Algorithmus von Christofides

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Der Algorithmus von Christofides oder der Algorithmus von Christofides und Serdyukov ist ein Algorithmus, der zur Approximation des metrischen Problem des Handlungsreisenden dient. Er wurde 1976 unabhängig von Nicos Christofides und Anatoliy I. Serdyukov entdeckt[1][2][3] und war lange Zeit die beste Approximation des Problems für euklidische Graphen. 1996 stellten Arora und Mitchell für diese jedoch einen besseren Approximationsalgorithmus vor.

Formal geht man ähnlich wie bei der Minimum-Spanning-Tree-Heuristik vor:

  1. Erzeuge einen minimalen aufspannenden Baum  für den zugrunde liegenden Graphen mit Kantengewichten.
  2. Suche ein (bezüglich Kantengewicht) minimales perfektes Matching im Graphen zwischen den Knoten, die ungeraden Grad in dem gerade erzeugten Baum besitzen.
  3. Füge diese Kanten zu hinzu. Dabei können Multikanten auftreten. Der entstehende Graph  ist dann eulersch.
  4. Konstruiere eine Eulertour in .
  5. Konstruiere einen Hamiltonkreis in . Wähle dazu einen beliebigen Startknoten und gehe die Eulertour ab. Ersetze dabei die bereits besuchten Knoten durch direkte Verbindungen (bzw. Abkürzungen) zum nächsten noch nicht besuchten Knoten.

Es lässt sich zeigen, dass die Christofides-Heuristik eine -Approximation ist. Das heißt, die so entstandene Rundreise ist maximal um die Hälfte länger als die optimale Tour. Der Beweis beruht dabei auf einer wiederholten Anwendung der Dreiecksungleichung.

  • Die Summe der Kantengewichte im Minimum-Spanning-Tree (MST) ist sowieso kleiner gleich der optimalen Lösung, da jede Lösung des Traveling Salesman Problem (TSP) einen Spannbaum enthält.
  • Bezüglich des Matchings gilt folgendes:
    Sei die Folge der Knoten vormals ungeraden Grades in der optimalen Lösung; dazwischen liegen irgendwelche anderen Knoten: . Betrachte die beiden Matchings sowie . Dann gilt aufgrund der Dreiecksungleichung, dass
    Also sind die Gesamtkosten der optimalen Lösung größer gleich derer zweier beliebiger Matchings, insbesondere also zwei Mal des minimalen Matchings. Dann ist ein minimales Matching auch nur maximal halb so groß wie die optimale Lösung. So lässt sich die Summe der Kantengewichte entlang der Eulertour in (d. h. die Summe der Gewichte aller Kanten in ) nach oben hin abschätzen.
  • Schließlich lässt sich die Summe der Kanten in dem aus der Eulertour erzeugten Hamiltonkreis durch erneutes Anwenden der Dreiecksungleichung nach oben hin durch die Summe der Kanten in der Eulertour abschätzen (denn die Direktkanten können nicht länger sein als die Verbindung über einen schon früher besuchten Knoten), also transitiv durch das 1,5-Fache der optimalen Lösung.
Ausgangslage: metrischer Graph mit Kantengewichten
Minimalen Spannbaum berechnen.
Die Menge der Knoten mit ungeradem Grad im Spannbaum bestimmen ().
auf die Knoten aus reduzieren ().
Matching mit minimalem Gewicht auf bestimmen.
Matching und Spannbaum vereinigen (). Dieser Schritt sorgt dafür, dass Knoten mit vormals ungeradem Grad nun einen geraden Grad aufweisen. Dies ist eine notwendige Bedingung für die Berechnung der Euler-Tour im nächsten Schritt.
Euler-Tour auf berechnen (A-B-C-A-D-E-A).
Wiederholt vorkommende Knoten entfernen und durch Direktverbindung ersetzen (A-B-C-D-E-A). In metrischen Graphen führt dies nicht zu einer längeren Strecke.

Diese Tour ist die Ausgabe des Algorithmus.

  • Lawler, Lenstra, Rinnooy Kan, Shmoys (Hrsg.): The Traveling Salesman Problem. A Guided Tour of Combinatorial Optimization. Wiley, Chichester 1985. ISBN 0-471-90413-9, Abschnitt 5.3.4: Christofides' algorithm

Einzelnachweise

[Bearbeiten | Quelltext bearbeiten]
  1. N. Christofides, Worst-case analysis of a new heuristic for the travelling salesman problem, Report 388, Graduate School of Industrial Administration, Carnegie Mellon University (CMU), 1976
  2. Anatoliy I. Serdyukov: Über einige extreme Kreise in Graphen. In: Upravlyaevye Sistemy. Band 17. Novosibirsk 1978, S. 76–79 (russisch, nsc.ru [PDF] Originaltitel: О некоторых экстремальных обходах в графах.).
  3. René van Bevern, Viktoriia A. Slugina: A historical note on the 3/2-approximation algorithm for the metric traveling salesman problem. In: Historia Mathematica. Elsevier, 2020, doi:10.1016/j.hm.2020.04.003, arxiv:2004.02437.