| 本书深入浅出、通俗易懂地介绍了以下主要内容：第1章简单介绍一些本书中需要用到的数学基础、问题的复杂性以及规划问题的一些预备知识。第2章重点介绍随机算法，其内容包括数值随机算法、Sherwood算法、Las Vegas算法和Monte Carlo算法的设计与分析。最后介绍如何扩大随机优势、随机复杂类的定义等内容。第3章重点介绍近似算法，其内容包括：基本定义，包括差界、相对性能界、多项式时间近似策略以及完全多项式时间近似策略。根据这些定义，可以衡量求解着色问题、调度问题、旅行商问题、覆盖问题、装箱问题、背包问题等的近似算法的性能。然后介绍了随机近似算法以及基于线性规划问题的近似算法及其应用。在NP难解性理论初步的基础上，进一步深入介绍近似的难度，最后介绍了在线算法。第4章重点介绍基于近似与随机思想的启发式算法的设计与分析，特别是现代启发式算法，例如模拟退火、禁忌搜索以及遗传算法等的应用实例。本书可作为计算机科学系、数学系、管理科学等高年级本科以及研究生课程的教材，也适合科研人员学习使用。 |
| 第1章 预备知识 第2章 随机算法 第3章 近似算法 第4章 启发式算法 参考文献 |
内容加载中，请稍后...
商品评论（0条）