La brecha de integralidad es un indicador útil de qué tan bien se puede aproximar una IP. Sería mejor pensarlo de manera informal e intuitiva. Una gran brecha de integralidad implica que ciertos métodos no funcionarán. Ciertos métodos primarios / duales, por ejemplo, dependen de una pequeña brecha de integralidad. Para el LP Vertex Cover LP estándar estándar, el LP dual solicita una coincidencia máxima. En este caso, podemos hacer lo siguiente:
- encuentre una solución fraccional óptima para el LP doble (una coincidencia fraccional máxima)y
- multiplique la solución por un factor de 2 (doble todos los pesos de borde)y
- convierta esto en una integral factible para el LP primario (cada borde da la mitad de su peso del vector a cada uno de sus puntos finales en el vector , entonces cada es reemplazado con ).x2yxximin(⌊xi⌋,1)
En este caso, esta estrategia simple funciona y terminamos con una solución integral factible para el LP primario cuyo peso no es más del doble del peso de una solución factible para el LP dual. Dado que el peso de una solución factible para el LP doble es un límite inferior para OPT, este es un algoritmo de aproximación de 2.
Ahora, ¿dónde entra la brecha de integralidad? El IG es 2 en este caso, pero eso solo no implica que el algoritmo funcionará. Más bien, sugiere que podría funcionar. Y si el IG fuera más de 2, garantizaría que la estrategia simple no siempre funcionaría. Como mínimo, tendríamos que multiplicar la solución dual por el IG. Entonces, la brecha de integralidad a veces nos dice lo que no funcionará. La brecha de integralidad también puede indicar qué tipo de factor de aproximación podemos esperar. Una pequeña brecha de integralidad sugiere que investigar estrategias de redondeo, etc., podría ser un enfoque que valga la pena.
Para un ejemplo más interesante, considere el problema de Hitting Set y la poderosa técnica de aproximación del problema usando -nets (Brönnimann y Goodrich, 1995) . Muchos problemas pueden formularse como instancias de Hitting Set, y una estrategia que ha tenido éxito para muchos problemas es hacer esto, luego simplemente encontrar un buen buscador de redes, es decir, un algoritmo para construir pequeñas redes , y poner todo en marcha El meta-algoritmo de B&G. Entonces la gente (incluido yo mismo) trata de encontrar buscadores de red para instancias restringidas de Hitting Set que, para cualquier , pueden construir una -net de tamaño , donde la funciónεεεεf(1/ε)fdebe ser lo más pequeño posible. Tener es un objetivo típico; esto daría una aproximación .f(1/ε)=O(1/ε)O(1)
Como resultado, la mejor función posible está limitada por la brecha de integralidad de cierto LP para Hitting Set (Even, Rawitz, Shahar, 2005) . Específicamente, las soluciones integrales y fraccionales óptimas satisfacen . Para instancias sin restricciones de Hitting Set, la brecha de integralidad es , pero al formular otro problema como Hitting Set, el IG puede ser menor. En este ejemplo, los autores muestran cómo encontrar -nets de tamañofOPTI≤f(OPTf)Θ(log(m))εO((1/ε)loglog(1/ε))para las instancias restringidas de Hitting Set que corresponden al problema de golpear cajas paralelas al eje. De esta manera, mejoran el factor de aproximación más conocido para ese problema. Es un problema abierto si esto se puede mejorar o no. Si, para estas instancias restringidas de Hitting Set, el IG para Hitting Set LP es , sería imposible diseñar un buscador de red que garantice -nets de tamaño , ya que hacerlo implicaría la existencia de un algoritmo que garantiza conjuntos de golpes integrales de tamaño , pero desdeΘ(loglogm)εo((1/ε)loglog(1/ε))o(OPTfloglogOPTf)OPTf≤mEsto implicaría una brecha de integralidad menor. Entonces, si la brecha de integralidad es grande, probar que podría evitar que las personas pierdan su tiempo buscando buenos buscadores de redes.