最简单的NP-Hard问题

前言

本文介绍了最简单的NP-hard问题——数字分区问题,以及该问题的一个伪多项式解法和两个近似解法。

数字分区问题

讨论这样一个问题:给定一个正整数的多重集合

,能否将

划分为两个子集

,使得

中元素的和与

中元素的和相等?在数论和计算机科学中,该问题被称为是数字分区问题,尽管NP完全,但是却存在动态规划的解法能够在伪多项式时间内求解,并且在许多情况下,存在最佳或者是近似的解决方法。因此,这个问题也被称为"最简单的NP-hard问题"。

比如给定多重集合

存在子集

,这两个子集划分了

。这个解并不是唯一的。

是另外一组解。

并不是所有的多重集合都能找到这个问题的解,比如

伪多项式时间算法

在多重集合元素的个数和多重集合元素的和值不是很大时,可以采用动态规划来解决。

假设问题的输入是具有

个正整数的多重集合

中元素的和值

。那么算法就是找出一个

的子集,其和为

。如果这样的子集存在,那么:

  • 如果

是偶数,

中其余元素的和也是

  • 如果

是奇数,

中其余元素的和是

,我们将会得到一个近似解。

重叠子问题

来表示在

中是否存在子集使得子集元素和为

,如果存在,

;如果不存在,

那么上面的问题就变成了判断

是否为

。为了帮助解决这个问题,我们引入下面的命题:

当且仅当

或者

时,

下面来证明这个命题

证明:

时,

使得

成立,

,故

;

时,

使得

成立,则必有

使得

成立,

,故

;

时,

使得

成立且

使得

成立,此时明显

使得

成立(反证法可证)。

综上,当且仅当

或者

时,

实现代码

使用Python来简单实现上面的算法:

#!/usr/bin/env python
import numpy as np
def find_partition(s):
  n = len(s)
  k = sum(s)
  p = np.zeros((k / 2 + 1, n + 1), dtype=bool)
  p[0] = True

  for i in range(1, k/2+1):
     for j in range(1, n+1):
        p[i][j] = p[i][j-1]
        if i >= s[j-1]:
           p[i][j] = p[i][j] or p[i-s[j-1]][j-1]
  return p[k/2][n]

test_list = [3, 1, 1, 2, 2, 1]
print(find_partition(test_list))

程序的输出结果如下

True

下面的表格是程序中

的数据

{}

{3}

{3,1}

{3,1,1}

{3,1,1,2}

{3,1,1,2,2}

{3,1,1,2,2,1}

0

True

True

True

True

True

True

True

1

False

False

True

True

True

True

True

2

False

False

False

True

True

True

True

3

False

True

True

True

True

True

True

4

False

False

True

True

True

True

True

5

False

False

False

True

True

True

True

复杂度分析

上面算法的时间复杂度为

,其中,

是输入多重集合元素的个数,

是多重集合中所有元素的和。

如果将问题变成将一个多重集合分为

个和相等的子集,算法的空间复杂度将为

,其中

是输入中最大的值。在这样的情况下,即使

也很难应用这样的算法,除非输入的都是一些小数字。

近似求解算法

有一些启发式算法可以用来求这个问题的近似解。

贪心算法

想象一下一群孩子分拨玩游戏的场景,商量好分成几拨后,每次选出一个人,加入到人少的那一拨中,贪心算法的过程类似。在这个问题中,多重集合按降序排列,依次遍历,每次选出一个数添加到和值较小的子多重集合中。这个算法的时间复杂度为

。该算法在实际中能够得到近似解,但是不保证能得到最优解。比如,输入多重集合

,贪心算法会将

分为

这两个子多重集合,但是最优解是存在的,比如

贪心算法能得到最优解法的

近似解;这个意思是说,设最优解中较大多重集合的和为

,贪心算法输出两个多重集合

,那么有

Python版本的代码如下:

def find_partition(input_list):
  a, b = [], []
  sum_a, sum_b = 0, 0
  for n in sorted(input_list, reverse=True):
     if sum_a < sum_b:
        a.append(n)
        sum_a += n
     else:
        b.append(n)
        sum_b += n
  return a, b


test_list = [3, 1, 1, 2, 2, 1]
print(find_partition(test_list))

