1、子模函数是一个集合函数,又减小回转属性(diminishing returns)。子模函数适用于多种应用,包括近似算法,博弈理论,和电网络。

2、标准定义:

如果\Omega是一个集合,一个子模函数是一个集合函数,f : 2^{\Omega }\rightarrow R,(就是\Omega的幂集到实数集R的映射),满足下列等式:

(1)对所有X,Y\subseteq \Omega,其中X\subseteq Y,则对所有x\in \Omega \setminus Y,有

                                  f (X\cup \left \{ x \right \})-f\left ( X \right )\geqslant f(Y\cup \left \{ x \right \})-f\left ( Y \right )

(2)对所有S,T\subseteq \Omegaf\left ( S \right )+f\left ( T \right )\geqslant f\left ( S\cup T \right )+f\left ( S\cap T \right )

(3)对所有X\subseteq \Omega ,x_{1},x_{2}\in \Omega,我们有

                                  f\left ( X\cup \left \{ x_{1} \right \} \right )+f\left ( X\cup \left \{ x_{2} \right \} \right )\geqslant f\left ( X\cup \left \{ x_{1} ,x_{2}\right \} \right )+f\left ( X \right )

3、边际效用递减定律

   (1) 对于一个集合函数f : 2^{\Omega }\rightarrow R,若S\subseteq \Omega。对于定义(1)的理解就是:在S中增加一个元素所增加的收益要小于等于在S的子集中增加一个元素所增加的收益。

   (2)submodular functions 也是一类满足边际效益递减的集合函数。边际效应是指在一般情况下在其他投入固定不变时,连续地增加某一投入,所新增的产出或收益反而会逐渐减少。比如吃馒头的满足程度,谈对象的感情程度等等。

   (3)经济学角度:把所有商品看成一个集合,随着你所拥有的物品数量的增加,那么你获得剩下物品所得到的满足程度越来越小。

   (4)NP-hard:对于子模函数f,如果给定一个限制条件C,找出一个满足条件C的集合S,使得f(S)的值最大。最基本的贪心算法,是每次迭代地在解中加入增加效益最大且满足条件C的元素,在第i次迭代时的解

        S_{i}=S_{i-1}\cup \left \{ argmax_{e} \Delta \left ( e| S_{i-1}\right )\right \}  ,其中\Delta \left ( e|S_{i-1} \right )=f\left (S_{i-1}\cup \left \{ e \right \} \right )-f\left ( S_{i-1} \right )

4、  所谓的集合函数就是定义在一个有限集的幂集(power set),(即它的所有子集的集合)上的函数,每给定一个子集,它返回一个数。

5、如果它还满足若A是B的子集,则有f\left ( A \right )\leqslant f(B),我们则称它是单调的。

6、对于如果一个子模函数f是单调且非负的。即对于任意e\notin S,f\left ( S\cup \left \{ e \right \} \right )\geqslant f\left ( S \right )且对于任意

S\subseteq \Omega,f\left ( S \right )\geqslant 0,那么对于贪心算法找出近似解S_{app}相对于最优解S_{opt}满足 

                                              f(S_{app})\geqslant \left ( 1-\frac{1}{e} \right )f\left ( S_{opt} \right )

即从空集开始,每次都选择使得边际收益最大的元素加入集合S,能够达到\left ( 1-\frac{1}{e} \right )f\left ( S_{opt} \right )

 7、效用:自动摘要,多文档摘要,特征选择,主动学习,传感器放置,图像收集摘要等等。

            


版权声明:本文为weixin_48266700原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/weixin_48266700/article/details/120732709