Approximation algorithms for mixed and generalized packing and covering problems

Während der letzten 10 Jahre - ist eine neue Forschungsrichtung entstanden dem Ziel - beisbar - gute - approximate algorithm（近似算法），rklassen von linearen和konvexen Optimierungsproblemen zu entwickeln。Zwei, wichtige Klassen bilden reinine packing - and Überdeckungsprobleme . <s:1> bereiner konvexen Menge . [j] .基于Grigoriadis和kachiyan entwickelt的有效近似算法。Die Laufzeit der vorgeschlagenen Algorithmen hängt von der Anzahl der Iterationen ab .在jder Iteration eine function中，der konvexen Menge近似于werden muss。Solch - ine近似法在vielen中的求解效率möglich。Die Die Situation schlechter.德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国德国。Die bisher bekannten Algorithmen benötigen eine Anzahl von Iterationen, Die (neben der Anzahl der Nebenbedingungen and der Genauigkeit) zusätzlich von den Eingabedaten (z.B. den Koeffizienten der linearen oder konvexen Funktionen) abhängt。参考文献project jektziel ist die Entwicklung and Analyse von approximate algorithm zur effizienten Lösung von gemischten and vergemeinterinterpacken and Überdeckungsproblemen，在der Anzahl der interinternationen vermieden wind中引用zusätzliche Abhängigkeit。

Während der letzten 10 Jahre ist eine neue Forschungsrichtung entstanden mit dem Ziel beweisbar gute approximative Algorithmen für Klassen von linearen und konvexen Optimierungsproblemen zu entwickeln. Zwei wichtige Klassen bilden reine Packungs- und Überdeckungsprobleme über einer konvexen Menge, für die effiziente approximative Algorithmen von Grigoriadis und Khachiyan entwickelt worden sind. Die Laufzeit der vorgeschlagenen Algorithmen hängt von der Anzahl der Iterationen ab, wobei in jeder Iteration eine Funktion über der konvexen Menge approximiert werden muss. Solch eine Approximation ist in vielen Anwendungen effizient möglich. Die Anzahl der Iterationen hängt nur von der Anzahl der Nebenbedingungen und der Genauigkeit ab. Für andere Klassen wie gemischte und verallgemeinerte Packungs- und Überdeckungsprobleme ist die Situation schlechter. Die bisher bekannten Algorithmen benötigen eine Anzahl von Iterationen, die (neben der Anzahl der Nebenbedingungen und der Genauigkeit) zusätzlich von den Eingabedaten (z.B. den Koeffizienten der linearen oder konvexen Funktionen) abhängt. Unser Projektziel ist die Entwicklung und Analyse von approximativen Algorithmen zur effizienten Lösung von gemischten und verallgemeinerten Packungs- und Überdeckungsproblemen, wo diese zusätzliche Abhängigkeit in der Anzahl der Iterationen vermieden wird.