সংহতকরণ ব্যবধানটি একটি আইপি কতটা ভালভাবে অনুমান করা যায় তার একটি কার্যকর সূচক। এটি অনানুষ্ঠানিক, স্বজ্ঞাত উপায়ে চিন্তা করা আরও ভাল। একটি উচ্চ অখণ্ডতার ব্যবধান বোঝায় যে নির্দিষ্ট পদ্ধতিগুলি কাজ করবে না। কয়েকটি প্রাথমিক / দ্বৈত পদ্ধতি, উদাহরণস্বরূপ, একটি সামান্য সামঞ্জস্য ব্যবধানের উপর নির্ভর করে। প্রমিত প্রাথমিক ভার্টেক্স কভার এলপির জন্য, দ্বৈত এলপি সর্বাধিক মিলের জন্য জিজ্ঞাসা করে। এই ক্ষেত্রে, আমরা নিম্নলিখিতগুলি করতে পারি:
- একটি অনুকূল ভগ্ন সমাধান খুঁজে দ্বৈত এলপি (ক সর্বাধিক ভগ্ন ম্যাচিং)y
- সংখ্যাবৃদ্ধি সমাধান 2 একটি গুণক দ্বারা (সমস্ত প্রান্ত ওজন দ্বিগুণ)y
- এটিকে প্রাথমিক জন্য একটি সম্ভাব্য অবিচ্ছেদ্য to এ রূপান্তর করুন (প্রতিটি প্রান্ত তার ভারের অর্ধেক ভেক্টর থেকে তার প্রতিটি প্রান্তকে ভেক্টর থেকে দেয়, তারপরে প্রতিটি হয় দিয়ে প্রতিস্থাপন করা হয়েছে ।x2yxximin(⌊xi⌋,1)
এক্ষেত্রে এই সহজ কৌশলটি কার্যকর হয় এবং আমরা প্রাথমিক এলপির একটি সম্ভাব্য অবিচ্ছেদ্য সমাধানটি শেষ করি যার ওজন দ্বৈত এলপির জন্য সম্ভাব্য সমাধানের ওজনের দ্বিগুণ নয়। যেহেতু দ্বৈত এলপির জন্য সম্ভাব্য সমাধানের ওজন ওপটি-র জন্য নিম্ন সীমাবদ্ধ, এটি একটি 2-আনুমানিক অ্যালগরিদম।
এখন, কোথায় একীকরণের ব্যবধান আসে? আইজি এই ক্ষেত্রে 2, কিন্তু একা এটি ইঙ্গিত দেয় না যে অ্যালগরিদম কাজ করবে। বরং এটি পরামর্শ দেয় যে এটি কার্যকর হতে পারে। এবং আইজি যদি 2 এর বেশি হয় তবে এটি গ্যারান্টি দেয় যে সহজ কৌশলটি সর্বদা কার্যকর হয় না । খুব কমপক্ষে আমাদেরকে দ্বৈত সমাধানটি আইজি দ্বারা গুণ করতে হবে। সুতরাং অখণ্ডতার ফাঁক মাঝে মাঝে আমাদের বলে দেয় কী কাজ করবে না । একীকরণের ব্যবধানটিও বোঝাতে পারে যে আমরা কী ধরনের অনুমানের ফ্যাক্টরের আশা করতে পারি। একটি সামান্য সামঞ্জস্য ব্যবধান পরামর্শ দেয় যে রাউন্ডিং কৌশলগুলি তদন্ত ইত্যাদিসহ তদন্ত করা একটি উপযুক্ত উপায় হতে পারে।
একটি বেশি আকর্ষণীয় উদাহরণস্বরূপ, আঘাত সেট সমস্যা ও ব্যবহার সমস্যা approximating শক্তিশালী কৌশল বিবেচনা -nets (Brönnimann & Goodrich, 1995) । অনেক সমস্যা আঘাত সেট দৃষ্টান্ত হিসাবে প্রণয়ন করা যেতে পারে, এবং একটি কৌশল যার দ্বারা অনেক সমস্যার জন্য সফল হয়েছে এই কাজ করতে হয়, তাহলে শুধু একটি ভালো নেট আবিষ্কর্তা, অর্থাত্, ছোট গঠন করা একটি আলগোরিদিম খুঁজে -nets এবং ঢিলা সবকিছু মাধ্যমে বি অ্যান্ডজি মেটা-অ্যালগরিদম। তাই মানুষ (নিজেকে অন্তর্ভুক্ত) সেট আঘাত, অন্য যে কোন জন্য সীমাবদ্ধ দৃষ্টান্ত জন্য নেট ফাইন্ডার খুঁজতে চেষ্টা , নির্মাণ করতে পারেন একটি আকারের -net , যেখানে ফাংশনεεεεf(1/ε)fযতটা সম্ভব ছোট হওয়া উচিত রয়ে একটি টিপিক্যাল সবকিছুর সমাপ্তি, এটি একটি -প্রশিক্ষা দেয়।f(1/ε)=O(1/ε)O(1)
এটি সক্রিয় আউট হিসাবে, সম্ভাব্য সর্বোত্তম ফাংশন আঘাত সেট এর জন্য নির্দিষ্ট এলপি এর কার্ত্স্ন্য ফাঁক দ্বারা বেষ্টিত (এমনকি, Rawitz, শাহার, 2005) । বিশেষত, সর্বোত্তম ইন্টিগ্রাল এবং ভগ্নাংশ সমাধান । হিট সেট সেট-এর নিয়ন্ত্রিত দৃষ্টান্তের জন্য ইন্টিগ্রালটির ফাঁক হ'ল , তবে হিটিং সেট হিসাবে অন্য কোনও সমস্যা তৈরি করার সময়, আইজি কম হতে পারে। ইন এই উদাহরণে লেখক এটি কিভাবে প্রদর্শন করা আকারের -netsfOPTI≤f(OPTf)Θ(log(m))εO((1/ε)loglog(1/ε))হিটিং সেট এর সীমাবদ্ধ উদাহরণগুলির জন্য যা অক্ষ-সমান্তরাল বাক্সগুলিতে আঘাতের সমস্যার সাথে সম্পর্কিত। এইভাবে তারা সমস্যার জন্য সর্বাধিক পরিচিত আনুমানিক ফ্যাক্টরটির উপর উন্নতি করে। এটি উন্নত করা যায় কি না এটি একটি উন্মুক্ত সমস্যা। যদি এই সীমাবদ্ধ হিটিং সেট উদাহরণগুলির জন্য, হিটিং সেট এলপির আইজি তবে নেট ফাইন্ডারের গ্যারান্টি দিয়ে ওয়ার্পসিলন-আকার ওপরেসিলন ডিজাইন করা অসম্ভব! , যেহেতু এটি করা এমন একটি অ্যালগরিদমের অস্তিত্বকে বোঝায় যে আকারের অবিচ্ছেদ্য আঘাতের সেটগুলির গ্যারান্টি দেয় but যেহেতুΘ(loglogm)εo((1/ε)loglog(1/ε))o(OPTfloglogOPTf)OPTf≤mএটি একটি ছোট একীকরণের ব্যবধান বোঝায়। সুতরাং যদি সংহতকরণের ব্যবধানটি বৃহত্তর হয় তবে প্রমাণ করে এটি ভাল নেট সন্ধানকারীদের সন্ধানে লোকদের তাদের সময় নষ্ট করা থেকে বিরত করতে পারে।