We present a polynomial-time approximation scheme (PTAS) for the min-max multiple TSP problem in Euclidean space, where multiple traveling salesmen are tasked with visiting a set of $n$ points and the objective is to minimize the maximum tour length. For an arbitrary $\varepsilon > 0$, our PTAS achieves a $(1 + \varepsilon)$-approximation in time $O \big(n ((1/\varepsilon) \log (n/\varepsilon))^{O(1/\varepsilon)} \big)$. Our approach extends Sanjeev Arora's dynamic-programming (DP) PTAS for the Euclidean TSP (https://doi.org/10.1145/290179.290180). Our algorithm introduces a rounding process to balance the allocation of path lengths among the multiple salesman. We analyze the accumulation of error in the DP to prove that the solution is a $(1 + \varepsilon)$-approximation.


翻译:我们为欧几里德空间的微积分多重TSP问题提出了一个多时近似方案(PTAS),由多个旅行推销员负责访问一组n美元点,目标是最大限度地减少最长的导游时间。对于专制的 $@varepsilon > 0美元,我们的PTAS 将达到$(1+\varepsilon)$-apporimation, 时间为$(n)(1/\varepsilon)\log(n/varepsilon) ⁇ O(1/\varepsilon)} ⁇ (o)(1/\varepsilon)\big)$。我们的方法扩展了Sanjeev Arora的动态-programing(DP) Euclidean TSP PTAS (https://doi.org/10.1145/2979.290180) 。我们的算法引入了一个圆形过程,以平衡多销售员之间路径长度的分配。我们分析了DP的累积错误,以证明解决办法是$(1+\\\varepsilon)-ap-apmation。

0
下载
关闭预览

相关内容

专知会员服务
12+阅读 · 2021年10月12日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
0+阅读 · 2022年2月15日
Arxiv
0+阅读 · 2022年2月15日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关VIP内容
专知会员服务
12+阅读 · 2021年10月12日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Top
微信扫码咨询专知VIP会员