程序结果输出如下

([2, 2, 1], [3, 1, 1])

在这个问题中,上面的解法针对的是

的情况,贪心算法还可用于

个分区的情况。对

的情况,算法的时间复杂度是

,能得到最优解法的

近似解。现在,对于数字多重集合划分问题,我们有一个多项式时间近似方案,尽管这不是一个完全多项式时间近似方案。

差分算法

另一种启发式算法是最大差分法,该算法也被称之为Karmarkar-Karp启发式算法。最大差分法分两个阶段运行。算法的第一阶段从输入中取出最大的两个数,用它们的差来替换它们;循环此过程直到只剩下一个数字。替换表示将这两个数字放在不同的集合中,但是不确定具体的集合。在第一阶段结束时,剩下的数字就是两个子集和值的差。第二个阶段构造出真正的解法。

在这个问题中,差分算法比贪心算法效果更好,但对于数字大小和集合大小呈指数关系的情况仍然不适用。

下面的Python代码实现了算法的第一阶段

from queue import PriorityQueue

def karmarkarKarpPartition(input_list):
  heap = PriorityQueue()
  for n in input_list:
     heap.put((-n, n))

  while heap.qsize() > 1:
     val1 = heap.get()[1]
     val2 = heap.get()[1]
     sub_ret = val1 - val2
     heap.put((-sub_ret, sub_ret))

  return heap.get()[1]


test_list = [3, 1, 1, 2, 2, 1]
print(karmarkarKarpPartition(test_list))

测试输出为

0

原文发布于微信公众号 - 派森公园(demon-hsy)

原文发表时间:2018-05-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能头条

70个NumPy练习:在Python下一举搞定机器学习矩阵运算

33820
来自专栏chenjx85的技术专栏

leetcode-884-两句话中的不常见单词

给定两个句子 A 和 B 。 (句子是一串由空格分隔的单词。每个单词仅由小写字母组成。)

18830
来自专栏Python小屋

Python高级数组处理模块numpy用法精要

numpy是Python的高级数组处理扩展库,提供了Python中没有的数组对象,支持N维数组运算、处理大型矩阵、成熟的广播函数库、矢量运算、线性代数、傅里叶变...

52270
来自专栏钟绍威的专栏

矩阵的基本知识构造重复矩阵的方法——repmat(xxx,xxx,xxx)构造器的构造方法单位数组的构造方法指定公差的等差数列指定项数的等差数列指定项数的lg等差数列sub2ind()从矩阵索引==》

要开始学Matlab了,不然就完不成任务了 java中有一句话叫作:万物皆对象 在matlab我想到一句话:万物皆矩阵 矩阵就是Java中的数组 ...

305100
来自专栏小小挖掘机

如何使用tensorflow做张量排序和字符串拼接?

本文,将总结一下最近使用tensorflow中遇到的两个小需求:张量排序和字符串拼接,咱们一起来学习一下,嘻嘻!

27720
来自专栏程序生活

连续子数组的最大和

题目1 连续子数组的最大和 描述: 输入一个整型数组,数组里有正数也有负数。数组中一个或连续的多个整数组成一个子数组。求所有子数组的和的最大值。要求时间复杂度...

31750
来自专栏武培轩的专栏

剑指Offer-连续子数组的最大和

题目描述 在古老的一维模式识别中,常常需要计算连续子向量的最大和,当向量全为正数的时候,问题很好解决。但是,如果向量中包含负数,是否应该包含某个负数,并期望旁边...

28620
来自专栏Petrichor的专栏

python: all & any 函数

14420
来自专栏Coding迪斯尼

详解神经网络算法所需最基础数据结构Tensor及其相关操作

10540
来自专栏简书专栏

基于Numpy的线性代数运算

numpy.matrix方法的参数可以为ndarray对象 numpy.matrix方法的参数也可以为字符串str,示例如下:

24430

扫码关注云+社区

领取腾讯云代金券