Fakultät für Informatik Professur Theoretische Informatik und Informationssicherheit Prof. Dr. Hanno Lefmann Wintersemester 2007/08 Approximations- und Onlinealgorithmen 7. Übung Aufgabe 1 Wir betrachten das Bahncardproblem mit T = ∞. In der Vorlesung wurde gezeigt, dass dann ein randomisierter Algorithmus A beschrieben werden kann durch eine Wahrscheinlichkeitsfunktion pA : [0, ∞] → [0, 1], die in pA (s) angibt, wie hoch die Wahrscheinlichkeit ist, eine Bahncard zu besitzen, wenn die aufgelaufenen Ticketpreise s erreicht haben. Die erwarteten Kosten des Algorithmus A bei Eingabe (d. h. Gesamtticketpreis) s betragen dann Z s cA (s) = pA (s) · C + s − (1 − β) · pA (x)dx 0 Es sei der Algorithmus A definiert durch die Wahrscheinlichkeitsfunktion pA (s) = min{1, ceλs } mit 0 < c < 1, λ > 0. a) Ab welchem Wert von s ist die Wahrscheinlichkeit, eine Bahncard zu haben, gleich 1? b) Es sei s der Wert aus a). Leiten Sie für s < s und für s ≥ s Ausdrücke für die erwartete Güte des Algorithmus her, wenn s ≥ ccrit gilt. c) Bestimmen Sie durch Bildung der Ableitung, für welche Werte von s die Güte besonders groß, d. h. schlecht wird, für den Fall s ≥ s und s ≥ ccrit . ———————————————————————————————————————— Das Knotenfärbungsproblem kann auch als Maximierungsproblem MAX-noCOL formuliert werden. Dann gibt es einen Approximationsalgorithmus mit konstanter Güte. Zum Färben eines Graphen G mit n Knoten stehen n Farben zur Verfügung. Eine Färbung ist optimal, wenn möglichst viele der n Farben nicht verwendet werden. Unter allen Färbungen des Graphen ist diejenige gesucht, für die n − c maximal ist. Hierbei ist c die Anzahl der verwendeten Farben. Für dieses Maximierungsproblem ist OP T (G) = n − χ(G). Ist A ein Färbungsalgorithmus, der χA (G) Farben vergibt, so ist A(G) = n − χA (G). Um eine ApT (G) n−χ(G) proximationsgüte zu bestimmen, muss eine obere Schranke für OPA(G) = n−χ angegeben A (G) werden. Sei G = (V, E). Eine unabhängige Menge U ⊆ V ist eine Menge paarweise nicht adjazenter Knoten. Der Komplementärgraph G = (V, E) von G besitzt dieselbe Knotenmenge wie G und hat die Kantenmenge E = {{x, y} | x, y ∈ V, x 6= y, {x, y} ∈ / E}. Für eine Menge X ⊆ V ist G[X] der durch X induzierte Untergraph von G, der genau die Knoten aus X und alle Kanten aus E, die zwischen Knoten aus X verlaufen, enthält. Aufgabe 2 Zeigen Sie für MAX-noCOL, dass der Matching First Algorithmus Approximationsgüte 2 hat und geben Sie ein Schärfebeispiel an. Matching First Algorithmus Eingabe: Graph G = (V, E) mit n Knoten Schritt 1: Schritt 2: Schritt 3: Ausgabe: Färbung Bestimme ein inklusionsmaximales Matching M im Komplementärgraphen G. (|M | =: z) Für M = {e1 , . . . , ez } färbe jeweils die Endknoten der Kante ei mit Farbe i. Färbe alle restlichen Knoten aus V paarweise verschieden mit {z+1, . . . , n−z}. Aufgabe 3 Zeigen Sie für MAX-noCOL, dass der Algorithmus von R. Hassin und A. Lahar Approximationsgüte 23 hat und geben Sie ein Schärfebeispiel an. Algorithmus von R. Hassin und A. Lahar Eingabe: Graph G = (V, E) mit n Knoten Schritt 1: Schritt Schritt Schritt Schritt 2: 3: 4: 5: Ausgabe: Färbung Bestimme eine nicht erweiterbare Menge Z von disjunkten, 3-elementigen, unabhängigen Mengen in G (|Z| =: z). Die Menge aller restlichen Knoten sei X. Bestimme in G[X] ein maximales Matching M (|M | =: y). Für M = {e1 , . . . , ey } färbe jeweils die Endknoten der Kante ei mit Farbe i. Färbe alle verbleibenden Knoten aus X mit {y + 1, . . . , x} (x := χ(G[X])). Gib jeder unabhängigen Menge aus Z eine Farbe aus {x + 1, . . . , x + z}, so dass verschiedene Mengen verschiedene Farben erhalten.