Problem z plecakiem - NP-kompletny pomimo dynamicznego rozwiązania programistycznego?


50

Problemy z plecakiem można łatwo rozwiązać za pomocą programowania dynamicznego. Programowanie dynamiczne przebiega w czasie wielomianowym; dlatego to robimy, prawda?

Przeczytałem, że jest to w rzeczywistości problem NP-zupełny, co oznaczałoby, że rozwiązanie problemu wielomianowego jest prawdopodobnie niemożliwe.

Gdzie jest mój błąd?


5
Należy pamiętać, że DP jest wielomianem w „rozmiarze tabeli”. Stół jest wykładniczo duży dla Plecaka (patrz odpowiedź Kaveha).
Raphael

Odpowiedzi:


40

Problem z plecakiem jest gdy liczby są podawane jako liczby binarne . W takim przypadku programowanie dynamiczne zajmie wykładniczo wiele kroków (w wielkości wejścia, tj. Liczby bitów na wejściu), aby zakończyć .NP-complete

Z drugiej strony, jeśli liczby na wejściu zostaną podane pojedynczo, programowanie dynamiczne będzie działać w czasie wielomianowym (w wielkości wejścia).

Tego rodzaju problemy nazywane są słaboNP-complete .

: Innym dobrym przykładem na zrozumienie znaczenia kodowania używanego do wprowadzania danych jest rozważenie zwykłych algorytmów, aby sprawdzić, czy liczba pierwsza jest liczbą od do i sprawdzić, czy którykolwiek z nich dzieli . Jest to wielomian w ale niekoniecznie w rozmiarze wejściowym. Jeśli podano w formacie binarnym, rozmiar danych wejściowych wynosi a algorytm działa w czasie który jest wykładniczy w wielkości wejściowej. A typową złożonością obliczeniową problemu jest rozmiar danych wejściowych.2nnnnlgnO(n)=O(2lgn/2)

Ten rodzaj algorytmu, tj. Wielomian w największej liczbie, która jest częścią danych wejściowych, ale wykładniczo w długości danych wejściowych, nazywa się pseudo-wielomianem .


Ale pomyśl o przedmiotach, które mają być umieszczone w plecaku. Obiekty muszą być wprowadzone i takie wejście musi być wielomianowe z liczbą obiektów. Jeśli obiektów jest wystarczająco dużo, dane wejściowe są wielomianowe z rozmiarem problemu. Dlaczego więc nie mogę powiedzieć, że problem plecaka jest problemem P pod względem wielkości stołu? Czy się mylę?
Strin,

@Strin, nie, niewielka liczba przedmiotów może wystarczyć, aby poczuć duży plecak, np. Jeśli rozmiar plecaka wynosi , wystarczy jeden przedmiot wielkości . Rozmiar wejścia wynosi około , znacznie mniej niż . (Zakładam, że mówimy o plecaku 0-1.)mm2lgmm
Kaveh

Czy można podzielić dane wejściowe na mniejsze, których kodowanie binarne ma rozmiar kończący algorytm w czasie wielomianowym, a następnie połączyć rozwiązania?
Char

@Kaveh „Rozmiar danych wejściowych wynosi około 2 lg m” Nie rozumiem, skąd bierzesz tę część. Związek między m(wielkością opakowania) a n(liczbą przedmiotów) jest całkowicie nieznany, prawda? I ponownie „kiedy liczby są podawane jako liczby binarne” ... ale czy nie możesz tego powiedzieć na nic? W przypadku większości algorytmów mówimy o wielkości wejściowej w bazie 10. Po co tutaj mówić o pliku binarnym? I to, czy kodujesz w formacie binarnym, ósemkowym, dziesiętnym itp. ... actualliczba iteracji w głównej pętli algorytmu zależy bezpośrednio od obu ni W.
The111

1
@ The111, myślę, że lepiej będzie, jeśli opublikujesz to jako nowe pytanie, a ja odpowiem. Myślę, że twoje pytanie jest bardziej fundamentalne i komentarze nie są zbytnio związane z tym pytaniem.
Kaveh

33

Główne zamieszanie polega na różnicy między „ rozmiarem ” a „ wartością ”.

Czas wielomianowy ” oznacza wielomian wrt wielkości wejściowej.

Czas pseudopolinomalny ” oznacza, że ​​wielomian wrt wartości wejściowej. Można pokazać (poniżej), że jest to równoważne z wykładniczym względem wielkości danych wejściowych.


Innymi słowy: Niech reprezentuje rozmiar danych wejściowych, a reprezentuje wartość danych wejściowych.NsizeNval

Czas wielomianu: dlaO(Nsizex)xN

Pseudopol. Czas: dlaO(Nvalx)xN

Teraz problem plecakowy ma rozwiązanie pseudopolomiczne, a nie wielomianowe , ponieważ rozwiązanie programowania dynamicznego daje czas działania zależny od wartości - tj. , gdzie jest wartością reprezentującą maksymalną pojemność.O(nW)W

Teraz wartość można przekonwertować na rozmiar , reprezentując ją w liczbie cyfr potrzebnych do jej przedstawienia. mówi, ile cyfr potrzeba do reprezentowania przy użyciu podstawy . Można to rozwiązać, aby dał:Nsize=Logb(Nval)NvalbNval

Nval=bNsize

Podłączenie tego do definicji czasu pseudopolomicznego pokazuje, że jest to wykładniczy wr_ :Nsize

Pseudopol. Czas: dlaO(bxNsize)b,xN


7
Utworzono tutaj konto tylko po to, by podziękować! Dopiero po twoim przykładzie w końcu to zrozumiałem.
Inoryy

2
Twoja odpowiedź bije wszystkich, brawo!
Muhammad Razib,

1
Aby dodać do tej wspaniałej odpowiedzi, możemy powiedzieć, że jeśli zmienimy W ze 100 na 101, rozmiar problemu nie zostanie zwiększony, rozmiar zostanie zwiększony, jeśli dodamy kolejny bit do W, co czyni go dwa razy większym, więc tabela mają dwa razy więcej wierszy, a zatem wraz ze zwiększeniem rozmiaru o jeden czas problemu jest podwojony, dlatego jest wykładniczy.
Amen,

@bcorso Załóżmy, że otrzymujesz wartość N. I musiałeś znaleźć sumę liczb od 1 do N i użyłeś metody pętli for, która byłaby algorytmem pseudopolinomialnym?
DollarAkshay

8

Problem plecakowy , jak określono w artykule Karp jest jest NP-zupełny, ponieważ nie jest redukcja od innych problemów NPC (dokładna obejmuje w tym przypadku) do plecaka. Oznacza to, że nie ma algorytmu wielomianowego, który rozwiązałby wszystkie przypadki problemu z plecakiem, chyba że .P=NP

Istnieją jednak różne warianty (np. 0-1 Knapsack i inne ), które mogą, ale nie muszą mieć rozwiązania wielomianowe lub dobre przybliżenia. Ale to nie to samo, co ogólny problem z plecakiem. Ponadto mogą istnieć wydajne algorytmy, które działają dla określonych (rodzin) instancji , ale algorytmy te będą działać dłużej w innych instancjach.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.