Wir betrachten das geometrische Rucksackproblem, bei dem eine Menge von d-dimensionalen Objekten (mit zugehörigen Profiten) gegeben ist und das Ziel ist, die Teilmenge mit maximalem Gesamtprofit zu finden, die sich ohne Überlappung in einen gegebenen d-dimensionalen (Einheits-Hyperwürfel-)Rucksack packen lässt.
Für Kreise und Hyperkugeln präsentieren wir einen PTAS, bei dem wir die großen Objekte enumerieren und ihre Platzierung bis auf einen exponentiell kleinen Fehler bestimmen. Für die kleinen Objekte reduzieren wir das Problem auf das Packen in mehrere kleinere Rucksäcke mit Ressourcenerweiterung.
Für fette konvexe Polygone erweitern wir unseren Algorithmus für Kugeln, indem wir die großen Objekte exakt platzieren können und die Eigenschaft der Polygone nutzen, um einen Teil des Rucksacks für die kleinen Objekte freizuhalten.
Wenn alle Eingabeobjekte im Vergleich zum Rucksack hinreichend klein sind, erhalten wir sogar einen PTAS ohne Ressourcenerweiterung, indem wir die kleinen Objekte direkt in den erweiterten Rucksack packen.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문