Meet-in-the-middle — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Содержимое страницы заменено на «Страница находится в разработке»)
Строка 1: Строка 1:
Страница находится в разработке
+
{{Определение
 +
|definition=
 +
'''Meet-in-the-middle''' (Встреча в середине)  — способ оптимизации
 +
перебора. }}
 +
Алгоритм Meet-in-the-middle разбивает задачу пополам и решает всю задачу через частичный расчет
 +
== Задача о рюкзаке ==
 +
Классической задачей является задача о наиболее эффективной упаковке рюкзака. Каждый предмет характеризуется весом (<tex> {w_{i} <= 10^{9}} </tex> ) и ценностью (<tex>{cost_{i} <= 10^{9}} </tex>). В рюкзак, ограниченный по весу, необходимо набрать вещей с максимальной суммарной стоимостью. Для ее решения изначальное множество вещей N разбивается на два равных(или примерно равных) подмножества, для которых за приемлемое время, можно перебрать все варианты и подсчитать суммарный вес и стоимость, а затем для каждого из них найти группу вещей из первого подмножества с максимальной стоимостью, укладывающуюся в ограничение по весу рюкзака. Сложность алгоритма <tex>O({2^{n/2}}\times{n})</tex>. Память <tex> O({2^{n/2}})</tex>
 +
 
 +
=== Реализация ===
 +
Реализуем данный алгоритм:
 +
  // N - количество всех вещей, w[] - массив весов всех вещей, cost[] - массив стоимостей всех вещей, R - ограничение по весу рюкзака.
 +
  sn = N / 2, fn = N - sn;
 +
  for mask = 0 to 2 ** sn - 1
 +
    for j = 0 to sn
 +
      if j-ый бит mask = 1
 +
        first[i].w += w[j];
 +
        first[i].c += cost[j];
 +
 
 +
  for mask = 0 to 2 ** fn - 1
 +
    for j = 0 to fn
 +
      if j-ый бит mask = 1
 +
        curw += w[j];
 +
        curcost += cost[j];
 +
    p = findmax(); // Находим маску вещей из первой половины с макcимальной стоимостью и подходящей по весу
 +
    if (curw + first[p].w < R && curcost + first[p].c > ans)
 +
      ans = curcost + first[p].c
 +
  print ans
 +
 
 +
== Задача о нахождение кратчайшего расстояния между двумя вершинами в графе ==
 +
[[Файл:bfs.png|600px|thumb|right|Нахождение кратчайшего расстояния между двумя вершинами]]
 +
Еще одна задача, решаемая алгоритмом Meet-in-the-middle  —  это нахождение кратчайшего расстояния между двумя вершинами, зная начальное состояние, конечное состояние и то, что длина оптимального пути не превышает '''N'''.
 +
Стандартным подходом для решения данной задачи, является применение алгоритма [[Обход в ширину|обхода в ширину]]. Пусть из каждого состояние у нас есть '''K''' переходов, тогда бы мы сгенерировали <tex> {K^{n}} </tex> состояний. Асимптотика данного рещения составила бы <tex> {O({K^{n}})} </tex>. '''Meet-in-the-middle''' помогает снизить асимптотику до <tex> {O({K^{n/2}})} </tex>. <br>
 +
=== Алгоритм решения ===
 +
 
 +
1. Сгенерируем bfs-ом все состояния, доступные из начала и конца за <tex> {n/2} </tex> или меньше ходов.
 +
 
 +
2. Найдем состояний, которые достижимы из начала и из конца.
 +
 
 +
3. Найдем среди них наилучшее по сумме длин путей.
 +
 
 +
 
 +
Таким образом, bfs-ом из двух концов, мы сгенерируем максимум <tex> {O({K^{n/2}})} </tex> состояний.

Версия 00:36, 16 декабря 2012

Определение:
Meet-in-the-middle (Встреча в середине) — способ оптимизации перебора.

Алгоритм Meet-in-the-middle разбивает задачу пополам и решает всю задачу через частичный расчет

Задача о рюкзаке

Классической задачей является задача о наиболее эффективной упаковке рюкзака. Каждый предмет характеризуется весом ([math] {w_{i} \lt = 10^{9}} [/math] ) и ценностью ([math]{cost_{i} \lt = 10^{9}} [/math]). В рюкзак, ограниченный по весу, необходимо набрать вещей с максимальной суммарной стоимостью. Для ее решения изначальное множество вещей N разбивается на два равных(или примерно равных) подмножества, для которых за приемлемое время, можно перебрать все варианты и подсчитать суммарный вес и стоимость, а затем для каждого из них найти группу вещей из первого подмножества с максимальной стоимостью, укладывающуюся в ограничение по весу рюкзака. Сложность алгоритма [math]O({2^{n/2}}\times{n})[/math]. Память [math] O({2^{n/2}})[/math]

Реализация

Реализуем данный алгоритм:

 // N - количество всех вещей, w[] - массив весов всех вещей, cost[] - массив стоимостей всех вещей, R - ограничение по весу рюкзака.
 sn = N / 2, fn = N - sn;
 for mask = 0 to 2 ** sn - 1
   for j = 0 to sn
     if j-ый бит mask = 1
       first[i].w += w[j];
       first[i].c += cost[j];
 
 for mask = 0 to 2 ** fn - 1
   for j = 0 to fn
     if j-ый бит mask = 1
       curw += w[j];
       curcost += cost[j];
   p = findmax(); // Находим маску вещей из первой половины с макcимальной стоимостью и подходящей по весу
   if (curw + first[p].w < R && curcost + first[p].c > ans)
     ans = curcost + first[p].c
 print ans

Задача о нахождение кратчайшего расстояния между двумя вершинами в графе

Нахождение кратчайшего расстояния между двумя вершинами

Еще одна задача, решаемая алгоритмом Meet-in-the-middle — это нахождение кратчайшего расстояния между двумя вершинами, зная начальное состояние, конечное состояние и то, что длина оптимального пути не превышает N. Стандартным подходом для решения данной задачи, является применение алгоритма обхода в ширину. Пусть из каждого состояние у нас есть K переходов, тогда бы мы сгенерировали [math] {K^{n}} [/math] состояний. Асимптотика данного рещения составила бы [math] {O({K^{n}})} [/math]. Meet-in-the-middle помогает снизить асимптотику до [math] {O({K^{n/2}})} [/math].

Алгоритм решения

1. Сгенерируем bfs-ом все состояния, доступные из начала и конца за [math] {n/2} [/math] или меньше ходов.

2. Найдем состояний, которые достижимы из начала и из конца.

3. Найдем среди них наилучшее по сумме длин путей.


Таким образом, bfs-ом из двух концов, мы сгенерируем максимум [math] {O({K^{n/2}})} [/math] состояний.