Contactez-nous

Complexité paramétrée et Approximation Polynomiale

Mis à jour le

Responsable(s) : Mme Safia KEDAD SIDHOUM

  • Cours
Code Cnam : US331Q

Envie d'en savoir plus sur cette formation ?

Afin d’obtenir les tarifs, le calendrier de la formation, en distanciel, en présentiel, le lieu de la formation et un contact, remplissez les critères suivants :

Afficher le centre adapté à mes besoins

Afin d’obtenir les tarifs, le calendrier de la formation et le lieu de la formation, remplissez les critères suivants :

  • Durée : 22 heures
  • Package
  • 2 crédits

Présentation

Public, conditions d'accès et prérequis

Prérequis

Cours de complexité de base (classes P et NP, algorithmes polynomiaux et pseudo-polynomiaux, etc.)

Objectifs

  1. Apprendre les notions de base en approximation polynomiale, et en conception d'algorithmes approchés.

  2. Apprendre à analyser le ratio d'approximation d'un algorithme approché.

  3. Apprendre les notions de base en complexité paramétrée, et en conception d'algorithmes FPT.

  4. Apprendre les notions de base en calcul de noyau pour les problèmes paramétrés, et en analyse de la taille des noyaux obtenus.

Compétences et débouchés

Compétences

Savoir concevoir des algorithmes approchés simples, combinatoires ou à l'aide de techniques de programmation mathématique, et analyser leur ratio d'approximation

Savoir établir des résultats d'inapproximabilité simples (sous certaines hypothèses de complexité).

Savoir concevoir des algorithmes FPT simples, et savoir montrer qu'un problème n'admet pas d'algorithmes FPT (sous certaines hypothèses de complexité).

Savoir calculer des noyaux à l'aide de règles de réduction simples.

Parcours

Informations pratiques

Contact

Programme

Contenu

  • Panel d'exemples d'algorithmes d'approximation polynomiale sur des problèmes classiques. Classes des problèmes d'optimisation et de leur approximabilité (en particulier PO, NPO, APX, PTAS, FPTAS, EPTAS, AAPX, APX$\infty$, PTAS$\infty$). Relation entre l'appartenance à la classe FPTAS et la NP-complétude au sens fort des problèmes d'optimisation.

  • Approximabilité et programmation linéaire. Conception d'algorithmes d'approximation probabilistes. Technique d'arrondi, arrondi probabiliste, déterminisation, dual fitting et schéma primal-dual pour la conception d'algorithmes approchés.

  • Inapproximabilité, et notion de rapport serré. Réductions préservant les rapports d'approximation, et réductions GAP. Notion et exemples de complétude. Introduction au théorème PCP.

  • Paramétrisation de problèmes de NP. Définition des classes de base en complexité paramétrée : hiérarchie des classes W[t], classes FPT et XP. Notion de FPT-réduction, et conséquences basées sur la W[1]-difficulté du problème de clique. Conception d'algorithmes FPT via les arbres de recherche bornés. Liens avec l'approximation polynomiale, et notamment avec l'existence d'EPTAS.

  • Notion de (calcul de) noyau en complexité paramétrée. Équivalence entre l'existence d'un noyau et celle d'un algorithme FPT. Exemples de calcul de noyaux, quadratiques ou linéaires, pour une sélection de problèmes (transversal minimum, $k$-MAX 3-SAT, $k$-MAX SAT, etc.), à l'aide de règles de réduction. Calcul de noyaux linéaires pour l'existence de certaines structures dans les graphes planaires (des stables, par exemple).