AuK/Näherungsverfahren 1 SS09

Wiki-Quelltext dieser Seite.

<!--TODO einleitung-->
==Approximation des Optimums==

===Ausgangssituation===
In der Praxis besteht oft großes Interesse an der Lösung von NP-vollständigen Problemen. Wie jedoch das [[P-NP-Problem]] zeigt muss davon ausgegangen werden, dass für NP-vollständige Probleme keine effizienten Algorithmen für deren Lösung existieren. Dieser Art von Problemen ist man jedoch nicht vollig hilflos ausgeliefert.

===Lösungsansatz===
* Sehr selten findet man "Ersatzalgorithmen". Sie liefern durch geringfügiges variieren der Problemstellung oft ein korrektes Ergebnis.
* Auch [[Probabilistische Algorithmen 2]] sind ein guter Ansatz, um näherungsweise eine gute Lösung zu erhalten.
* [[Näherungsverfahren 1#Heuristik|Heuristiken]] sowie [[Näherungsverfahren 1#Lokale Suche|lokale Suche]] sind ebenfalls Näherungsverfahren. Eine ausführliche Betrachtung dieser beiden folgt weiter unten.

==Heurisitk==
===Begriff===
[gr., Erfindungskunst]<br />
Erkenntnistheoretisches und methodisches Verfahren, durch Aufstellung oder Annahme von (unbewiesenen) Prinzipien und Regeln zu neuen Erkenntnissen zu gelangen.
<!--TODO Quellenangabe-->

Beispielsweise zählen [http://www.bauernregeln.net Bauernregeln] zu den Heuristiken.
<blockquote>''Bis 18. Juni die Schafskält nun dauert, dann die Wärme wieder lauert.''</blockquote>
Es gab lange Zeit keine Möglichkeit das Wetter zuverlässig vorherzusagen. Auch derzeit ist es nicht möglich für einen längeren Zeitraum eine exakte Vorhersage zu treffen. Die Bauern beobachteten das Wetter und stellten fest, dass auf ein bestimmtes Ereignis in der Regel ein anderes folgt. Sie formulierten diese Beobachtung in einer Bauernregel und hatten von da an einen Anhaltspunkt, um ihre Arbeit effizenter zu gestalten.

===Heuristiken vs Probabilistische Algorithmen===


==Links==
[http://www-e.uni-magdeburg.de/mertens/TSP/index.html TSP/Mertens]
[[AuK]]


==4. Lokale Suche==

Die bereits behandelten Verfahren "branch and bound" und "Greedy" können unter bestimmten Voraussetzungen auch für Näherungen (Approximationen) verwendet werden.

===4.1 Verzweigen und Begrenzen===

Hier wird die eigentlich erforderliche Schrankenfunktion durch eine grobe Schätzfunktion ersetzt. Dadurch entfällt die Berechnung für die Schranke (bound). Man akzeptiert keine Schranke ermittelt zu haben, aber die entstandenen Näherungswerte für das Optimum sind trotzdem zufriedenstellend.
 
===4.2 Greedy Heuristiken===


====4.2.1 nearest neighbour heuristic====
====4.2.2 farthest insertion====
====4.2.3 random insertion====
====4.2.4 best insertion====

===4.3 hill climbing===

===4.4 Threshold accepting===
===4.5 Simulated annealing===
===4.6 Tabu-Suche===
===4.7 Sintflut-Algorithmus===