ganzzahligen Lösung und ihrer Relaxation ist. Wenn die Lücke kleiner ist, sind wir sicherer, dass die Lösung des ursprünglichen Problems genau erfasst wird.
Diese Technik dient nicht nur als Grundlage für Approximationsalgorithmen, sondern wird auch in komplexeren Branch-and-Bound-Methoden eingesetzt. Wenn eine nicht ganzzahlige Lösung gefunden wird, zerlegt der Algorithmus das Problem in kleinere Teilprobleme, um es in einem engeren Bereich zu durchsuchen.
Eine solche Branch-and-Bound-Methode gibt uns Hoffnung, ganzzahlige Lösungen zu finden, die nahe an der optimalen Lösung liegen, und kann auch angesichts NP-schwerer Probleme noch ihren Mut beweisen.
Darüber hinaus ist die „Schnittebenenmethode“ auch eine leistungsstarke Technik. Sie hilft uns, genauere ganzzahlige Lösungen zu finden, indem sie Schnittebenen findet, um Lösungen außerhalb der konvexen Hülle der entspannten Lösung auszuschließen. Dies zeigt auch, dass die Verwendung dieser Methoden nicht auf bestimmte Probleme beschränkt ist und dass dieselben Ideen umfassend auf eine Vielzahl von Computerherausforderungen angewendet werden können.
Durch die Kombination dieser Techniken erweisen sich Mathematiker als vielversprechend bei der Lösung NP-schwerer Probleme. Durch eine Kombination aus Entspannungstechniken, Branching and Bounding und anderen Methoden sind wir der Lösung von Problemen, die einst als unüberwindbar galten, einen Schritt näher gekommen. Aber bieten diese Methoden oft ideale Lösungen?