ConvAppr22 — различия между версиями
Vyalyi (обсуждение | вклад) |
Vyalyi (обсуждение | вклад) |
||
| Строка 53: | Строка 53: | ||
* [https://www.dropbox.com/s/6hwslfkvhxlq51o/bonus.pdf?dl=0 Бонусное задание] (на тему задачи 4.5), правила получения бонусов см. в файле по ссылке. | * [https://www.dropbox.com/s/6hwslfkvhxlq51o/bonus.pdf?dl=0 Бонусное задание] (на тему задачи 4.5), правила получения бонусов см. в файле по ссылке. | ||
| − | '''Результаты выполнения бонусного задания | + | '''Результаты выполнения бонусного задания''' (уточненные): Задача 1 засчитана как бонус Алексею Лямзину, Филлипу Грибову и Никите Калинину. Задача 5 засчитана как бонус Алексею Лямзину и Филлипу Грибову. Задачи 2-4 засчитаны как бонус Филиппу Грибову. |
* [https://www.dropbox.com/s/ckyt3vtwq9hvr0a/pr05CA.pdf?dl=0 Семинар 5 и домашнее задание 5] | * [https://www.dropbox.com/s/ckyt3vtwq9hvr0a/pr05CA.pdf?dl=0 Семинар 5 и домашнее задание 5] | ||
Версия 22:03, 8 февраля 2022
Содержание
Общая информация о курсе Выпуклое программирование и аппроксимационные алгоритмы
Основная цель дисциплины «Выпуклое программирование и аппроксимационные алгоритмы» - освоение основных понятий и методов построения приближенных алгоритмов для задач комбинаторной оптимизации, которые основаны на решении выпуклых релаксаций задачи.
Курс начинается 10 января!
Правила оценивания
Оценка по курсу состоит из двух компонент: домашние задания (выдаются на неделю в течение модуля) и устный экзамен в сессию после 3го модуля.
Вес домашних заданий в итоговой оценке равен 0.4, вес экзамена равен 0.6. Округление арифметическое.
Контакты
Чат курса в telegram: https://t.me/+MVeYv06RlYlhYmMy
Лектор: Вялый Михаил Николаевич, e-mail: vyalyi@gmail.com, telegram: @mnvyalyi.
Семинарист: Алексей Милованов, e-mail: almas239@gmail.com, telegram: @AlexeySMilovanov.
Литература
Рекомендуется использовать черновик электронного учебника, который полностью покрывает материал этого курса (и содержит много других сведений, в частности, раздел про трудность приближения, который в курсе не обсуждается). Этот файл, возможно, будет меняться во время курса, чтобы наиболее удобным образом покрыть его содержание.
Кроме того, полезными могут оказаться следующие книги:
- Approximation algorithms, V. Vazirani, 2001.
- Комбинаторная оптимизация: теория и алгоритмы, Корте, Б., Фиген, Й., 2015.
- Методы выпуклой оптимизации, Нестеров, Ю. Е.
- Н.В.Верещагин, М.Н.Вялый Записки о линейном программировании (учебные материалы для курса ДМ2 2016 года)
Лекции
В конце описания лекции указаны ссылки на соответствующие разделы черновик электронного учебника.
- (10.01) Основные понятия, связанные с приближенными алгоритмами. Метод усреднения. (1.1, 1.2, 1.3, 2.1)
- (17.01) Трудности при использовании метода усреднения. ЛП релаксации на примере задач о (вершинном) покрытии. (2.3, 3.3, 3.4)
- (24.01) Общая задача ЛП. Полиэдры и многогранники. Вершины и ребра. (3.1)
- (31.01) Метод эллипсоидов. ЛП реласкация для задачи MAX-SAT, алгоритм с точностью релаксации 3/4. (3.2, 3.5, подробное изложение метода эллипсоидов см. в Корте, Фиген, метод Штурма - в книге Прасолова "Многочлены")
- (07.02) Задача MAX-CUT. ЛП релаксация для этой задачи, оценка точности. (2.2.2, 3.6, приложение C.1)
Материалы для семинаров и домашние задания
- Семинар 1 и домашнее задание 1 (обратите внимание, что условие задачи 1.8 изменено по сравнению с исходным вариантом)
- Семинар 2 и домашнее задание 2 (обратите внимание, что в в задаче MAX-QP матрица считается симметрической, на лекции это условие было пропущено)
- Семинар 3 и домашнее задание 3 (обратите внимание, что в условии задачи 3.6 определение круга заменено на правильное)
- Семинар 4 и домашнее задание 4 (задача 4.5 снимается - в авторском решении обнаружена ошибка.)
- Бонусное задание (на тему задачи 4.5), правила получения бонусов см. в файле по ссылке.
Результаты выполнения бонусного задания (уточненные): Задача 1 засчитана как бонус Алексею Лямзину, Филлипу Грибову и Никите Калинину. Задача 5 засчитана как бонус Алексею Лямзину и Филлипу Грибову. Задачи 2-4 засчитаны как бонус Филиппу Грибову.
