دانلود مقالات ISI درباره الگوریتم تقریبی + ترجمه فارسی

الگوریتم تقریبی (به انگلیسی: Approximation algorithm) الگوریتم تقریبی در علوم رایانه و تحقیق عملیاتی، الگوریتمی برای پیداکردن راه‌حل‌های تقریبی برای مسائل بهینه‌سازی است. این الگوریتم‌ها اغلب برای حل تقریبی مسائل ان‌پی سخت (به انگلیسی: NP-hard) بکار می‌روند زیرا بسیاری از مسائل بهینه‌سازی ان‌پی سخت هستند (در واقع بررسی کردن درستی جواب اینگونه مسائل با حل کلی آنها معادل است) طبق نظریه پیچیدگی محاسباتی تا زمانیکه P ≠ NP، الگوریتم‌های کارامد با زمان چندجمله‌ای برای چنین مسائلی پیدا نخواهد شد مگر اینکه P = NP که چنین فرضی هم خیلی بعید است. بسیاری از مسائل بهینه‌سازی در ریاضیات، علوم کامپیوتر، و مهندسی ان‌پی-سخت هستند و بنابراین به دست‌ آوردن جواب‌های بهینه برای این مسائل در زمان چندجمله‌ای غیرمحتمل است. الگوریتم‌های تقریبی این امکان را فراهم می‌آورند که جواب‌هایی نزدیک به جواب‌ بهینه با ضریب تقریب قابل اثبات برای این دسته از مسائل به دست آورد. هدف این درس، آشنایی با مفاهیم و تکنیک‌های متداول در طراحی الگوریتم‌های تقریبی حول محور مسائل بنیادی در بهینه‌سازی ترکیبیاتی، و نیز بررسی روش‌های اثبات سختی تقریب برخی از این مسائل است. همان طور که می دانیم مسائل NP مسائلی هستند که راه حل بهینه برای آن ها وجود ندارد و تا جایی که حل بعضی از آن ها توسط ابررایانه ها با روش های کلاسیک بیش از 300 سال به طول می انجامد. از آنجایی که این گونه مسائل کاربردهای فراوان دارند، ارائه یک روش بهینه می تواند علم، صنعت و در نتیجه ی آن زندگی انسان ها را متحول کند. یکی از مثال‌های معروف برای الگوریتم‌های تقریبی، مسئله پوشش راسی (به انگلیسی: vertex cover) در گراف است: پیدا کردن یال پوشش داده نشده و اضافه کردن هر دو رأس آن به مجموعه پوشش رأسی تا زمانی که هیچ یال پوشش نیافته نماند. واضح است که مجموعه جوابهای این الگوریتم دو برابر جواب‌های بهینه یعنی مجموعه کمترین رأس‌ها برای پوشش دادن همه یال‌ها در یک گراف است؛ پس ضریب ثابت این الگوریتم ۲ است.