알고리즘이 균일하게 임의의 솔루션을 반환함으로써 달성되는 최상의 근사화 비율의 문제점은 무엇입니까?

균일하게 랜덤 한 솔루션을 반환하는 알고리즘에 의해 가장 잘 알려진 근사치 비율의 문제점은 무엇입니까?

나는 순열 흐름 상점 문제 대한 하나의 예를 알고있다 : " 순환 흐름 상점 예약을위한 꽉 바운드 "Viswanath Nagarajan 및 Maxim Sviridenko 논문에서 임의의 작업 순서가 현재 가장 잘 알려진 ( 컴퓨터 수 및 작업 수).$F|perm|C_{max}$$2\sqrt{min\{m,n\}}$$m$$n$

제약 조건 만족도 문제의 경우 랜덤 할당보다 더 나은 근사 알고리즘이없는 특성을 근사 저항이라고 합니다.

이것은 지난 몇 년 동안 여러 작품에 의해 연구되었으며 일부 결과는 를 기반으로하고 다른 게임은 독특한 게임 추측을 기반으로합니다. 이것에 대한 좋은 소스는 Per Austrin의 논문 입니다.$P\neq NP$

에 따르면 Guraswami 등, FOCS '08 , 독특한 게임 추측은 소리를 나타내는 두 글자의 최대 비순환 가장자리 세트에 대한 근사 알고리즘이 무작위로는 정점의 순서를 무작위로 바꾸어 넣과는에서 갈 때 가장자리를 포함하는 것보다는 훨씬 더 나은이 없다는 것을 의미하는 것 순열의 초기 정점에서 이후 정점으로 (근사 비율 1/2).

Jan Vondrak은 그의 논문에서 " 가치 Oracle 모델의 하위 모듈 형 복지 문제에 대한 최적의 근사 " 에서 다음과 같이 주장했다.

"흥미롭게도, 명의 평등 한 플레이어를 가진 특수형 복지 복지의 경우 , 최적 fra 근사값은 사실상 균일 한 무작위 솔루션에 의해 얻어집니다."$n$$(1 − \frac{1}{e})$